来作为连续型codice_，本身就可选七十二变的一般来说，因此本期以下内容我们继续来向大家讲解一下，在构筑紧接建模时，连续型codice_还有哪些其他神奇的转变整体概念。
1、正态转转成
首先要提到的就是极为少用的正态转转成整体概念。我们都想到，在构筑二阶紧接时，所均需考虑到一定的并不均需要，其中的有一项即拒绝codice_均需服从正态特有种或者近似正态特有种，如果不考虑到正态特有种的条件，往往就会造转成了构筑的紧接建模产生一定的偏倚，因此对于连续型codice_在事前展开正态性鉴定是十分必要的。
那么，当我们的图表的资讯特有种呈现出非正态时，所均需怎么办呢？此时，我们可以将更早的连续型codice_来作某种变数的转转成，使偏态的资讯正态化，从而考虑到紧接建模构筑的所均需。
根据图表本身特有种形态的完全相同，我们可以采行完全相同的正态转转成变数，例如对更早连续型codice_大数所取布雷系数（Square Root）、所取指数变数（Ln X）、所取以10为底的倍数（Log10 X）、所取紧接在（1 / X）等等。
当然，所均需注意到的是，如果对codice_展开了正态转转成，在结果中的对紧接建模参数展开说明了时，应按照转转成后的codice_给予说明了，或者可以根据转转成时使用的变数关联，倒推更早自codice_对更早因codice_的波动大小。
例如JACC期刊2016年公开发表的一篇短文[1]，编者在统计系统性时首先倍图表展开了正态性鉴定（出处阐述：Normality of continuous variables was assessed by the Kolmogorov-Smirnov test）。
结果显示troponin I、NT-proBNP、corin等各种因素呈现出偏态特有种的特征，因此在刻画研究转成果对象较宽信息时编者也采行了中的个位（上四分个位，下四分个位）的表达整体概念，例如Troponin I的中的位水准为4.5（1.8，12.6）ng/ml。
随后编者采行多重二阶紧接的作法，来系统性制约corin水准的各种因素（出处刻画：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）
即研究转成果其他部门首先对troponin I、NT-proBNP、corin等各种因素所取log10转换转成为正态特有种，然后再行应运而生到多重二阶紧接中的展开系统性。（结果编者并未在文中的呈现出）
随后编者又展开了Cox紧接建模系统性，虽然Cox紧接对自codice_的类型并未独有的拒绝，但是为了与多重二阶紧接中的codice_加进的整体概念值得注意到，故编者对于troponin I、NT-proBNP、corin等各种因素依然采行log10转换转成后的整体概念不属于建模，结果见下表表。
2、每转变互换相对于的转转成整体概念
在后半期以下内容《想将连续codice_转换转成为唤codice_不属于紧接建模，咋第三分组？》中的，我们讲解到若这样一来将更早的连续型codice_加进建模，紧接参数被说明了为每转变一个该单位水准所导致的因codice_的转变波动，但有时这种转变波动有可能是很微弱的。
因此，我们可以将连续型自codice_以一个实体化好的互换条带，采行等距第三分组的手段，将其转转成为唤codice_，然后再行加进到建模中的展开系统性。这样第三分组的好处在于，系统性结果在确实的临床研究转成果运用于中的易于病症明白和运用于。
例如我们不属于的研究转成果许多人比率为31-80岁，我们可以按照比率每10岁一分组展开划分，划分31-40、41-50、51-60、61-70、71-80总共5个亚分组，实体化4个唤codice_不属于建模展开系统性。
但是如果某一各种因素的变异之内很大，此时按照上述作法展开第三分组时，就有可能就会被划分很多亚分组，所均需实体化很多个唤codice_不属于建模，从而使得建模显得“臃肿”；又或者图表的变异之内很小，不能再行展开更小该单位的第三分组，此时就便行适合将其转换转成为唤codice_的整体概念。
那么，如果遇见这种意味着，不应对连续型codice_展开怎样的执行呢？我们再行来看一篇JACC期刊2016年公开发表的一篇短文[2]。
该研究转成果Cox紧接结果如下表表，我们发掘出建模中的的一般来说codice_，编者都使用到了“per”这样一个词语，例如per 5% change、per 0.1 U、per 100 ml/min，等等，这里的“per + 转变条带 + 该单位”的整体概念，指出的即为我们要讲解的，将连续型codice_按照每转变互换相对于的整体概念展开转转成。
确切举其中的2个各种因素为例来展开说明。例如Oxygen uptake efficiency slope，在研究转成果许多人中的的少于水准为1655 U，5%-95%许多人的转变之内为846-2800 U，由此可见图表的转变之内是非常大的。此时如果应运而生更早连续型codice_，每减少1U，紧接建模的HR系数有可能就就会很小，不能体现确实的临床研究转成果普遍性；如果转转成为唤codice_，又有可能就会被划分转成很多分组。
因此，编者将该codice_以每减少100 U的整体概念应运而生到建模中的，评价的是Oxygen uptake efficiency slope每减少100 U时，研究转成果许多人的被害不确定性就会升高9%（HR=0.91，95% CI：0.89-0.93）。
再行例如Peak RER这个各种因素，研究转成果许多人的少于水准为1.08 U，5%-95%许多人的转变之内为0.91-1.27 U，图表波动又非常小。此时如果应运而生更早连续型codice_，每减少1U，紧接建模的HR系数有可能就就会很大，而且在临床研究转成果普遍性的说明了上，由于许多人中的的数系数之内很小，这样一来转变1U的母体意味着相当少用，不能在临床研究转成果以外病人中的给与运用于于。如果转转成为唤codice_，有可能也不能再行展开细分。
因此，编者将该codice_以每减少0.1 U的整体概念应运而生到建模中的，考察的是Peak RER每减少0.1U时，研究转成果许多人的被害不确定性就会升高6%（HR=0.94，95% CI：0.86-1.04），但无社会学显著性。
明白了这种转变整体概念的普遍性，那么在确实的统计系统性中的，如何发挥来作用这种整体概念的转转成呢？其实很有用，假如，如果我们想要把该各种因素由每减少1个该单位换转成每减少100个该单位（转变幅度增大100倍），只所均需将该更早codice_减去100代入建模均需；比如说，如果我们想要把该各种因素由每减少1个该单位换转成每减少0.1个该单位（转变幅度增大10倍），只所均需将该更早codice_相乘10均需。
3、每转变一个期望系数的转转成整体概念
上面我们讲解了每转变互换相对于的转转成整体概念，例如每转变0.1、10或100个该单位，但是我们常常在学习者古籍时，还就会从未见过另外一种转变整体概念，即自codice_每转变一个期望系数（per SD increase）的整体概念。那么这种转变整体概念又是什么从哪里冒出来的呢？
我们再行来看一篇JACC期刊2016年公开发表的一篇短文[3]（好吧，原谅小咖独宠JACC，下次努力争所取明白雨露均小便），Cox紧接结果如下表表。
我们发掘出，对于比率和收缩压，编者都采行了每减少1个期望系数的整体概念不属于到紧接建模中的，即比率每减少1个期望系数，动脉粥样硬化性中风（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个期望系数，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codice_转转成为per SD increase的整体概念应运而生建模中的，又有什么独有的普遍性么？
我们都想到，期望系数是刻画一个codice_的所有推论系数与均数的少于对数程度的当前，对于计量该单位相同的codice_，期望系数越多，图表的对数程度就越多。在临床研究转成果实践中的，我们常用期望系数来计算出来医学参考系数的之内。
假定测定的当前服从正态特有种，根据正态特有种斜率下km推知，概率特有种 ± SD上行内的km为68.27%，概率特有种 ± 1.96 SD上行内的km为95%，概率特有种 ± 2.58 SD上行内的km为99%，理论上在约4个期望系数的之内内，图表已经整体构转成了95% 的抽取。
因此，同样是对于稀有的非常规原先当前，每减少1个该单位时的临床研究转成果普遍性相当是很明确的意味着下，可以将其转转成为每减少1个SD的整体概念不属于紧接建模中的，由此可以指导病症根据自身确实的测量结果，到底自己是西北面许多人特有种水准的几个期望系数之内内，进而来评估其对应的不确定性就会改变多少。
比如说，发挥来作用这种整体概念的转转成也非常有用，可以通过都有两种手段：
1、在构筑紧接建模之前，将更早的连续型codice_展开规范执行，再行将规范后的自codice_应运而生到紧接建模中的，所给与的紧接系数即为自codice_每减少1个SD时对因codice_的制约（注意到这里只对自codice_展开规范执行）。
2、如果并未对更早codice_展开规范执行，也可以这样一来把更早codice_应运而生到建模中的，得出并未标化的紧接系数（Unstandardized Coefficients），然后再行相乘该自codice_的期望系数，此时即为自codice_每减少1个SD时对因codice_的制约。
不过细心的同学就会发掘出，SPSS在输出并未标化的紧接系数（Unstandardized Coefficients）的同时也就会输出规范紧接系数（Standardized Coefficients），那么这个规范紧接系数又是什么鬼，它与上述并未标化的紧接系数，以及每减少1个SD的紧接系数又有什么区别呢，近期的短文中的就会有讲解。
参考古籍：
[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
