分层卡方检验
2018-02-26 来源: 医咖会 作者:

一、问题与数据

我们在前期推送过一篇文章《观察性研究控制混杂因素第一弹:分层分析》,在文中讲到分层分析是一种常用的控制混杂因素的方法,它将数据资料根据混杂因素进行分层,然后计算各层内的OR值:

 

如果层间OR值不一致,则说明分层因素可能存在混杂作用,需要分开报告OR值;如果层间OR值同质,则可以将OR值进行合并,从而计算调整后的OR值。

 

针对这个问题,有小伙伴在留言中问到,如何判断层间OR值是否一致呢?是否有相关的统计学方法来进行检验呢?如果层间OR值同质,又该如何计算合并的OR值呢?这个时候,卡方检验家族就要派“分层卡方检验”上场了,本期内容就来向大家进行详细介绍。

分层卡方检验

分层卡方检验,也称为Cochran-Mantel-Haenszel检验(CMH检验),它主要用于上述的分层分析中,也就是在研究暴露/处理因素和结局事件关联性的基础上,考虑了分层因素的混杂作用。

 

CMH检验通过对分层因素进行控制,从而考察调整之后暴露/处理因素与结局事件之间的关联性。实际上CMH检验,已经不再是单纯的单因素分析,而是已经开始融入了多因素分析的思维模式,应该算作为一种最为简单的多因素分析方法。

研究实例

举一个例子吧,小咖同学拟探讨吸烟对某疾病发生风险的影响,共纳入了350名研究对象,并记录了他们的疾病状态、吸烟、性别等信息。

 

小咖首先对吸烟因素和疾病之间的关联性进行了卡方检验,其结果显示Pearson χ2=3.607,P=0.058,OR=1.701,95% CI为0.980-2.953,无统计学显著性,可认为吸烟对于该疾病的发生风险并无影响。
目录
共61讲