在医学研究中，BMI总是以分类变量的形式进行分析。在我的 Cox 回归模型中，我将 BMI 保持在其原始形式，即连续变量。但审稿人问我如何确定连续 BMI 比分类 BMI 更适合。因此，我需要测试 BMI 的线性度。我将BMI分为四部分，但四类BMI的HRs不再显着，而连续BMI具有统计学意义。我走错方向了吗？有没有更好的方法来测试 BMI 的线性度？
如何确定用于 cox 回归（分类或连续）的最佳 BMI 形式？
机器算法验证
多重回归
cox模型
线性度
2022-03-27 14:49:48
1个回答
BMI 可能与结果持续相关，但不一定是线性相关。最好的测试方法是将 BMI 灵活地拟合为连续预测变量，例如使用rmsR 中的包中的受限三次样条。如果您使用该包中的工具，那么您可以使用它的anova()功能来测试整体的连续拟合，尤其是非线性项。
对连续变量进行分类几乎没有任何收获。如果有人坚持要你这样做，请将模型的 Akaike 信息标准 (AIC) 与分类进行连续拟合。我怀疑使用灵活拟合的连续变量拟合会更好。
需要考虑的一个问题是 BMI 本身是否是一个派生变量，是否有用。很可能同时安装它的组件，高度和重量，会更好。
其它你可能感兴趣的问题