要直接证明该指标有预后价值，就必须第三步研究，即在前两步的基础上再进行随访。也就是说，从住院病历上获取到患者临床资料后，就开始给患者或者其家属打电话，询问患者的病情进展，包括患者是否死亡？是否发生了后遗症？是否复发等。这些数据就是所谓的观察终点，或者说预后指标，而我们所要分析的，就是患者入院时的某个特征与其预后指标之间的关系。

 

我们以前几天刚刚分享的一篇短文（短文链接）为例来讲讲这第三个步骤。在这篇论文中，研究者做的研究内容和过程都很简单：首先从电子病历库中提取527例曾就诊于克利夫兰诊所的进展期心力衰竭患者的临床资料，然后通过社保信息系统对研究人群进行了随访，分析了患者就诊时的中性粒细胞/淋巴细胞比值（NLR）与全因死亡率的关系，最终发现在校正了多个预后因素之后，NLR仍然与患者的全因死亡率密切相关，NLR越高的患者，死亡风险也越高。这项研究就是一项典型的“三步曲”研究，花费极少，最终却能发表在影响因子为3.5分的Am J Cardiol上。

 

在论文中，小编特别想强调的是统计学分析，因为统计学是第三步研究的灵魂。单参数的分析方法，比如t检验、方差分析、卡方检验已经不能满足要求了，很多时候都需要研究者做多参数的分析：首先需要绘制Kaplan-Meier生存曲线，表明该指标与预后相关。然后再利用多参数的Cox风险比例模型，分析该指标是否与患者的预后独立相关。

 

很多临床统计研究的初学者可能不太了解为什么要做Cox风险比例模型，也不会解读Cox风险比例模型结果，这里就容小编来进行一番拆解。如前所述，这种研究指标与疾病预后的研究本质上属于观察性研究，因素不可避免地存在一些混杂因素。以上述研究为例，NLR越高的患者，NT-proBNP水平通常也较高。因此在采用Kaplan-Meier生存曲线分析NLR与患者预后的关系时，无法排除这里面有NT-proBNP的干扰。

 

打个简单的比方，为研究NLR与心衰预后的关系，研究者将以2.5为界，将心衰病人分为NLR增高组（A组）和降低组（B组），比较了两组的生存状况，结果发现NLR增高的患者预后普遍不好，本想就此得出NLR增高提示心力衰竭患者预后不良，但仔细想想，这个结论可能站不住脚。因为NLR增高的患者（A组）NT-proBNP也相对较高，那看官您说AB两组在生存上的差异到底是由于NLR，还是NT-proBNP造成的呢？或者说NLR在这里面有没有独立的贡献呢？

 

为证实NLR与心衰预后有独立的关联关系，就需要作者从统计学上对以NT-proBNP为代表的混杂因素进行校正，而最常用的方法就是Cox风险比例模型了。当然，Cox风险比例模型的数学原理我们不需要去深入了解。一般而言，我们仅仅需要在大脑中牢固树立“校正混杂因素”的概念，知道如何在统计软件中进行Cox风险比例模型分析，以及如何解读Cox风险比例模型的结果即可。

 

需要说明的是，校正哪些因素完全是由专业背景决定的。通常而言，校正的混杂因素越多，结果越有说服力，论文也越容易刊登在高水平的杂志上。当然研究的难度也随之加大，而这，不正是逐步深入，窥得真章的过程？