单因素与多因素回归分析报告
1 案例背景
本研究以是否发生并发症为结局变量（二分类变量），以性别、年龄标准化、炎症水平、生理评分和是否规范用药为自变量，采用二元Logistic回归模型进行单因素与多因素回归分析，旨在识别并发症发生的危险因素和保护因素。研究样本包含360例观察对象，利用SPSSAU（Version 26.0）在线数据分析平台完成分析。单因素回归逐一分析各自变量与结局变量的粗关联（Crude），筛查潜在影响因素；多因素回归同时纳入所有自变量，控制混杂后得到各变量的独立效应（Adjusted），通过对比粗关联与校正效应的差异判断混杂因素的存在。
2 实证分析结果
在SPSSAU【实验/医学研究】模块选择【单因素与多因素回归】，将变量拖拽至右侧对应分析框，根据因变量类型选择模型，设置定类变量后SPSSAU将自动进行哑变量处理，操作如下图：
2.1 变量基本信息
表33展示了单因素与多因素回归分析的变量基本信息。结局变量Y为是否发生并发症（01变量），模型类型为二元Logistic回归。自变量包括性别（定类）、年龄标准化（定量）、炎症水平（定量）、生理评分（定量）和是否规范用药（定类）。其中定类变量性别以第1类为参照项，是否规范用药以第1类为参照项。
表33 单因素与多因素回归基本信息
2.2 单因素回归分析
表34展示了单因素和多因素回归的完整结果。在单因素回归中，性别（第2类相对于参照项第1类）的回归系数为0.14，标准误为0.22，z值为0.62，p值为0.536，不显著，粗比值比OR为1.15（95% CI: 0.74至1.77），表明性别与并发症发生无显著关联。年龄标准化的回归系数为-0.77，标准误为0.14，z值为-5.44，在0.01水平上显著（p=0.000），粗OR为0.46（95% CI: 0.35至0.61），表明年龄标准化每增加一个单位，并发症发生风险降低约54%。炎症水平的回归系数为0.47，标准误为0.11，z值为4.29，在0.01水平上显著（p=0.000），粗OR为1.60（95% CI: 1.29至1.98），表明炎症水平升高显著增加并发症风险。生理评分的回归系数为-0.64，标准误为0.12，z值为-5.24，在0.01水平上显著（p=0.000），粗OR为0.53（95% CI: 0.41至0.67），表明生理评分越高，并发症风险越低。是否规范用药（第2类相对于参照项）的回归系数为-0.56，标准误为0.22，z值为-2.51，在0.05水平上显著（p=0.012），粗OR为0.57（95% CI: 0.37至0.88），表明规范用药可降低并发症发生风险。
在多因素回归中，性别（第2类）的回归系数变为-0.01，标准误为0.26，z值为-0.05，p值为0.958，不显著，校正OR为0.99（95% CI: 0.60至1.64），与单因素结果相比效应量方向发生改变，提示存在混杂效应。年龄标准化的回归系数为-0.94，标准误为0.16，z值为-5.75，在0.01水平上显著（p=0.000），校正OR为0.39（95% CI: 0.28至0.54），效应量较单因素（OR=0.46）有所增强，表明在控制其他变量后年龄标准化对并发症的保护效应更为显著。炎症水平的回归系数为0.60，标准误为0.13，z值为4.66，在0.01水平上显著（p=0.000），校正OR为1.82（95% CI: 1.42至2.34），效应量较单因素（OR=1.60）有所增强。生理评分的回归系数为-0.78，标准误为0.14，z值为-5.65，在0.01水平上显著（p=0.000），校正OR为0.46（95% CI: 0.35至0.60），效应量较单因素（OR=0.53）有所增强。是否规范用药（第2类）的回归系数为-0.79，标准误为0.26，z值为-3.03，在0.01水平上显著（p=0.002），校正OR为0.45（95% CI: 0.27至0.76），效应量较单因素（OR=0.57）有所增强。
对比单因素与多因素回归结果，年龄标准化、炎症水平、生理评分和是否规范用药四个变量在单因素和多因素分析中均保持显著，且多因素校正后的效应量（OR值）均较单因素粗效应有所增强，提示这些变量是并发症发生的独立影响因素。性别在单因素和多因素分析中均不显著，且效应量方向在多因素分析中发生逆转，表明性别与并发症之间的关联可能受到其他变量的混杂影响。
表34 单因素和多因素回归结果
2.3 森林图可视化
图5和图6分别展示了单因素回归和多因素回归的森林图。森林图以可视化方式呈现了各变量的效应值（OR值）及其95%置信区间。在单因素森林图中，年龄标准化（OR=0.46）、生理评分（OR=0.53）和规范用药（OR=0.57）的OR值小于1，置信区间不跨越1，表明为保护因素；炎症水平（OR=1.60）的OR值大于1，置信区间不跨越1，表明为危险因素；性别（OR=1.15）的置信区间跨越1，不显著。多因素森林图中，各显著变量的效应量方向与单因素一致，但OR值偏离1的程度更大，表明控制混杂后效应更为显著。
图5 单因素回归森林图
图6 多因素回归森林图
2.4 样本缺失情况
表35展示了样本缺失情况的汇总。本次分析的有效样本为360个，占比100.0%，排除无效样本0个，数据完整性良好。
表35 样本缺失情况汇总
3 结论
本研究通过单因素与多因素Logistic回归分析了并发症发生的影响因素。多因素校正后，年龄标准化（校正OR=0.39，p=0.000）、生理评分（校正OR=0.46，p=0.000）和规范用药（校正OR=0.45，p=0.002）为并发症的保护因素，炎症水平（校正OR=1.82，p=0.000）为危险因素，性别（校正OR=0.99，p=0.958）未显示显著关联。多因素校正后各显著变量的效应量较单因素粗效应均有所增强，提示为独立影响因素。本研究基于SPSSAU平台完成全部分析，结果可为并发症风险评估和预防策略制定提供实证依据。
