提到趋势性检验，我们在前期的内容中，介绍过了Cochran-Armitage趋势检验，用于检验两个分类变量之间是否存在一定的变化趋势。但是我们在阅读文献时，也常常会看到文章结果展示的表格中，给出了P for trend的检验结果，如下表所示。

针对上表内容，首先复习一下我们前期介绍的有关回归模型中设置哑变量的内容，对于连续性变量，可以考虑将其转化为哑变量后带入到回归模型中，详见：想将连续变量转化为哑变量纳入回归模型，咋分组？

在本例中不难理解，研究人员将每一个自变量按照一定的切点分为3组，并以水平最低的一组作为参照，设置了2个哑变量带入到模型中，分别求出其对应的OR值及P值。同时在表格中每一个变量分组下又列出了一行P for trend的结果，那么问题来了，这个P for trend代表的是什么意义呢，它有什么作用呢？我们在实际的分析中怎样才能求得P for trend的结果呢？

今天我们将结合几篇发表的文献，来向大家介绍一下回归模型中趋势性检验的魅力。

研究实例一

JAMA Oncology期刊（影响因子：16.56）2017年10月在线发表了一篇文章《Dose-Response Association of CD8+ Tumor-Infiltrating Lymphocytes and Survival Time in High-Grade Serous Ovarian Cancer》，研究人员探讨了高级别浆液性卵巢癌患者生存时间与CD8+肿瘤浸润性淋巴细胞（TIL）水平之间的剂量反应关系，部分结果如下表所示。

我们可以看出，研究人员将CD8+ TIL按照其计数水平分为阴性Negative（计数为0）、低水平Low（1-2 TILs）、中水平Moderate（3-19 TILs）和高水平High（≥20 TILs）共4组，在构建Cox回归模型时，以Negative组为参照组，其余3组设定为3个哑变量进入回归模型。