本文内容来自《中华流行病学杂志》2019年第40卷第8期，作者为冯国双教授，原题目为《观察性研究中的logistic回归分析思路》。将这篇文章分享给医咖会的伙伴们，希望大家能从领域大咖的见解中有所收获，指导医学研究之路。

（感谢冯国双教授的授权）

观察性研究在研究设计中占有非常重要的地位，实际应用中比较常见的是病例对照研究和队列研究。尽管其应用广泛，但在数据分析中却存在不少问题。在分析时往往只考虑数据本身，而未能结合研究类型，从而导致结果的偏倚。甚至在已发表的文章中，也存在一些不严谨用语。

本文从观察性研究的类型出发，基于不同研究类型的研究目的，以logistic回归分析为例，探讨观察性研究的不同分析思路，希望为医学科研工作者提供一定的参考和借鉴。

logistic回归

假定有m个自变量X1，X2，…，Xm，logistic回归模型的基本形式可表达为：

只从数据本身考虑的话，logistic回归模型都是包括一个分类因变量及若干自变量(可以是分类变量，也可以是连续变量)，反映了m个自变量对因变量的线性影响。无论对于病例对照研究还是队列研究，这种形式都是不变的。

部分研究在数据分析时，忽略了前期的设计思路，只是简单地把因变量和所有自变量纳入统计软件中相应位置，点击运行直接给出结果。从数据上来看，病例对照研究和队列研究的数据形式完全一样，软件操作过程也并无不同，都是指定因变量和自变量，然后给出参数估计值及统计检验结果。

统计软件无法判断研究者采用的是病例对照研究还是队列研究，也并不清楚作者的主要研究目的是什么，只是对指定的变量进行参数估计。而统计分析的思路需要根据研究目的和研究类型而定，对于病例对照研究或队列研究而言，它们的分析思路显然不同。一味依靠统计软件，不仅容易出现一些错误分析思路，也会导致错误的分析结果。