王瑞平 李斌

    (上海市皮肤病医院临床研究与创新转化中心 上海 200443)

    临床研究中，研究者完成数据采集和数据录入后，一项重要的工作就是根据其所制定的研究目标开展统计分析。在描述性临床研究设计和临床试验研究的亚组分析中，由于混杂因素和(或)效应修饰因素的作用，研究者在数据分析阶段通常会采用多因素分析方法控制潜在的影响因素，来评估“暴露与结局”和“干预与效应”之间独立关联强度。多因素分析的方法有很多，例如logistic回归、多元线性回归、广义线性模型、广义相加模型、最优尺度回归、Cox回归、二项式分布回归、Poisson回归等，每一种多因素分析方法都有其适用的条件。最优尺度回归分析(optimal scaling)适用于因变量为定量变量，自变量为定量变量或定性变量的情况。其分析过程将定性变量不同取值进行量化处理，从而将定性变量转换为数值型进行统计分析，突破定性变量对分析模型选择的限制，扩大了回归分析的应用能力。本文采用示例的方式，重点介绍最优尺度回归分析的定义、应用条件、SPSS软件实现等内容，以期为研究者今后开展最优尺度回归分析提供参考。

    1 最优尺度回归分析的概念

    正如本刊2022年第43卷第1期“临床研究规范”专栏《临床医学研究数据分类浅谈》[1]一文中所述，临床研究中的数据通常可以分为两大类，即定量变量和定性变量，定量变量可以进一步细分为连续性变量和离散型变量，而定性变量可以进一步分为二分类变量、多分类有序变量和多分类无序变量。临床研究多因素分析方法的选择即是基于变量类型和特点而进行的 ......