回顾性研究是普通医生触手可及的一类研究，不需要大量的金钱支持和漫长的等待时间，可以用临床日常工作中积累的数据就能做出一些成绩。
不过，有两个前提：

1. 基本方向正确；

2. 基本方法得当。

下面我们用一篇来自韩国乳腺外科医生的论文作为素材，讨论回顾性研究的基本逻辑、从基本逻辑出发去看分析方法和里面的一些陷阱。
论文标题：

Long-term outcomes of patients with breast cancer after nipple-sparing mastectomy/skin- sparing mastectomy followed by immediate transverse rectus abdominis musculocutaneous flap reconstruction:Comparison with conventional mastectomy in a single center study

乳腺癌保乳头／保皮肤切除术后即刻重建与传统切除对比的回顾性研究。

研究总共纳入了6028个病人，其中4996个接受了传统切除，剩下的1032个接受了保乳头/薄皮肤乳腺癌切除。

手术后5年，远处转移的比例，传统手术组14.4%，保乳头乳腺癌切除组7.0%；因为乳腺癌原因（比如复发、转移、放化疗的毒副作用）病死的人占比，传统手术组11.9%，保乳头乳腺癌切除组4.6%。

 这样一组数据显然不符合基本医学常识，如果你根据这组数据贸然得出保乳头乳腺癌切除更加安全这样的结论，那就会贻笑大方。

非常奇怪的结果，背后作怪的是混杂因素，其中包括：

1. 接受保乳头手术患者更加年轻，爱美之心使然，更倾向于保乳头；

2. 接受保乳头手术患者乳腺癌分期更早，组织学评估肿瘤恶性程度更低。

这些混杂因素造成了这样的一个表象：就是接受保乳头手术患者5年的远处转移比例更低。这些混杂因素在前瞻性临床试验中，通过随机入组在之前去进行干预，组间达到平衡，在回顾性研究中，只能通过多因素回归进行解析，相当于事后补救。

很多医生说：“我就是这么做的。”论文拿出来一看，论文方法部分是这么写的：

We first conducted univariate analysis to determine potential factors associated with patient survival. The factors considered significant in the nivariate analysis were included in multivariate analysis to determine independent factors associated with patient survival.

单因素回归“有意义”具体是一个怎样的概念。作者回答：P<0.05。有人会说：你不要逼我嘛。我逼你，是因为后面有个坑儿等着你跳：P<0.05这个门槛儿太高。
回顾性研究中寻找独立风险因素，我们可以把它想象成警察办案：第一步的单因素分析好比办案初期排查嫌疑人，必须使用一个宽松的尺度，只要有一定程度的嫌疑，都要纳入调查。

所以，进入多因素分析的门槛，大家通常接受的不是单因素分析P<0.05，而是一个更加宽松的标注，P<0.1甚至P<0.2。

回到作者的描述：

The factors considered significant in univariate analysis were included in multivariate analysis to determine independent factors associated with patient survival.

问题又来了：假定你纳入多因素分析的指标（自变量）有8个，最后得到4个独立风险因素。你要让审稿人相信你的结论是正确的，你必须告诉别人：你最开始纳入分析的8个指标（自变量），最后4个留在最后的模型中，凭什么这4个指标留下，其余4个指标开除？

这个事情的做法是这样的：在分析过程中一步一步地加入或者去除指标，如果这个指标对模型的稳定性影响越大，说明这个指标越重要，也就越应当留在模型中。指标的重要程度在数学上通常用F值进行判断（F-to-retain或者F-to-remove）。这个F值必须交代，不交代的话，别人就无法相信你的多因素回归。

统计学的具体执行，绝大多数医生可以不需要懂。但是这些基本概念，医生研究者必须掌握并且传达给具体做统计分析的人。只有这样，我们写出来的文章，才能让别人信服。

（作者：张科宏）