作者：潘承諭 審稿：歡暢 封面：吉江
大家好，我是上海交通大學醫學院的碩士生ppppcy，目前方向是環境和人群健康，擅長流行病和統計相關內容，接下來將與大家分享協變數篩選系列內容，請大家多多關注~
在明確了暴露因素和結局變數的研究中，控制變數的篩選直接影響到後續多因素分析的結果。如，在研究吸菸和肺癌的關係時，往往還會控制年齡一變數，否則有可能得出吸菸是肺癌的保護因素這樣與實際相悖的結論。控制變數的納入需要考慮會受到樣本量、結局事件數量是否足夠，是否存在共線性等問題，此外還得結合經驗判斷是否存在專業意義。那麼面對幾十上百的研究因素中，大家該如何篩選出要控制的變數呢？接下來我們將會簡單介紹一下三種比較常見的方法，教大家如何篩選控制變數。
1.單因素分析法
單因素分析想必大家都很熟悉了，比較常見的做法是對備選的混雜因素和研究因素或者結局變數進行單因素分析（如方差、卡方等），並將單因素分析結果有統計學顯著性的變數（P是否
2.有向無環圖（Directed Acyclic Graph，DAG）
有向無環圖有時也被稱為因果圖，是結合專業及流行病學知識，根據變數與變數之間的因果關係篩選控制變數。如果從專業或者流行病學角度來看不存在混雜關係，就將變數剔除。在下圖中，當我們研究0與5的關係時，2就是潛在的混雜因素。
3.效應改變法（change in estimations，CIE）
效應改變法也叫稱為CIE原則，是根據控制變數對暴露因素與結局變數的之間影響是否足夠大來判斷是否納入模型。比較常見的做法是一個變數納入多因素分析模型後，觀察暴露因素與結局變數的β變化量是否>10%，若>10%則保留，否則剔除。
在應用方面而言，三種方法也有著各自的優缺點，如下圖所示。
當然也可以把以上三種方法結合起來使用，比較常見的組合是使用DAG+CIE控制混雜。本篇介紹就到這裡，
下篇我將給大家介紹第一種方法單因素分析法
。
END
作者簡介
姓名：ppppcy
學校：上海交通大學醫學院
擅長方向：環境與人群
溫
馨
提==
示
學堂正在招募內容主筆、短影片創作者、課程講師，請在公眾號底部選單欄點選“招聘”瞭解詳情！
