错误做法:把组间基线不均衡带来的混杂效应当成交互作用;仅看 P 值显著就判定存在交互,不区分统计学交互和生物学交互;校正混杂变量后不再单独检验交互项。
规范做法:混杂是造成结果偏倚的干扰因素,交互代表一个变量的效应随另一变量水平发生改变;先在主效应模型中纳入交互项进行检验,同时明确说明是相乘交互还是相加交互;医学研究中优先报告相加交互指标(AP、S、RERI),不能只用 Logistic/Cox 模型里的相乘交互 P 值下结论。
错误做法:分类变量和连续变量直接盲目相乘构建交互项;连续变量不中心化就构造交互项,导致主效应系数难以解释;多分类变量仅设置一个交互项,忽略分层。
规范做法:连续协变量建议先中心化后再生成交互项;分类变量要按照参照组统一编码;多分类暴露 / 修饰变量需要设置对应多个交互项;如果存在非线性关系,可结合 RCS 考察非线性交互,同时说明编码策略。
错误做法:交互检验 P>0.05 就宣称 “不存在交互、效应一致”;样本量偏小、分层后各组例数稀疏时,仍强行解释交互有临床意义;不给出效应值及置信区间,只汇报 P 值。
规范做法:交互检验的统计效能通常低于主效应检验,无统计学差异只能说明没有充分证据证明存在交互,不能直接证明交互不存在;分层分析同步展示各层 OR/HR 及其 95% CI;区分统计学显著和临床意义,即使 P<0.05,效应差异幅度很小也不宜过度解读。
错误做法:只在文中文字描述交互,不展示分层效应;绘图时不标注置信区间;不提前设定交互检验,事后探索大量交互、不提示多重检验风险。
规范做法:预设的交互分析和事后探索性交互分开描述;分层结果可用森林图直观呈现;探索性交互要注明属于事后分析,存在 I 类错误膨胀风险;论文里清晰写明交互类型(相加 / 相乘)、检验指标。
# 温馨提示
更多论文、课题写作硬核科研知识与福利,前沿学术资讯 ,写作发表干货,欢迎长按下面二维码关注公众号:医生课题帮
免责申明:本文来源网络,仅用于学术分享,文章、图片等版权归原作者享有,如涉著作权事宜请联系小编修改或删除。
想查看更多SCI技巧相关文章▼


研报速递