浅谈探索性研究的统计方法
公共衛生學科 蔡培癸副教授
科学研究主要分成验证性研究及探索性研究两大类，验证性研究主要以实验性质為主，透过研究设计建立同质性高的样本，以验证介入变项是否形成结果的差异。而探索性研究主要以研究标的相关因素建立為主，例如透过问卷调查、病歷或资料库，就研究标的蒐集异质性高的样本，运用适当的统计分析工具，探索与研究标的差异有关联的可能因素，做為后续研究假说的实证基础或介入措施的参考依据。
探索性研究運用統計分析建立關聯性，經常使用多變項迴歸分析(multivariate regression analysis)，意即探究每一個獨立變項Ｘi的數據差異，是否與相對應研究標的變項Ｙ的數據變化有關，且達到統計檢定顯著性。然而研究標的變項Ｙ的屬性不同，使用的統計工具也會不同。常見探索性醫學研究標的變項Y之屬性可分成三大類型：一是量性資料(quantitative data)，二是類別資料(categorical data)，三是存活時間(survival time)資料。茲以肺癌病人照護相關的研究標的，說明上述三類資料適用的統計分析工具：
一. 量性資料適用的複迴歸分析(Multiple Regression)
以肺癌病人生活品質相關因素探討為例，生活品質量測可以透過具有信效度的問卷建立量化的數值(研究標的變項Y)，研究者意欲探索相關因素的數據，可能透過問卷調查或病歷資料蒐集而得，將其設為統計分析模型中的X。複迴歸分析的結果， X與Y的關係透過係數(b)呈現，若統計檢定達顯著性，則可解釋為每一個單位X的變動，連帶可觀察到b單位Y的變動。
二. 類別資料適用的羅吉斯迴歸分析(Logistic Regression )
以罹患肺癌的危險因素探討為例，罹患肺癌的病人Y變項數值為1，沒有罹患肺癌的病人Y變項數值為0；研究者從這兩組病人蒐集到的資料中，探索那些變項與罹患肺癌有較高的關聯。羅吉斯迴歸分析結果，X與Y的關係慣常以勝算比(odds ratio)呈現，若統計檢定達顯著性，則可解釋為具備X特性的病人，相對於沒有X特性的病人，罹患肺癌與否的比值。
三.存活時間資料適用的Cox迴歸分析 ( Cox Regression)
以肺癌病人接受治療後存活率的相關因素探討為例，接受治療後的存活期間為Y變項；研究者欲探索的因素為X。Cox迴歸分析結果，X與Y的關係慣常以風險比(hazard ratio)呈現，若統計檢定達顯著性，則可解釋為具備X特性的病人，相對於沒有X特性的病人，死亡的風險比值。
总结而言，在这篇文章裡，我们简单地介绍几个医学常用的探索性研究所使用的统计方法。好的研究除了须使用正确的统计方法并分析出那些因素与研究标的具关连性及其关联程度，以做為验证性研究的基础，或介入方案与资源配置的参考依据。而品质不佳的研究因使用了错误的统计方法，故可能误导研究结论，进而对疾病因素与治疗提供错误讯息。