在NHANES研究中除了常规回归分析外，还经常见到关于非线性关系的研究，除了简单的RCS曲线，发现阈值效应也可以是分析的另一重要亮点。
阈值效应简单来说，就是当自变量超过某一点后，对因变量作用的大小发生变化的现象。通过阈值效应分析，我们可找到明显影响变量间相关性的重要拐点（inflection point），还可深入探索拐点前后，自变量和因变量间是否还存在相关性。
平台更新后，阈值效应分析功能也来啦！那么关于阈值效应分析的实操介绍与结果解读肯定要跟上了！接下来我们就从三方面给大家介绍一下：
平台实操流程 结果解读 相关参考文献
1.平台实操流程
首先，根据我们的研究需要，选入我们的结局变量、暴露变量。
结局变量支持二分类、定量连续、生存资料 暴露变量必须是连续型变量哦！
如果需要调整协变量，可以直接一键勾选，满足多样的分析需要！
设置完成后，必须要"点击分析"平台才会给出结果哦！
这时候右侧就会给出我们本次阈值分析的结果啦！
2.结果解读
Model1：标准回归，P值小于0.05，表明暴露与结局之间存在显著的正相关关系。 Model2：两段式回归，拐点为4.044。当炎症指数＜4.044时，P值小于0.05；当炎症指数≥4.044时，P值大于0.05；说明拐点以下，炎症指数与生存结局存在显著的正相关关系（效应值>1），而拐点以上，炎症指数与生存结局间的关系不显著。（注：effect其实就是我们普通回归中的效应值，线性为β、Logistic为OR、COX为HR） P for likelihood test：似然比检验，P值大于0.05，表明Model1与Model2相比，没有显著改善。
3.相关文献参考
下面是一篇医学2区4.8分的参考文献，主要报告的内容有两段式回归结果、拐点值以及似然比检验P值，在结果描述中，仅描述了全人群与女性亚组人群的阳性结果。
（Reference:Mahemuti, N.; Jing, X.; Zhang, N.; Liu, C.; Li, C.; Cui, Z.; Liu, Y.; Chen, J. Association between Systemic Immunity-Inflammation Index and Hyperlipidemia: A Population-Based Study from the NHANES (2015–2020). Nutrients 2023, 15, 1177. https://doi.org/10.3390/nu15051177）
关于这个NHANES数据分析平台
网站使用费用
（有购买其它郑老师统计课程的学员享受9折优惠）
服务内容
✅平台后期会更新100多个NHANES综合性指标数据
✅提供1年期在线数据分析咨询
购买方式
可以添加下方助教微信咨询详情，或搜索微信号：aq566665。 可开技术服务费、培训费、咨询费等发票；可出具课程学习通知，方便报销，可以对公转账。
