作为连续型值，本身就内嵌七十二变的也就是说，因此本期内容我们继续来向大家概述一下，在解决问题转回假设时，连续型值还有哪些其他美妙的叠加型式。
1、正态反转
首先要提到的就是较为常不知的正态反转型式。我们都知道，在解决问题标量转回时，只能充分利用一定的正因如此，其里面有一项即允许值无需服从均值或者近似均值，如果不充分利用均值的必需，往往时会致使解决问题的转回假设归因于一定的偏倚，因此对于连续型值在事前进行时正态性检查是十分必要的。
那么，当我们的资料详细资料分布区呈现非正态时，只能怎么办呢？此时，我们可以将重构的连续型值作某种函数的反转，使偏态详细资料正态化，从而充分利用转回假设解决问题的只能。
根据资料本身分布区前提上的并不相同，我们可以引入并不相同的正态反转函数，例如对重构连续型值开平方合布雷系数（Square Root）、合自然比值（Ln X）、合以10为底的比值（Log10 X）、合倒计时（1 / X）等等。
当然，只能注意的是，如果对值进行时了正态反转，在结果里面对转回假设值进行时阐释时，可不按照反转后的值给予阐释，或者可以根据反转时用作的函数关系，倒推重构自值对重构因值的effect较小。
例如JACC学术期刊2016年发备注的一篇篇名[1]，译者在统计粗略时首先对资料进行时了正态性检查（中文翻译备注述：Normality of continuous variables was assessed by the Kolmogorov-Smirnov test）。
整体而言troponin I、NT-proBNP、corin等诱因呈现偏态分布区的构造，因此在详细描述研究工作对象基线个人信息时译者也引入了里面位数（上四分位数，下四分位数）的备注达型式，例如Troponin I的里面位水平为4.5（1.8，12.6）ng/ml。
随后译者引入多重标量转回的工具，来粗略直接影响corin水平的诱因（中文翻译详细描述：Multiple linear regression ysis was applied to determine factors influencing corin levels. Levels of troponin I, NT-proBNP, and corin were normalized by log10 transformation）
即研究工作执法人员首先对troponin I、NT-proBNP、corin等诱因合log10转如此一来为均值，然后再继续转化如此一来到多重标量转回里面进行时粗略。（结果译者并未在一段话呈现）
随后译者又进行时了Cox转回假设粗略，虽然Cox转回对自值的一般来说没有特殊的允许，但是为了与多重标量转回里面值替换如此一来的型式保持一致，故译者对于troponin I、NT-proBNP、corin等诱因依然引入log10转如此一来后的型式划定假设，结果不知下备注下图。
2、每叠加单独相对于的反转型式
在前期内容《想将连续值转如此一来为哑巴值划定转回假设，咋分三组？》里面，我们概述到若必要将重构的连续型值替换如此一来假设，转回值被阐释为每叠加一个的单位水平所招致的因值的叠加effect，但有时这种叠加effect不必要是很微弱的。
因此，我们可以将连续型自值以一个旧版好的单独条带，引入菱形分三组的作法，将其反转为哑巴值，然后再继续替换如此一来到假设里面进行时粗略。这样分三组的好处在于，粗略结果在单单的医学可不用领域里面较易患者理解和可不用领域。
例如我们划定的研究工作群体年龄为31-80岁，我们可以按照年龄每10岁一三组进行时分界，分为31-40、41-50、51-60、61-70、71-80合共5个亚三组，旧版4个哑巴值划定假设进行时粗略。
但是如果某一诱因的变异区域内相当大，此时按照上述工具进行时分三组时，就不必要时会被分为很多亚三组，只能旧版很多个哑巴值划定假设，从而使得假设显得“死板”；又或者资料的变异区域内不大，能够再继续进行时更小的单位的分三组，此时就取而代之继续适合将其转如此一来为哑巴值的型式。
那么，如果遇上这种持续性，某种程度对连续型值进行时怎样的妥善处理呢？我们再继续来看一篇JACC学术期刊2016年发备注的一篇篇名[2]。
该研究工作Cox转回结果如下备注下图，我们辨认出假设里面的多数值，译者都用作到了“per”这样一个用法，例如per 5% change、per 0.1 U、per 100 ml/min，等等，这里的“per + 叠加条带 + 的单位”的型式，备注示的即为我们要概述的，将连续型值按照每叠加单独相对于的型式进行时反转。
具体举其里面2个诱因为例来进行时指明。例如Oxygen uptake efficiency slope，在研究工作群体里面的经济量化为1655 U，5%-95%群体的叠加区域内为846-2800 U，由此可不知资料的叠加区域内是极其大的。此时如果转化如此一来重构连续型值，每减少1U，转回假设的HR系数不必要就时会不大，能够体现单单的医学意义；如果反转为哑巴值，又不必要时会被分界如此一来很多三组。
因此，译者将该值以每减少100 U的型式转化如此一来到假设里面，评价的是Oxygen uptake efficiency slope每减少100 U时，研究工作群体的死亡安全性时会上升9%（HR=0.91，95% CI：0.89-0.93）。
再继续例如Peak RER这个诱因，研究工作群体的经济量化为1.08 U，5%-95%群体的叠加区域内为0.91-1.27 U，资料衰减又极其小。此时如果转化如此一来重构连续型值，每减少1U，转回假设的HR系数不必要就时会相当大，而且在医学意义的阐释上，由于群体里面的数系数区域内不大，必要叠加1U的变异持续性并不常不知，能够在医学大部分治疗里面受益持续发展。如果反转为哑巴值，不必要也能够再继续进行时细分。
因此，译者将该值以每减少0.1 U的型式转化如此一来到假设里面，考察的是Peak RER每减少0.1U时，研究工作群体的死亡安全性时会上升6%（HR=0.94，95% CI：0.86-1.04），但无博弈论预测值。
理解了这种叠加型式的意义，那么在单单的统计粗略里面，如何解决问题这种型式的反转呢？其实很有趣，假如，如果我们想要把该诱因由每减少1个的单位变为每减少100个的单位（叠加波幅增大100倍），只只能将该重构值除以100化简假设无需；都只，如果我们想要把该诱因由每减少1个的单位变为每减少0.1个的单位（叠加波幅增大10倍），只只能将该重构值乘以10无需。
3、每叠加一个概率分布区的反转型式
上面我们概述了每叠加单独相对于的反转型式，例如每叠加0.1、10或100个的单位，但是我们有时候在学习者古文献时，还时会想起另外一种叠加型式，即自值每叠加一个概率分布区（per SD increase）的型式。那么这种叠加型式又是什么从哪里冒出来的呢？
我们再继续来看一篇JACC学术期刊2016年发备注的一篇篇名[3]（好吧，安慰小咖独宠JACC，下次努力争合毕竟雨露除此以外沾），Cox转回结果如下备注下图。
我们辨认出，对于年龄和收缩压，译者都引入了每减少1个概率分布区的型式划定到转回假设里面，即年龄每减少1个概率分布区，食道粥样硬化性心脏病（ASCVD）的胃癌安全性减少70%（HR=1.70，95% CI：1.32-2.19）；收缩压每减少1个概率分布区，ASCVD的胃癌安全性减少25%（HR=1.25，95% CI：1.05-1.49）。
这里将连续型值反转为per SD increase的型式转化如此一来假设里面，又有什么特殊的意义么？
我们都知道，概率分布区是详细描述一个值的所有观察系数与除此以外数的平除此以外一维高度的量化，对于计量的单位完全一致的值，概率分布区越大，资料的一维高度就越大。在医学实践里面，我们常用概率分布区来算出中医参考系数的区域内。
意味着定量的量化服从均值，根据均值曲线下总面积由此可知，除此以外系数 ± SD上行内的总面积为68.27%，除此以外系数 ± 1.96 SD上行内的总面积为95%，除此以外系数 ± 2.58 SD上行内的总面积为99%，比如说在分之一4个概率分布区的区域内内，资料已经前提覆盖了95% 的样本。
因此，特别是对于罕有的极其规原先量化，每减少1个的单位时的医学意义并不是很清楚的持续性下，可以将其反转为每减少1个SD的型式划定转回假设里面，由此可以指导患者根据自身单单的测量结果，看看自己是处于群体分布区水平的几个概率分布区区域内内，进而来评估其对可不的安全性时会转变多少。
都只，解决问题这种型式的反转也极其有趣，可以通过下述两种作法：
1、在解决问题转回假设之前，将重构的连续型值进行时前提妥善处理，再继续将前提后的自值转化如此一来到转回假设里面，所受益的转回系数即为自值每减少1个SD时对因值的直接影响（注意这里只对自值进行时前提妥善处理）。
2、如果并未对重构值进行时前提妥善处理，也可以必要把重构值转化如此一来到假设里面，计算出来并未标化的转回系数（Unstandardized Coefficients），然后再继续乘以该自值的概率分布区，此时即为自值每减少1个SD时对因值的直接影响。
不过心思的同学时会辨认出，SPSS在反向并未标化的转回系数（Unstandardized Coefficients）的同时也时会反向前提转回系数（Standardized Coefficients），那么这个前提转回系数又是什么鬼，它与上述并未标化的转回系数，以及每减少1个SD的转回系数又有什么区别呢，后续的篇名里面时会有概述。
参考古文献：
[1] J Am Coll Cardiol. 2016 May 3;67(17):2008-14
[2] J Am Coll Cardiol. 2016 Feb 23;67(7):780-9
[3] J Am Coll Cardiol. 2016 May 31;67(21):2480-7
相关新闻
相关问答
