在回答这个问题之前，需要明确三个问题。第一，回归分析的目的。一般我们做回归分析的目的是调整混杂因素的干扰，从这个目的出发，所有可能的混杂因素都应该进行调整，以去除混杂因素的干扰；第二，混杂作用存在的前提条件是混杂因素与关心的研究因素和结局都有相关性，即混杂因素在研究分组间不平衡。例如年龄可能是很多研究中的混杂因素，但在某研究中如果两组中的病例年龄完全相等，年龄也不会有混杂作用，即如果单因素分析中P值较大，也不会有混杂作用，因此也不需要进行调整；第三，统计分析中P值的意义。在统计分析中P是Probability的首字母，即统计推断中原假设成立的概率。一般的统计分析中，原假设都是相等或不相关。当P<0.05，即原假设成立的概率小于0.05，即认为是小概率事件，即发生的可能性较小，可认为均值(或率)不相等或两变量存在相关性。但P只是一个概率，我们统计学中给它找了一个比较公认的界值：0.05.但如果p=0.06就不会存在相关性吗?显然也不一定。即P>0.05也不能确定混杂作用是否存在。
回到开始提到的问题，我个人一般把回归分为探索性回归分析和验证性回归分析，对二者区别对待。在探索性回归分析中，我们不知道哪些因素是混杂因素，因此我们可以先做单因素分析，将单因素分析中“有意义”的因素作为自变量进行回归分析。这里的有意义不是P<0.05，我认为可以放宽到P<0.1或者P<0.2;如果样本量很大时，也可以再放宽P。对于验证性回归分析，我们已经知道某些因素是混杂因素，某些因素可能是混杂因素。此时已经确定是混杂因素的因素，无论单因素分析P是多大，都应该进入自变量;对于不确定的混杂因素，可以根据单因素分析的P值进行选择，标准同上。