研究人群入选流程图 Study Population/Flow Chart

通常临床研究的图1是研究人群入选流程图（Study Population/Flow Chart），表明纳入研究的人是怎么找来的。如果排除条件多、过程复杂，文字描述不易理解，需要用图表示。

Flow chart有的比较复杂，例如NEJM这篇研究某指标和结肠癌进展的队列研究。Dalerba, P., et al., CDX2 as a Prognostic Biomarker in Stage II and Stage III Colon Cancer, N Engl J Med, 2016.

有的比较简洁，例如J Lipid Res这篇白细胞计数和高血脂关系的研究。 Liu, Y., et al., Association of peripheral differential leukocyte counts with dyslipidemia risk in Chinese patients with hypertension: insight from the China Stroke Primary Prevention Trial. J Lipid Res, 2017. 

纳入的要点是：时间、地点和人物。例如NEJM这篇：研究支架和CABG相比对冠心病疗效的队列研究。纳入时间是2008-2011年，地点是纽约，人物是因为多支冠脉病变首次行CABG或PCI的患者。因为是观察性研究，样本量优势就体现出来了（有10万多患者）。非常清晰！ 

（部分截图）

Bangalore, S., et al., Everolimus-eluting stents or bypass surgery for multivessel coronary disease. N Engl J Med, 2015.

排除的要点是： 

1、排除X,Y缺失或异常值。例如下图白细胞计数和高血脂风险的研究。第一步排除了白细胞和血脂缺失（data missing）的4141人。 

2、已经发生Y=1的人：例如第二步排除基线有高血脂的20人。 

3、强的影响Y的因素：例如第三步排除了服用降脂药的96人，因为降脂药对Y的影响非常大，在降脂药的作用下比较弱的作用（本研究的白细胞计数）很难观察出来。 

4、强的影响X的因素：例如第四步排除服用抗血小板药的350人，因该药对X的影响很大。 

值得注意的是： 

1、只排除强的混杂，目的是提高研究的敏感性。如果把所有混杂（吸烟、年龄、BMI等）都排除了，就没有研究对象了。 

2、队列研究不存在随访缺失，因为Y缺失的人在第一步就被排除了，没有纳入本研究。 

Flow chart中展示清晰的排除流程，会提高研究的证据力度，给你的文章加分不少。要点掌握之后，画图不难（用word、PPT或专业做图软件都可以）。重要的是确定每一步的纳排标准，从原始数据库中筛选出研究对象，并计算出每一步的人数。 

可以通过易侕软件“数据操作”菜单下的“选择分析对象”模块实现上述过程。在空格处点右键，可以输入筛选条件。例如：纳入年龄40-60岁之间的人，可以选“变量取值范围”。 

选择年龄AGE，取值范围设定为≥40且≤50。 

点击“添加”输入下一步标准，点“查看结果”。这里可以输入多条标准。 

结果出来了，易侕统计软件自动统计每步合格数、不合格数。这些数值直接填在流程图中。 

更多功能： 

1、可以选择多种筛选方法：按变量缺失、取值范围、两变量比较来筛选；

2、可以给筛选标准命名：支持中/英文注解，条目多时便于查看；

3、生成符合多条标准的记录，更全面掌握信息，完善纳排标准。例如，红框中表示同时满足标准二和三的有339人。 

注意：该模块产生的R/SAS编码先于其它任何编码被执行，因此输入条件中只能使用数据文件中的原变量，不能使用新生成的变量。

对应数据分析模块，均可以选择分析对象，将数据分析限定在任何筛选标准下。好处是可以根据数据分析结果，解读临床意义，完善纳排标准。通常一篇SCI论文的排除标准，需要在数据分析的循环中不断完善。会用这个模块，对于结合临床意义制定纳排标准很重要。 

临床流行病学常用的研究设计是队列研究，通过设立纳排标准，将某段时间内到某院(科)就诊的所有病人纳入队列进行观察，不宜随机抽样选取病人。

做出Flow chart很重要，如果没有这个图，审稿人不知道研究对象是怎么挑选出来的，会怀疑作者随意挑选，质疑数据真实性。 

更多内容可以登录易侕学院官网

每周二和周五

远程视频课和在线答疑交流