【摘要】：单变量分析用来评定单一风险因素与特定预后，如病死率之间的关系。使用单变量数据计算手术风险很困难，尽管每单个风险变量均增加手术风险，但当多个变量同时存在时评价整体风险较为困难，因为许多变量是相互关联的。单变量模型有其内在缺陷，因而必须使用多变量分析来评价单变量分析发现的显著性影响因素与并发症发生率或病死率之间的独立关系。
1.单变量分析
单变量分析用来评定单一风险因素与特定预后，如病死率之间的关系。相对风险度（有人称之为优势比或比数比，即英文Odds Ratio）用来对比存在或不存在相关风险因素时的预后。使用单变量数据计算手术风险很困难，尽管每单个风险变量均增加手术风险，但当多个变量同时存在时评价整体风险较为困难，因为许多变量是相互关联的。一些变量是不连续的或分类的，如性别或再次手术，而其他变量是连续的，如病人年龄或心室功能。当考虑众多风险变量时，需要将连续变量进一步分成多重变量（如年龄≤65岁，年龄＞65岁，年龄＞75岁等），风险评估会变得异常复杂。
2.多变量回归模型
多变量回归模型用来评价独立变量与特定预后之间的独立关系。单变量模型有其内在缺陷，因而必须使用多变量分析来评价单变量分析发现的显著性影响因素与并发症发生率或病死率之间的独立关系。其中Logistic（非线性）回归用于分析分类性结果，如死亡与否，而线性回归分析则用于连续性结果，如住院时间或住院费用等。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
