如何分析临床纵向数据：研究目的及分析方法

临床中有很多对同一群体多次重复测量的纵向数据，如果能充分利用，其提供的信息和价值远远超过横断面数据。然而纵向数据的分析并不简单，需要根据实际情况综合考虑。本文主要结合研究目的，概括性说一下临床纵向数据的常见分析目的及其统计分析方法。

一、比较差异

比较差异，最典型就是把人群分为两组（随机或非随机），每组人群在多个时间点进行多次重复测量，然后比较两组有无差异。例如，将人群分为2组，接受不同处理，然后分别观察在1、3、6、12个月的血压情况。

但是要注意，这种比较差异与单次测量不同。单次测量比较的是均值、率等，而多次测量因为涉及多个时间点，不是简单对每个时间点比较。需要比较的内容多一些。一般可以比较组间的两条线的高低差异、两条线的变化趋势差异（即两组随时间变化的走向是不是一样的）、不同时间点的差异。

这种数据很整齐，分析方法相对也简单，如果结局是连续资料，用重复测量方差分析就足够了，可以观察两组的组间差异、时间点变化差异、两组随时间变化趋势的差异。如果出现结局是分类资料、测量时间不固定、存在缺失等情况，重复测量方差分析就处理不了了，需要用广义估计方程和多水平模型更好一些。

二、分析影响因素

这种目的主要是分析指标变化主要受什么影响。比如，血糖值的多次测量的变化结果，与性别、年龄、BMI等的关系。影响因素可以是不随时间变化的指标，如性别，也可以是随时间变化的指标，如多次测量血糖时，同时也多次测量BMI。

这类目的的分析方法常用的是广义估计方程、多水平模型等。这两种方法侧重有所不同。广义估计方程是从总体水平说明变量的影响效应，而多水平模型可以从个体水平说明影响大小。总的来说，多水平模型分析的更为细致，首先推荐。

三、探索变化趋势

这种目的主要是根据同一群个体的多次测量，观察这种随时间变化的趋势是什么样子。这种目的又可根据实际情况分为多种，比如是探索观察人群的总得一个变化趋势，还是想探索这些人是否有多个轨迹？不同目的采用的方法不同。

如果所有研究对象只有一个总得变化趋势（这需要结合临床经验和预期假定），如图1所示，认为这些人的变化趋势就一个，可以用多水平模型或潜增长曲线模型（Latent Growth Curve Model）。

图1

如果认为研究对象的变化趋势可能不止一个，如图2和图3所示，认为这些人可能有三种变化趋势，这时候可以用增长混合模型（Growth Mixture Model）或潜类别增长模型（Latent Class Growth Model）。这两种方法都可以探索同一人群的多个变化轨迹，但是假定不同，潜类别增长模型（也叫做轨迹模型，trajectory model）相对简单，假定每一个轨迹内部没有变异（如图2所示，只有3个轨迹，轨迹内所有人的趋势都一样）；而混合增长模型稍微复杂，允许每一个轨迹内部也存在变异（就像图3一样，尽管有3个主要轨迹，但是每一个轨迹内的线条仍有不同）。

图2

图3

医学研究中，当你有多次重复测量的纵向数据，可以根据研究目的选择不同的方法，有时可以发现意想不到的一些信息。不要只简单把这些数据求个平均，按横断面数据来分析，太浪费了。