統(tǒng)計(jì)入門(mén)系統(tǒng)知識(shí)--Logistic回歸分析

病例對(duì)照研究(回顧性調(diào)查)

??病例對(duì)照研究(case-control study)

??研究對(duì)象分為病例組倦踢、對(duì)照組(廣義來(lái)說(shuō)陽(yáng)性組/陰性組)?

??回顧性比較陽(yáng)性事件(發(fā)病/死亡/有效)前接觸某暴露因素的狀況

??通過(guò)比較暴露因素在陽(yáng)性組和對(duì)照組的差異性恨诱,初步探討了發(fā)生陽(yáng)性事件有關(guān)的原因 ??

??不僅研究發(fā)病的有關(guān)原因

??廣義來(lái)說(shuō)夕吻,探討陽(yáng)性事件發(fā)生的影響因素


病例對(duì)照研究的基本思維

?如果一項(xiàng)暴露因素影響了結(jié)局步鉴,比如吸煙提升了肺癌的發(fā)生率

?則肺癌人群的過(guò)去吸煙比例將高于非肺癌人群


病例對(duì)照研究數(shù)據(jù)整理方式

病例對(duì)照研究統(tǒng)計(jì)分析過(guò)程

(一)統(tǒng)計(jì)描述


(二)簡(jiǎn)單關(guān)聯(lián)性研究方法

? ? ??差異性分析:常用卡方檢驗(yàn)

? ? ??或單因素回歸分析—logistic回歸

關(guān)聯(lián)性指標(biāo) OR值孩等,優(yōu)勢(shì)比/比數(shù)比(oddsratio肴敛,OR)

優(yōu)勢(shì)(odds)是指二分類(lèi)事件中一類(lèi)事件相對(duì)于其對(duì)立事件的優(yōu)勢(shì)署海。

病例組中優(yōu)勢(shì):暴露數(shù)/非暴露數(shù)

對(duì)照組中優(yōu)勢(shì):暴露數(shù)/非暴露數(shù)

OR值大于1,提示暴露促進(jìn)陽(yáng)性事件的發(fā)生医男;

OR值小于1砸狞,提示暴露阻礙陽(yáng)性事件的發(fā)生;

OR值等于1镀梭,提示暴露與陽(yáng)性事件發(fā)生無(wú)關(guān)刀森。


OR值越遠(yuǎn)離1,暴露對(duì)結(jié)局的影響程度越大报账,它幾乎可以用倍數(shù)或者百分比來(lái)反映暴露因素相對(duì)結(jié)局的影響研底。

? ? ? ? ?OR=3,意味著暴露組相對(duì)對(duì)照組透罢,產(chǎn)生陽(yáng)性結(jié)局的可能性幾乎增加2倍

? ? ? ? ?OR=0.6榜晦,意味著暴露組相對(duì)對(duì)照組,產(chǎn)生陽(yáng)性結(jié)局的可能性幾乎減少40%


舉例:

例1:某醫(yī)師基于某醫(yī)院開(kāi)展病例對(duì)照研究羽圃,探討冠心病發(fā)病有關(guān)的影響因素乾胶,收集新發(fā)冠心病患者作為病例組,收集同期醫(yī)院非循環(huán)系統(tǒng)疾病患者作為對(duì)照組统屈,研究的暴露因素是病人的年齡age胚吁、性別sex、心電圖檢驗(yàn)是否異常ecg愁憔、高血壓hyper腕扶、糖尿病diabetes。數(shù)據(jù)見(jiàn)casecontrol.sav吨掌。


自變量和因變量

步驟(一)

對(duì)年齡進(jìn)行差異性分析? ? ①正態(tài)檢驗(yàn)半抱,兩組年齡分布? ? ②t檢驗(yàn),兩組差異


正態(tài)檢驗(yàn)


直方圖膜宋,近似正態(tài)分布窿侈,用t檢驗(yàn)


t檢驗(yàn)

步驟(二)

對(duì)分類(lèi)變量進(jìn)行卡方檢驗(yàn),計(jì)算OR值秋茫、P值

以高血壓為例史简,卡方檢驗(yàn),卡方值為20.72肛著,P<0.001圆兵,OR值為4.680跺讯,95%CI為2.37-9.26。這一結(jié)果可以通俗的理解為殉农,高血壓患者將增加冠心病發(fā)病風(fēng)險(xiǎn)3.68倍左右(不過(guò)請(qǐng)一定要記椎对唷:這是通俗的理解,3.68倍也大概值而非精確值超凳,原因后續(xù)再分析)愈污。

步驟(三)

差異性分析結(jié)果可以合并成一張總表:表格有兩種形式,不帶OR值和帶OR值轮傍。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?不帶OR值

帶OR值

(三)多因素Logistic回歸分析方法

多因素回歸分析操作步驟 Analyze → regression → binary logistic


模型效果評(píng)價(jià)

Omnibus Tests of model Coefficients? 結(jié)果里面的三行分別指的是:

步驟(step)統(tǒng)計(jì)量是每一步與前一步的似然比檢驗(yàn)結(jié)果暂雹,

塊(block)是指將blockn與block n-1 相比的似然比檢驗(yàn)結(jié)果,

模型(model)?一行輸出了Logistic回歸模型中所有參數(shù)是否均為0的似然比檢驗(yàn)結(jié)果创夜,這是總體評(píng)價(jià)的關(guān)鍵檢驗(yàn)擎析。P<0.05表示本次擬合的模型中,納入的變量中挥下,至少有一個(gè)變量的OR值有統(tǒng)計(jì)學(xué)意義,即模型總體有意義桨醋。

Omnibus Tests of model Coefficients :指的是對(duì)模型的總的全局檢驗(yàn)棚瘟,為似然比檢驗(yàn)。模型成功性進(jìn)行判定

量化評(píng)價(jià)擬合優(yōu)度效果喜最。

-2對(duì)似然值(-2log likelihood偎蘸,-2LL))是模型評(píng)價(jià)重要的指標(biāo),該值越小越好瞬内,可以用于不同模型評(píng)價(jià)效果迷雪。

質(zhì)性評(píng)價(jià)擬合優(yōu)度效果。

霍斯黙-萊梅肖擬合優(yōu)度檢驗(yàn)(Hosmer-Lemesho虫蝶,H-L檢驗(yàn))可以用于評(píng)價(jià)模型是否充分利用了現(xiàn)有的信息最大化地?cái)M合了模型章咧、解釋了模型的變異。該研究若P>0.05能真,則可說(shuō)明模型擬合優(yōu)度效果較好赁严,若P<0.05,則說(shuō)明可以模型構(gòu)建效果欠佳粉铐。


主要回歸結(jié)果分析

核心分析的結(jié)果:Logistic回歸分析分別回歸系數(shù)b值疼约、b值的標(biāo)準(zhǔn)誤、Wald卡方值(瓦爾德)蝙泼、自由度程剥、P值(顯著性)、OR值(ExpB)及其置信區(qū)間汤踏。

Wald 卡方值(瓦爾德)和P值是對(duì)回歸系數(shù)b值的假設(shè)檢驗(yàn)织鲸。P<0.05,

說(shuō)明該變量對(duì)結(jié)局的影響具有統(tǒng)計(jì)學(xué)意義舔腾;本例,性別昙沦、年齡琢唾、心電圖表現(xiàn)、有無(wú)高血壓變量對(duì)結(jié)果具有統(tǒng)計(jì)學(xué)意義

Exp B即OR值盾饮,與回歸系數(shù)的關(guān)系是e^b值采桃。OR值置信區(qū)間與P值的關(guān)系是:當(dāng)P<0.05,則置信區(qū)間不包括1丘损;當(dāng)P>0.05普办,則置信區(qū)間包括1。

SPSS分析中徘钥,陽(yáng)性事件指的是數(shù)據(jù)庫(kù)結(jié)局變量賦值較大的結(jié)局

SPSS統(tǒng)計(jì)分析在二分類(lèi)自變量的影響時(shí)衔蹲,默認(rèn)是以自變量賦值較低作為對(duì)照,探討賦值較大者能否相對(duì)能否增加陽(yáng)性事件概率呈础。


規(guī)范文字1:納入年齡舆驶、心電圖和性別等構(gòu)建多因素Logistic回歸方程。結(jié)果發(fā)現(xiàn):心電圖異常對(duì)冠心病的影響具有統(tǒng)計(jì)學(xué)意義(OR=3.40,95%CI 1.81-6.37,?P<0.001)而钞;年齡對(duì)冠心病的影響具有統(tǒng)計(jì)學(xué)意義(OR=1.09, 95%CI 1.03-1.15,?P=0.001)沙廉; 性別對(duì)冠心病的影響具有統(tǒng)計(jì)學(xué)意義(OR=6.24,95%CI 2.50-15.56,?P<0.001)臼节;高血壓狀況對(duì)對(duì)冠心病的影響具有統(tǒng)計(jì)學(xué)意義(OR=10.81,95%CI4.15-28.20,?P<0.001)撬陵。

規(guī)范文字2:納入年齡、心電圖和性別等構(gòu)建多因素Logistic回歸方程网缝。結(jié)果發(fā)現(xiàn):心電圖異常等級(jí)增加將增加冠心病的風(fēng)險(xiǎn)巨税,具有統(tǒng)計(jì)學(xué)意義(OR=3.40,95%CI1.81-6.37,?P<0.001);年齡越大冠心病風(fēng)險(xiǎn)越高粉臊,具有統(tǒng)計(jì)學(xué)意義(OR=1.09,95%CI 1.03-1.15,?P=0.001)草添;相對(duì)女性,男性增加冠心病發(fā)生的風(fēng)險(xiǎn)维费,差異具有統(tǒng)計(jì)學(xué)意義(OR=6.24果元,95%CI?2.50-15.56,?P<0.001);高血壓增加冠心病的風(fēng)險(xiǎn)犀盟,差異具有統(tǒng)計(jì)學(xué)意義(OR=10.81,95%CI4.15-28.20,?P<0.001)而晒。

特別提醒:Logistic回歸OR值不能代表風(fēng)險(xiǎn)增加的準(zhǔn)確倍數(shù),因此文字描述阅畴,切勿說(shuō)相對(duì)女性倡怎,男性增加冠心病風(fēng)險(xiǎn)5.24倍的說(shuō)法。



變量賦值注意事項(xiàng)

OR值大于1是暴露促進(jìn)結(jié)局變量賦值較大值事件的發(fā)生(比如賦值1)

構(gòu)建數(shù)據(jù)庫(kù)時(shí),暴露編碼值要大于對(duì)照(一般分別設(shè)置1和0)

目標(biāo)陽(yáng)性事件的編碼要大于對(duì)照組监署,最好就設(shè)置1和0(比如冠心病這一結(jié)局變量颤专,未患冠心病者賦值0作為對(duì)照,冠心病患者賦值為1作為陽(yáng)性事件組)

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末钠乏,一起剝皮案震驚了整個(gè)濱河市栖秕,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌晓避,老刑警劉巖簇捍,帶你破解...
    沈念sama閱讀 219,110評(píng)論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異俏拱,居然都是意外死亡暑塑,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,443評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門(mén)锅必,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)事格,“玉大人,你說(shuō)我怎么就攤上這事搞隐【杂蓿” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 165,474評(píng)論 0 356
  • 文/不壞的土叔 我叫張陵劣纲,是天一觀(guān)的道長(zhǎng)么鹤。 經(jīng)常有香客問(wèn)我,道長(zhǎng)味廊,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,881評(píng)論 1 295
  • 正文 為了忘掉前任棠耕,我火速辦了婚禮余佛,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘窍荧。我一直安慰自己辉巡,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,902評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布蕊退。 她就那樣靜靜地躺著郊楣,像睡著了一般。 火紅的嫁衣襯著肌膚如雪瓤荔。 梳的紋絲不亂的頭發(fā)上净蚤,一...
    開(kāi)封第一講書(shū)人閱讀 51,698評(píng)論 1 305
  • 那天,我揣著相機(jī)與錄音输硝,去河邊找鬼今瀑。 笑死,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的橘荠。 我是一名探鬼主播屿附,決...
    沈念sama閱讀 40,418評(píng)論 3 419
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼哥童!你這毒婦竟也來(lái)了挺份?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 39,332評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤贮懈,失蹤者是張志新(化名)和其女友劉穎匀泊,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體错邦,經(jīng)...
    沈念sama閱讀 45,796評(píng)論 1 316
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡探赫,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,968評(píng)論 3 337
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了撬呢。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片伦吠。...
    茶點(diǎn)故事閱讀 40,110評(píng)論 1 351
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖魂拦,靈堂內(nèi)的尸體忽然破棺而出毛仪,到底是詐尸還是另有隱情,我是刑警寧澤芯勘,帶...
    沈念sama閱讀 35,792評(píng)論 5 346
  • 正文 年R本政府宣布箱靴,位于F島的核電站,受9級(jí)特大地震影響荷愕,放射性物質(zhì)發(fā)生泄漏衡怀。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,455評(píng)論 3 331
  • 文/蒙蒙 一安疗、第九天 我趴在偏房一處隱蔽的房頂上張望抛杨。 院中可真熱鬧,春花似錦荐类、人聲如沸怖现。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 32,003評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)屈嗤。三九已至,卻和暖如春吊输,著一層夾襖步出監(jiān)牢的瞬間饶号,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,130評(píng)論 1 272
  • 我被黑心中介騙來(lái)泰國(guó)打工季蚂, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留讨韭,地道東北人脂信。 一個(gè)月前我還...
    沈念sama閱讀 48,348評(píng)論 3 373
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像透硝,于是被迫代替她去往敵國(guó)和親狰闪。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,047評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容