公开数据库，JAMA子刊，看大咖是怎么玩转统计学

作者：王韵壹、李英、熊慧卿

　　现在是大数据时代，数据大且多不得了。但数据大，反而不好分析了。特别是大型前瞻性的队列研究。

　　如果给你一个公开数据库，你有本事将数据分析结果发表在JAMA子刊吗？

　　近日我们发现，医学统计学界著名的学者，首都医科大学郭秀花教授团队，在2019年，利用我国著名的公开数据库中国健康与养老追踪调查（CHARLS）在JAMA子刊发表一篇论文。

　　JAMA network Open虽然和传统子刊相比，略有水分，但是你想利用公开数据库，且利用已经发表过几百篇SCI的CHARLS数据库发表一篇JAMA 子刊文章，也是很不容易的。

　　浏览全文，我找到了真相。作为国内顶尖医学统计学学者，他的团队充分利用了统计学方法，装扮了这篇文章。

　　从统计学方法来说，这是一篇几乎完美的文章，它灵活运用了各种统计技巧来告诉审稿人，我的统计方法与顶级杂志接轨，结果可信。

　　先看文章的大概情况吧。

　　论文的基本概况

　　老年人中抑郁症状的流行已成为日益重要的公共卫生优先事项。在患有心血管疾病(CVD)的老年人中，抑郁症状的增加是有很好的记录的，但在中国成年人中进行的研究却很少。故本研究旨在探讨中国中老年人抑郁症状与心血管事件的关系。

　　中国健康与养老纵向研究（CHARLS）是一项正在进行的具有全国代表性的前瞻性队列研究，始于2011年。这项队列研究包括12417名在基线水平没有心脏病和中风的中国中老年人。

　　抑郁症状用流行病学研究中心抑郁量表的10个有效条目进行评估。从2011年6月1日至2015年6月31日对心血管疾病(即医生自报的心脏病和中风合计)进行随访。流行病学研究中心抑郁量表总分从0分到30分不等，12分或更高表示抑郁症状加重。

　　研究结局是心血管病事件，包括心脏病和脑卒中。

　　结果发现，在12417名参与者中(基线平均年龄为58.40[9.51]岁)，6113名(49.2%)为男性。随访4年，共查出心血管事件1088例。

　　在调整了年龄、性别、居住地、婚姻状况、教育程度、吸烟状况、饮酒状况、收缩压和体重指数；糖尿病、高血压、血脂异常和慢性肾病病史；以及高血压药物、糖尿病药物和降脂治疗的使用后，抑郁症状将增加39%的心血管疾病风险的(调整后的HR1.39；95%CI，1.22-1.58)独立相关。抑郁症状较重的人发生心脏病和中风风险分别增加36%和45%。

　　10种抑郁症状中，有2种症状与心血管事件显著相关，即不安眠(调整后的HR为1.21；95%可信区间为1.06-1.39)和孤独(调整后的HR为1.21；95%可信区间为1.02-1.44)。

　　因此研究表明：在中国中老年人中，抑郁症状总体上和两个个体症状(不安眠和孤独)与心血管疾病的发生率显著相关。

　　案例分析

　　该研究作为队列研究，根据暴露与否或暴露程度不同主要分为两组：抑郁组和非抑郁组，结局指标是心血管疾病的发病率。

　　该研究属于非随机对照研究，存在混杂变量，结局是生存时间资料。采用的统计方法主要是回归方法，是Cox回归，似乎也没有什么特别。

　　不过，详细看起统计学方法，作者纳入了观察性研究，或者真实世界研究一些流行，又有点花里胡哨，又让人觉得挺高端的方法。

　　这包括包括缺失数据的分析、趋势性检验、限制性立方条样图、亚组分析、敏感性分析、缺失数据填补、多模型构建策略、交互分析。

　　这套组合拳实在高明，玩出花来了！