场景案例 ·

公共卫生研究数据分析全流程 — AI 一句话完成患病率/危险因素/逻辑回归/分层分析

公共卫生/流行病学论文必看：患病率描述统计、危险因素Logistic回归OR值、卡方检验、趋势检验、分层分析与交互检验，ChatSRS一句话完成，自动输出流行病学报告规范结果，可直接用于论文方法/结果章节。

公共卫生和流行病学数据分析的难点不在于单个方法，而在于完整的分析链条：描述患病率要用什么分母？卡方检验什么时候换 Fisher 精确检验？调整 OR 和粗 OR 差距很大要怎么解释？分层分析是为了控制混杂还是检验交互？趋势检验和多组卡方有什么不同？这篇文章把公共卫生研究最常见的分析链条一次串通，每步给出 ChatSRS 可直接使用的指令，以及可抄进论文的流行病学报告规范句式。

公共卫生数据分析为什么方法链条长

公共卫生论文涵盖流行病学调查、横断面研究、病例对照研究、队列研究、健康调查等多种设计，数据分析的挑战来自多个维度：

  • 患病率描述：粗率（Crude Rate）还是标准化率（Age-standardized Rate）？分母是人口数还是调查人数？
  • 危险因素识别：单因素筛查后纳入多因素 Logistic 回归，"是否有统计学意义 p < 0.05/0.10/0.20"作为纳入标准？
  • 混杂控制：粗 OR 和调整 OR 差距大是混杂效应的直接证据，如何描述混杂变量的作用？
  • 分层分析：区分"控制混杂（Stratified Analysis）"和"检验效应修饰（Effect Modification）"，前者取 Mantel-Haenszel 合并 OR，后者看 Breslow-Day 检验
  • 趋势检验：对有序分类变量（如暴露剂量分组、年龄组）检验线性趋势（Cochran-Armitage 检验），不能用普通卡方代替

chatsrs.com 把这整条链条变成对话，下面以实际研究场景演示。

典型公共卫生研究设计

设计一：横断面调查（患病率 + 危险因素分析）

适用场景：某市中老年人群高血压患病率及影响因素调查（样本量 2,400 人）

典型数据结构：

ID     性别    年龄组   BMI组    吸烟   饮酒   高盐饮食   体力活动   高血压
001    男      45-54    正常     是     否     是         低         有
002    女      55-64    超重     否     否     是         中         无
...    ...     ...      ...     ...    ...    ...        ...        ...

关键分析链：

  1. 描述统计（分组频率分布）
  2. 患病率计算（分性别、年龄组、各暴露因素）
  3. 单因素卡方检验（逐个变量与高血压的关联）
  4. 多因素 Logistic 回归（控制混杂，得到调整 OR）
  5. 分层分析（性别/年龄分层的 Mantel-Haenszel 合并 OR）
  6. 趋势检验（年龄组、BMI 组的线性趋势）

设计二：病例对照研究（OR 值分析）

适用场景：某新发传染病危险因素病例对照研究

ID     状态    年龄    性别    暴露A   暴露B   暴露C   匹配变量
001    病例    45      男      是      否      是      社区1
002    对照    46      男      否      否      是      社区1
...    ...     ...     ...     ...     ...     ...     ...

关键分析链：条件/非条件 Logistic 回归 → 粗 OR / 调整 OR → 分层 OR → Breslow-Day 交互检验

全流程分析演示（横断面调查）

以"某市中老年人高血压患病率及危险因素研究"为例：调查 2,400 名 40-74 岁居民，横断面设计。

第一步：患病率描述统计

打开 chatsrs.com，上传数据后输入：

"请计算整体高血压患病率（95% CI），并分别按性别、年龄组（40-44、45-54、55-64、65-74）、BMI 分组（正常 < 24、超重 24-28、肥胖 >= 28）输出患病率（%）及各组 95% CI；生成 APA 格式三线表，各分组用行表示，列分别为：患病人数、调查人数、患病率(%)、95% CI。"

ChatSRS 自动输出：

表 1  分组高血压患病率（N = 2,400）

分组                  患病人数    调查人数    患病率(%)    95% CI
总体                    864        2,400       36.0%       [34.1, 37.9]
性别
  男性                  482        1,168       41.3%       [38.4, 44.1]
  女性                  382        1,232       31.0%       [28.4, 33.6]
年龄组（岁）
  40-44                  74          386       19.2%       [15.3, 23.1]
  45-54                 187          611       30.6%       [26.9, 34.3]
  55-64                 311          748       41.6%       [38.1, 45.1]
  65-74                 292          655       44.6%       [40.9, 48.3]
BMI 分组（kg/m^2）
  正常（< 24）          183          768       23.8%       [20.7, 27.0]
  超重（24-28）         348          924       37.7%       [34.6, 40.7]
  肥胖（>= 28）         333          708       47.0%       [43.4, 50.7]

注：95% CI 基于 Wilson 评分法计算。

解读要点：患病率随年龄和 BMI 的梯度变化，为后续趋势检验提供直觉基础。

第二步：趋势检验（有序分类变量的线性趋势）

"对年龄组（40-44、45-54、55-64、65-74 赋分 1-4）与高血压的关联做 Cochran-Armitage 趋势检验，报告趋势 chi^2 值、df、p 值；同样对 BMI 分组做趋势检验；并对所有分类暴露变量（性别、吸烟、饮酒、高盐饮食、体力活动）分别做 Pearson 卡方检验（期望频数 < 5 时用 Fisher 精确检验），输出汇总表。"

ChatSRS 输出：

表 2  各暴露因素与高血压关联的单因素分析

变量                          患病率（暴露组 vs 非暴露）    检验统计量            p
年龄组（线性趋势）              19.2% → 44.6%             chi^2_trend = 148.32   <.001 ***
BMI 分组（线性趋势）            23.8% → 47.0%             chi^2_trend = 92.18    <.001 ***
性别（男 vs 女）               41.3% vs 31.0%             chi^2(1) = 28.42       <.001 ***
吸烟（是 vs 否）               45.2% vs 31.6%             chi^2(1) = 44.81       <.001 ***
饮酒（是 vs 否）               40.1% vs 34.2%             chi^2(1) = 8.94        .003 **
高盐饮食（是 vs 否）           41.8% vs 30.4%             chi^2(1) = 31.72       <.001 ***
体力活动（低 vs 中/高）        44.1% vs 30.8%             chi^2(1) = 41.65       <.001 ***

注：趋势检验采用 Cochran-Armitage 法；所有期望频数 >= 5，无 Fisher 精确检验替换。

注意区分：趋势检验（Cochran-Armitage）和普通卡方不同——它利用有序分类的梯度信息，检验统计量更聚焦于单调增/减趋势，即使同等 p 值，趋势检验的流行病学解读意义更强。

第三步：多因素 Logistic 回归（危险因素分析核心）

"以高血压（1 = 有，0 = 无）为因变量，纳入所有单因素分析中 p < 0.10 的变量（年龄组、BMI 组、性别、吸烟、饮酒、高盐饮食、体力活动）做多因素二元 Logistic 回归。年龄组和 BMI 组处理为连续变量（赋分）以检验线性趋势。输出：(1) 粗 OR（95% CI）和调整 OR（aOR，95% CI）对比三线表；(2) 模型拟合指标（Nagelkerke R^2、Hosmer-Lemeshow 检验、AUC）；(3) 模型整体显著性检验；(4) 流行病学报告格式文字描述。"

ChatSRS 输出：

表 3  高血压危险因素 Logistic 回归分析

变量                    粗 OR（95% CI）          p        aOR（95% CI）           p
年龄组（连续，每组）    1.43（1.35, 1.52）      <.001    1.36（1.27, 1.46）     <.001
BMI 组（连续，每组）    1.67（1.55, 1.80）      <.001    1.54（1.42, 1.68）     <.001
性别（男 vs 女）        1.56（1.33, 1.83）      <.001    1.41（1.19, 1.67）     <.001
吸烟（是 vs 否）        1.78（1.51, 2.10）      <.001    1.52（1.27, 1.82）     <.001
饮酒（是 vs 否）        1.28（1.08, 1.51）      .004     1.18（0.99, 1.41）     .069
高盐饮食（是 vs 否）    1.63（1.40, 1.90）      <.001    1.44（1.22, 1.70）     <.001
体力活动（低 vs 中/高） 1.74（1.47, 2.06）      <.001    1.48（1.24, 1.77）     <.001

模型拟合：Nagelkerke R^2 = .264；Hosmer-Lemeshow chi^2(8) = 9.12，p = .332；AUC = 0.74

注：aOR = 调整 OR，控制表中所有变量；参照类别已标注在变量旁括号内。

解读要点：饮酒的粗 OR = 1.28 但调整后 aOR = 1.18（CI 包含 1，p = .069），提示饮酒与高血压的粗关联部分是由年龄、性别等混杂因素所致。

第四步：分层分析与效应修饰检验

分层分析有两种目的，必须明确区分：

目的一：控制混杂（Mantel-Haenszel 合并 OR，前提是各层 OR 同质）

"按性别（男/女）分层，分别计算吸烟与高血压关联的分层 OR（95% CI），再用 Mantel-Haenszel 方法计算合并 OR；同时做 Breslow-Day 检验，检验各层 OR 的同质性（Homogeneity Test）。"

ChatSRS 输出：

吸烟与高血压关联的性别分层分析

              患病率（吸烟 vs 不吸烟）    OR（95% CI）         p
男性            48.1% vs 36.4%           1.63（1.29, 2.06）   <.001
女性            38.2% vs 27.8%           1.60（1.21, 2.12）   .001

Mantel-Haenszel 合并 OR = 1.62（95% CI: 1.37, 1.91）
Breslow-Day 检验：chi^2(1) = 0.04，p = .836（各层 OR 同质，合并 OR 有意义）

Breslow-Day p = .836（不显著）说明各层 OR 同质，可以报告合并 OR（1.62）作为控制性别混杂后的效应量。

目的二：检验效应修饰（Breslow-Day p < .05 时，各层 OR 不同质，有效应修饰）

"按年龄组（< 55 岁、>= 55 岁）分层，检验 BMI 与高血压关联是否存在年龄效应修饰。"

ChatSRS 输出（假设效应修饰显著）：

BMI 与高血压关联的年龄分层分析

              OR（95% CI）                p
< 55 岁       2.14（1.72, 2.67）         <.001
>= 55 岁      1.37（1.14, 1.64）         .001

Breslow-Day 检验：chi^2(1) = 8.24，p = .004（OR 不同质，存在效应修饰）

解释：BMI 对高血压的作用在较年轻人群中更强（OR = 2.14），在老年人群中相对减弱
（OR = 1.37），需分层单独报告而非合并。

第五步：人口归因危险度（PAR%）—— 可选报告

公共卫生研究中常用人口归因危险度（Population Attributable Risk，PAR%）量化某暴露因素对人群患病负担的贡献：

"计算吸烟对该人群高血压的人口归因危险度（PAR%），报告公式和结果，说明其公共卫生意义。"

论文写法（流行病学报告规范句式）

方法章节：统计分析策略描述

采用 chi^2 检验（期望频数 < 5 时用 Fisher 精确检验）分析分类变量与高血压的单因素关联；对有序分类变量（年龄组、BMI 分组）采用 Cochran-Armitage 线性趋势检验。以单因素分析 p < 0.10 为标准筛选变量纳入多因素二元 Logistic 回归，控制混杂因素后估计各变量的调整优势比（aOR）及 95% 置信区间（CI）。模型拟合良好性以 Hosmer-Lemeshow 检验（p > .05）和曲线下面积（AUC）评价。采用 Mantel-Haenszel 方法进行分层分析，以 Breslow-Day 检验评估各层效应是否同质（p >= .05 提示同质，可报告合并 OR；p < .05 提示存在效应修饰，需分层报告）。所有统计分析使用 ChatSRS（R 引擎）完成，显著性水平 alpha = .05，所有检验均为双侧。

结果章节：患病率描述

本次调查共纳入 2,400 名 40-74 岁社区居民，高血压总患病率为 36.0%（95% CI [34.1%, 37.9%]）。男性患病率（41.3%，95% CI [38.4%, 44.1%]）高于女性（31.0%，95% CI [28.4%, 33.6%]）。患病率随年龄增加呈显著线性上升趋势（19.2% ~ 44.6%，Cochran-Armitage chi^2 = 148.32，p < .001），随 BMI 分组增加同样呈显著线性趋势（23.8% ~ 47.0%，chi^2_trend = 92.18，p < .001）。

结果章节：多因素 Logistic 回归主要结果

多因素 Logistic 回归分析结果（见表 3）显示，模型拟合良好（Hosmer-Lemeshow chi^2(8) = 9.12，p = .332，AUC = 0.74，Nagelkerke R^2 = .264）。控制所有协变量后，独立危险因素包括：BMI 分组（aOR = 1.54，95% CI [1.42, 1.68]，p < .001）、吸烟（aOR = 1.52，95% CI [1.27, 1.82]，p < .001）、体力活动不足（aOR = 1.48，95% CI [1.24, 1.77]，p < .001）、高盐饮食（aOR = 1.44，95% CI [1.22, 1.70]，p < .001）、男性（aOR = 1.41，95% CI [1.19, 1.67]，p < .001）和年龄增长（aOR = 1.36/组，95% CI [1.27, 1.46]，p < .001）。调整后，饮酒的独立关联未达统计学显著水平（aOR = 1.18，95% CI [0.99, 1.41]，p = .069），提示其单因素关联可能受年龄和性别混杂。

结果章节：分层分析

按性别分层分析显示，男性（OR = 1.63，95% CI [1.29, 2.06]）和女性（OR = 1.60，95% CI [1.21, 2.12]）中吸烟与高血压的关联效应相近，Breslow-Day 同质性检验未达显著（chi^2(1) = 0.04，p = .836），Mantel-Haenszel 合并 OR 为 1.62（95% CI [1.37, 1.91]），提示性别对吸烟-高血压关联不存在效应修饰，合并 OR 能够可靠代表控制性别混杂后的效应量。

常见 FAQ

Q1: 单因素分析用卡方检验，期望频数 < 5 怎么处理？

卡方检验要求每个格子的期望频数（Expected Count）不低于 5，若有超过 20% 的格子期望频数 < 5，则卡方检验结果不可靠，需换用：

  • Fisher 精确检验：适合 2×2 表，期望频数 < 5 时的首选替代
  • Fisher-Freeman-Halton 精确检验：适合 2×k 或 r×c 表
  • ChatSRS 在输出时自动检测期望频数，不满足条件时自动切换 Fisher 精确检验并在注脚说明

Q2: 多因素 Logistic 回归变量纳入标准 p < .05 还是 p < .10？

公共卫生研究中常用 p < .10 作为多因素模型变量纳入标准（而非 p < .05），原因是：

  • 单因素分析中与结局存在潜在混杂关联的变量，可能因样本量或稀少暴露导致 p 在 .05-.10 之间，若仅用 p < .05 纳入会漏掉重要混杂因子
  • 最终多因素模型的显著性判断仍用 p < .05
  • 论文方法章节需明确说明纳入标准，不同文章标准不同，以你的研究方案为准

Q3: 粗 OR 和调整 OR 差距多大才叫"混杂"？

流行病学通用的经验参考标准：若调整 OR 与粗 OR 相差超过 10%（即 |aOR - cOR| / cOR > 10%），通常以此作为存在实质性混杂的经验参考阈值（各来源建议 10%~20% 不等），需报告并讨论混杂来源。例如粗 OR = 1.78，aOR = 1.52，差距约 14.6%，应在讨论中解释：可能是年龄、性别等混杂因素"放大"了粗 OR，控制后效应有所减弱，但仍具统计学和流行病学意义。

Q4: 趋势检验和普通卡方有什么不同？什么时候用哪个？

检验适用场景原假设优点
Pearson 卡方任意分类变量（有序无序均可）各组患病率相同通用
Cochran-Armitage 趋势检验有序分类暴露（年龄组、剂量组）无线性趋势检验功效更高，更符合"剂量-反应关系"的流行病学意义

对于年龄组、BMI 组、暴露剂量分组等有序分类变量，优先用趋势检验；能检测出普通卡方难以发现的单调趋势，是流行病学报告规范的要求。

公共卫生分析方法总结

分析目的方法ChatSRS 指令关键词
描述各组患病率频率表 + 二项 95% CI"分组患病率，95% CI，Wilson 法"
单因素关联筛查卡方 / Fisher 精确检验"卡方检验，Fisher 精确检验，汇总表"
有序暴露趋势Cochran-Armitage 趋势检验"趋势检验，Cochran-Armitage"
控制混杂的效应估计多因素 Logistic 回归"多因素 Logistic 回归，粗 OR 调整 OR 对比，AUC"
分层控制混杂Mantel-Haenszel 合并 OR"分层分析，MH 合并 OR，Breslow-Day 检验"
效应修饰检验Breslow-Day 检验"效应修饰检验，各层 OR 同质性"
人群疾病负担人口归因危险度"PAR% 人口归因危险度"

相关阅读

本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内 [用户中心 -> 帮助与反馈] 联系我们。