今天给大家解读CHARLS数据库的COX回归+RCS曲线+KM曲线的分析框架和发文思路。
CHARLS数据库全称为中国健康与养老追踪调查（China Health and Retirement Longitudinal Study, CHARLS），是收集了一套代表中国45岁及以上中老年人家庭和个人的高质量微观数据的数据库，常用以分析我国人口老龄化问题和健康问题，推动老龄化和健康问题的跨学科研究。CHARLS全国基线调查于2011年开展，覆盖150个县级单位，450个村级单位，约1万户家庭中的1.7万人，覆盖疾病涉及内科、外科、耳鼻喉科、眼科及皮肤科等多个重要科室的多种疾病，可选择的范围很广。
套路总结：
-
COX比例风险回归：探讨暴露变量和结局变量的相关性；
-
RCS曲线：探讨连续暴露变量与结局之间的剂量反应关系（可视化展示，更加清晰地反应暴露变量是如何影响结局的）；
-
KM生存曲线：反应暴露变量对结局生存期的影响，用以说明生存时间与生存率之间的关系，比较暴露变量的效应大小；
-
亚组分析：针对不同年龄性别或其他重要协变量的亚组来借以识别疾病可能的脆弱人群，并判断是否具有交互作用；
-
敏感性分析：通过改变人群的选择与重要结果相比较，以验证结果的稳定性。
案例文章：
文章亮点：
-
多结局变量：研究探讨的不是一个结局的影响，而是探索多个结局的影响（包括新发高血压、糖尿病、肺部疾病、肝病等），这一点比较新颖。
-
暴露变量具有重要研究意义：SHR这个指标能够通过多种途径影响疾病进展，成为多种疾病的标志物，与多种疾病之间存在一定联系；除此之外，通过一种标志物来研究对多种疾病的影响，便于进行比较。
-
深入探讨文章结果的稳健性：研究通过改变人群结构（排除在第一次随访期间经历结局事件的参与者）进行了敏感性分析，解决了可能出现的反向因果问题，使得结果的文章更令人信服。
文章解读：
▶ COX比例风险回归
通过COX比例风险回归评估了应激性高血糖比值（SHR）与新发慢性病之间的关联性。结果显示在三个模型中，SHR升高会导致新发高血压、糖尿病、血脂异常和肝病的发病风险上升；相反，SHR升高会导致新发肺病的发病风险下降。而在模型1和模型2中，还发现SHR升高会导致新发关节炎的发病风险下降，这种显著性关联在模型三中没有被识别。
▶ COX比例风险回归分层结果
通过SHR的四分位数分层分析发现，以低水平的SHR相比，高水平的SHR会引起新发高血压、糖尿病、血脂异常和肝病的发病风险上升，但是会导致新发肺病的发病风险下降。
▶ RCS曲线
为探究COX比例风险回归得出的有显著意义的疾病与SHR之间的剂量反应关系，研究利用了分别绘制了不同疾病与SHR之间的RCS曲线。结果发现SHR与新发糖尿病风险之间存在显著的非线性关联，而与新发高血压、肝病和肺病之间存在线性关联。每个曲线的变化趋势也同样与COX比例风险回归的结果一致（新发高血、血脂异常和肝病呈现逐渐上升的趋势；糖尿病呈现先下降后上升的趋势；肺病呈现逐渐下降的趋势）。
▶ KM曲线
为探讨不同SHR对不同疾病的生存期的影响，研究绘制了不同疾病的生存曲线。结果显示随访期间，新发高血压、糖尿病、血脂异常和肺部疾病的发生率会受到SHR的影响，且存在显著差异。不仅如此，不同疾病受到SHR的影响有所差异，其中最高的SHR对新发高血压、糖尿病、血脂异常的生存率影响最大，下降最快；而第二组的SHR对肺部疾病的生存率影响最大，下降最快。
▶ 亚组分析（以癌症和消化系统疾病为例）
为评估性别、年龄、婚姻状况、教育程度、户籍状况、吸烟、饮酒和基线健康状况的潜在影响变化，研究进行了亚组分析，结果发现除吸烟和癌症、性别和消化系统疾病存在交互作用外，其余各亚组中未观察到明显的交互作用。
① 癌症
② 消化系统
▶ 敏感性分析
为验证模型的稳健性，研究利用排除在第一次随访期间经历结局事件的参与进行了敏感性分析，结果发现与未排除时的结果（第一个COX比例风险回归）类似，因此认为研究结果具有一定稳健性。
文章总结：
为解决SHR是否能独立预测中老年人发生慢性病（例如高血压、糖尿病、血脂异常）的异质性风险，这些关联是否具有疾病特异性这两个科学问题，研究首先利用COX风险比例回归发现了不同新发慢性病与SHR之间的关联，利用RCS曲线可视化了两者之间的剂量反应关系，并通过KM生存分析发现不同新发慢性病受到SHR的影响的显著性差异，最后通过亚组分析来探究不同人群发生不同慢性病是否会受到SHR的影响。结果发现SHR与慢性病发病机制存在明显的纵向关联，特别是表现出强烈的糖尿病致病作用。与肺部疾病的矛盾负相关值得进一步研究。这些结果有助于未来研究将SHR定位为老龄化人群慢性病风险分层的潜在多价生物标志物。
评论列表