作为连续型数组，本身就工具箱七十二变的属性，因此本期内容我们在此期间来向大家参阅一下，在毕竟重回数学步骤时，连续型数组还有哪些其他梦幻的改变型式。
1、正态匹配
首先要写到的就是较为常见于的正态匹配型式。我们都说是，在毕竟线性重回时，无需符合一定的相当无需，其中都有一项即要求数组需服从正态地理分布或者近似正态地理分布，如果不符合正态地理分布的条件，并不一定但会随之而来毕竟的重回数学步骤消除一定的偏倚，因此对于连续型数组在事前同步进行正态性鉴定是十分必要的。
那么，当我们的数据资料资料地理分布看出非正态时，无需怎么办呢？此时，我们可以将系数得注意的连续型数组作某种数组的匹配，使偏态资料正态化，从而符合重回数学步骤毕竟的无需。
根据数据资料本身地理分布总共通点的不同，我们可以采行不同的正态匹配数组，例如对系数得注意连续型数组开平方自取布雷系数（Square Root）、自取自然对数（Ln X）、自取以10为底的对数（Log10 X）、自取倒数（1 / X）等等。
当然，无需注意的是，如果对数组同步进行了正态匹配，在结果中都对重回数学步骤匹配同步进行表述时，应按照匹配后的数组予以表述，或者可以根据匹配时运用于的数组关系，倒推系数得注意自数组对系数得注意因数组的振荡一般来说。
例如JACC学术期刊2016年发所列的一篇书评[1]，所作在统计量化时首先对数据资料同步进行了正态性鉴定（标题所列述：Normality of continuous variables was assessed by the Kolmogorov-Smirnov test）。
结果显示troponin I、NT-proBNP、corin等诱因看出偏态地理分布的特征，因此在叙述研究工作对象基线信息时所作也采行了中都位数（上四分位数，下四分位数）的所列达型式，例如Troponin I的中都位准确度为4.5（1.8，12.6）ng/ml。
随后所作采行多重线性重回的步骤，来量化影响corin准确度的诱因（标题叙述：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）
即研究工作人员首先对troponin I、NT-proBNP、corin等诱因自取log10转已成为正态地理分布，然后再次带进到多重线性重回中都同步进行量化。（结果所作未在文中都看出）
随后所作又同步进行了Cox重回数学步骤量化，虽然Cox重回对自数组的类型没有比如说的要求，但是为了与多重线性重回中都数组扩展的型式保持一致，故所作对于troponin I、NT-proBNP、corin等诱因依然采行log10转已成后的型式设为数学步骤，结果见下所列请注意。
2、每改变固定增量的匹配型式
在前期内容《想将连续数组转已成为唤数组设为重回数学步骤，咋第一组？》中都，我们参阅到若必要将系数得注意的连续型数组扩展数学步骤，重回匹配被表述为每改变一个计量准确度所引致的因数组的改变振荡，但有时这种改变振荡有可能是很微弱的。
因此，我们可以将连续型自数组以一个实体化好的固定宽度，采行等距第一组的手段，将其匹配为唤数组，然后再次扩展到数学步骤中都同步进行量化。这样第一组的诱因在于，量化结果在实质的临床系统设计中都易于患者理解和系统设计。
例如我们设为的研究工作青年人年龄组为31-80岁，我们可以按照年龄组每10岁一组同步进行划分，分已成31-40、41-50、51-60、61-70、71-80总共5个亚组，实体化4个唤数组设为数学步骤同步进行量化。
但是如果某一诱因的变异区域不大，此时按照上述步骤同步进行第一组时，就不但会被分已成很多亚组，无需实体化很多个唤数组设为数学步骤，从而使得数学步骤变得“沉闷”；又或者数据资料的变异区域很小，未能再次同步进行更为小计量的第一组，此时就依然次简便将其转已成为唤数组的型式。
那么，如果遇到这种上述情况，无论如何对连续型数组同步进行怎样的执行呢？我们再次来看一篇JACC学术期刊2016年发所列的一篇书评[2]。
该研究工作Cox重回结果如下所列请注意，我们找到数学步骤中都的同样数组，所作都运用于到了“per”这样一个词，例如per 5% change、per 0.1 U、per 100 ml/min，等等，这里的“per + 改变宽度 + 计量”的型式，所列示的即为我们要参阅的，将连续型数组按照每改变固定增量的型式同步进行匹配。
具体举其中都2个诱因为例来同步进行说明。例如Oxygen uptake efficiency slope，在研究工作青年人中都的略高于为1655 U，5%-95%青年人的改变区域为846-2800 U，由此可见数据资料的改变区域是相当大的。此时如果带进系数得注意连续型数组，每减少1U，重回数学步骤的HR系数有可能就但会很小，未能体现实质的临床意义；如果匹配为唤数组，又不但会被划分已成很多组。
因此，所作将该数组以每减少100 U的型式带进到数学步骤中都，评价的是Oxygen uptake efficiency slope每减少100 U时，研究工作青年人的丧命不确定性但会下降9%（HR=0.91，95% CI：0.89-0.93）。
再次例如Peak RER这个诱因，研究工作青年人的略高于为1.08 U，5%-95%青年人的改变区域为0.91-1.27 U，数据资料波动又相当小。此时如果带进系数得注意连续型数组，每减少1U，重回数学步骤的HR系数有可能就但会不大，而且在临床意义的表述上，由于青年人中都的数系数区域很小，必要改变1U的幼体上述情况相当常见于，未能在临床大部分治疗中都受益系统设计。如果匹配为唤数组，有可能也未能再次同步进行拆分。
因此，所作将该数组以每减少0.1 U的型式带进到数学步骤中都，勘察的是Peak RER每减少0.1U时，研究工作青年人的丧命不确定性但会下降6%（HR=0.94，95% CI：0.86-1.04），但无统计学显著性。
理解了这种改变型式的意义，那么在实质的统计量化中都，如何毕竟这种型式的匹配呢？说是很简单，假如，如果我们希望把该诱因由每减少1个计量转变已成每减少100个计量（改变略为增大100倍），只无需将该系数得注意数组除以100化简数学步骤即可；同样，如果我们希望把该诱因由每减少1个计量转变已成每减少0.1个计量（改变略为变大10倍），只无需将该系数得注意数组除以10即可。
3、每改变一个对数的匹配型式
侧面我们参阅了每改变固定增量的匹配型式，例如每改变0.1、10或100个计量，但是我们常常在阅读文献时，还但会认出另外一种改变型式，即自数组每改变一个对数（per SD increase）的型式。那么这种改变型式又是什么从哪里冒出来的呢？
我们再次来看一篇JACC学术期刊2016年发所列的一篇书评[3]（好吧，原谅小咖独宠JACC，下次努力争自取毕竟雨露均洒），Cox重回结果如下所列请注意。
我们找到，对于年龄组和收缩压，所作都采行了每减少1个对数的型式设为到重回数学步骤中都，即年龄组每减少1个对数，动脉粥样硬化性心脏病（ASCVD）的确诊不确定性减少70%（HR=1.70，95% CI：1.32-2.19）；收缩压每减少1个对数，ASCVD的确诊不确定性减少25%（HR=1.25，95% CI：1.05-1.49）。
这里将连续型数组匹配为per SD increase的型式带进数学步骤中都，又有什么比如说的意义么？
我们都说是，对数是叙述一个数组的所有仔细观察系数与均数的平均对数层面的测试步骤，对于计量计量相同的数组，对数就越，数据资料的对数层面就就越。在临床实践中都，我们特指对数来量化医学参考系数的区域。
并不一定测的测试步骤服从正态地理分布，根据正态地理分布切线下面积应是，平方根 ± SD该线内的面积为68.27%，平方根 ± 1.96 SD该线内的面积为95%，平方根 ± 2.58 SD该线内的面积为99%，不一定在大约4个对数的区域内，数据资料现在基本构成了95% 的样本。
因此，特别是对于罕见的相当规新测试步骤，每减少1个计量时的临床意义相当是很明确的上述情形，可以将其匹配为每减少1个SD的型式设为重回数学步骤中都，由此可以范本患者根据自身实质的观测结果，看看自己是处于青年人地理分布准确度的几个对数区域内，进而来评估其对应的不确定性但会改变多少。
同样，毕竟这种型式的匹配也相当简单，可以通过以下两种手段：
1、在毕竟重回数学步骤先前，将系数得注意的连续型数组同步进行一个通用执行，再次将一个通用后的自数组带进到重回数学步骤中都，所受益的重回系数即为自数组每减少1个SD时对因数组的影响（注意这里只对自数组同步进行一个通用执行）。
2、如果未对系数得注意数组同步进行一个通用执行，也可以必要把系数得注意数组带进到数学步骤中都，得出未标化的重回系数（Unstandardized Coefficients），然后再次除以该自数组的对数，此时即为自数组每减少1个SD时对因数组的影响。
不过适切的同学但会找到，SPSS在输出未标化的重回系数（Unstandardized Coefficients）的同时也但会输出一个通用重回系数（Standardized Coefficients），那么这个一个通用重回系数又是什么恶，它与上述未标化的重回系数，以及每减少1个SD的重回系数又有什么区别呢，后续的书评中都但会有参阅。
参考文献：
[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
