1. 研究背景

在中医研究中，各个中医指标有着紧密的联系。对这些指标相关性的研究，有利于我们对相应疾病的发病机制进行探索，并实现对疾病的早期干预和控制。中医药的治疗在于调理人体的阴阳平衡，经络通畅，气血运作，中医多个指标之间存在一定的联系，比如气虚、血瘀和津亏等中医指标在中医治疗中需要综合起来帮助诊断，探究不同指标之间的相关性可以使研究者进一步了解中医内在的机理。同时，仅考虑各指标在给定时刻的相关性也是远远不够的，实际中各指标间的相关性会呈现一定的动态变化特点。因此，考虑多个中医指标在一段时间内相关性的动态变化是中医研究中亟待解决的难题。

2. 研究目标

关于中医中多个指标的相关性研究，特别是各指标动态的相互联系，是医学上十分感兴趣的问题。临床治疗不仅需要考虑治疗结果，还十分注重治疗过程的研究。纵向数据模型在分析中不仅关注了最后的结局，还同时考虑了变化的过程。因此，本研究希望使用纵向数据的模型把握多个中医指标相关关系的动态变化。

随着随访次数的增加，还可以将患者在多次随访时各指标的观测值视为函数型数据，采用函数型数据分析的方法对各指标的相关性进行分析。利用函数型数据分析可以对数据的动态变异性进行研究，因此函数型数据分析方法也为医学数据的分析提供了新的思路。本研究希望通过函数型数据分析的方法对各指标动态的相关性进行研究。

3. 研究思路与内容

本研究旨在对中医多指标之间的相关性进行探索，主要内容可以分为如下两点：（1）利用纵向数据的分析方法，对各中医指标的相关性进行研究。（2）利用函数型数据的分析方法，对各中医指标的相关性进行研究。

针对中医中的重要指标，设计科学的调查问卷，并确定不同的随访时间，进一步对患者开展充分的问卷调查。除此之外，确定本研究需考虑的协变量，如年龄、性别等，并完成相应数据的收集。在此基础上，进行相应的数据清洗，完成描述性分析。

当随访次数超过三次，可采用纵向数据分析方法对多指标数据进行分析，横截面数据中，每个患者对应于一次观测结果，一般认为每个患者之间的情况互不影响，因而观测之间相互独立。纵向数据中，每个患者分别在不同时点进行了测量，每个患者对应于多个观测，且患者本人的几次测量结果都与其自身身体状况相关，故认为同一患者的不同观测之间存在一定关联，而不同患者之间的观测仍然相互独立。在此基础上探究多个中医指标间的关系，比如使用双变量线性混合效应模型，以两个中医指标作为因变量，其他中医指标、协变量作为自变量进行纵向数据分析，从而得到其他指标对这两个中医指标的共同作用关系，如图1所示。

图1：纵向相关系数图

当随访次数达到一定数量后，可采用函数型数据的分析方法对各指标的相关性进行探索。首先，将函数型典型相关分析方法应用到所收集的数据上，该方法可对五个指标的相关性进行两两分析，基于典型权重函数图及典型相关系数，可实现对不同时段相关性的探索，如图2所示；进一步，应用函数型回归分析，以某个中医指标的观测函数作为因变量，以其他四个中医指标的观测函数及所考虑的协变量作为自变量，进行回归分析，由所估计的回归系数函数可分析各指标在不同时段的相互关系。

图2：典型权重函数图，括号中为相应的典型相关系数。