监测预警基础28-Joinpoint软件实操指南：手把手教你完成趋势拐点分析

在上一篇中，我们深入探讨了Joinpoint回归的原理。工欲善其事，必先利其器。

本文将聚焦于NCI官方开发的Joinpoint Regression Program，通过详细的步骤演示和结果解读，让你从“知道”到“做到”，真正将这一强大工具应用于日常监测预警工作。

1.软件获取

Joinpoint软件完全免费，但需要官方授权。请访问美国国家癌症研究所监测流行病学与最终结果（SEER）项目官网（https://surveillance.cancer.gov/joinpoint/ ）进行下载。通常需要注册并填写简单的申请信息，通过后即可获取最新版本的软件（目前最新版为Joinpoint 5.0.2）。

2. 数据准备：这是成功分析的第一步，至关重要

软件支持两种主要的文件格式：纯文本文件（.txt）和逗号分隔值文件（.csv）。你的数据源可以是SAS、Stata、SPSS、R或Excel等，只需将数据整理后另存为上述格式即可。

更关键的是，软件支持两种数据读入模式，适应不同基础的数据：

模式一：提供原始数据（病例数+人口数）

这是最推荐的方式，尤其当你有分年龄组的数据时。软件会自动计算发病/死亡率及相关标准误。数据文件需要包含以下变量：

• 年份（自变量）

• 发病/死亡病例数

• 对应的人口数

• （可选）标准人口，用于计算年龄标化率。
  

模式二：提供已计算好的率

如果你已经计算好了粗率或年龄标化率，也可以直接提供。数据文件需要包含：

• 年份

• 率（如1/10万）

• （强烈建议提供）率的标准误，这能让模型估计更准确。

打开软件并载入数据文件后，会进入参数设置界面。理解每个选项的含义，是做出正确分析的关键。

首先是导入数据，选择NEWS，然后打开数据即可。

导入之后进入设置页面。

设置页比较简单，一般以下3个内容。

1. 因变量和自变量的确定

根据你准备的数据，在“Response Data”部分进行选择，简单来说，就是让软件帮你计算率还是已经算好的率直接让他用。

如果选择模式一（原始数据）：应选择Calculated from Data File。随后需要分别指定“Count Variable”（病例数变量）、“Population Variable”（人口数变量），如果计算标化率，还需指定“Standard Population Variable”（标准人口变量）。

如果选择模式二（已计算的率）：应选择Rates，并指定率的变量，哪个变量代表的是率。

这样上面的完成后因变量的设置就结束了，接下来是自变量的设置。

2. 模型与误差设置（核心参数）

模型转换（Model Transformation）：对于我们传染病来说，一般的发病/死亡率，几乎总是选择Logarithmic（对数线性模型），这样才能输出APC。

误差选项（Heteroscedastic Errors Option）：这是最重要的设置之一。

• Constant Variance (Homoscedastic) - 恒方差：假设率的方差在整个时间序列上是恒定的。如果率的波动不大，可选择此项，计算更简单快速。

• Standard Error - 标准误：如果已提供或由软件计算得出率的标准误，建议选择此项。它考虑了率的变异，结果更稳健，是最常用且推荐的选择。

• Poisson Variance - 泊松方差：适用于数据是原始病例数的情况，假设病例数服从泊松分布。

3. 连接点设置

最大连接点数量（Maximum Number of Joinpoints）：软件允许你设置模型最多寻找几个连接点。它会基于置换检验自动从0到这个最大数之间选择最优模型。对于10-20年的数据，设置最大为3-5通常是合理的，一般来说我们可以简单理解为5年一个点，而且软件会根据数据点数量给出推荐值。

所有设置完成之后选择运行即可。

点击“Run”后，软件就会运行了，我们重点关注的主要有以下几部分：

1. 模型选择结果

在结果界面的左侧，软件会列出从0到最大连接点的所有模型，并用星号（）标记出根据置换检验选出的最优模型。

2. 趋势图

这是最直观的结果，也是主要结果，图表上会显示：

• 原始数据点（散点）。

• 拟合的Joinpoint折线。

• 连接点的位置（垂直虚线或标记）。

• 每个趋势段的APC值和显著性。

  一张图就能让你对整个趋势演变一目了然。

3. 趋势表（Trend Table）——核心解读内容

这是形成结论的关键，比如下表，

时间段

APC (%)

95% CI

P值

趋势判断

1993 - 1995

(-5.91, 0.94)

不显著

1995 - 1998

1.92

(-1.52, 5.48)

不显著

1998 - 2008

(-2.67, -2.07)

<0.001

显著下降

2008 - 2013

(-2.71, -1.56)

<0.001

显著下降

整体 (AAPC)

(-4.64, -3.10)

<0.001

显著下降

解读要点：

显著性判断：查看每个APC的95%置信区间（95% CI）。如果区间不包含0，则该时间段的趋势具有统计学意义（P值通常也<0.05）。如上表，1998年后两个阶段均为显著下降。

APC值：表示年均变化幅度。例如，1998-2008年APC为-2.37%，意味着在此期间，发病率平均每年显著下降2.37%。

AAPC值：代表整个研究期间（1993-2013）的加权平均变化速度，也为显著下降，年均下降3.87%。

4. 模型估计表（Model Estimates）

此表提供了拟合方程的详细参数（如β, δ等），可用于书写论文或报告中的方程。

1.遇到某年的率为0，软件报错怎么办？

软件无法处理率为0的情况。解决方法是将该年的率替换为一个极小的正数（如0.000001），这对整体趋势分析影响微乎其微。

2.“恒方差”和“标准误”选项，结果差异大吗？

当率的波动较小时，两种方法结果相似。但当数据存在“骤升骤降”时，“标准误”选项更可靠。

3.如何分析不同亚组（如不同性别、地区）的趋势？

可以在数据中设置“分组变量”（By Variable），如性别。软件会自动为每个亚组运行分析，并生成各自的结果和图表，便于比较。

编辑：普通疾控人 | 审核：诗酒趁年华

文章来源 | 原创

说明 | 转载只为分享，如有侵权联系删除

©版权声明 | 部分信息和图片来自公开网络

转载请注明

再次转载请注明出处

科普健康 | 宣传疾控

本号为多位疾控机构从业者运营

重点关注国内外健康事件

致力于疾控科普

在做好科普服务大众的同时

做好疾控机构的宣传

让更多的人了解疾控，拥抱健康

欢迎加「小编」微信(cdcjkr126com)

本文具体说明

本文为原创内容，文章为个人理解所学，不涉及疫情信息及内部保密数据，发表的目的为自我总结及给有需求的人士学习使用。如有不妥之处，欢迎联系小编修改、删除。

更多精彩视频，尽在“CDC疾控人”视频号