时代变了,回归分析你还首选logistic回归吗?out了!

系列文章“log binomial and Poisson 回归”

第一篇

logistic回归,统计分析的万金油,只要是一项医学研究的结局是二分类数据,都可以 用logistic回归,在现况调查、在病例对照研究、在队列研究、在随机对照研究。。。。

我的标题有些夸大其词,但是这十年来,统计分析的方法在改进,logistic回归,在很多场合,已经不应该是主流方法了。

比如说,横截面调查和队列研究。

特别是队列研究,队列研究往往希望计算RR值,但是一般学习医学统计学时,老师会说,当阳性率较低时,RR值接近于OR值,所以我们可以logistic回归计算OR值,控制偏倚。但无论如何,OR值会高估暴露因素的风险。

实际上,统计分析,有回归可以来计算RR值!

横截面调查也是如此。之前有一位读者来信,咨询郑老师,他说“ 这是个572例社区人群横断面调查,主要讨论社区残疾老年人肌少症的发生率及其影响因素。我用了logistic回归,但是审稿人建议用其它回归方法”

这现况调查怎么logistic回归也不推荐了呢?

审稿人怎么建议的呢?

“for cross-sectional multivariate analysis binomial regression or modified poisson regression are prefered”。

对了,就是两种可能大家不太熟悉的方法:log binomial regression 和Poisson regression 。

他们的共同特点是,可以计算出暴露组和对照组的两个率之比!对于横截面调查,我们称这个比值为患病比(PR值),而在队列研究,我称之为相对危险度(RR值)。

它们和logistic回归有什么区别?

例如:若开展一项队列研究,在样本量n的研究中,总共X人发生阳性事件,则P=X/n。对于该研究,logistic、log binomial regression 和Poisson regression在回归建模中,是不同的。

首先是logistic回归:则

由此计算得到是OR值。

如果是log binomial 回归,则

由此计算得到是RR值.

如果是Poisson  回归,则

由此计算得到是RR值。

对于三个公式,可能很多人不理解,对于三个方法的应用及软件操作方法,很多人还不会应用,因此,我想写一点小文,和大家聊聊这个事情。详细见后文。

最后特别提醒: 我的推文都是本人学习的结果,并不是严谨的学术论文,读者请慎重理解。

--本文毕--

如果您觉得文章不错,
点击“分享”吧,非常感谢。
(0)

相关推荐