18 logistic 回归.ppt

文档介绍：18 logistic 回归分析
多重线性回归,可用于筛选影响因素,校正混杂效应,进行疾病预测等,但其前提条件,要求因变量Y是连续定量变量,自变量与因变量间具有线性关系,并要求呈正态分布。
生物医学研究领域的诸多因变量(结局指标,或称效应指标)通常是分类变量,例如,“生存或死亡”,“发病与不发病”等,并且影响因素(自变量)与其联系,更多的是非线性关系,不满足正态分布条件。
例1 为了探讨冠心病发生的有关危险因素,对26例冠心病病人和28例对照者进行病例对照研究,各因素的说明及资料见表1和表2,试筛选危险因素。
。
表1 冠心病8个可能的危险因素与赋值
因素
变量名
赋值说明
年龄(岁)
X1
<45=1, 4554=2, 5564=3, 65=4
高血压史
X2
无=0, 有=1
高血压家族史
X3
无=0, 有=1
吸烟
X4
不吸=0, 吸=1
高血脂史
X5
无=0, 有=1
动物脂肪摄入
X6
低=0, 高=1
体重指数(BMI)
X7
<24=1, 24<26=2, 26=3
A型性格
X8
是=0, 否=1
冠心病
Y
对照=0,病例=1
表2 冠心病危险因素病例对照调查资料
序号
X1
X2
X3
X4
X5
X6
X7
X8
Y
1
3
1
0
1
0
0
1
1
0
2
2
0
1
1
0
0
1
0
0
3
2
1
0
1
0
0
1
0
0
4
2
0
0
1
0
0
1
0
0
5
3
0
0
1
0
1
1
1
0
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
…
49
4
0
0
1
0
0
2
1
1
50
1
0
1
1
1
0
2
1
1
51
2
0
1
1
0
1
2
1
1
52
2
1
1
1
0
0
2
1
1
53
2
1
0
1
0
0
1
1
1
54
3
1
1
0
1
0
3
1
1
根据研究设计类型,logistic回归划分为条件与非条件logistic回归。
条件logistic回归适用于配对(匹配)病例-对照研究
非条件logistic回归主要用于成组或非配对的匹配研究。通常把非条件logistic回归简称为logistic回归。
单自变量logistic回归
优势与优势比
例18-1 非甾体抗炎药品上市前的研究中,已知可能引起亚临床上消化道出血症状。因此,1980年Strom和Carson开展了大样本上市后安全性再评价,以确定该药品是否引起上消化道出血不良反应。回顾性跟踪调查的47 136例服用该药的患者中,有155例上消化道出血;同期没有服用该药的44 634例对照中,有96例上消化道出血(见表18-1)。