啞變量主要針對(duì)的是原始變量本身即為分類變量的情況，不管是無序多分類還是有序多分類變量，在引入模型時(shí)可以按照統(tǒng)計(jì)需要轉(zhuǎn)化為啞變量引入模型，并且通過SPSS即可實(shí)現(xiàn)對(duì)啞變量進(jìn)行0或1的編碼。

對(duì)于連續(xù)型變量，在引入回歸模型時(shí)往往要考慮實(shí)際的臨床意義，若直接帶入原始的連續(xù)型變量，每變化一個(gè)單位水平所引起的因變量的變化效應(yīng)是很微弱的。同時(shí)當(dāng)我們無法很好地確定自變量和因變量之間的線性變化關(guān)系時(shí)，也需要考慮將連續(xù)型變量離散化，轉(zhuǎn)化為啞變量帶入模型。

那么提到連續(xù)型變量，應(yīng)該如何有效的進(jìn)行分組，將其轉(zhuǎn)化為啞變量的形式呢？今天我們就來跟大家細(xì)數(shù)一下，在回歸模型中連續(xù)型變量轉(zhuǎn)化為啞變量的多種變化形式。

1、二分類分組

嚴(yán)格意義上，提到啞變量通常是指轉(zhuǎn)化為多分類的變量，但在這里我們首先介紹二分類分組，將連續(xù)型變量按照某個(gè)切點(diǎn)轉(zhuǎn)化為二分類變量，是因?yàn)槎诸愖兞吭谀撤N意義上也是一種最為簡(jiǎn)單的啞變量形式。二分類變量有2個(gè)分類屬性，我們選擇其中一個(gè)分類作為參照（通常設(shè)置變量=0），則另一個(gè)分類自動(dòng)作為比較組（通常設(shè)置變量=1）。

那么如何確定二分類分組的切點(diǎn)呢？通常情況下，為了保證以切點(diǎn)劃分的兩組研究對(duì)象，在樣本量上能夠盡量保持一致，我們可以以該自變量的中位數(shù)為切點(diǎn)進(jìn)行分組，即按照中位水平分為高、低兩組來進(jìn)行比較；或者也可以按照臨床實(shí)踐中具有某種特殊意義的診斷切點(diǎn)作為分組標(biāo)準(zhǔn)，將研究人群分為有無此類疾病特點(diǎn)的兩組來進(jìn)行比較。

例如JACC期刊2016年發(fā)表的一篇文章[1]，作者在構(gòu)建多因素Cox回歸模型時(shí)，將膽固醇外流能力（Cholesterol efflux）按照中位數(shù)水平為切點(diǎn)，轉(zhuǎn)化為二分類變量帶入到模型進(jìn)行分析。結(jié)果顯示，膽固醇外流能力高的人群與膽固醇外流能力低的人群相比，動(dòng)脈粥樣硬化性心血管疾病（ASCVD）的發(fā)生風(fēng)險(xiǎn)降低了65%（HR=0.35，95% CI為0.23-0.54）。

而對(duì)于另一個(gè)指標(biāo)，冠狀動(dòng)脈鈣化積分(CAC) ，作者以0作為分組切點(diǎn)，是從臨床意義的角度考慮而進(jìn)行的劃分。在臨床中，CAC=0表明冠狀動(dòng)脈沒有發(fā)生鈣化，CAC＞0則表明發(fā)生鈣化，CAC積分越高，鈣化程度就越嚴(yán)重。因此在本例研究中，結(jié)果顯示冠狀動(dòng)脈鈣化 (CAC＞0) 的人群與沒有發(fā)生鈣化(CAC=0)的人群相比，動(dòng)脈粥樣硬化性心血管疾病(ASCVD)的發(fā)生風(fēng)險(xiǎn)增加了1.19倍（HR=2.19，95% CI為1.22-3.93）。

2、等分位分組

將連續(xù)型變量進(jìn)行二分類分組，這種方法固然簡(jiǎn)單易行，也便于理解，但是在有些情況下，比如我們想要更多地觀察自變量與因變量之間復(fù)雜的變化關(guān)系，此時(shí)若僅分為二組，則會(huì)遺漏很多重要的信息，使得數(shù)據(jù)本身的價(jià)值沒有得到更充分的利用。

因此，在借鑒二分類分組思想的基礎(chǔ)上，我們可以對(duì)連續(xù)型變量進(jìn)一步離散化，根據(jù)樣本量和分析的需要，通常可以按照該變量的三分位、四分位或者五分位等切點(diǎn)來進(jìn)行分組。

進(jìn)行等分位分組，其優(yōu)點(diǎn)在于不僅可以保證每一組的研究人群在樣本量上能夠保持相對(duì)一致，而且可以較為直觀的反映自變量與因變量之間復(fù)雜的變化關(guān)系，為進(jìn)一步探討兩者之間的關(guān)聯(lián)性提供了一定的依據(jù)。

例如Am J Clin Nutr期刊2015年發(fā)表的一篇文章[2]，研究人員將不同的營(yíng)養(yǎng)素按照其攝入水平的5分位進(jìn)行分組，并以攝入水平最低的1組作為參照。結(jié)果顯示，隨著水果纖維攝入水平的升高， 2型糖尿病發(fā)生的相對(duì)風(fēng)險(xiǎn)RR值分別為1、0.93、0.91、0.82、0.73（Model 1），RR值的變化呈現(xiàn)一種逐漸下降的趨勢(shì) (P-trend<0.0001)，提示隨著水果纖維攝入量的升高，研究對(duì)象發(fā)生2型糖尿病的風(fēng)險(xiǎn)逐漸降低。

3、等距分組

在進(jìn)行等分位分組時(shí)，研究對(duì)象被均勻分組，基本上每一組研究人群的樣本量大致相同，但是組與組之間的間距卻很難保證是一致的。例如上述研究中，研究人員對(duì)水果纖維攝入水平進(jìn)行5分位分組，每一組的中位數(shù)分別為1.45、2.55、3.55、4.69、6.68，相鄰兩組之間的間距是不相等的。

當(dāng)我們需要探討某個(gè)連續(xù)型自變量，在每增加固定間距的單位水平時(shí)，引起的因變量的變化效應(yīng)，就可以將該自變量以一個(gè)設(shè)定好的固定間距，對(duì)其進(jìn)行分組，然后再引入到模型中進(jìn)行分析。

這樣分組轉(zhuǎn)換的好處在于，在實(shí)際的臨床應(yīng)用中，分析結(jié)果的臨床意義易于解釋和理解。等分位分組時(shí)，切點(diǎn)的選擇是依賴于當(dāng)前的研究人群，如果研究人群發(fā)生了變化，其分組的切點(diǎn)也會(huì)跟著發(fā)生變化；但是如果以固定的單位間距作為切點(diǎn)去分組，在進(jìn)行臨床解釋時(shí)則更加便于病人理解和接受。

采用等距分組的方式進(jìn)行轉(zhuǎn)換，實(shí)際上并不會(huì)改變?cè)撟宰兞繉?duì)因變量的作用大小，只是相當(dāng)于放大了效應(yīng)值本身的數(shù)值，從而使得結(jié)果更為好看和直觀。

我們?cè)賮砜匆粋€(gè)實(shí)例，同樣是JACC期刊2015年發(fā)表的文章[3]，研究人員在進(jìn)行統(tǒng)計(jì)分析時(shí)，將研究對(duì)象的年齡進(jìn)行了分組轉(zhuǎn)換，以60歲為起點(diǎn)，每間隔10歲為一組，分為<60、61-70、71-80、≥80歲共4組。結(jié)果顯示隨著年齡分組的增大，10年死亡率呈現(xiàn)逐漸上升的趨勢(shì)，從9.3%增加到66.7%。研究人員也同時(shí)進(jìn)一步檢驗(yàn)了年齡每增加10歲，10年死亡率風(fēng)險(xiǎn)可增加3.43倍，OR=4.43，95% CI為3.63-5.41。

4、臨床界值分組

對(duì)連續(xù)型變量進(jìn)行等分位分組或等距分組時(shí)，它們對(duì)于數(shù)據(jù)本身的依賴性較強(qiáng)，主要適用于那些較新的研究指標(biāo)，這些指標(biāo)往往是探索性的，還沒有或者即將應(yīng)用的臨床實(shí)踐中，此時(shí)可以利用等分位或等距法作為分組切點(diǎn)的依據(jù)。

但是對(duì)于那些已經(jīng)在臨床中得到廣泛應(yīng)用的指標(biāo)，指南對(duì)其已經(jīng)推薦了明確的診斷切點(diǎn)，為了更好的用于臨床解釋，我們可以直接將指南推薦的診斷切點(diǎn)作為分組的依據(jù)來進(jìn)行劃分。

例如低密度脂蛋白膽固醇（LDL-C）這個(gè)指標(biāo)，《中國(guó)成人血脂異常防治指南（2016年修訂版）》[4]中已經(jīng)明確推薦，在中國(guó)動(dòng)脈粥樣硬化性心血管疾病一級(jí)預(yù)防人群中，LDL-C的分層標(biāo)準(zhǔn)為：理想水平（<100mg/dl）、合適水平（100-130 mg/dl）、邊緣升高（130-160 mg/dl）、升高（≥160 mg/dl），因此我們?cè)趯?duì)LDL-C進(jìn)行分組轉(zhuǎn)換的時(shí)候，就可以參考這個(gè)切點(diǎn)進(jìn)行劃分，做到分組的切點(diǎn)有理有據(jù)，才能使得自己的結(jié)果更加有說服力，更加有臨床意義。

再例如在Lancet Diabetes Endocrinol期刊2017年發(fā)表的一篇文章中[5]，對(duì)于維生素D這個(gè)主要研究指標(biāo)，研究人員同樣按照臨床參考范圍將維生素D劃分為3組，分別為重度缺乏 （＜25nmol/L） 、輕度缺乏（25-50 nmol/L）及充足水平（≥50 nmol/L），并以維生素D水平充足的一組作為參照，轉(zhuǎn)化為啞變量后再帶入到多重線性回歸中進(jìn)行比較。

5、“Free Style”分組

當(dāng)然，除了按照上述分組的切點(diǎn)原則，將連續(xù)型變量轉(zhuǎn)換為啞變量的形式外，你也可以有自己的Free Style。

對(duì)于較新穎的、非常規(guī)的指標(biāo)，臨床上并沒有給定參考的界值，此時(shí)你可以根據(jù)自身數(shù)據(jù)的特點(diǎn)和分析的需要，自行設(shè)置合理的分組切點(diǎn)，可以嘗試不同的切點(diǎn)分組方法，只要你的分組切點(diǎn)有理有據(jù)，能夠說服大家，結(jié)果能夠被重復(fù)出來，我們都認(rèn)為這樣的切點(diǎn)是合理的，因?yàn)檎胬砜偸窃诓粩嗟膰L試中才能逐漸顯現(xiàn)出來。

就像是在制定指南的過程中，對(duì)于推薦合理的臨床界值這一關(guān)鍵問題，專家們肯定也是進(jìn)行了很多次的嘗試，劃分了很多切點(diǎn)來不停探索，最終才找出來最適宜臨床應(yīng)用和推廣的切點(diǎn)值。

但是需要注意的是，當(dāng)我們?cè)趪L試不同的分組切點(diǎn)時(shí)，如果忽然發(fā)現(xiàn)按照某一組的切點(diǎn)劃分后能夠得出陽性結(jié)果，P<0.05，此時(shí)也不要高興的太早，也要考慮假陽性出現(xiàn)的可能性，以及結(jié)果的外推性。

切點(diǎn)劃分的前提一定是要具有合理性，如果某種暴露/處理因素與結(jié)局之間存在一定的劑量反應(yīng)關(guān)系，那么理論上這種關(guān)聯(lián)性的變化趨勢(shì)，即使在不同的切點(diǎn)分組下也是可以被重復(fù)出來的，因此我們不能為了發(fā)表一篇論文，或者為了追求P<0.05的陽性結(jié)果，就忽略了分組的合理性和實(shí)際的臨床意義，F(xiàn)ree Style切不可盲目地不斷試錯(cuò)。

本文介紹了多種連續(xù)型變量轉(zhuǎn)化為啞變量的分組形式，希望能夠幫助大家更好地利用手中現(xiàn)有的數(shù)據(jù)，豐富自己的結(jié)果。

參考文獻(xiàn)：

[1] J Am Coll Cardiol. 2016 May 31;67(21):2480-7

[2] Am J Clin Nutr. 2015 Dec;102(6):1543-53

[3] J Am Coll Cardiol. 2015 Aug 4;66(5):511-20

[4]《中國(guó)成人血脂異常防治指南（2016年修訂版）》

[5] Lancet Diabetes Endocrinol. 2017 May;5(5):367-376