如何在R语言GLM中提取事件比值比大于1时的暴露变量值？

针对你的问题，NEJM中分析连续生物标志物（如术后肌钙蛋白）与结局关联时，核心是先捕捉暴露与结局的非线性关联（避免线性假设的局限性），再通过预测找到OR>1的暴露阈值/范围。以下是具体实现步骤：

1. 拟合限制性立方样条（RCS）Logistic回归模型 #

连续暴露与二分类结局的关联常是非线性的，RCS是顶刊常用的非线性建模方法，能更精准反映真实关联：

# 加载所需包
library(rms)

# 拟合含RCS的模型（设置4个节点，可根据数据调整为3-5个）
model_rcs <- lrm(event ~ rcs(exposure, 4) + covariate1 + covariate2, data = data)

2. 预测不同暴露值对应的OR及置信区间 #

生成覆盖暴露全范围的取值序列，基于模型预测每个取值相对于参考点（比如暴露最小值1.30，或临床基线值）的OR：

# 生成暴露取值序列（覆盖1.30到29.25，取100个点保证精度）
exposure_seq <- seq(min(data$exposure), max(data$exposure), length.out = 100)

# 构建预测数据集：协变量取均值（或根据临床需求设定固定值）
pred_data <- data.frame(
  exposure = exposure_seq,
  covariate1 = mean(data$covariate1, na.rm = TRUE),
  covariate2 = mean(data$covariate2, na.rm = TRUE)
)

# 预测logit值，并计算相对于参考点（exposure=1.30）的OR
ref_lp <- predict(model_rcs, data.frame(exposure = 1.30, 
                                       covariate1 = mean(data$covariate1, na.rm = TRUE),
                                       covariate2 = mean(data$covariate2, na.rm = TRUE)), 
                  type = "lp")
pred_lp <- predict(model_rcs, pred_data, type = "lp")
or_values <- exp(pred_lp - ref_lp)

# 计算OR的95%置信区间
se_pred <- predict(model_rcs, pred_data, type = "se.fit")
or_lower <- exp((pred_lp - ref_lp) - 1.96 * se_pred)
or_upper <- exp((pred_lp - ref_lp) + 1.96 * se_pred)

3. 筛选OR>1的暴露取值范围 #

合并预测结果，筛选出OR>1的区间，还可进一步筛选有统计学意义的范围（置信区间不包含1）：

# 整理结果数据框
result_df <- data.frame(
  exposure = exposure_seq,
  or = or_values,
  or_lower = or_lower,
  or_upper = or_upper
)

# 筛选OR>1的暴露值
or_gt1 <- result_df[result_df$or > 1, ]
# 查看对应的暴露范围
cat("OR>1的暴露取值范围：", range(or_gt1$exposure), "\n")

# 可选：筛选OR>1且置信区间不包含1的有统计学意义的范围
or_gt1_significant <- result_df[result_df$or > 1 & result_df$or_lower > 1, ]
cat("有统计学意义的OR>1暴露取值范围：", range(or_gt1_significant$exposure), "\n")

4. 可视化验证（NEJM常用展示方式） #

绘制暴露值与OR的关系图，直观确认OR>1的区间：

plot(result_df$exposure, result_df$or, type = "l", lwd = 2,
     xlab = "Exposure", ylab = "OR (vs exposure = 1.30)",
     ylim = c(0, max(result_df$or_upper) * 1.1))
# 添加置信区间
lines(result_df$exposure, result_df$or_lower, lty = 2, col = "gray")
lines(result_df$exposure, result_df$or_upper, lty = 2, col = "gray")
# 标记OR=1的参考线
abline(h = 1, col = "red", lty = 3)

补充说明 #

• 如果你的线性logistic回归中暴露变量的系数显著为正，那么所有大于参考点的暴露值OR都会大于1，但非线性模型能揭示更贴近临床真实的阈值（比如肌钙蛋白超过某值后风险才显著升高）。
• 参考点可根据临床需求调整，比如选择暴露的中位数、正常上限值等。

内容的提问来源于stack exchange，提问作者LSherlock