《Scientific Reports》:Thresholdanalysis: an R package for detecting and visualizing threshold effects in logistic regression, linear regression, and cox proportional hazards models
编辑推荐:
当因变量(dependent variable)超过某一阈值时,其效应大小和/或方向发生显著变化的现象称为阈值效应(threshold effect)。作为一种统计工具,阈值效应分析能够预测疾病的发生、发展和预后,具有高度重要性。然而,目前缺乏开源、免费、简便
当因变量(dependent variable)超过某一阈值时,其效应大小和/或方向发生显著变化的现象称为阈值效应(threshold effect)。作为一种统计工具,阈值效应分析能够预测疾病的发生、发展和预后,具有高度重要性。然而,目前缺乏开源、免费、简便且有效的工具来实现阈值效应分析。确定阈值的过程复杂且劳动密集,需要较高的编程技能。因此,研究人员通过自行开发的R包“thresholdanalysis”展示了如何简化这一过程并降低编程技能要求,使非统计学专业人员能够进行阈值效应分析。首先,采用平滑曲线拟合(smooth curve fitting)观察因变量与自变量之间是否存在非线性关系。若在视觉上观察到阈值,则使用最大似然法(maximum likelihood method)、递归法(recursive method)、分段线性模型(piecewise linear model)和似然比检验(likelihood ratio test)来确定阈值、阈值前后的效应量,以及两段效应量是否显著。
阈值效应是生物医学研究中常见的非线性现象,表现为因变量超过某一阈值后其效应大小或方向发生显著改变,对于疾病风险分层、进展监测和个体化预后预测具有重要的转化意义。然而,现有R语言生态中缺乏专门用于阈值效应检测的工具包,研究者通常需要自行编写阈值识别算法,这要求较高的编程能力与统计学知识,极大限制了非统计专业人员的应用。为降低技术门槛,研究人员开发了R包thresholdanalysis,通过模块化编程将阈值搜索、分段模型拟合、似然比检验(likelihood ratio test, LRT)及可视化集成于统一流程,支持逻辑回归(logistic regression, LR)、线性回归(linear regression, LinR)和Cox比例风险模型(Cox proportional hazards model, Cox),无需高级统计编程技能即可完成分析。
研究人员基于R(v4.2.0)和R Studio(v2025.9.2.418)环境,采用usethis框架初始化包结构,devtools工具链验证部署,roxygen2实现文档自动化。核心方法包括五步流程:一是构建限制性立方样条(restricted cubic spline, RCS)模型(默认4个节点)以观察X与Y的非线性关系;二是阈值搜索算法,初步在X分布的5%至95%百分位数中筛选候选阈值,以对数似然(log-likelihood, LL)最大者为初选阈值,然后在±4%范围内细化搜索,并利用递归法逐步缩小范围,直至最终确定最优阈值“cut_off”;三是构建分段模型,将X按cut_off分为X1和X2两部分,分别对应低于和高于阈值的效应;四是模型比较与阈值效应评估,通过LRT比较基线模型(mdl0)与分段模型(mdl1),计算χ
2统计量及P值;五是结果可视化与输出,使用ggplot2绘制效应量曲线及95%置信区间(confidence interval, CI),并以Excel文件输出所有结果。样本数据来自DATADRYAD公共数据库,使用Jung, Su-Young J等人(2019)发布的数据集,包含2009年1月至2016年9月韩国Severance医院和Ilsan医院重症监护病房接受持续性肾脏替代治疗的1,145例急性肾损伤患者,该研究已获得相关机构审查委员会批准。
结果部分分别展示了LR、LinR和Cox三种模型的应用示例。逻辑回归(LR):以SOFA_CRRT_0h(X)和Death_28D(Y)为例,调整年龄和性别后,mdl0显示SOFA_CRRT_0h与Death_28D显著相关(OR=1.27,95%CI 1.22–1.32,P<0.001)。mdl1显示当SOFA_CRRT_0h≤10时呈负相关(OR=0.74,95%CI 0.66–0.83,P<0.001),当>10时转为正相关(OR=1.23,95%CI 1.16–1.31,P<0.001),两段OR差值为0.92(95%CI 0.79–1.06,P=0.240)。LRT比较mdl0和mdl1得χ
2=1.41(P=0.236),算法选择SOFA_CRRT_0h=10作为候选阈值,但未达到传统统计学显著性。线性回归(LinR):以CRP_0h为Y,调整年龄和性别后,mdl0中SOFA_CRRT_0h与CRP_0h无显著关联(β=0.99,95%CI ?1.12至3.11,P=0.357)。mdl1在SOFA_CRRT_0h≤12时β=?2.48(95%CI ?6.34至1.39,P=0.209),>12时β=?0.67(95%CI ?4.86至3.53,P=0.756),两段β差值为?3.14(95%CI ?10.00至3.71,P=0.369)。LRT得χ
2=0.81(P=0.368),阈值定为12,不显著。Cox比例风险模型:以时间至28天死亡为随访时间,调整年龄和性别后,mdl0显示SOFA_CRRT_0h显著预测死亡(HR=1.18,95%CI 1.15–1.21,P<0.001)。mdl1在SOFA_CRRT_0h≤7时HR=0.72(95%CI 0.56–0.93,P=0.013),>7时HR=1.17(95%CI 1.14–1.20,P<0.001),两段HR差值为0.85(95%CI 0.65–1.10,P=0.213)。LRT得χ
2=1.77(P=0.183),阈值定为7,不显著。
讨论部分指出,阈值效应分析最初用于生物学现象研究,现已应用于医学诊断、治疗和预防决策。该R包通过预设代码简化了分析流程,研究者仅需定义自变量、协变量和因变量即可快速完成阈值效应分析与可视化,显著提高了数据分析效率。然而,仍存在局限性:阈值可能因个体生物差异而不稳定,需要大规模临床验证;部分阈值可能随时间变化(如抗生素敏感性),而目前缺乏时变阈值模型;LRT的P值为近似值,因为阈值通过数据驱动搜索确定而非预先指定,选择不确定性未纳入P值,理想情况下需通过bootstrap或模拟进行校正。上述问题有待医学、统计学和计算机科学多领域专家协作解决。综上所述,thresholdanalysis为生物医学研究者提供了一个无需高级统计编程技能的统一框架,可有效支持LR、LinR和Cox模型中的阈值效应探索、可视化和结果导出,具有良好的实用价值和推广意义。