在许多研究中，识别、呈现和讨论定量或连续协变量（也称为预测变量、自变量或解释变量）与响应变量之间的估计关系非常重要。临床上，因变量和临床的结局有时候不是线性关系，而回归模型有一个重要的假设就是自变量和因变量呈线性关联，因此非线性关系模型用回归分析来拟合受到限制。因此，一个更好的解决方法是拟合自变量与因变量之间的非线性关系，限制性立方(Restricted cubic spline，RCS)就是分析非线性关系的最常见的方法之一。
既往文章《stata两种方法制作限制立方条图》中，我们已经介绍了怎么使用stata包绘制限制立方条图，但是由于xblc升级后，有部分代码无效了，部分粉丝说不会求P值，做不出来等等。今天我们重新来聊一聊，继续使用我们的乳腺癌数据。Xblc包要提前安装好，没有升级的要进行升级，怎么安装看我上一篇文章，这里不多说了。先导入数据，
我们先来看看数据：
age表示年龄，pathsize表示病理肿瘤大小（厘米），lnpos表示腋窝淋巴结阳性，histgrad表示病理组织学等级，er表示雌激素受体状态，pr表示孕激素受体状态，status结局事件是否死亡，pathscat表示病理肿瘤大小类别（分组变量），ln_yesno表示是否有淋巴结肿大，time是生存时间，后面的agec是我们自己设定的，不用管它。
假设我们想看年龄和死亡率的关系：
首先使用使用四分位数来设置样条的节点, 根据上面的四分位进行设置节点，46 56 67 78就是这么来的
generate all=1
table all, c(freq p25 age p50 age p75 age p95 age)
mkspline age = age, knots(46 56 67 78) cubic由此得到age1-age3等3个节点
然后建立COX回归模型，如果你是其他模型的话就在这一步建立其他模型
通过菜单和命令都可以建模，我就不详细说了，可以看我的其他文章有详细说明
stset time, failure(status==1)
stcox age1 age2 age3 i.ln_yesno
然后通过下面命令得到一个年龄和HR的表, reference要指派一个参考指标，一般选临床有意义的指标，我这里选50岁为参考
接下来做出立方条图，更新xblc包主要在这个命令变化了，所以有些人做不出来
levelsof age if inrange(age, 35,79)
在at里面要把上个命令生成的数字全部复制进去
xblc age1-age3, covname(age) at(35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79) eform reference(50) line generate(pa hr lb ub)
除了生成图，还生成了pa hr lb ub这几个指标
我们可以通过这几个指标进一步做图
twoway (line hr pa, sort) (line lb ub pa, sort lc(black black) lp(- -)),legend(off) yscale(log) ylab(0.25 .5 1 2 5) xtitle(Age) ytitle(Hazard ratio) yline(1) title(Effect of age) subtitle (Adjusted for treatment)
很多人不会求P值，其实是用到testparm函数
testparm age2 age3
P值为0.0488，原假设是线性关系，我这里有点尴尬，到底是算小于0.05还是等于0.05呢，看临床需要吧有些人不会怎么把P值添加到stata图片中，其实非常简单，stata有个图片编辑器，我们打开它
点反键调出菜单
点击文字编辑
填入P值
最后成图
觉得有用的话请把它分享给有需要的人
