我獲得的數據只是六個 24 小時血壓的數字
除了原本的

  1. Wake systolic BP
  2. Wake diastolic BP
  3. Sleep systolic BP
  4. Sleep diastolic BP
  5. Wake systolic BP Variability
  6. Wake diastolic BP Variability
  7. Sleep systolic BP Variability
  8. Sleep diastolic BP Variability

這推數字可以轉化成:

  1. Wake systolic BP Z score ((在細路仔, BP 唔同大人用死一 120/80 做定義做 Hypertension 。由於細路仔會長高,成人唔會,而高度又會同血壓有關。故此兒童高血壓的定義係血壓是在同一高度同一性別的 97.5 分位以上。故此,我們會用外國的姓別及高度血壓正常值,同用 LMS 方法計算 z score 。再從此推段此小孩的血壓在正常值排第幾位。如 z score 等於 1.96 ,即此小孩的血壓在正常值的第 97.5 分位 percentile 。即有高血壓。))
  2. Wake diastolic BP Z score
  3. Sleep systolic BP Z score
  4. Sleep diastolic BP Z score
  5. Wake systolic BP load
  6. Wake diastolic BP load
  7. Sleep systolic BP load
  8. Sleep diastolic BP load
  9. Systolic BP dipper
  10. Diastolic BP dipper
  11. Any dipping
  12. Wake systolic BP hypertension
  13. Wake diastolic BP hypertension
  14. Sleep systolic BP hypertension
  15. Sleep diastolic BP hypertension
  16. Any wake hypertension
  17. Any sleep hypertension
  18. Any systolic hypertension
  19. Any diastolic hypertension
  20. Wake systolic BP coefficient of variation
  21. Wake diastolic BP coefficient of variation
  22. Sleep systolic BP coefficient of variation
  23. Sleep diastolic BP coefficient of variation
  24. Wake systolic BP coefficient of variation > 30%
  25. Wake diastolic BP coefficient of variation > 30%
  26. Sleep systolic BP coefficient of variation > 30%
  27. Sleep diastolic BP coefficient of variation > 30%

即是 8 + 27 個 Variable 。假定我只有一個 exposure 想研究,做了 35 次統計分析,就算本身兩者可能亳無關係,純粹機率都會有最少 1.75 次會獲得 p<0.05 。

Exposure 是 BMI ,那個 BMI 又可以轉化成:

  1. Raw BMI
  2. Corrected BMI
  3. BMI Z score
  4. Obesity (BMI Z > 1.96)

即是可以做 4 x 35 = 140 次統計分析,就算兩者真的無關,純粹機率都會有最少 7 次會獲得 p<0.05 。就拿那個 p 去期刊大造文章吧。 ((還沒有說這些都是 secondary data 。))

所謂學術界有時就是如此的戇居。看不明不要緊,反正有人說做多些這類「研究」有益。