多因素交互作用的模型

曰肺癌杂．　２００２年４　第５卷筇２期Ｃｈｉｎ　Ｊ　Ｃａｎｃｅｒ．Ａｐ　ｒｉｌ￣ＡＩｒ２．ｖ　５　１］２　影响肺癌发生的环境因素与基因的交互作用　王海娟综述　孙喜文审校　中图分类号】１１７３４　２　肺癌是当今最常见的恶性肿瘤之－，　其发生是　个多基因参与、多阶段发展的　复杂过程　一力面机体暴露于环境危险　素而导敛１）ＮＡ损伤，促使癌基因澈活和　／或抑癌基因失活而形成恶性肿瘤：另一　方向摹罔多卷性的存在使携带易感基因　犁的个体较少量地暴露于环境危险因索　即可发病　此．肺癌的发生是环境囡素　与荜因交互作用的结果，现将国内外这方　面的研究进展综述如下。　１环境因素所致的癌基因与抑癌基因的　突变　１．１　ｐ５３基　ｐ５３基因是一种典型的抑　慵基因、大约５０％以上的肺癌患者存在　ｐ５３基因突变，其中鳞癌的ｐ５３突变率高　于腺癌和其他类型肺癌。吸烟肺癌患者　ｐ５３基罔突变的最常见类型是Ｇ：Ｃ－Ｔ：Ａ颠　换，而非吸烟患者中则是Ｇ：ｃ—Ａ：Ｔ转换。　吸烟是导致肺癌发生的重要原因，ｐ５３　蕈冈突变与吸烟之间的强相关关系已从　分子水平得到ｒ证实。在吸烟肺癌患者　中．　基因发生突变者显著年长于无【）５３　基凼类变者（Ｐ＞０　ＯＩ），并且吸烟年限也　较长（Ｐ＜０　０Ｉ）。　也有研究表明吸烟量　ｌＪＹ（包／年）　Ｊ　ｐ５３基因突变的危险　之间　有显著的剂鞋反应关系：当ＰＹ为３０～５９　时，ＯＲ为１．９２（９５％ＣＩ＝０．５５～７．９４）：ＰＹ　为砷时，Ｏｉｌ增至４．２Ｉ（９５％ｃ１＝１　０９～　ｔ９　０）　此外，饮洒口Ｊ以增强吸烟的致肺癌　作用，既吸烟　馈酒的患者比吸烟但不饮　酒或不吸烟也不饮酒的患者更易发生ｐ５３　突变，突变率分别是７６％、４２％和１４％（Ｐ　＝０　ＯＩ）　另方面，ｐ５３基因的多态性　也是造成某些个体发病危险增高的原因　之＿有研究表明携带易感基因型　作古　位：Ｉ５Ｏ０４Ｏ哈尔滨医科大学肿瘤病防治　研，　所　ＰｒｒＪ／Ｐｍ或Ａｒｇ／　・的个体比携带ＡＩ　Ａ　的个体发生肺腺癌的危险性增高Ｉ．４５俯　【９５％ｃＴ＝Ｉ．ＯＩ～２　０６，Ｐ＝０　０４）一　另有　报道也正实带有Ｐｒｕ／Ｐｒｏ的肺癌患者比带　Ａ　Ａ　或Ａｒｇ／ＩＳ￣的患者诊断年龄更　．　吸烟量更少　。　在非吸烟肺癌的病因学研究中，明　ｆ环境炯草烟雾）的暴露是一项重要内容　有报道显示暴露于配偶　【　的非吸　肺　癌患者ｐ５３基因发牛突变的危险性比　些　末暴露于ＥＴＳ的高２倍．曾暴露于配偶或　工作场所Ⅱｓ的患者ｐ５３摹困发生妾变的　危险性比那些束暴丁ｌｇｒｓ的高Ｉ　５倍　】　陈ＥＰＳ外　蝈媒燃烧时释放的煤烟也　引起ｒ人们的注意。在肺癌高发区西南　宣威，煤烟是导致肺癌发生的主要原因　、　ｌａｎ等研究当地新发肺癌病例【几乎都是　非吸烟者）痰中脱落细胞的　３蛋白表达，　结果表明．　终生燃用艄媒＜１３０吨的个　体相比，终生燃用烟蝶１３０～２４０吨的个体　｜）５３蛋白过表达的危臆增高Ｉ．４８倍（９５％　ｃｌ　０　７３　３　０２）．燃用烟媒超过２４０吨的　个体发生ｐ５３蛋白过表达的危险则增高　３　２１倍（９５％ＣＩ＝Ｉ　２３～９．０３）　在大量接　触燃用烟媒的女性中，痰样｜）５３蛋白阳性　者发生肺癌的危险性增高１８．７２倍，比ｐ５３　蛋白阴性的发病危险高４　８倍　一些特殊职业者也是肺癌的高发人　群，如接触石棉者比未接触石棉者更易发　牛１，５３突变，从而使肺癌发生的危险性增　高，而且此种ｐ５３突变类　往往不同于吸　烟相关肺癌　氧暴露也一直是肺癌病　幽研究的热点，瑞典环境流行病学家发现　呼吸道高暴露于氧的个体有很高的ｐ５３突　变率，尤其对于那些非吸烟人群　。　１．２　ｐＩ６基因ｐ１６摹困是继Ｄ５３之后的　叉一抑癌基因，它在鳞瘟中的失活率高于　腺癌、其第一外显子周同ＣｐＣ，岛甲基化　・综述・　所导致的ｐｌ６表达受抑是非小细胞肺煽中　ｐ１６　失活｝ｌ｛Ｊ一个　原陶．而烟　娶　露可直接或问接导致ｐＩ６基困ｃ【）ｃ岛的　基化　Ｆｄｍ等发现在非小细胞肺癌叶ｌ，ｐ『６　基冈甲　化　吸娴鲢和吸烟年限呈硅著　相关（分别为Ｐ＝（）［岍．Ｐ＝０．０Ｏ０　９）　而与戒烟年限　负相关ｆ　Ｐ＝０．０３１　１．３　Ｋ—　琏嗍Ｋ－ｒａｓ基闪足　璃基嘲　家族中的　员．其突堂常见于肺腺痛．突　变热点为Ｉ２、１３、６１钎码子：有研究报道　吸烟足导数肺癌组织巾Ｋ－ｒａｓ些因发生突　变的重要臆凼　日奉№ｔ　等　时３１２　倒肺癌患者进行研究，发现Ｋ—ｍ基因发　生突变的２９倒争部为吸烟者；其中．１９３　例肺腺痛中２１例ｌ榆删到Ｋ一憎ｓ基罔突变　石棉　Ｉ　暴露也一　被认为星豉Ｋ－ｒａ￣基　突变舳重要原因一Ｎｅｌｓｏｎ等选择ｒ弭性　肺腺癌患者作为研究对象，结果发现有　棉职业暴露史者比未暴露者Ｋ一黜蘑陶突　变率高４　８侍．在调整　年龄和吸烟量后　ＯＲ达６．９、　２代谢酶多态性与肺癌发生的危险性　２．１细胞色素Ｐ４５０酶Ｃ￣Ｔ＇４５０酶ⅡＪ催　化苯并【ａ）芘［Ｂ【ａ）１　、哑硝胺类化台物　（ＮＮＫ）、卤代甲皖反应牛Ｊ揽具有高度亲电　子活件的中问代谢产物，与ＤＮＡ等生物大　分子共价结合产牛致癌效应。ＣＹＰ４Ｎ）酶　的基罔型ｃＹＰ１ＡＩ、ＣＹＰ２Ａ６、ＣＹＰ２１７６、　ｃＹＰ２Ｅｌ等存在多态现象．ｒ　影响个体易感　性。　Ｃ；Ｐ１ＡＩ存在　种多态ＣＹＰＩＡ１＊２Ａ　（Ｍｓｐ【）、Ｃ；Ｐ１ＡＩ＊２Ｂ（Ｅｘｒ￣ｎ　７）和ＣＹＩ　ＩＡＩ　＊４【姜籍非洲人和非洲人所特有的Ｍ　１）一我国　项病例对照研究发现携带　ＣＹＰＩＡ１＊２Ａ和Ｃ￣＇Ｐ１ＡＩ＊２Ｂ的个体发生　肺鳞癌的危险性增加，并与吸烟有协同作　用　Ｊ　有报道肺癌患者ＣＹＰＩＡ１高诱导基　｝　戮璺　｝　：

多因素方差分析中,饱和模型

多因素方差分析是一种统计分析方法，用于研究多个自变量对因变量的影响。在进行多因素方差分析时，研究者通常需要考虑多个因素对结果的影响，并对这些因素进行全面的分析。

饱和模型是多因素方差分析中的一种模型，它考虑了所有可能的交互作用。在饱和模型中，所有可能的因素和交互作用都被纳入考虑，以全面地了解各个因素对结果的影响。

饱和模型的优势在于它能够提供关于各个因素和交互作用的详细信息，帮助研究者更好地理解因素对结果的贡献程度。通过分析饱和模型，研究者可以确定哪些因素对结果有显著影响，以及它们之间的交互作用是否存在。

在进行饱和模型的分析时，研究者需要收集相关的数据，并运用适当的统计方法进行计算和推断。常用的统计方法包括方差分析、协方差分析和回归分析等。

饱和模型的分析结果可以帮助研究者做出科学合理的结论，并为进一步的研究提供参考。通过对多个因素和交互作用的全面分析，研究者可以更准确地判断各个因素对结果的影响，并为相关领域的决策提供支持。

多因素方差分析中的饱和模型是一种重要的统计分析方法，它能够帮助研究者全面分析多个因素对结果的影响，并提供科学合理的结论和决策参考。

【1091】混杂因素与交互作用杂谈！

统计学在科学研究中的最大的贡献，其实就是对误差的控制。在控制相关因素导致的误差之后，我们才能得到的事物背后的必然规律。 在统计学的研究中，我们经常听说混杂因素和交互作用，今天就带大家认识一下混杂与交互！

1.混杂因素

混杂因素（confouding）是指能同时导致研究因素和研究疾病，若在比较的人群组中分布不均衡，可以夸大或者缩小研究因素与疾病之间真实的联系的因素。

混杂模式图

混杂因素的条件：

①必须是所研究疾病的独立危险因子；②必须与研究因素（暴露因素）有关；③一定不是研究因素与研究疾病因果链上的中间变量。

2.交互作用

交互作用（interaction）是指一个因素各个水平之间反应量的差异随其他因素的不同水平而发生变化的现象。它的存在说明同时研究的若干因素的效应非独立。交互作用的效应可度量一个因素不同水平的效应变化依赖于另一个或几个因素的水平的程度。

交互作用模式图

3.统计分析

（1）从统计学的角度来看，假设我们先建立一个简单线性回归模型：E(Y) = β0+β1X1 （2）如果探讨变量X2是否是混杂因素，我们将变量X2作为一个新的自变量带入上面的线性模型：E(Y) = β0+β1X1+β2X2 【如果β2回归系数有意义，说明X2是一个独立的混杂因素】

（3）统计学角度来看，我们建立一个仅有两个自变量的线性回归模型：E(Y) = β0+β1X1+β2X2+β3X1X2

【如果β3回归系数有意义，说明X1X2存在交互作用。】

4.松哥漫谈

存在混杂那就发现了独立的风险因子，对于科学研究来说，已经有一定的价值。而如果发现交互作用，那也称为发现了效应修饰因子，对于科学研究来说，价值更大。

正如你抓住了小偷，是不是已经很不错了；但是如果你还挖出了同伙，那价值是不是更大啦！

多因素房交互作用画图分析

因子方差分析的因子交互作用可以这样理解，比如经常吃的消炎药头孢，通常会认为服用三片要比服用一片效果好，但经过实际验证测试发现，男女之间用药效果并不相同。对于男性而言，吃三片的效果好些，而对女性而言，吃一片效果要更好。这种情况下，头炮剂量和性别之间便产生了了交互作用。

多因子方差分析中，当交互作用存在时，单纯去研究某个因素的作用已没有意义，需要分别探讨这个变量在另一个因素不同水平上的作用模式。

有无交互项对方差分析构成的影响

多因子方差分析可以理解为下图的形式，即模型中，工资是由基准值、受教育程度、性别、受教育程度与性别的交互作用 以及未解释的变量 等几部分构成，这其中便涉及到了多因子交互作用的问题。

在双因素方差分析模型中，如果模型没有交互项的概念，则模型可以简化理解为：工资=教育程度+性别；如果模型带有交互项的概念，则模型可以简化理解为工资=教育程度+性别+教育程度*性别。

是否设置交互项多因子方差分析中，是否需要设置交互项呢？

在控制实验中，方差分析是否含有交互项是很明确的，如果两个因素对实验结果的影响是相互独立的，那么只需考虑主效应，使用无交互的方差分析；如果两因素对实验结果的影响非独立，那么就应该使用有交互项的方差分析。换个角度说，或者如果模型中只有研究变量和控制变量，此时不需要交互项，如果模型中除了研究变量和控制变量，还有调节变量，那么就需要交互项。随机区组设计中，除了主要研究的变量以外，其他因素都是控制变量，只会起到降低方差分量的作用。

在回顾性实验研究中，由于事前无法对变量进行有效的控制，而且各因素对结果的影响程度也缺乏理论体系的支撑，即变量间的交互行为没有理论判断依据，这时可以只通过检验交互项是否显著来决定模型中是否纳入交互项。