1.1.2　風險因素驗證模型

驗證風險模型建模常采用“抽絲剝繭策略”或“層層加碼策略”。其建模首先進行該因素X與Y的單因素回歸，其次逐漸往模型中添加不同的控制因素，以期發現在控制了若干可能的混雜因素之后，最后證明該因素X是否是Y的風險因素，并確定其風險大小。

如圖1-4所示，該作者為了驗證serum sphingomyelin與CHD發病的關系，先構建了Model1，單獨研究serum sphingomyelin與CHD發病關系得到HR（常稱為crude HR或unadjusted HR），結果發現serum sphingomyelin每改變1個單位，CHD發生風險增加44%（P＜0.001）；然后在Model1的基礎上構建Model2，在serum sphingomyelin基礎上，模型增加了性別、糖尿病發病年齡、糖尿病病程與吸煙，結果發現serum sphingomyelin依舊與CHD發病有關，HR=1.24（P=0.038）；然后繼續在Model2基礎上增加變量構建Model3，如此反復直至Model8，最終在Model8中發現，serum sphingomyelin與CHD發病風險并無關系，雖然HR=1.16，但P=0.18已經無統計學意義，所以最終證明serum sphingomyelin可以“無罪釋放”。

圖1-4　serum sphingomyelin與CHD發病風險驗證

通過這種在要驗證的核心X基礎上“逐層加碼”，對X與Y之間的關系進行“抽絲剝繭”，最終對X是否是導致Y發生的風險因素進行驗證，從某種程度上，松哥認為比風險因素發現模型要更具價值，因為這類模型可以對某X進行“最終審判”；圖1-5也展示了這種驗證風險模型的構建策略。

圖1-5　驗證性風險因素建模展示