病例对照研究的统计学套路

病例对照研究是一种回顾性的观察性研究方法，主要用于探索疾病与暴露因素之间的关联，其统计学分析围绕“比较病例组与对照组的暴露差异，推断暴露与疾病的关联强度” 展开。以下是其完整的统计学分析套路，涵盖数据准备、描述性分析、关联分析、分层与多因素分析及结果报告等核心环节：

数据准备与清洗

在进行统计分析前，需对原始数据进行规范化处理，确保数据质量，为后续分析奠定基础。

1.数据类型界定

明确暴露因素、结局变量（疾病状态）及混杂变量的类型：

（1）结局变量：二分类（病例 = 1，对照 = 0）。

（2）暴露因素：可分为二分类（如是否吸烟：是 = 1，否 = 0）、多分类（如吸烟量：不吸、少量、中量、大量）或连续型（如每日吸烟支数）。

（3）混杂变量：如年龄（连续 / 分类）、性别（二分类）、种族（多分类）等。

2.数据清洗

（1）检查缺失值：通过频数分析识别缺失比例较高的变量（如缺失率 > 20% 需谨慎处理），可采用删除、均值 / 中位数填充（连续变量）或众数填充（分类变量），或使用多重插补法。

（2）检查异常值：对连续变量（如年龄、血压）绘制箱线图或直方图，识别超出合理范围的异常值，核实数据准确性后决定保留或修正。

描述性统计分析

通过描述性分析呈现研究对象的基本特征，比较病例组与对照组的基线差异，为后续关联分析提供背景信息。

1.组间基线特征比较

示例：比较病例组与对照组的吸烟率（二分类），用卡方检验；比较年龄（连续），若正态分布用 t 检验，否则用秩和检验。

暴露与疾病的关联分析

核心步骤是通过构建四格表计算关联强度指标（比值比 OR），并进行显著性检验，判断暴露是否与疾病相关。

1.四格表基础（二分类暴露）

（1）比值比（OR）：衡量暴露与疾病关联强度的核心指标，计算公式为：

OR=1：暴露与疾病无关联；

OR>1：暴露可能是疾病的危险因素（暴露组患病风险高于非暴露组）；

OR<1：暴露可能是疾病的保护因素（暴露组患病风险低于非暴露组）。

（2）OR 的 95% 置信区间（95% CI）：若 95% CI 不包含 1，说明关联具有统计学显著性（P<0.05）。

（3）显著性检验：通过卡方检验或 Fisher 确切概率法检验暴露与疾病的关联是否由随机误差导致，计算 P 值（P<0.05 为差异有统计学意义）。

2.多分类暴露的关联分析

若暴露为多分类（如吸烟量：不吸、少量、中量、大量），可设定一个参照组（如“不吸”），计算其他组相对于参照组的 OR 值及 95% CI，通过多组卡方检验分析整体关联，再进行两两比较（需校正多重检验 α 值）。

分层分析与混杂控制

当存在混杂因素（如年龄、性别）时，需通过分层分析或多因素模型控制混杂，避免其干扰暴露与疾病的真实关联。

1.分层分析（Mantel-Haenszel 法）

（1）目的：按混杂变量（如年龄分 < 60 岁和≥60 岁）分层，在每层内计算 OR，再合并得到调整后的总 OR（ORMH），排除混杂影响。

（2）计算公式（以二分类混杂变量为例）：

（i 为分层编号，n_i 为第 i 层总人数）

（3）若分层前后 OR 差异较大（如变化 > 10%），说明该变量为混杂因素，需报告调整后的 OR。

2.多因素 Logistic 回归分析

（1）目的：同时控制多个混杂变量（如年龄、性别、BMI 等），更精准地估计暴露与疾病的独立关联。

（2）模型形式：以疾病状态（病例 = 1，对照 = 0）为因变量，暴露因素和混杂变量为自变量，构建二元 Logistic 回归模型：

（X1 为暴露因素，X2…Xk 为混杂变量，β1 为暴露因素的回归系数）

（3）结果解读：暴露因素的 OR=exp (β1)，95% CI=exp (β1±1.96×SE (β1))，P 值 < 0.05 说明在控制混杂后，暴露与疾病的关联仍有统计学意义。

交互作用分析

当怀疑两个因素（如暴露因素与另一个变量）对疾病的联合作用不等于单独作用之和时，需分析交互作用。

1.交互作用的判断

（1）在 Logistic 回归模型中加入暴露因素与可疑交互变量的乘积项（如 X1×X2），若乘积项的回归系数 β 有统计学意义（P<0.05），则提示存在交互作用。

（2）示例：分析“吸烟（X1）” 与 “饮酒（X2）” 对肺癌的交互作用，模型中加入 X1×X2，若 β3≠0 且 P<0.05，说明吸烟与饮酒对肺癌的影响存在交互作用。

结果报告与解释

1.核心结果报告

（1）基线特征：病例组与对照组的基本特征及组间差异（如 P 值）。

（2）关联强度：未调整的 OR（95% CI，P 值）及调整混杂后的 OR（95% CI，P 值）。

（3）交互作用：若存在，报告交互项的 OR 及 P 值。

2.注意事项

（1）病例对照研究为回顾性设计，无法直接计算发病率，故不能用相对危险度（RR），只能用 OR 估计关联强度（当疾病发生率较低时，OR≈RR）。

（2）潜在偏倚：如选择偏倚（病例与对照的代表性差异）、信息偏倚（回忆偏倚），需在讨论中说明并解释对结果的影响。

总结

病例对照研究的统计学套路可概括为：数据清洗基线特征描述单因素关联分析（计算 OR）分层或多因素分析控制混杂交互作用分析结果报告。核心是通过 OR 值量化暴露与疾病的关联，并通过严格的统计方法控制偏倚和混杂，为病因推断提供依据。