1.1.2　风险因素验证模型

验证风险模型建模常采用“抽丝剥茧策略”或“层层加码策略”。其建模首先进行该因素X与Y的单因素回归，其次逐渐往模型中添加不同的控制因素，以期发现在控制了若干可能的混杂因素之后，最后证明该因素X是否是Y的风险因素，并确定其风险大小。

如图1-4所示，该作者为了验证serum sphingomyelin与CHD发病的关系，先构建了Model1，单独研究serum sphingomyelin与CHD发病关系得到HR（常称为crude HR或unadjusted HR），结果发现serum sphingomyelin每改变1个单位，CHD发生风险增加44%（P＜0.001）；然后在Model1的基础上构建Model2，在serum sphingomyelin基础上，模型增加了性别、糖尿病发病年龄、糖尿病病程与吸烟，结果发现serum sphingomyelin依旧与CHD发病有关，HR=1.24（P=0.038）；然后继续在Model2基础上增加变量构建Model3，如此反复直至Model8，最终在Model8中发现，serum sphingomyelin与CHD发病风险并无关系，虽然HR=1.16，但P=0.18已经无统计学意义，所以最终证明serum sphingomyelin可以“无罪释放”。

图1-4　serum sphingomyelin与CHD发病风险验证

通过这种在要验证的核心X基础上“逐层加码”，对X与Y之间的关系进行“抽丝剥茧”，最终对X是否是导致Y发生的风险因素进行验证，从某种程度上，松哥认为比风险因素发现模型要更具价值，因为这类模型可以对某X进行“最终审判”；图1-5也展示了这种验证风险模型的构建策略。

图1-5　验证性风险因素建模展示