12、医学数据分析方法：从回归到风险评估的综合应用

医学数据分析方法：从回归到风险评估的综合应用

1. 两阶段最小二乘法

两阶段最小二乘法（Two stage least squares）以咨询作为工具变量，比以泻药疗效为结果、不依从性为预测因子的简单线性回归更敏感。不过，如果分析未针对多次测试进行充分调整，两阶段最小二乘法存在高估结果精度的风险。好在SPSS会自动进行相关调整。该方法的示例是最简化版本，模型中还可纳入多个解释变量和工具变量。

2. 纵向数据的自回归模型

2.1 目的与问题

时间序列在医学各领域普遍存在，传统测试无法同时评估趋势、季节性、变化点以及多种预测因子（如治疗方式）的影响。以II型糖尿病患者为例，每月的HbA1c水平是评估糖尿病控制情况的良好指标，且呈现季节性变化，冬季水平较高。研究旨在评估纵向人群汇总统计数据能否用于分析季节和治疗变化对慢性病患者群体的影响。

2.2 示例数据

以下是第一年糖尿病患者观察数据的部分内容：
| Date | HbA1 | nurse | doctor | phone | self | meeting |
| — | — | — | — | — | — | — |
| 01/01/1989 | 11,00 | 8,00 | 7,00 | 3 | 22 | 2 |
| 02/01/1989 | 10,00 | 8,00 | 9,00 | 3 | 27 | 2 |
| 03/01/1989 | 17,00 | 8,00 | 7,00 | 2 | 30 | 3 |
| … | … | … | … | … | … | … |

2.3