现在的临床研究中除了RCT研究，一般要进行多因素分析比如病因研究、预后研究中，一般先做单因素分析(t检验、方差分析、卡方检验等)再做logistic回归、COX回归、线性回歸等，可以说不做多因素分析的文章都不好意思投稿那么问题来了，单因素分析与多因素分析的结果不相同怎么办?

　　我们用下表表示單因素分析与多因素分析结果对比的可能结果：

　　对于情形A当单因素分析结果和多因素分析结果差异都有统计学意义时，在文章中比較好解释我们认为这个自变量是因变量的独立影响因素；对于情形D，单因素分析结果和多因素分析结果差异都没有统计学意义时我们認为这自变量不是因变量的影响因素。

　　对于情形B在单因素分析中差异有统计学意义，但多因素中没有这种情况也较常见。我们认為在单因素分析中自变量与因变量是假关联或者间接影响因素，因此在多因素分析中调整了某些因素的影响后这个自变量与因变量的“假关联”消失了。我们一般下结论：这个自变量不是因变量的独立影响因素(影响因素可以换成危险因素、保护因素、预后因素等)

　　對于情形C，在单因素分析中差异无统计学意义但多因素中差异却有统计学意义。这种情况并不常见原因是当我们进行单因素分析差异沒有统计学意义时，一般不会再将此自变量引入多因素分析事实上，混杂因素使自变量与因变量的关联扭曲了这里的扭曲可以是关联增强，也可以是关联减弱甚至掩盖了真实的关联因此这种情形C就会出现了，也可以下结论这个自变量是因变量的独立影响因素

　　当嘫我们下结论也不能太任性了。上面成立的基础是多因素分析的正确应用实际是多因素分析是一个黑匣子，很多原因可能导致多因素分析是错误的这就要求我们掌握多因素分析的条件，仔细检验回归模型是否正确并与临床实际相结合，才能得到正确的结果和合理的结論拿不准的情况下可以咨询统计学专家。