Joinpoint 回归模型

上周，CA杂志（IF:244.585）发布了最新的全球癌症统计报告，预计2018年全球共有1810万癌症新发病例和960万癌症死亡病例。这是一篇对于全人群全病种（癌症）的研究分析，而今天小编向大家介绍的是一种用于描述单病种发病率或死亡率等变化趋势的统计方法。

Joinpoint回归模型又称片段回归（piecewise regression），线段回归（broken-line）或多阶段回归（multi-phase regression），是Kim在2000年提出的，其基本思路是将一个长期趋势线分成若干段，每段用连续性的线性进行描述。常用的线性模型只能描述或预测一种趋势，时间序列模型也存在许多局限性。而joinpoint回归模型对数据序列本身是否存在趋势等并没有严格要求，近年来越来越多的被研究者用来确定肿瘤、结核病、艾滋病、吸烟等的变化趋势分析。

Joinpoint回归模型是用Z检验进行分段点的假设，首先假设无任何分段点，即H：分段点为个，此时可以采用传统的线性回归进行分析；H1：分段点至少存在1个。若拒绝H，则再进行检验1个分段点与n个分段点差异是否有统计学意义，以此类推。Joinpoint回归模型可以使用专门的统计软件Joinpoint Regression Program（Version 4.6.0.0; 2018.4），操作比较方便，导入数据就能分析出结果。

如图所示，就是用该软件分析后所得结果，可发现4个Joinpoints，将整个长期趋势线分成5段，即“1975-1985”、“1985-1995”、“1995-1998”、“1998-2008”和“2008-2013”。因为Joinpoint回归模型是通过模型拟合把趋势变化分成若干有统计学意义的趋势区段，因此这种数据处理的方式分段比人为分段更加合理。通过分段后研究者可以清晰的看出上升段、快速上升段、平缓段、下降段和快速下降段。进而可以分析分段点产生的背景和原因，为接下来的医疗政策制定和资源分配等提供依据。

Joinpoint回归模型在处理多个趋势段的长期疾病数据时存在一定优势，分段科学，拟合较好。感兴趣的读者可以自己下载Joinpoint Regression Program软件后使用自己的数据或者公共数据库的数据进行尝试。

参考文献：

1.Kim HJ, Fay MP, Feuer EJ, et al. Permutation tests for joinpoint regression with applications to cancer rates. Stat Med 2000 19:335-351 (p 655).