编者
这是缺失数据填补的系列文章第三篇。
复现文章介绍
今天要介绍的复现文章是发表在《Cardiovasc Diabetol》（一区top，IF= 9.30）的题为“Association between the cumulative average triglyceride glucose-body mass index and cardiovascular disease incidence among the middle-aged and older population: a prospective nationwide cohort study in China”的研究论文。
题目：中老年人群累积平均甘油三酯葡萄糖-体重指数与心血管疾病发病率的关系
本公众号回复“立春”即可获得“立春”临床统计学沙龙PPT，数据等资料 |
1. 研究设计
P（Population）研究对象：选择2011（wave 1）和2015（wave 3）的数据，最终纳入5418名CHARLS数据库参与者。
E（Exposure）暴露：根据累积平均TyG-BMI（甘油三酯葡萄糖-体重指数）的四分位数分为四组(Q1-Q4)。
O（Outcome）结局：是否发生CVD（心血管）事件。
S（Study design）研究类型：回顾性队列研究。
2. 统计学方法
2.1 为了保持尽可能大的样本量，尽管缺失数据的比例很小，但我们采用了多重插补方法来解决缺失变量。
2.2 为了评估累积平均TyG-BMI与CVD发病率之间的关系，建立了单变量和多变量logistic回归模型，并给出了比值比(OR)及其95%置信区间(95% CI)。
2.3 此外，进行多变量调整(完全调整)限制性三次样条(RCS) logistic回归分析(分别选取4节、5、35、65和95百分位)，检验累积平均TyG-BMI与CVD发病率之间的线性关系和剂量-反应关系。
2.4 为了检测潜在的修饰作用，进行了各种亚组分析和相互作用分析。
2.5 敏感性分析
3. 文章数据介绍
研究涉及CHARLS数据库的变量如下表所示，本次复现所用到的变量也与文章保持一致。
R语言复现
本次复现包括的统计学方法有：
基线差异性分析
缺失数据填补
多因素logistic回归
绘制限制性立方样条图（RCS）
亚组分析以及交互作用分析
绘制森林图
1. 首先，加载R包和导入数据。
首先，导入我们从CHARLS数据库中提取处理好的数据，本次复现数据包括5124名研究对象（原文章n=5418），样本量略有出入，这里大家请多关注统计方法的运用。
2. 基线差异性分析
本次复现基线表格用到了tableone包，这里“myVars”汇总了基线表中的全部变量，其中有部分变量为分类变量，则需要通过“catVars”进行指定，否则分类数据也将以定量数据进行展示。
这里tab1与tab2展示了2种统计描述的方式，tab1中未指定分组变量，则仅展示各变量的数据分布，tab2中利用“strata =”指定了分组变量，在展示数据分布的基础上，增加了分组数据间的差异性比较。
最后，将基线表结果输出保存在工作空间里，这里我们设置保存为csv格式！
csv格式结果展示如下：
3. 缺失数据填补
首先，使用VIM包检查缺失值情况，进行可视化。
利用mice包对缺失数据进行多重插补，m：多重插补法的数量，默认为 5。method：指定数据中每一列的输入方法。
数值型数据适用 pmm；
二分类数据适用 logreg；
无序多类别数据适用 ployreg；
有序多分类变量适用 polr。
默认方法为 pmm 。
maxit：迭代次数，一般为 50。
4. 多因素logistics回归
使用with函数对所有数据集进行分析，在填补的数据集中进行多因素logistic回归，最后使用pool函数对结果进行汇总输出。
首先，将TyG-BMI按四分位数分组进行多因素logistics回归分析。
运行结果如下：
建立自定义函数，用于计算OR值及其95%置信区间，并输出β、S.E和P值。
运行结果如下：
然后，将TyG-BMI按每升高一个SD进行多因素logistics回归分析，需要对TyG-BMI进行标准化。同上，建立自定义函数，用于计算OR值及其95%置信区间，并输出β、S.E和P值。
运行结果如下：
5. 绘制限制性立方样条图（RCS）
计算非线性关系P值与OR值。
利用ggplot2包和rms包绘制RCS图，ggplot2包绘制图像就会灵活许多，譬如说添加一条辅助线，"geom_hline"指辅助线的纵轴位置，"linetype=2"定义线条类型为虚线，同理，"geom_vline"指辅助线的横轴位置，这里的"xintercept"值需要查询我们上一步计算的OR表，找到OR=1对应的变量值。
运行结果如下：
6. 亚组分析以及交互作用分析
通过subset函数进行分组，生成新的数据集，下面以年龄age1为例进行亚组分析，利用tableone包的ShowRegTable函数产生OR值和置信区间，之后只要将”data= “改为相应的数据集即可。
运行结果如下：
以年龄age为例进行交互作用分析，计算P for interaction
运行结果如下：
7. 绘制森林图
利用forestplot包绘制森林图。
运行结果如下：
后记
多重填补（multiple imputation，MI）是当前非常主流也是最受青睐的一种缺失值填补的方式，相较于删除，该方法可以将数据进行充分的应用，保证样本的代表性以及结果的可信度。
但是在使用多重填补法分析数据时，要根据实际情况选择填补次数，有学者建议填补次数应>5次，从而避免产生较大的误差；也有研究认为填补次数至少大于分析模型中缺失数据的百分比，例如缺失数据比例为30%，则填补次数应>30次。
如果看了本文依旧对多重插补一知半解或者对缺失值填补感兴趣，不妨看一下本公众号其他文章，希望能为各位读者在遇到相似的情况时提供可行的思路与方法。
本公众号回复“立春”即可获得“立春”临床统计学沙龙PPT，数据等资料 |
本公众提供各种科研服务了！
一、课程培训 2022年以来，我们召集了一批富有经验的高校专业队伍，着手举行短期统计课程培训班，包括R语言、meta分析、临床预测模型、真实世界临床研究、问卷与量表分析、医学统计与SPSS、临床试验数据分析、重复测量资料分析、nhanes、孟德尔随机化等10余门课。如果您有需求，不妨点击查看： 二、数据分析服务 浙江中医药大学郑老师团队接单各项医学研究数据分析的服务，提供高质量统计分析报告。有兴趣了解一下详情： |
