临床模型研究，说到底是做一个模型，那么模型应该如何纳入自变量，纳入哪些自变量，这都是至关重要的问题。线性回归，逻辑回归和Cox比例风险回归模型是被广泛使用的多元回归分析方法。我们在前面的几篇文章中解释过他们的统计学意义、应用及结果释义。但是我们很少讨论自变量筛选的方法，这些方法在数据分析和撰写论文时应用较为混乱，却十分重要。本集整理并总结了前沿的自变量筛选方法，我们来一观究竟。

变量筛选方法及原则

Background

在自变量筛选遇到问题时，研究者常常求助统计学家，统计学家会建议使用软件中自动筛选，例如IBM SPSS中的Logistic回归和Cox回归，给出了7种变量筛选的方法：

实际上，在阅读临床文献时可以发现许多作者采用了这些筛选方法。其流程是：首先逐个对变量进行单因素回归分析，把单因素回归分析p值小于0.1的纳入最终的回归方程（此处可根据样本量的大小选择性调整p值的范围，如果样本量过大，可以控制p