Logistic回归模型中连续变量交互作用的分析

Rothman提出生物学交互作用的评价应该基于相加尺度即是否有相加交互作用,而logistic回归模型的乘积项反映的是相乘交互作用.目前国内外文献讨论logistic回归模型中两因素的相加交互作用以两分类变量为主,本文介绍两连续变量或连续变量与分类变量相加交互作用可信区间估计的Bootstrap方法,文中以香港男性肺癌病例对照研究资料为例,辅以免费软件R的实现程序,为研究人员分析交互作用提供参考.     

Logistic回归模型中连续变量交互作用的分析

Rothman提出生物学交互作用的评价应该基于相加尺度即是否有相加交互作用,而logistic回归模型的乘积项反映的是相乘交互作用.目前国内外文献讨论logistic回归模型中两因素的相加交互作用以两分类变量为主,本文介绍两连续变量或连续变量与分类变量相加交互作用可信区间估计的Bootstrap方法,文中以香港男性肺癌病例对照研究资料为例,辅以免费软件R的实现程序,为研究人员分析交互作用提供参考.     

logistic回归模型中交互作用的分析及评价

流行病学病因学研究常运用logistic回归模型分析影响因素的作用,并利用纳入乘积项的方法分析因素间交互作用,如有统计学意义表示两因素间存在相乘交互作用,但乘积项若无统计学意义并不表示两因素问相加交互作用或生物学交互作用的有无.文中介绍Rothman提出的针对logistic或Cox回归模型的三个评价相加交互作用的指标及其可信区间的计算,并以SPSS 15.0软件应用实例分析得出logistic回归模型的参数估计值和协方差矩阵,引入Andersson等编制的Excel计算表,计算相加交瓦作用指标及其可信区间,用于评价因素间的相加交互作用,为研究人员分析生物学交互作用提供依据.该方法方便快捷,且Excel计算表可在线免费下载.     

队列研究资料相加交互作用可信区间的Bootstrap法估计

交互作用评估是流行病学数据分析的重要环节,病因学研究中得到广泛应用的指数模型如logistic回归或Cox比例风险模型,常将危险因素的乘积项纳入模型,其乘积项系数反映了因素间的相乘交互作用,而在公共卫生方面交互作用分析应基于加法模型才更合适.文中根据Rothman提出的评估相加交互作用的指标,通过一个队列研究实例拟合Cox比例风险模型,应用RR值计算两因素的相加交互作用指标,并利用内置Bootstrap功能的S-Plus软件,较为方便地得到Bootstrap法估计的可信区间,避免队列研究资料应用OR值计算导致的估值偏差,且有更高的估计精度.相加和相乘交互作用分析的组合模式相当复杂,当两者冲突时宜选择加法模型.     

队列研究资料相加交互作用可信区间的Bootstrap法估计

交互作用评估是流行病学数据分析的重要环节,病因学研究中得到广泛应用的指数模型如logistic回归或Cox比例风险模型,常将危险因素的乘积项纳入模型,其乘积项系数反映了因素间的相乘交互作用,而在公共卫生方面交互作用分析应基于加法模型才更合适.文中根据Rothman提出的评估相加交互作用的指标,通过一个队列研究实例拟合Cox比例风险模型,应用RR值计算两因素的相加交互作用指标,并利用内置Bootstrap功能的S-Plus软件,较为方便地得到Bootstrap法估计的可信区间,避免队列研究资料应用OR值计算导致的估值偏差,且有更高的估计精度.相加和相乘交互作用分析的组合模式相当复杂,当两者冲突时宜选择加法模型.     

队列研究资料相加交互作用可信区间的Bootstrap法估计

交互作用评估是流行病学数据分析的重要环节,病因学研究中得到广泛应用的指数模型如logistic回归或Cox比例风险模型,常将危险因素的乘积项纳入模型,其乘积项系数反映了因素间的相乘交互作用,而在公共卫生方面交互作用分析应基于加法模型才更合适.文中根据Rothman提出的评估相加交互作用的指标,通过一个队列研究实例拟合Cox比例风险模型,应用RR值计算两因素的相加交互作用指标,并利用内置Bootstrap功能的S-Plus软件,较为方便地得到Bootstrap法估计的可信区间,避免队列研究资料应用OR值计算导致的估值偏差,且有更高的估计精度.相加和相乘交互作用分析的组合模式相当复杂,当两者冲突时宜选择加法模型.     

实现logistic与Cox回归相乘相加交互作用的临床实践宏程序

病例对照研究常采用条件或非条件logistic分析,生存资料分析常采用Cox比例模型,但多数文献仅纳入主效应模型,然而广义线性模型不同于一般线性模型,其交互作用分为相乘交互与相加交互作用,前者只有统计学意义而后者更符合生物学意义。笔者以SAS 9.4软件编写宏,在计算logistic与Cox相乘交互项同时计算交互对比度、归因比、交互作用指数指标及利用Wald、Delta、PL(profile likelihood) 3种方法的可信区间评价相加交互作用,便于临床流行病学与遗传学大数据分析相乘相加交互作用时参考。     

流行病学研究中相加和相乘尺度交互作用的分析

目的介绍统计学相加模型以及相乘模型在分析生物学交互作用中的应用。方法本文首先对交互作用的概念和统计学检验原理进行概述,然后通过一项病例-对照研究实例,利用多种统计方法,应用SAS软件的相应模块,分析相乘模型和相加模型的不同结果,评价它们在解释生物学交互作用时的差异;其中对于相加模型可信区间及统计学检验,还提出了几种简单易行的评价方法。结果两因素对疾病风险的交互作用在不同模型表现不同。本文成功建立利用非线性混合效应模型进行相加模型可信区间估计的方法,并在病例对照研究实例中发现了具有统计学意义(P<0.05)的交互作用。结论利用非线性混合效应模型进行相加尺度交互作用的分析方法切实可行。在分析生物学交互作用过程中,应慎重选择适宜模型。     

应用分类树模型筛选logistic回归中的交互因素

目的探索自动筛选logistic模型中交互作用因素的方法。方法借助一个实例,说明分层、分类树与lo-gistic模型之间的关系,借助分类树模型自动进行筛选logistic模型中交互作用因素。结果本例分析结果表明,可以应用分类树为logistic模型筛选交互作用因素,并用logistic模型对可能的交互作用因素作最后检验,并通过实例说明应用要点。结论在logistic回归分析中,分类树可以有效地用于自动筛选可能的交互效应因素。     

母乳喂养率影响因素的Logistic回归分析

本文运用ｌｏｇｉｓｔｉｃ回归模型对３９３名儿童喂养情况和９项可能影响母乳喂养率的因素进行了分析。结果母亲文化程度对母乳喂养率有影响，文化程度高者母乳喂养率低于文化程度低者（ＯＲ＝０．７２５８）；母亲生育时年龄越大，母乳喂养率越低（ＯＲ＝０．８０３６）；家庭同住人数越多母乳喂养率越低（ＯＲ＝０．８２８１）；足月产者母乳喂养率明显高于早产和过期产者（ＯＲ＝１．３２７２）。     

Sample size tables for logistic regression

Sample size tables are presented for epidemiologic studies which extend the use of Whittemore's formula. The tables are easy to use for both simple and multiple logistic regressions. Monte Carlo simulations are performed which show three important results. Firstly, the sample size tables are suitable for studies with either high or low event proportions. Secondly, although the tables can be inaccurate for risk factors having double exponential distributions, they are reasonably adequate for normal distributions and exponential distributions. Finally, the power of a study varies both with the number of events and the number of individuals at risk.     

Evaluating the discriminatory power of a multiple logistic regression model

Various measures for estimating the goodness-of-fit of the multiple logistic regression (MLR) model have been suggested, although there is no clear consensus as to which measure is most suitable. In this paper, a simple measure of the discriminatory power of the fitted MLR model, based on maximization of Youden's J index (J*), is proposed and compared with several goodness-of-fit statistics described previously. The relative effectiveness of the measure is illustrated using data from the Lipid Research Clinics Prevalence Study. It is suggested that J* may be a useful alternative index of goodness-of-fit of an MLR model, with the added advantage of having a simple practical interpretation.     

ICU患者医院感染logistic回归模型预测

目的构建ICU患者医院感染logistic回归预测模型,并对模型进行评价。方法以入住ICU>48 h的患者为研究对象,构建医院感染logistic回归模型,对模型进行拟和优度检验、ROC曲线下面积分析。结果入住ICU天数、气管插管、前列腺肥大、动静脉插管、基础疾病(肿瘤)等变量进入logistic回归方程,模型ROC曲线下面积为0.856。结论 logistic回归模型对ICU患者医院感染预测拟合度较好。     

核函数logistic回归模型在全基因组关联研究中的应用

[导读]探讨基于基因水平的核函数logistic回归模型及其在全基因组关联研究中的应用.以全基因组关联研究模拟数据为例,介绍核函数logistic回归模型在基因水平检测遗传变异与复杂性疾病之间关联的分析策略.模拟结果表明,在所有已知基因检验结果中致病位点所在基因假设检验的P值最小.结果提示基于基因水平的核函数logistic回归模型能够充分提取和综合基因中多个遗传突变位点信息,降低统计学检验的自由度,同时还能够控制多种协变量因素和交互作用,在检测致病基因与疾病关联时具有一定的效能.     

Tree-based model checking for logistic regression

A tree procedure is proposed to check the adequacy of a fitted logistic regression model. The proposed method not only makes natural assessment for the logistic model, but also provides clues to amend its lack-of-fit. The resulting tree-augmented logistic model facilitates a refined model with meaningful interpretation. We demonstrate its use via simulation studies and an application to the Pima Indians diabetes data.     

基于基因水平主成分logistic回归模型在全基因组关联研究中的应用

探讨基于基因水平的主成分logistic回归模型分析方法及其在全基因组关联研究中的应用.以全基因组关联研究基因型模拟数据为例,介绍基于主成分的logistic回归模型在基因水平检测遗传变异与复杂性疾病之间关联的分析策略.模拟结果表明致病位点所在基因假设检验的P值在所有基因检验结果中为最小.研究结果提示在全基因组关联研究中,采用基于基因水平的主成分logistic回归模型一方面能够降低检验的自由度,另一方面能够处理单核苷酸多态性之间相关性问题,在检测致病基因与疾病关联时具有一定的效能.     

神经网络模型和logistic回归在预测慢性阻塞性肺疾病中的应用研究

目的 应用神经网络和logistic回归分析方法建立慢性阻塞性肺疾病(chronic obstructive pulmonary disease,COPD)数学预测模型.方法 通过横断面调查收集2015年湖北省2 400人的COPD流行病学资料,按7∶3的比例随机分为训练组与验证组,应用神经网络和logistic回归分...     

精确logistic回归及其SAS应用程序

目的 精确logistic回归在最大似然法估计结果不可靠或者不存在情况下，作为传统logistic回归的一种补充方法可适用于小样本资料、资料结构不平衡及高度分层资料。方法 对37例乳腺癌患者术后预后资料采用SAS进行精确logistic回归分析。结果 发现组织学分级、淋巴结转移两因素对乳腺癌的术后预后具有统计学意义。结论 在样本量很小，最大似然法估计无效的情况下，精确logistic回归是一种极好的分析手段。