摘要：中介变量与混杂变量比较相似又有不同，两者都与暴露、结局相关，但是混杂因素不能存在于暴露与结局的因果链中间，而中介恰恰需要在因果链中，暴露因素（X）作用于中介因素（M）进而影响结局变量（Y），见下方示图。

介绍中介分析功能前，我们先大致讲一下中介变量。

中介变量与混杂变量比较相似又有不同，两者都与暴露、结局相关，但是混杂因素不能存在于暴露与结局的因果链中间，而中介恰恰需要在因果链中，暴露因素（X）作用于中介因素（M）进而影响结局变量（Y），见下方示图。

关于中介变量的选择，有一篇文章，大家感兴趣可以看一下：

如何挑选出中介变量？

下面我们就详细介绍下风暴统计平台进行中介分析的详细步骤。

首先，根据研究需要，选入我们的结局变量、中介变量、暴露变量。

结局变量支持二分类、定量连续、生存资料。

中介变量支持二分类或者定量连续。

暴露变量支持二分类、定量连续、等级数据。

根据研究需要，还可以进行协变量设置；为了确保结果可以复现，还需要设置随机种子（任意数字即可）。

中介效应估计方法有贝叶斯法、非参数法应用上有些区别。简单来讲的话，小样本优先推荐贝叶斯法。

模型模拟迭次数也有多种选项，次数越多模型越稳定，但是计算更加耗时。

如果是生存结局的话，还会有生存时间分布类型选择。网上关于这个参数的解释比较的复杂，实际应用中，大家默认第一个就可以。

完成全部的设置后，接着勾选"点击分析"，界面就就会一键给出分析结果！

操作过程还是比较简单的，下面我们重点介绍下关于中介分析结果的解读。

结果提供了5个三线表结果，重点需要关注结果4与结果5。

前3个结果与结果5路径分析照应：

结果1：以暴露，协变量为自变量，中介为因变量，进行回归分析，得到间接效应

结果2：以暴露，协变量为自变量，结局为因变量，进行回归分析，得到总效应

结果3：以暴露，中介，协变量为自变量，结局为因变量，进行回归分析，得到暴露→结局的直接效应、中介→结局的间接效应。

结果5解读：

结果5的路径分析，汇总了结果1与结果3的直接效应与间接效应，大家主要关注效应值、95%CI、P值即可，也可以参考下面的文献对结果进行整理。

Reference: Xie Z, Wang L, Sun M, Wang R, Li J, Wang X, Guo R, Dong Y, Wang Y, Li B. Mediation of 10-Year Cardiovascular Disease Risk between Inflammatory Diet and Handgrip Strength: Base on NHANES 2011-2014. Nutrients. 2023 Feb 12;15(4):918. doi: 10.3390/nu15040918. PMID: 36839276; PMCID: PMC9962519.

结果4解读：

Indirect：代表暴露→中介→结局的间接效应。P值小于0.05表明中介关系成立。最后一列的"Mediation"则代表了中介效应占比（Proportion of mediation），在中介关系成立的前提下会报告这个结果，如本示例代表中介效应占比为17.33%。

Direct：代表暴露→结局的直接效应。这个结果通常是有统计学意义的（0.05），因为在研究中，当暴露与结局初步发现存在统计学关联时，我们才会进一步探索中介变量。

Total ：指在考虑中介变量的情况下，自变量对因变量的总效应。

文献还常常用图像来展示结果：

Reference: Xu B, Wu Q, La R, Lu L, Abdu FA, Yin G, Zhang W, Ding W, Ling Y, He Z, Che W. Is systemic inflammation a missing link between cardiometabolic index with mortality? Evidence from a large population-based study. Cardiovasc Diabetol. 2024 Jun 20;23(1):212. doi: 10.1186/s12933-024-02251-w. PMID: 38902748; PMCID: PMC11191290.

中介分析的结果解读相较于平台其他模块，会稍复杂些，建议大家除了本篇教程，可以多参考其他文献与拓展学习资料进一步理解

以上就是关于风暴统计平台中介分析模块的详细教程。

来源：郑老师讲统计