临床医学与生存分析
限制性立方样条 (RCS)
让连续暴露在若干节点之间按立方多项式弯曲，同时在两端收成直线，用来检验「有没有关联」以及「弯曲有没有比一条直线多赚到东西」。
这篇能回答什么
限制性立方样条（Restricted Cubic Spline, RCS）问两句可以写进结果的话：总体关联——暴露整段对结局有没有贡献；非线性关联——在线性项已经进模型之后，额外的样条项还值不值得留下。教学运行是 Logistic（二分类）：暴露 = 预测分数，结局 = 金标准。节点 4 个，落在 −2.44、0.48、4.21；OR=1 的参照钉在暴露中位数 0.48。
它和线性 Cox（或线性 logit）的差别在于：线性 Cox 强迫 log-HR 随暴露成一条斜线，整段只用一个 HR。RCS 允许中间段弯曲、两端拉直。若非线性 P 大，弯曲项没有额外贡献，主文应退回线性说法——本页 P_nonlin=0.4102，结论列写「不显著 (呈线性)」。图右侧若出现飙升，优先当成尾部稀疏，而不是改写检验。
什么时候不该用
暴露已经是两档或三档分组，样条没有连续轴可弯，应回Cox或逻辑回归的分类编码。只要固定时点的区分度，用ROC。要把线性预测值做成加法尺，用列线图。只有时间与 0/1 事件、不谈剂量形状，用Kaplan-Meier。
如何选择方法
连续暴露先画散点或粗分箱，再决定要不要弯。若你事先相信「每升高一单位，logit/log-HR 固定」，线性 Cox 或线性 Logistic 更省自由度。若要检查 U/J 形或平台，上 RCS，但听非线性 P，不听尾部一根刺。需要床旁总分，把最终选定的线性或样条预测值再交给列线图。
RCS：1 个定量暴露、1 个结局（二元或定量）、0–30 个协变量；输出总体/非线性 P 与带置信带的剂量—反应图。
线性 Cox / 线性 Logistic：只估一个斜率，适合非线性检验已失败时的主模型。
列线图：展示加法尺，不负责节点检验。
ROC：比较得分排序，不估计暴露轴上的 OR(x)。
输入、输出与限制
输入
暴露因素恰好一列定量（教学为预测分数）。临床结局一列，教学为二元金标准；也可以是定量。协变量可选，用来控制混杂，不进入横轴。不要把年龄误当作暴露——本页横轴绑定预测分数。
暴露因素：最少 1 个，最多 1 个，定量。
临床结局：最少 1 个，最多 1 个，二元定类或定量。
协变量：最少 0 个，最多 30 个，定量或定类。
输出
检验表两行：总体关联性 (Overall Association)、非线性关联 (Non-linearity)，各带 P 与文字结论。表注写节点位置与参照。图为暴露对 OR（或 HR）的估计曲线与 95% 带，水平基准在 1。
产品限制
本教学表是 Logistic，纵轴是 OR 不是 HR；不要把曲线抄进 Cox 结果。
节点默认按分位布置，本例 4 结：−2.44、0.48、4.21。
参照默认中位数 0.48，该点 OR（或差）被钉在 1（或 0）。
非线性不显著时，主结论写成线性，即使图的最右端看起来很陡。
协变量进入后，曲线是「调整后的」条件轨迹，不能当成粗率。
案例
研究问题。 预测分数从约 −2.4 拉到 4.2，金标准阳性的发生比是一条斜线，还是中间弯、两端翘？若弯曲项不显著，论文该不该仍然配一张「非线性关系图」。
同一份临床表的 diagnostic 页：暴露勾预测分数，结局勾金标准。检验给出总体关联性 (Overall Association) P=0（显著），非线性 P=0.4102，结论「不显著 (呈线性)」。节点 −2.44 / 0.48 / 4.21，参照 0.48。下载后不要另加方法A 当第二暴露——角色墙只收一列连续暴露。
在 StatsX 中操作
步骤 1 · 打开诊断页
上传临床 xlsx 后停留在 diagnostic。survival 页没有「预测分数 vs 金标准」这组绑定。
步骤 2 · 看暴露的分布
预测分数应是连续定量，大约跨 −2.4 到 4.2。金标准两水平。缺一列的行会退出该次拟合。
步骤 3 · 搜索限制性立方样条
目录关键词用「样条」或 RCS。
步骤 4 · 只挂一列暴露
暴露因素 = 预测分数；临床结局 = 金标准。协变量可空。运行。
步骤 5 · 先读两行 P，再看图
总体显著而非线性 0.41，主句写成线性关联。图右尾置信带爆炸时，把它写成「极端值不稳定」，不要升级成 U 型。
如何阅读输出
检验表必须两行一起读。总体关联性 (Overall Association) P=0，预测分数作为整体（线性基 + 样条基）与金标准有关。非线性关联 P=0.4102，样条多出来的弯曲项没有额外贡献，结论列写明「呈线性」。把第一行显著写成「存在 U 型」是读错行。
| 检验假设 | 检验统计性质 | P 值 | 显著性结论 |
|---|---|---|---|
| 总体关联性 (Overall Association) | 考察自变量对因变量的整体影响 | 0 | 显著 |
| 非线性关联 (Non-linearity) | 考察样条非线性项的额外贡献 | 0.4102 | 不显著 (呈线性) |
左右滑动可查看完整表格
模型配置说明：设置了 4 个自然样条节点 (Knots)，所处位置为 -2.44、0.48、4.21。基准参考点 (Reference=1.0 或 0.0) 设为自变量中位数 0.48。
【限制性立方样条RCS】暴露=预测分数，结局=金标准，参照值=0.48。 【总体关联】P_overall=0.0000，预测分数 与 金标准 存在显著总体关联。 【线性】P_nonlin=0.4102，关联基本单调线性。
图在 −2.5 到约 3 的区间几乎贴着基准线，过 3 之后点估计上扬、带子极宽——那是高分端人数少时的数值外推，和 P_nonlin=0.41 并不矛盾。对照线性 Cox：若你在 survival 页对同一连续变量只估一个 HR，得到的是整段斜率；本页已经用样条问过「弯不弯」，答案是不够弯。正确写法：预测分数与金标准存在显著总体关联，剂量—反应与线性 logit 相容；不要根据右尾孤峰写「阈值 3.5 以上风险激增」。纵轴是 OR，换到 Cox 框架才改称 HR。
理论与公式
在节点 κ_1<⋯<κ_K 处构造限制性立方基：两端的二阶导为零，避免尾巴乱抖。Logistic 写法为
K=4 时除线性项外还有 2 个非线性基。总体关联检验 H_0: 全部 β（除截距）为零；非线性检验 H_0: 那些 s_k 的系数全为零。后者不拒绝，就回到 β_1 x 这一条，与线性 Cox 的 log-HR=βx 同构（只是链接函数从偏似然换成 logit）。参照 x_ref=0.48 处令 OR(x_ref)=1：
本例节点 −2.44、0.48、4.21 把轴分成可弯的中段与拉直的两侧。P_nonlin=0.4102 表示那两个额外基没有通过「比直线更值」的门槛。
注意事项
非线性不显著时，图仍会画出来，那是展示而非证据。主句跟 P_nonlin。
右尾 OR 坐标可以被拉到数万，通常是稀疏单元格，不要写进摘要的「风险倍数」。
参照换到临床截断（例如 0）后，整条曲线上下平移，检验 P 不变，文字里的「高于参照」会变。
节点太多会把噪声当成波浪；4 结是常用默认，不是最优调参结果。
本页纵轴是 Logistic 的 OR；把同一套节点塞进 Cox，链接与风险集都不同，数字不会自动相等。
协变量若与暴露共线，曲线会被「调没」，先查方差膨胀再谈形状。
常见问题
参考文献
Durrleman, S., Simon, R. Flexible regression models with cubic splines[J]. Statistics in Medicine, 1989, 8(5): 551–561.
Harrell, F. E. Regression Modeling Strategies[M]. Springer.
Desquilbet, L., Mariotti, F. Dose-response analyses using restricted cubic spline functions[J]. Statistics in Medicine, 2010, 29(9): 1037–1057.
陈峰. 医用多元统计分析方法[M]. 中国统计出版社.