这篇文章的统计学只有t检验和U检验，我一直不明白为什么下图的这种数据到了基础研究里就不需要使用重复测量之类的方法了呢。是因为研究对象之均一性好吗？https://doi.org/10.1038/nm933

作者想研究某疾病病情轻重分级（二分类，因变量指标）与免疫细胞水平和细胞因子（10个变量，五个测量时间点）的关系，作者把每个时间点做了一个回归方程，一共五个方程，结果是每个时间点的病情分级和某几个指标有关系。我们觉得这个分析不合理，某一个细胞

请问自变量如果都是二分类，那最后OR大的是不是对于因变量的影响就大

结局和原因反过来的logistic回归。老师这篇文章探讨抑郁和一些母婴结局的关系，最初只做了单因素分析，比较了抑郁和非抑郁两组的各个结局发生率，直接下结论说抑郁对某些指标有影响。我们要求她每个去做回归，后来一位统计老师说把原因做因变量，这些

老师这篇文章探讨抑郁和一些母婴结局的关系，最初只做了单因素，比较了抑郁和非抑郁两组的各个结局发生率，直接下结论说抑郁对某些指标有影响。我们要求她每个去做回归，后来一位统计老师说把原因做因变量，这些结果做自变量去做回归也是可以的，就有了现在的

老师您能不能帮我看下这三组数据的统计，是胰岛素血糖和c肽依时间变化的结果，原来作者用的单因素方差分析和秩和，正态的两组建议她改重复测量了，非正态这组怎么办呢，混合模型？重复测量能做回来的就不多，再高级的估计就改不回来了。这个能姑且用Frie

Logistic回归诊断效能的问题。研究者以病理为金标准，通过ROC筛选出了两个诊断某肿瘤相对比较好的指标。然后以这两个指标为自变量，病理结果为因变量建立了一个L回归的模型。最后还是用的这些病例，又用ROC评价这个模型的诊断效能。想问最后的

最近审稿连续碰到“差值”或者“和”的均数和标准差问题，统计老师仿真计算的标准差远大于作者计算（合计正好相反），最后给的意见是认为数据作假。但意见反馈给作者后作者坚决反对，提供了原始数据，我自己核验的结果和作者是一致的。统计老师的审核是使用s

有篇文章分析健康人，认知功能障碍和老年痴呆三个样本的一些影像学指标，鉴别为三者的鉴别诊断提供参考。作者把三个样本两两比较做了三套logistic 回归，得出的结果是健康人和认知障碍所有指标在方程里都没有意义，健康人和老年痴呆人群这个方程里有

同样是两组在不同浓度或不同时间比较，nature science上的文章经常是只用t检验或方差分析，但新英格兰医学 柳叶刀的文章基本都是广义线性模型一类的，为什么会有这样的差别的，是因为基础实验研究比较纯净，混杂因素少吗