（点击图片可查看大图）

表2是文章核心结果，用多元回归分析八个生物标记物和四大类预后的关系，放大来看。

X是按连续变量分析，单位是1个标准差（per SD）；Y是二分类变量，考虑到了随访时间用Cox模型得出HR。例如这里“GDF-15”的HR=1.66表明指标“GDF-15”每增加一个标准差，死亡风险增加66%。这个死亡风险增加是显著的。

一个标准差（SD）的值到底是多少呢？通常文章中会有描述。SD可以直观的反应X的值在人群中的分布。我们知道95%的可信区间是±1.96倍的SD；99% 的可信区间是±2.58倍的SD，因此4个SD约覆盖95%的样本。对于罕见的指标，用每增加一个SD作为单位，意义的解读比直接告诉原始单位更方便读者理解。

例如：要分析体质指数BMI和是否高血压的关系，易侕软件操作为：在变量BMI上点右键选择“函数转换”。

会出现函数转换的对话框，勾选“Z-score”然后点击“保存”可以自动生成新变量。

BMI.NEW就是自动生成的新变量。

调用任何一个回归分析模块都可以做分析。这里用数据分析菜单下的“单因素分析”模块举例。把BMI.NEW放在暴露变量处。为了方便对比，把原始变量BMI也放在这里。Y可以是连续变量收缩压（SBP）或二分类变量是否高血压（HBP），易侕软件自动识别变量类型，自动选择统计分析方法。点击查看结果。

结果出来了：

解读：BMI的标准差是2.3kg/m2

0.19：BMI每增加1个标准差，收缩压增加0.19mmHg

0.08：BMI每增加1kg/m2，收缩压增加0.08mmHg

1.03：BMI每增加1个标准差，高血压风险增加3%

1.01：BMI每增加1kg/m2 ，高血压风险增加1%

做了Z-score转换后本质上不改变X和Y的关系。

除了上述做Z-score转换的常规操作，还可以引入分层变量。可以使用外部标准人群均数与标准差；也可以使用内部参照人群的均数与标准差。学友们可以根据自己研究目的进行选择。

适用范围：对于非常规指标，计算Per SD change是好的选择

常规指标：年龄每增加一岁，临床意义清楚；

非常规指标：HDL流出能力每增加一个单位，不清楚到底增加了多少；4个SD约覆盖95%的样本，每增加一个SD，临床意义清楚。

常规指标：年龄每增加一岁，临床意义清楚；

非常规指标：HDL流出能力每增加一个单位，不清楚到底增加了多少；4个SD约覆盖95%的样本，每增加一个SD，临床意义清楚。

注意：这样处理并不改变X和Y的关系，只是更利于临床意义解读。

对于非常规X指标，计算Per-SD change可以参考已经发表的论文：

[1] Wang T J, Wollert K C, Larson M G, et al. Prognostic Utility of Novel Biomarkers of Cardiovascular Stress: The Framingham Heart Study[J]. Circulation, 2012,126(13):1596-1604.

[2] Saleheen D, Scott R, Javad S, et al. Association of HDL cholesterol efflux capacity with incident coronary heart disease events: a prospective case-control study[J]. Lancet Diabetes Endocrinol, 2015,3(7):507-513.

[3] Farrar D, Fairley L, Santorelli G, et al. Association between hyperglycaemia and adverse perinatal outcomes in south Asian and white British women: analysis of data from the Born in Bradford cohort[J]. Lancet Diabetes Endocrinol, 2015,3(10):795-804.

[4] Li S, Xiao J, Ji L, et al. BMI and waist circumference are associated with impaired glucose metabolism and type 2 diabetes in normal weight Chinese adults[J]. J Diabetes Complications, 2014,28(4):470-476.

返回搜狐，查看更多