本发明公开了一种基于逻辑回归对临床大样本因素危险性评估系统，涉及医学统计学技术领域，具体包含数据质控模块，逻辑回归分析模块，结果解读模块；其中，数据质控模块，用于提供原始输入数据检查，并生成Check.info.txt，可根据Check.info.txt展示的结果修正数据；逻辑回归分析模块，用于提供数据归一化处理，逻辑回归分析，并返回结果文件Result.xlsx；结果解读模块，读取数据质控模块生成的Check.info.txt文件和逻辑回归分析模块生成的Result.xlsx文件，比对这两个文件关于所有变量的描述性数据，并产生依据临床数据的结果解读报告。针对临床大样本数据质量检测的繁琐和耗时，本发明包括了常规所有需要检测项目的检查，并依据计算机来完成，可以快速修正数据，提高逻辑回归输入数据的质量，使分析结果更加可靠。
1.一种基于逻辑回归对临床大样本因素危险性评估系统，其特征在于：包含数据质控模块、逻辑回归分析模块和结果解读模块；
其中，数据质控模块，用于提供原始输入数据检查，并生成Check.info.txt，根据Check.info.txt展示的结果修正数据；
逻辑回归分析模块，用于提供数据归一化处理和逻辑回归分析，并返回结果文件Result.xlsx；
结果解读模块，用于读取数据质控模块生成的Check.info.txt文件和逻辑回归分析模块生成的Result.xlsx文件，比对这两个文件关于所有变量的描述性数据，将比对结果追加在Result.xlsx文件中；
所述数据质控模块提供原始输入数据检查并输出数据检查结果文件的过程包括以下步骤：
步骤1，输入临床数据文件，其中，临床数据文件为txt、xlsx、csv、html的格式文件，或者压缩形式为gz或tar的格式文件压缩包；
步骤2，检查临床数据文件有无样本编号重复，若有，则将重复样本编号输出到文件Check.info.txt，输出内容格式为“重复样本编号：样本编号1|样本编号2|…|样本编号n”,样本编号1表示第一个重复样本编号，样本编号2表示第二个重复样本编号，样本编号n表示第n个重复样本编号，不同样本编号之间用符号|分隔，若没有，则在文件Check.info.txt输出内容为“重复样本编号：无”；
步骤3，检查临床数据文件中因素变量名称有无重复，若有，则输出重复变量名称追加到文件Check.info.txt，输出内容格式为“重复变量名称：变量名称1|变量名称2|…|变量名称m”,变量名称1表示第一个重复变量的名称，变量名称2表示第二个重复变量的名称，变量名称m表示第m个重复变量的名称，不同变量名称之间用符号|分隔，若没有，在文件Check.info.txt的输出内容记为“重复变量名称：无”；
步骤4，检查各因素变量的缺失值，将因素变量名称和缺失值个数输出到文件Check.info.txt，输出内容格式为“变量名称1:*个缺失值；变量名称2:*个缺失值；…；变量名称m:*个缺失值”，变量名称1:*个缺失值表示第一个变量有*个缺失值，变量名称2:*个缺失值表示第二个变量有*个缺失值，变量名称m:*个缺失值表示第m个变量有*个缺失值；*表示缺失值个数，取值范围是大于等于0的正整数；
步骤5，检查各因素变量的数据类型，输出结果类型到文件Check.info.txt,输出内容格式为“连续型数据：变量名称1|变量名称2|…|变量名称m；离散型数据：变量名称1|变量名称2|…|变量名称m；分类型数据：变量名称1|变量名称2|…|变量名称m”，变量名称1表示第一个变量，变量名称2表示第二个变量，变量名称m表示第m个变量；
步骤6，检查各因素变量的数据范围类型，若变量是连续型数据，计算最大值、最小值均值、50％位置的值、25％位置的值和75％位置的值；如果变量是离散型数据或者分类型数据，统计所有元素值类型和个数；如果变量的数据同时有数字和其它非数字的符号，统计所有元素值类型和个数；将所有结果均追加到文件Check.info.txt，运行终止；
步骤7，用户根据文件Check.info.txt展示的结果，进一步修正原始数据；修正完毕后，再继续输入修正后的数据，运行模块再产生Check.info.txt，用户再检查Check.info.txt展示的信息是否符合预期的数据信息；
所述逻辑回归分析模块用于提供数据归一化处理和逻辑回归分析，并返回结果文件Result.xlsx的过程具体包含如下步骤：步骤a，输入数据质控模块检验后的数据，输入文件Check.info.txt；文件Check.info.txt提供以下数据：各因素变量类型；连续型数据的数值范围、最大值、最小值、均值、50％位置的值、25％位置的值和75％位置的值；分类型变量和离散型变量的元素值类别和个数；
步骤b，数据标准化，标准化方法包含对数转换、平方根转换、取倒数转换、平方转换四种；逻辑回归分析模块输出1个变量配置文件tran.xlsx，变量配置文件tran.xlsx包括5个sheet表，前4个sheet表各对应一种标准化方法；用户在每个sheet表中输入需要标准化的因素变量名称，没有纳入表格的变量默认不进行标准化，若4个sheet表均未填写则表示所有因素变量都不进行标准化；第5个sheet表填写将要纳入分析的变量，若不填写为空，则表示所有变量均纳入逻辑回归分析中；
步骤c，数据标准化处理后，进入逻辑回归分析过程；根据tran.xlsx第5个sheet表提供的变量名称纳入到逻辑回归分析中，输出结果文件Result.xlsx包括OR和显著性P值；若变量OR等于1，则因素变量和疾病无关联；若OR大于1，则因素变量升高会促进疾病的发生，该因素是个危险因素；若OR小于1，则因素变量升高会减少疾病的发生，该因素变量是保护因素；其中，OR具体表达式如下：其中，p表示疾病事件发生的概率，1‑p表示疾病事件不发生的概率，e表示自然对数；所述结果解读模块的功能原理如下；
读取数据质控模块生成的Check.info.txt文件和逻辑回归分析模块生成的Result.xlsx文件，Check.info.txt文件提供所有变量的描述统计数据，Result.xlsx文件提供所有变量的OR值和显著性P值；比对这两个文件关于所有变量的描述性数据，比对结果将追加在Result.xlsx文件中，比对内容和方法具体如下：若因素变量的OR值等于1，表示该因素变量在实验组和对照组发生事件的风险相等；若因素变量的OR值小于1，表示该因素变量在实验组发生事件的风险小于对照组；若因素变量的OR值大于1，表示该因素变量在实验组发生事件的风险高于对照组；
计算均值、50％位置的值、25％位置的值、75％位置的值、最大值和最小值在实验组和对照组的的高低方向；若均值在实验组的数值大于对照组，记为大于；如果均值在实验组的数值等于对照组，记为等于；若均值在实验组的数值小于对照组，记为小于；再继续比较中值、25％位置的值以及75％位置的值在实验组和对照组的数值大小；
若显著性P值若小于等于0.05记为统计显著，显著性P值若大于0.05记为统计不显著。
一种基于逻辑回归对临床大样本因素危险性评估系统
技术领域
[0001] 本发明涉及涉及医学统计学技术领域，尤其涉及一种基于逻辑回归对临床大样本因素危险性评估系统。
背景技术
[0002] 逻辑回归是医学统计学中最常用的方法之一，可以基于临床样本数据计算出各因素与疾病相关的危险程度，预测疾病发生的危险性等。该方法也是国内外各医学文献资料
研究使用最广泛的方法之一，也是很多重大医学统计研究项目的前期分析方法之一。目前
也有很多开发出来的工具可以实现逻辑回归的计算，总的来说这些工具使用也较为简单，
即输入准备好的数据和输出结果，使用者不需要自己再去计算复杂的逻辑回归过程，甚至
使用者不需要具备逻辑回归知识也可以使用，确实很大程度上提高了使用者的工作效率。
但是，使用逻辑回归方法的前提是准备好输入数据，数据质量决定输出结果的质量，输出结果甚至决定着未来长期研究的因素有哪些。一旦数据质量出现问题，将会错误引导医学未
来研究方向，造成人力和财力资源的极大浪费。医学临床样本检测因素非常多，数据类型也非常多样，甚至同种类科室数据也是非常不同的，这些数据从录入到输出可用数据的每一
步过程都有可能出错，特别是成百上千上万样本量更是增加了数据的复杂性。如何有效的
检测临床数据质量，是国内临床医生做科研的痛点之一。另外，虽说逻辑回归的工具使用简单，但是这些工具并未对输出结果结合实际数据进行有效的解读，而临床医生若是对方法
不理解，或者编程统计人员对临床不理解，都会造成数据解读误差，这也是目前另一个研究的难点之一。
发明内容
[0003] 本发明所要解决的技术问题是针对背景技术的不足提供一种基于逻辑回归对临床大样本因素危险性评估的系统，能够实现用户输入临床数据，特别是大样本数据质量检
测，进而使用逻辑回归分析，并给出依据临床数据的结果解读报告。
[0004] 本发明为解决上述技术问题采用以下技术方案：
[0005] 一种基于逻辑回归对临床大样本因素危险性评估系统，包含数据质控模块，逻辑回归分析模块，结果解读模块；
[0006] 其中，数据质控模块，用于提供原始输入数据检查，并生成Check.info.txt，可根据Check.info.txt展示的结果修正数据；
[0007] 逻辑回归分析模块，用于提供数据归一化处理，逻辑回归分析，并返回结果文件 Result.xlsx；
[0008] 结果解读模块，用于读取数据质控模块生成的Check.info.txt文件和逻辑回归分析模块生成的Result.xlsx文件，比对这两个文件关于所有变量的描述性数据，比对结果将追加在 Result.xlsx文件中。
[0009] 作为本发明一种基于逻辑回归对临床大样本因素危险性评估系统的进一步优选方案，所述数据质控模块用于提供原始输入数据检查，并输出数据检查结果文件，记为
Check.info.txt，具体检查步骤如下：
[0010] 步骤1，输入临床数据文件，其中，临床数据文件后缀可为txt、xlsx、csv、html的格式文件，也可是压缩形式为gz或tar的格式文件压缩包；
[0011] 步骤2，检查临床数据文件有无样本编号重复，若有，则将重复样本编号输出到文件 Check.info.txt，输出内容格式为“重复样本编号：样本编号1|样本编号2|…|样本编号 n,样本编号1表示第一个重复样本编号，依次类推，直到第n个重复样本编号，不同样本编号之间用符号|分隔，若没有，则在文件Check.info.txt输出内容为重复样本编号：无；
[0012] 步骤3，检查临床数据文件中因素变量名称有无重复，若有，则输出重复变量名称追加到文件Check.info.txt，输出内容格式为重复变量名称：变量名称1|变量名称2|…|变量名称m,变量名称1表示第一个重复变量的名称，依次类推，直到第m个重复变量的名称，不同变量名称之间用符号|分隔，若没有，在文件Check.info.txt的输出内容记为重复变量名称：无；
[0013] 步骤4，检查各因素变量的缺失值，将因素变量名称和缺失值个数输出到文件 Check.info.txt，输出内容格式为变量名称1:*个缺失值；变量名称2:*个缺失值；…；变量名称m:*个缺失值，变量名称1:*个缺失值表示第一个变量有*个缺失值，依次类推，直到变量名称m:*个缺失值表示第m个变量有*个缺失值；*表示缺失值个数，取值范围是大于等于0 的正整数；
[0014] 步骤5，检查各因素变量的数据类型，输出结果类型到文件Check.info.txt,输出内容格式为连续型数据：变量名称1|变量名称2|…|变量名称m；离散型数据：变量名称1| 变量名称2|…|变量名称m；分类型数据：变量名称1|变量名称2|…|变量名称m，变量名称1|变量名称2|…|变量名称m”表示第一个变量，依次类推，直到第m个变量；
[0015] 步骤6，检查各因素变量的数据范围类型，若变量是连续型数据，计算最大值，最小值，均值，50％位置的值即中值，25％位置的值，75％位置的值；如果变量是离散型数据或者分类型数据，统计所有元素值类型和个数；如果变量的数据同时有数字和其它非数字的符号，统计所有元素值类型和个数；将所有结果均追加到文件Check.info.txt，运行终止；
[0016] 步骤7，用户根据文件Check.info.txt展示的结果，进一步修正原始数据；修正完毕后，再继续输入修正后的数据，运行模块再产生Check.info.txt，用户再检查
Check.info.txt 展示的信息是否符合预期的数据信息。
[0017] 作为本发明一种基于逻辑回归对临床大样本因素危险性评估系统的进一步优选方案，所述逻辑回归分析模块用于提供数据归一化处理，逻辑回归分析，并返回结果文件 Result.xlsx；具体包含如下步骤：
[0018] 步骤a，输入数据质控模块检验后的数据，以及输入文件Check.info.txt；文件 Check.info.txt可以提供各因素变量类型；连续型数据数值范围和最大值，最小值，均值，
50％位置的值即中值，25％位置的值，75％位置的值；分类型变量和离散型变量的元素值类别和个数；
[0019] 步骤b，数据标准化，具体方法包含对数转换、平方根转换、取倒数转换、平方转换；模块会输出1个变量配置文件tran.xlsx，包括5个sheet表，前4个sheet表各对应一种标准
化方法；用户在每个sheet表中输入需要标准化的因素变量名称，没有纳入表格的变量默认不进行标准化，若4个sheet表均未填写表示所有因素变量都不进行标准化；第5个sheet 表填写将要纳入分析的变量，若不填写为空，表示所有变量均纳入逻辑回归分析中；
[0020] 步骤c，数据标准化处理后，进入逻辑回归分析过程；根据tran.xlsx第5个sheet表提供的变量名称纳入到逻辑回归分析中，输出结果文件Result.xlsx包括OR和显著性P值；若变量OR等于1，则因素变量和疾病无关联；若OR大于1，则因素变量升高会促进疾病的发
生，该因素是个危险因素；若OR小于1，则因素变量升高会减少疾病的发生，该因素变量是个保护因素；其中，OR具体表达式如下：
[0021]
[0022] 其中，p表示疾病事件发生的概率，1‑p表示疾病事件不发生的概率，e表示自然对数。
[0023] 作为本发明一种基于逻辑回归对临床大样本因素危险性评估系统的进一步优选方案，所述结果解读模块的功能原理如下；
[0024] 读取数据质控模块生成的Check.info.txt文件和逻辑回归分析模块生成的Result.xlsx 文件，Check.info.txt文件提供所有变量的描述统计数据，Result.xlsx文件提供所有变量的OR值和显著性P值；比对这两个文件关于所有变量的描述性数据，比对结果将追加在 Result.xlsx文件中，比对内容和方法具体如下：
[0025] 若因素变量的OR值等于1，表示该因素变量在实验组和对照组发生事件的风险相等；若因素变量的OR值小于1，表示该因素变量在实验组发生事件的风险小于对照组；若因素变量的OR值大于1，表示该因素变量在实验组发生事件的风险高于对照组；
[0026] 计算均值、50％位置的值即中值、25％位置的值，75％位置的值，最大值和最小值在实验组和对照组的的高低方向；若均值在实验组的数值大于对照组，记为大于；如果均值在实验组的数值等于对照组，记为等于；若均值在实验组的数值小于对照组，记为小于；与比较均值的方法类似，继续比较中值、25％位置的值以及75％位置的值在实验组和对照组的数值大小。
[0027] 离散型和分类型变量数据无均值、50％位置的值即中值，25％位置的值，75％位置的值，统一记为不能比较；若显著性P值若小于等于0.05记为统计显著，显著性P值若大于0.05记为统计不显著。
[0028] 本发明采用以上技术方案与现有技术相比，具有以下技术效果：
[0029] 1、针对临床大样本数据质量检测的繁琐和耗时，本发明包括了常规所有需要检测项目的检查，并依据计算机来完成，可以快速修正数据，提高逻辑回归输入数据的质量，是分析结果更加可靠。
[0030] 2.将逻辑回归分析的结果和原始数据特征对应起来，形成具有临床特征的解读报告。
附图说明
[0031] 图1是本发明系统的流程示意图。
具体实施方式
[0032] 下面结合附图对本发明的技术方案做进一步的详细说明：
[0033] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本发明保护的范围。
[0034] 为实现上述目的如图1所示，本发明系统包括了数据质控模块，逻辑回归分析模块，结果解读模块。数据质控模块，提供原始输入数据检查，检查内容包括下面步骤并生成 Check.info.txt，用户可以根据Check.info.txt展示的结果修正数据。
[0035] 本发明提供的3个模块功能依次解释如下：
[0036] 数据质控模块，提供原始输入数据检查，检查内容包括下面步骤并生成Check.info.txt，用户可以根据Check.info.txt展示的结果修正数据。
[0037] 步骤1，输入临床数据文件，其中，临床数据文件后缀可为txt、xlsx、csv、html的格式文件，也可是压缩形式为gz或tar的格式文件压缩包；
[0038] 步骤2，检查临床数据文件有无样本编号重复，若有，则将重复样本编号输出到文件 Check.info.txt，输出内容格式为“重复样本编号：样本编号1|样本编号2|…|样本编号 n”“, 样本编号1”表示第一个重复样本编号，依次类推，直到第n个重复样本编号，不同样本编号之间用符号“|”分隔，若没有，在文件Check.info.txt输出内容为“重复样本编号：无”；
[0039] 步骤3，检查临床数据文件中因素变量名称有无重复，若有，则输出重复变量名称追加到文件Check.info.txt，输出内容格式为“重复变量名称：变量名称1|变量名称2|…| 变量名称m”“,变量名称1”表示第一个重复变量的名称，依次类推，直到第m个重复变量的名称，不同变量名称之间用符号“|”分隔，若没有，在文件Check.info.txt的输出内容记为“重复变量名称：无”；
[0040] 步骤4，检查各因素变量的缺失值，将因素变量名称和缺失值个数输出到文件 Check.info.txt，输出内容格式为“变量名称1:*个缺失值；变量名称2:*个缺失值；…；变量名称m:*个缺失值”，“变量名称1:*个缺失值”表示第一个变量有*个缺失值，依次类推，直到“变量名称m:*个缺失值”表示第m个变量有*个缺失值，“*”表示缺失值个数，取值范围是大于等于0的正整数；
[0041] 步骤5，检查各因素变量的数据类型，输出结果类型到文件Check.info.txt,输出内容格式为“连续型数据：变量名称1|变量名称2|…|变量名称m；离散型数据：变量名称1| 变量名称2|…|变量名称m；分类型数据：变量名称1|变量名称2|…|变量名称m”，“变量名称
1|变量名称2|…|变量名称m”表示第一个变量，依次类推，直到第n个变量；
[0042] 步骤6，检查各因素变量的数据范围类型，若变量是连续型数据，计算最大值，最小值，均值，50％位置的值即中值，25％位置的值，75％位置的值；如果变量是离散型数据或者分类型数据，统计所有元素值值类型和个数；如果变量的数据同时有数字和其它非数字的符号，统计所有元素值类型和个数；将所有结果均追加到文件Check.info.txt，运行终止；
[0043] 用户根据Check.info.txt展示的结果，进一步修正原始数据；修正完毕后，再继续输入修正后的数据，运行模块再产生Check.info.txt，用户再检查Check.info.txt展示的信息是否符合自己预期的数据信息。
[0044] 用户可以重复步骤1到步骤7，直到得到预期的数据信息。
[0045] 逻辑回归分析模块，提供数据归一化处理，逻辑回归分析，并返回结果文件Result.xlsx。
[0046] 输入数据质控模块检验的数据，输出各因素变量类型；连续型数据数值范围和最大值，最小值，均值，中值，四分位数；分类型变量和离散型变量的元素值类别和个数。计算机运行模块，运行界面输出上述信息，并显示内容“统计的数据信息是否符合用户预期？”，用户输入“是”，模块继续，用户输入“否”，模块终止。当用户终止模块时，说明对输入的数据存疑，可以使用数据质控模块继续校正。
[0047] 数据标准化，本模块提供4种标准化方法，分别是对数转换、平方根转换、取倒数转换、平方转换。
[0048] 用户根据Check.info.txt展示的结果，进一步修正原始数据；修正完毕后，再继续输入修正后的数据，运行模块再产生Check.info.txt，用户再检查Check.info.txt展示的信息是否符合自己预期的数据信息。
[0049] 用户可以重复步骤1到步骤7，直到得到预期的数据信息。
[0050] 逻辑回归分析模块，提供数据归一化处理，逻辑回归分析，并返回结果文件Result.xlsx。
[0051] 输入数据质控模块检验后的数据，以及输入文件Check.info.txt；文件Check.info.txt 可以提供各因素变量类型；连续型数据数值范围和最大值，最小值，均值，
50％位置的值即中值，25％位置的值，75％位置的值；分类型变量和离散型变量的元素值类别和个数。计算机运行界面输出上述信息，并显示内容“统计的数据信息是否符合用户预
期？”，用户输入“是”，模块继续，用户输入“否”，模块终止。当用户终止模块时，说明对输入的数据存疑，可以使用数据质控模块继续校正。
[0052] 数据标准化，本模块提供4种标准化方法，分别如下，
[0053] 1)
[0054] 对数转换公式，x表示每个因素变量数据，y表示该因素变量对数转化后的数据,e表示自然对数；
[0055] 2)
[0056] 平方根转换公式，x表示每个因素变量数据，y表示该因素变量平方根转化后的数据；
[0057] 3)
[0058] 倒数转换公式，x表示每个因素变量数据，y表示该因素变量倒数转化后的数据；
[0059] 4)
[0060] 平方转换公式，x表示每个因素变量数据，y表示该因素变量平方转化后的数据。
[0061] 运行完毕后，会输出文件tran.xlsx，计算机运行界面提示“完成tran.xlsx的填写，等待…”。此文件包括5个sheet表，前4个sheet表各对应一种标准化方法，用户在每个 sheet表中输入将要标准化的因素变量名称，没有纳入表格的变量默认不进行标准化，如果
4 个sheet表均未填写表示所有因素变量都不进行标准化；第5个sheet表填写将要纳入分
析的变量，如果不填写为空，表示所有变量均纳入逻辑回归分析中。用户在提示界面“完成 tran.xlsx的填写，等待…”输入“Yes”，模块继续执行，读取文件tran.xlsx，对各变量数据进行标准化处理；
[0062] 数据标准化处理后，进入逻辑回归分析过程。此步骤是根据tran.xlsx第5个sheet表提供的变量名称纳入到逻辑回归分析中。输出结果文件Result.xlsx包括OR和显著性P
值。如果变量OR等于1，说明因素变量和疾病无关联；OR大于1，说明因素变量升高会促进疾病的发生，该因素是个危险因素；OR小于1，说明因素变量升高会减少疾病的发生，该因素是个保护因素。
[0063] 结果解读模块，此模块是读取数据质控模块生成的Check.info.txt文件和逻辑回归分析模块生成的Result.xlsx文件，Check.info.txt文件提供所有变量的描述统计数据， Result.xlsx文件提供所有变量的OR值和显著性P值。然后比对这两个文件关于所有变量的
描述性数据，生成数据临床解读结果并将结果将追加在Result.xlsx文件中，比对内容和方法具体如下：
[0064] 若因素变量的OR值等于1，表示该因素变量在实验组和对照组发生事件的风险相等；若因素变量的OR值小于1，表示该因素变量在实验组发生事件的风险小于对照组；若因素变量的OR值大于1，表示该因素变量在实验组发生事件的风险高于对照组。
[0065] 计算均值、50％位置的值即中值、25％位置的值，75％位置的值，最大值和最小值在实验组和对照组的的高低方向。如果均值在实验组的数值大于对照组，记为“大于”；如果均值在实验组的数值等于对照组，记为“等于”；如果均值在实验组的数值小于对照组，记为“小于”。与比较均值的方法类似，继续比较中值、25％位置的值以及75％位置的值在实验组和对照组的数值大小。
[0066] 离散型和分类型变量数据无均值、50％位置的值即中值，25％位置的值，75％位置的值，统一记为“不能比较”。
[0067] 显著性P值若小于等于0.05记为“统计显著”，显著性P值若大于0.05记为“统计不显著”。
[0068] 最后输出内容格式见下表1示例；
[0069] 表1
[0070] A B C D E F G H I J变量的名称 OR值 意义 P值 均值 中值 25％位置的值 75％位置的值 最大值 最小值 变量名称1 1 在两组风险相等 统计不显著 大于 大于 小于 大于 大于 等于
变量名称2 1 在两组风险相等 统计不显著 小于 小于 小于 小于 等于 小于
变量名称3 1 在两组风险相等 统计不显著 无法比较 无法比较 无法比较 无法比较 无法比较 无法比较 变量名称4 小于1 实验组风险更低 统计显著 小于 小于 小于 小于 小于 等于
变量名称5 小于1 实验组风险更低 统计不显著 大于 小于 小于 小于 等于 小于 变量名称6 小于1 实验组风险更低 统计显著 无法比较 无法比较 无法比较 无法比较 无法比较 无法比较 变量名称7 大于1 实验组风险更高 统计显著 大于 大于 大于 大于 等于 大于
变量名称8 大于1 实验组风险更高 统计不显著 小于 大于 大于 大于 小于 等于 [0071] 本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技
术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还
应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中
的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
[0072] 以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围
之内。上面对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变
化。
