如何使用SAS PHREG过程实现HR的趋势检验

你当前跑的以死亡为结局、Q1为参照的蛋白X四分位PHREG模型，即使各四分位和参照组的两两比较p值都没到显著性阈值，也有成熟方法检验HR随四分位升高的变化趋势，具体方法和操作细节如下：

核心检验方法 #

• 有序变量赋值法（最常用、操作最简）
  该方法统计效力高于哑变量两两比较，适配你当前的分析场景：

  1. 生成一个新的有序变量，给4个四分位组依次赋值Q1=1、Q2=2、Q3=3、Q4=4
  2. 将这个有序变量作为连续预测因子，代入和原哑变量模型协变量完全一致的PHREG模型中
  3. 该变量对应的回归系数p值即为线性趋势检验的p值，对应的HR为每升高1个四分位组的平均死亡风险比

  注意：该方法默认风险随四分位序呈线性梯度变化，你当前Q2到Q4的p值从0.8、0.4到0.2逐步降低，对应HR大概率呈单向梯度变化，适配性很好。之所以单独两两比较不显著但趋势可能显著，是因为哑变量两两比较会消耗3个自由度，而有序变量法利用了分组的秩次信息，仅用1个自由度完成检验，检验效率更高，是流行病学分组变量趋势检验的通用做法。

• 哑变量系数约束检验法（无需重新生成变量）
  如果不想改变原有哑变量模型结构，可以直接通过PHREG的对比检验语句，检验3个哑变量的回归系数是否符合线性变化约束：

  1. 原模型中Q2、Q3、Q4对应的回归系数为b2、b3、b4（HR=exp(b)），线性趋势的原假设为b2、b3、b4与分组序次呈线性比例关系
  2. SAS PHREG中可直接通过CONTRAST语句实现，以分类变量quartile4个水平、Q1为参照为例，线性趋势检验的语句为：

     PROC PHREG DATA=your_dataset;
       CLASS quartile (REF='1')/PARAM=GLM;
       MODEL survival_time*death_status(0)=quartile cov1 cov2 / RL;
       CONTRAST 'Linear trend across quartiles' quartile -3 -1 1 3;
     RUN;
     

  3. 该语句输出的卡方检验p值即为线性趋势p值，大样本下结果和有序变量赋值法几乎完全一致。

注意事项与操作技巧 #

• 不要将两两比较的显著性和趋势显著性混淆：两两比较是单个组和参照组的差异检验，趋势检验是整体梯度的检验，二者的检验假设完全不同，两两比较全不显著、但趋势检验显著是非常常见的结果，尤其是样本量有限、组间差异梯度较缓的场景。
• 如果线性趋势检验有统计学意义，建议补充限制性立方样条（RCS）拟合蛋白X和死亡风险的剂量反应关系，验证线性假设是否成立，如果存在明显的非线性拐点，需要同时报告非线性趋势结果，不能只报告线性趋势。
• 趋势检验的协变量调整策略必须和原哑变量模型完全保持一致，不得随意增删协变量，否则结果不具备可比性。
• 若四分位分组是在亚组（如非病例组、对照组）中划分而非全人群划分，需要在结果解释时说明分组方式，避免引入恒定时间偏倚。

内容的提问来源于stack exchange，提问作者S P