公號后臺，Someone咨詢P for interaction，今日特寫來分享。P for interaction顧名思義是交互作用的P，尤其在高分SCI論文中頻頻出現(xiàn)。為啥呢？因為高分論文除了立意重要之外，還有一個典型的特征，就是對數(shù)據(jù)的分析非常到位，一般SCI論文能夠刀刀見肉已經不易，高分SCI論文，你會發(fā)現(xiàn)數(shù)據(jù)分析往往直至骨髓！交互是A因素的作用在B因素不同水平下不同，說的有點拗口！舉個例子，比如你參加一個學習班，你領導在和不在的情況下，你學習的狀態(tài)是不一樣的，是不是！如果大家看SCI文獻比較多的話，您會發(fā)現(xiàn)，大多數(shù)文章，在建立回歸模型（線性、Logsitic和Cox）時，基本不考慮交互作用的。考慮交互是為了證明結果的一致性或發(fā)現(xiàn)新的亮點（人群）。講到此時，松哥還希望大家了解一下生物醫(yī)藥建建模的三大目的：
1.發(fā)現(xiàn)風險因素；一群風險因素中，找到可能的風險；
2.驗證風險因素；針對某個可以風險，進行充分證明；
3.臨床風險預測；利用若干可能的風險因素，構建一個預測效力最優(yōu)的模型，對臨床結局與診斷進行預測。那么請問，交互作用（P for Interaction）主要是在那種建模類型中出現(xiàn)呢？松哥告訴您，主要在驗證風險因素模型中。驗證風險因素模型的構建策略為抽絲剝繭，逐層加碼原則，如下為一篇比較典型的SCI論文交互作用的展示。您先橫屏看下，松哥后面解釋！
該文研究：Serum uric acid and prehypertension among Chinese adults；即血尿酸與高血壓前期的相關性研究。這是一個典型的驗證性模型論文。一篇文章就是為了搞定一件事，就是血尿酸和高血壓前期到底有沒有關系。
（1）作者將血尿酸(X)進行五分位數(shù)分組，然后先將五分位數(shù)當做無序多分類，以Q1為參照，進行回歸，同時校正相關風險因素，得到對應OR和95%CI；發(fā)現(xiàn)相對于Q1，那些是有意義的分組。（2）然后在把五分位數(shù)分組當做等級變量，再次做回歸，便得到了P for trend。就是趨勢性檢驗P值。發(fā)現(xiàn)是否存在隨著劑量增加而有增加或下降的趨勢。（3）針對重要的影響因素（年齡、BMI和3個生化指標），作者有進行了分層分析，然后計算了這些因素與血尿酸(X)的交互作用。發(fā)現(xiàn)本次研究的重點因素（血尿酸）和其他因素之間是否存在交互作用。
如上3步，步步遞進，讓血尿酸在高血壓前期中的作用步步為營，數(shù)據(jù)挖掘的深入到位！
（1）如果Y是數(shù)值變量，那么要用線性回歸，SPSS中線性回歸是沒有直接設置交互作用選項，因此需要人為通過“compute”功能去計算一個交互作用項。
（2）如果Y是分類變量，則建立Logistic回歸。在二項Logistic回歸中，可以直接選中兩個因素，放入模型，產生交互作用項。然而在多項Logsitc回歸和有序Logtic回歸中，沒有此項，要人為計算生成交互變量。
2.做交互作用檢驗的變量(X)可以是二分類或多分類變量，如果原始數(shù)據(jù)是連續(xù)變量需要轉換為分類變量，例如年齡（歲）需要轉換為年齡組。3.各種研究類型都可以做：RCT、隊列、病例對照、橫斷面等。1.交互作用P值不顯著，表明不同層結果一致，結果可靠。2.交互作用P值顯著，表明有特殊人群，可能是文章的亮點。不管是P for trend、Per 1 SD，還是今天說的P for interaction，我們發(fā)現(xiàn)統(tǒng)計學實現(xiàn)上并不困難。
對于國人而言，往往是沒有這樣研究課題的思路。國內統(tǒng)計學教材是遠遠脫節(jié)于科研的?！皶接脮r翻不到”是很多科研工作者的傷痛。
松哥一直建議，看自己領域的核心期刊，分析其研究思路，摸透其統(tǒng)計方法，你離成功就不遠了！如果您對統(tǒng)計實在不感冒，那就合作吧！松哥有統(tǒng)計、你有專業(yè)數(shù)據(jù)，難道還搞不成事！
---統(tǒng)計思維與理論系列--- 【1085.】正態(tài)性不符合怎么辦？其實沒啥大事！
【1084.】哎呦媽呀！幾何均數(shù)還有標準差呀？書中從來沒說過呀！
【1083.】交叉驗證是啥個意思，是換妻游戲嗎？
【1082.】不懂統(tǒng)計思維的統(tǒng)計是沒有靈魂的！
【1081.】造假大識別，這種假都敢造！ 【1080.】辨析丨啥？統(tǒng)計上還有q值，和P值啥關系？ 【1079.】這種造假方式，您能識別嗎？
【1078.】SCI相關分析比中文正規(guī)的3點理由
【1077.】臨床科研設計與數(shù)據(jù)分析9大易忽視錯誤（推薦）
【1076.】這種套路可以學，怎么化無意義為有意義！
【1075.】很有意思的一個統(tǒng)計問題，并發(fā)癥到底該如何分析？ 【1074.】一文了解主流統(tǒng)計軟件
【1073.】WHAT！計算機隨機序列竟然是偽隨機
【1072.】單因素Logistic回歸變量篩選，你還在用表表達，看看人家如何可視化的，審稿人看了能不開心嗎？ 【1071.】SCI論文中回歸模型樣本量確定標準，建議閱讀
【1070.】性別和吸煙是專業(yè)公認的危險因素，為啥多因素分析性別沒意義了？ 【1069.】數(shù)值變量應該以何種形式進入模型 【1068.】多項分類變量進入模型的正確姿勢
【1067.】這種隨意拆分的錯誤不能犯
【1066.】SCI統(tǒng)計方法寫作秘籍 【1065.】這篇SCI論文10個統(tǒng)計問題辨析
【1064.】以前認為概念無所謂，其實松哥錯了 【1063.】松哥，我發(fā)現(xiàn)一處SCI統(tǒng)計錯誤，非?；闹?！ 【1062.】分類變量啞變量設置后，參照到底如何選擇？ 【1061.】這篇SCI的診斷試驗結果看不懂，他到底是咋比的 【1060.】如何向統(tǒng)計老師咨詢統(tǒng)計問題的正確姿勢
【1059.】生存分析單因素篩選的困惑
【1058.】4種最常用的統(tǒng)計設計解讀
【1057.】SPSS統(tǒng)計軟件學習終身不忘之必殺技
【1056.】回歸家族的書劍恩仇錄，高手進階必經之路 【1055.】單因素是危險因素，多因素卻保護因素了，想逆天嗎？ 【1054.】這種文章統(tǒng)計套路您一定要學，不管你什么專業(yè)通殺 【1053.】這個空白對照到底要不要加？ 【1052.】同一肝癌患者，同時接受CT、超聲和磁共振，如何分析？ 【1051.】來自臨床真實問題，有點意思，松哥薦讀！ 【1050.】知道兩組數(shù)據(jù)的樣本量均數(shù)標準差，怎么算合并統(tǒng)計量呢？ 【1049.】meta分析軟件Revman5.3卡死解決方案 【1048.】P>0.05，本身就是沒意義還是樣本量不夠？ 【1047.】兩因素方差分析，如何判斷哪個因素對結果影響較大？
【1046.】帶基線數(shù)據(jù)數(shù)值變量如何進行統(tǒng)計分析辨析 【1045.】統(tǒng)計學習之最大困惑?。?/span> 【1044.】松哥為啥我318樣本量統(tǒng)計分析出來確實400樣本量？ 【1043.】這兩個是啥圖？區(qū)別和聯(lián)系 【1042.】變量之間到底是單項轉化還是雙向轉化 【1041.】統(tǒng)計水平自我評估表
【1040.】基線分析的3個終極目的 【1039.】統(tǒng)計小白的學習路徑 【1038.】SCI論文中Logistic回歸模型“門當戶對”原則，松哥心得推薦給您 【1037.】被我們忽視的生存分析區(qū)間刪失數(shù)據(jù) 【1036.】Logistic回歸文章的SCI審稿人意見解讀 【1035.】統(tǒng)計學上的2K效應，你發(fā)現(xiàn)了沒？ 【1034.】正態(tài)分布的3個基因密碼，聆聽大自然心跳的代碼！
【1033.】生存分析K-M法與COX回歸結論不一致怎么辦？ 【1032.】異常值的處理只有刪除？ 【1031.】沒有比較就沒有傷害，讓咱們互相傷害吧，教你4大類統(tǒng)計傷害方法
【1030.】SCI審稿人讓我控制2個單因素無意義的變量？
【1029.】量表評價是信度重要還是效度重要？
【1028.】Meta分析要解決的首要任務
【1027.】文章材料與方法中統(tǒng)計方法如何描述
【1026.】這個到底是啥統(tǒng)計設計？一起來看看！
【1025.】聚類分析穩(wěn)定性判別的經驗總結 【1024.】“參數(shù)檢驗與非參數(shù)檢驗”哪個更好？ 【1023.】干預前后數(shù)據(jù)統(tǒng)計分析方法
【1022.】聽完四個小故事，你就明白主成分分析是啥意思了！ 【1021.】方差分析P>0.05，兩兩比較LSD法P<0.05，這可咋整？
【1020.】等級與等比，可得分清楚！
【1019.】頻率與概率，如膠又似漆！
【1018.】終于發(fā)現(xiàn)不用學習，頓悟統(tǒng)計的方法 【1017.】傾向性評分后數(shù)據(jù)，應該采用配對設計還是成組設計？
【1016.】統(tǒng)計必學的4個核心思想
【1015.】加權最小二乘回歸是什么鬼？
【1014.】平行性檢驗到底應該啥時候做？ 【1013】統(tǒng)計的4維空間（一維一層天） 【1012】到底做相關？還是方差分析呢？
【1011】這篇文章憑啥這樣分組呢？ 【1010】常用統(tǒng)計分析方法選擇圖解
【1009】P<0.05也別理直氣壯，統(tǒng)計也會犯錯，還分犯I類和II類錯誤？ 【1008】文章鑒析：這篇文章或許有10處不適！
【1007】R×C卡方的Fisher確切概率法為什么會有卡方值
【1006】大小優(yōu)指標如何同時制作ROC曲線[經驗技巧]
【1005】統(tǒng)計方法與統(tǒng)計思想誰重要？ 【1004】別說相關太簡單，且聽松哥說相關
【1003】正態(tài)分布10種鑒別方法匯總【薦藏】
【1002】連續(xù)變量變成等級變量后，原來有意義的變量變得沒意義了？
【1001】SCI論文中的P for trend是什么鬼？為什么高分文章經常采用呢 ------------------------------
|
