統計分析

4.3.1 研究族群之描述性統計分析

將乳癌及 NHL 病人之基本資料(例如：性別、年齡及共病症)、癌症相關資料(例 如：癌症分級、腫瘤類型及是否侵犯骨髓、化學治療或放射線療法的使用情形)及 G-CSF 的使用狀況分別以病人數和週期數為單位進行描述性統計分析。連續變項 以平均值和標準差表示，類別變項則以百分比表示。另外也依照研究對象的週期 中是否使用 G-CSF 做預防分成初級預防、次級預防及沒有預防三組，檢測三組間 之週期特性有無差異。連續變項進行變異數分析(analysis of variance, ANOVA)，類 別變項進行卡方檢定(chi-square)或費雪精確檢定(Fisher’s exact test)，以雙尾檢定之 p-value 小於 0.05 做為統計上顯著的判定。

4.3.2 邏輯式迴歸分析(logistic regression)

依照研究對象的週期是否發生嗜中性白血球低下分為兩組，利用邏輯式迴歸 分析，比較其基本資料、癌症相關資料、G-CSF 的使用及實驗室生化數值的差異，

以分析病人在不同週期的特質對此副作用之影響。

單變項迴歸分析

以是否發生嗜中性白血球低下為依變項，自變項則單獨放入下列變項：

1. 基本資料：年齡、性別、共病症 2. 癌症相關資料：

(1) 癌症分級、腫瘤類型

(2) 「進入研究世代日期」前一年內：有無使用化學治療或放射線療法、有 無發生嗜中性白血球低下或 FN

(3) 研究期間內：有無使用放射線療法、發生嗜中性白血球低下或 FN 的次 數、有無延後化學治療的預定日期、有無降低化學治療藥物的劑量

33

3. G-CSF 的使用：初級預防與次級預防

4. 實驗室生化數值：血紅素、血小板、ANC 等數值的正常與否

5. 腎功能及肝功能

由於本研究為回溯性病歷回顧，部分資料並非每個週期都會記載於病歷，且 實驗室生化數值也不一定每個週期固定檢驗，因此會有資料缺失(missing data)的問 題。處理資料缺失的方式為：若資料缺失大於 10%的變項，不予納入邏輯式迴歸 分析；若資料缺失小於等於 10%的變項，則將資料缺失的部分填 0，以併入參考組 (reference group)做分析。資料缺失的變項，請參考 Table 4-2。

多變項迴歸分析

將上述單變項迴歸分析的所有自變項，共同放入多變項迴歸分析模式中分 析，經由 stepwise 的篩選步驟，探討校正其他危險因子後，各變項對於嗜中性白 血球低下的影響。分析結果以勝算比(odds ratio, OR)及 95%信賴區間(confidence interval, CI)表示。

4.3.3 廣義估計方程式(generalized estimating equations, GEE)

由於每個病人收集了多個化學治療週期，這些來自相同病人的化學治療週期 彼此間有相關性，為了處理這種重複測量的問題，故使用 GEE。同樣也將上述所 有自變項，共同放入 GEE 中分析，探討校正重複測量問題後，各變項對於嗜中性 白血球低下的影響。分析結果以勝算比及 95%信賴區間表示。

以上分析皆以雙尾檢定之 p-value 小於 0.05 做為統計上顯著的判定。

34

Table 4-2 Variables of missing data

Breast cancer NHL

>10% -Karnofsky Performance Scale -Total bilirubin

-Albumin

-Bone marrow involvement -Karnofsky Performance Scale -Total bilirubin

-Albumin

-Lactate dehydrogenase (LDH)

≦10% -Stage

-Alanine aminotransferase (ALT) -Hemoglobin (Hb)

-Platelet

-Absolute neutrophil count (ANC)

-Stage

-Alanine aminotransferase (ALT) -Hemoglobin (Hb)

-Platelet

-Absolute neutrophil count (ANC)

4.3.4 統計軟體

本研究利用 Microsoft Office Excel 2010 進行資料整理，並以 SAS 統計軟體 9.2 版進行統計分析。

35