.jpg){kind=link}
- 发布
- 更新
当某特征或组别完全分离已观察结局时，某些模型可能产生极大或无法估计的系数。这不应被解释为异常确定的效应证据。作出科学结论前，应共同审查数据结构和估计方法。
明确问题与假设
首先核查类别计数和编码。稀疏单元、过多参数和小样本都可能影响稳定性。选择适当方法需要专家评估。不得仅为收敛或获得期望结果而合并类别；应考虑临床意义和预设规则，同时透明说明分析人群及任何变更。
假设性研究示例
在一项假设试验中，一个小亚组的所有人均出现相同结局。软件产生了一个极大比值，同时存在很大不确定性。团队不会将该数值宣扬为强有力证据，而是展示计数和警告，解释信息有限，并评估适合该情形的估计方法。
设计审查核查要点
- 依赖模型拟合输出之前，审查各类别单元和事件数。
- 综合检查极端系数、宽区间和数值警告。
- 独立于偏好的比较结果，记录类别合并依据。
记录决策及其局限
经认可的报告应使不稳定性可见，并解释所选方法。区分真实零值、记录缺失和编码错误。应讨论替代估计所依据的假设，而不是承诺某个设置能解决所有问题。信息有限时收窄结论；无限大或极端比值不能证明因果确定性，也不能提供可靠的个体化风险估计。
常见问题
- 极大系数意味着效应很强吗？
- 未必。稀疏数据或分离可能导致数值不稳定。
- 可以任意合并类别吗？
- 需要临床意义和计划规则，不能由结果驱动搜索。