回归分析是观察性研究中很重要的手段，通过模型调整，其目的是探讨多因素情况下，各个因素的独立效应。
那么，困惑诸多分析者的问题是，调整模型，也就是多因素回归分析，只能纳入单因素P<0.05的变量吗？
这个问题其实郑老师很早就回答过了，筛选自变量，最简单的方式、也最常见的方式是“先单因素后多因素法”，这种方法，郑老师上课也推荐给非统计学专业的医学生，不是说它是最好的方法，而是它最简单粗暴、最容易上手。
“先单后多”即先开展单因素回归，筛选出P值较小者一起纳入多因素回归模型。所以说，并不是完全按照单因素P<0.05作为严格标准纳入变量。
我们今天来看看这篇JAMA子刊的文章是如何做的？在方法学和结果中又是如何表述的呢？
原文阅读
发表在期刊《JAMA Network Open》（医学一区top，IF=10.5）的基于人群的队列研究，研究团队旨在确定首次（或基线）创伤入院后新发心理健康疾病的发生率，并评估其对长期健康结局的影响。
研究中Cox比例风险回归用于分析创伤后自杀、全因死亡率及创伤再入院的相关因素。Logistic回归用于分析创伤后新发心理健康疾病的相关因素。
在Cox回归及Logistic回归分析中，协变量的选择仅限与结局生物学上可能相关的因素，并剔除P>0.25的变量，以构建最终的简约模型（parsimony model）。
多因素Cox回归结果显示，创伤后新发心理健康疾病与以下结局显著相关：
创伤再入院（调整后风险比 [aHR]1.30；95%置信区间[CI]1.23-1.37；P<0.001）
自杀（上吊或药物过量）（aHR 3.14；95% CI：2.00-4.91；P<0.001）
全因死亡率（aHR 1.24；95% CI：1.12-1.38；P<0.001）
以上结果已调整年龄、性别及基线创伤入院前是否已有心理健康疾病。
在26,958名基线无心理健康疾病的患者中，多因素Logistic回归分析显示，以下因素与创伤后新发心理健康疾病显著相关：
年轻
失业
单身、离婚或分居（vs 已婚）
土著族裔
较低的社会经济地位
创伤性脑损伤
多因素logistic回归结果放在了附录中。
所以，并不是一定要P值<0.05才纳入多因素回归模型！
老郑小评
在具体的处理上，可以采用"严进严纳" 的理念进行自变量筛选。老郑很早之前“30天学会医学统计学”公益课就已经讲过，现在带大家回顾一下！
严纳！挑选少量的自变量进入模型。严纳的方式很多，对于初学者，简单粗暴而且被认可的方法就是把单因素分析P值较小者纳入到回归模型中来。
（1）很多变量虽然单因素回归分析P>0.05,也有可能多因素回归P≤0.05。所以，不能就卡在0.05的界限。个中原因我就不多说了！
（2）如果你的自变量非常重要，特别是核心变量，哪怕单因素分析P较大，也值得多因素回归放进去分析
（3）很多时候自变量个数也就是3~5个，而样本量较大，这个时候根本不怕自变量太多，没有必要先单因素后多因素。
在不同的情况下，采用不同的纳入标准，仅供参考：
第一种：全部纳入
这种方法要求自变量较少，自变量之间关系简单，多重共线性不严重。一般情况下，自变量个数不太多（比如少于10个），且样本量是自变量个数20倍以上，可以采用本方法。
第二种方法：单因素筛选纳入（P值较小者，P≤0.2或者≤0.1）
这种方法要求自变量不是那么多，但样本量也不是那么大，因此可以考虑先单因素后多因素回归的方法。P值不要过于严格，一般P<0.2就可以了！
第三种方法：单因素筛选纳入（P值较小者，P≤0.05）
这种方法出现在自变量非常多几十个上百个，单因素分析P≤0.05者超过10个以上（P≤0.2的自变量更多了）。这种情况下，严格控制多因素回归自变量个数。P≤0.05者纳入多因素回归分析中。
所以，在你的文章中，真实的说明自变量筛选方法，是可行的，可以参照这篇推文所介绍的JAMA子刊文章中的方法和结果的表述！
观察性研先单后多的自变量筛选，目前非好的操作软件，是郑老师开发的免登录、免费Zstats风暴统计在线平台，它可以同时开展先单后多，设定不同的P值，并将单因素和多因素回归一起结合起来，快速形成三线表。欢迎使用。
