递归梯度扫描法：优化临床研究中连续预测变量离散化的新突破

研究人员为解决连续预测变量离散化问题，开展 RGS 方法研究，结果显示其优于传统方法，意义重大。

　　在临床和流行病学研究的广阔领域中，探究连续暴露或协变量与疾病结局之间的关联，就像解开一道道神秘的谜题，对疾病风险预测和治疗策略制定起着举足轻重的作用。近年来，越来越多的研究发现，在医学领域存在许多 U 型剂量 - 反应关系。比如体重与虚弱程度、体重和腰高比与抑郁、蛋白质摄入与肌肉增长，还有血尿酸含量与死亡风险、慢性肾病风险等，都呈现出 U 型模式。这意味着无论是过高还是过低的相关因素水平，都可能对健康产生不利影响，只有适度水平才有利于健康。

然而，在研究这些关系时，一个关键问题却常常被忽视，那就是离散化方法的选择。传统上，研究人员在处理连续预测变量时，往往采用简单分类的方式，比如依据参考范围或者数据分布将其分类。但这种方法饱受诟病，它可能会引入偏差，还会丢失变量连续性所蕴含的宝贵信息。另外，由于阳性结果存在差异，数据所确定的最佳切点也会有所不同。虽然统计学家们普遍认为，当潜在趋势复杂时，将变量视为连续变量，采用非参数或样条回归更为合适，可这些方法要么应用起来复杂，要么解释起来困难，导致在流行病学研究中，分类数据仍然被广泛使用。而连续预测变量在模型开发过程中的离散化方式，会直接影响对个体疾病的预测，进而影响后续的治疗策略和预后。因此，如何合理地离散化连续预测变量，成为了构建可靠模型、提供准确预测的关键所在。

为了解开这一难题，来自中山大学公共卫生学院的研究人员展开了深入研究。他们提出了一种名为递归梯度扫描法（Recursive Gradient Scanning Method，RGS）的全新方法，专门用于离散化多个与自然对数优势比（lnOR）呈 U 型关系的连续变量，并将研究成果发表在《BMC Medical Research Methodology》上。这一研究成果意义非凡，为医学研究和临床实践提供了重要的新工具和新方法。

研究人员在开展这项研究时，运用了多种关键技术方法。首先，他们利用样条技术来检测变量之间的 U 型关系，这就像是给研究装上了一双 “慧眼”，能够精准识别出复杂的非线性关系。接着，使用扫描方法进行离散化处理，把研究对象合理地分类为低暴露组和高暴露组。在确定最佳切点的过程中，充分考虑 lnOR 或 lnHR（风险比的自然对数）的影响，通过一系列算法和迭代过程，寻找具有相似 log (η) 值的两个切点，以此实现更精准的分类。同时，借助 R 语言中的多个软件包，如 “CutpointsOEHR”“TCPMOR”“SemiPar”“maxstat” 等，辅助完成各种统计分析和模型构建工作。此外，还使用了蒙特卡罗模拟研究，模拟不同的现实场景，全面评估 RGS 方法的性能，并与其他传统离散化方法进行对比。研究数据来源广泛，其中包括美国疾病控制与预防中心进行的行为风险因素监测系统（BRFSS）调查数据，这些数据为研究提供了坚实的基础。

下面来看具体的研究结果：

• 模拟研究结果：研究人员通过设置不同的场景，包括不同的相关水平、样本大小、缺失率以及 U 型曲线的对称性，对 RGS 方法与其他四种传统离散化方法（中位数法、Q₁-Q₃法、最小 p 值法和最大优势比双切点法）进行了全面比较。结果令人惊喜，在所有模拟场景中，RGS 方法都展现出了卓越的性能。随着相关性增加，虽然所有方法的 AIC（赤池信息准则）值上升、AUC（受试者工作特征曲线下面积）值下降，但 RGS 方法在各相关性水平下，AIC 值最低、AUC 值最高；随着样本量增加，所有离散化方法的 AIC 和 AUC 值都有所上升，RGS 方法依然保持着更低的 AIC 值和更高的 AUC 值；在处理缺失数据方面，无论缺失率如何变化，RGS 方法在不同的缺失数据机制下，都表现出色，AIC 值最小，AUC 值最高，充分证明了其在复杂数据情况下的可靠性。另外，在不同对称性程度的 U 型曲线场景中，RGS 方法同样优势明显，随着对称性降低，虽然所有方法的 AIC 值增加、AUC 值降低，但 RGS 方法始终表现最佳。
• 实际数据集应用结果：研究人员将 RGS 方法应用于 BRFSS 调查数据，对每月运动频率和每周运动代谢当量（METs）与抑郁之间的关系进行研究。结果发现，使用 RGS 方法确定的最佳切点，在区分能力和整体性能方面，都优于原始切点。例如，当每月运动频率在 12.6 - 26.5 次左右、每周 METs 在 610.9 - 2203.7 之间时，与更好的心理健康状况相关。从模型评估指标来看，RGS 方法在 AUC、AIC 和调整后的 R²等方面，都显著优于其他传统离散化方法，再次验证了其在实际应用中的有效性。

综合研究结论和讨论部分，递归梯度扫描法（RGS）在处理多个与 lnOR 呈 U 型关系的连续预测变量离散化问题上，展现出了强大的优势，无论是在模型拟合优度还是预测能力方面，都超越了传统离散化方法。它通过迭代优化切点，有效提升了模型的性能，为医学研究中的复杂数据处理提供了一种可靠的解决方案。虽然该方法在应用过程中可能存在一些小问题，比如存在局部最优解的风险，计算效率相对较低，但总体而言，其优势远远超过了这些不足。而且，研究人员还在不断努力，未来计划针对这些局限性进行改进，并进一步拓展 RGS 方法在更复杂场景中的应用，如涉及多个预测变量或多样关系的情况。同时，研究人员也期待医学领域的同行们能够运用这一方法分析研究数据，共同推动该方法的发展和完善，为医学研究和临床实践带来更多的突破和进步。