多水平logistic回归模型在血吸虫病流行因素研究中的优越性

目的探讨在血吸虫病流行因素的研究中多水平logistic回归模型相对于传统logistic回归模型的优越性。方法分别使用多水平logistic回归模型和传统logistic回归模型分析血吸虫病流行因素。结果多水平logistic回归模型分析中有统计学意义的变量在传统logistic回归分析中均有统计学意义,但在传统logistic回归分析中有意义的几个变量,如人均收入、无害化厕所比例,却没有进入多水平logistic回归模型方程。结论与传统logistic回归模型相比,多水平模型更适合用来研究不同层次的血吸虫病的流行因素。     

运用多水平模型分析宁夏试点县农村居民门诊卫生服务需要的影响因素

目的通过对新农合方案调整后海原、盐池两县农村居民卫生服务相关数据的研究,分析农村居民门诊卫生服务需要的影响因素。方法采用多阶段分层随机抽样方法,获取海原、盐池两县干预后的2012年随访数据,运用多水平模型分析相关影响因素。结果调查地区农村居民两周患病率为13.70%,两周就诊率为7.93%。多水平分析发现性别、年龄、婚姻状况、文化程度及是否患慢性病是两周患病率的主要影响因素(均P0.05)。多水平logistic回归模型考虑到数据层次结构,与单水平线性模型相比,表现为较小的残差标准误和较小的对数似然值,其拟合优度优于多因素logistic回归。结论农村居民门诊卫生服务需要和利用受到多种因素的影响,合理配置卫生资源、完善政策引导对提高卫生效益具有重要意义。对于具有层次结构或非独立误差的数据,多水平模型有较好的应用价值。     

非独立离散型结局测量资料的logistic回归模型及其应用

探讨非独立离散型结局数据的logistic回归模型的基本原理和建模策略。采用SAS PROC GLIMMIX语句对农村中学生二手烟暴露情况及其影响因素研究实例进行两水平logistic回归模型拟合。在控制了组水平(班级)层级因素后,开展了控烟活动的班级二手烟暴露率较低(t=3.27,P=0.004 8);母亲学历越低、父亲吸烟越严重,学生二手烟暴露率越高(分别为t=3.53,P=0.000 4;t=6.51,P<0.000 1)。多层logistic回归模型可以较好地拟合非独立离散型结局数据。     

二分类反应变量多水平模型及其软件实现

目的本文针对反应变量是二分类、且存在层次结构的数据,给出多水平模型的建模步骤及在软件SPSS、SAS中的实现方法指引,为医学研究者处理这类数据提供参考。方法以卫生服务调查数据为例说明二分类反应变量两水平logistic回归模型的拟合步骤及软件实现。结果如果两水平零模型的随机系数σ检验具有统计学意义,则有必要拟合多水平模型。结论结合专业知识或对σ进行检验判断有无必要考虑高水平效应。SPSS中实现要求19.0及以上版本,操作相对简单,适合初步使用者;SAS中实现建议使用Nlmixed过程语句,利用Glimmix过程语句拟合模型的参数估计结果,为其设定相应参数初始值提供依据。     

多水平模型在大学生预防艾滋病健康教育影响因素分析中的应用

目的 探讨多水平模型在烟台市大学生艾滋病知信行影响因素中的应用.方法 采用整群随机抽样方法在烟台市4所高校抽取在校大学生作为调查对象,根据大学生艾滋病知识得分数据层次结构的特点,采用MLwiN 2.02软件进行多水平模型拟合.结果 大学生艾滋病知识数据存在聚集性,学校、学生两水平logistic回归和单水平logistic回归分析显示,性别、年级、生源地对大学生艾滋病知识得分的影响无统计学意义(P＞0.05).双变量二分类反应变量模型拟合显示:知识和行为得分在学生水平上存在正相关(r =0.006,P＜0.05).结论 多水平模型分析考虑了数据误差的层次性后,获得的结果更可靠;知识得分与艾滋病个人高危行为的相关关系比较有限,艾滋病的健康教育不应只注重知识的提高.     

logistic回归模型在ROC分析中的应用

目的探讨logistic回归模型在有协变量或多指标联合诊断试验ROC分析中的应用。方法根据疾病状态建立logistic回归模型,通过形成的预测概率或联合预测因子为分析指标,并结合非参数模型和双正态模型建立ROC曲线。结果通过实例阐述了整个分析过程,并说明了该试剂盒的有效性,同时利用两种模型得到了一致的结果。结论ROC分析中结合logistic回归模型简单有效,尤其适用于有协变量或多指标联合诊断试验的分析评价。     

北京市朝阳区卫生机构人员吸烟现状及其影响因素研究

目的 分析北京市朝阳区卫生机构人员吸烟状况及其影响因素,为开展控烟工作提供科学依据.方法 采用问卷调查方法,对抽取的6类卫生机构760名人员进行调查,描述吸烟现状;应用logistic回归模型分析吸烟的影响因素.结果 卫生机构人员吸烟率为12.4％,其中男性为41.7％,女性为0.2％; logistic回归分析显示,学历是男性卫生机构人员是否吸烟的影响因素.结论 应针对男性、低学历卫生机构人员加强烟草危害、控烟策略以及戒烟技巧的健康教育,降低其吸烟率.     

吉林省就业流动人口吸烟行为调查

目的了解吉林省就业流动人口吸烟情况,为制定控烟干预措施和实施健康宣教策略提供依据。方法利用2012年中国慢性病及其危险因素监测流动人口专题调查数据,分析该省就业流动人口的吸烟情况。结果调查的1 497人中,总吸烟率为33.6%,现在吸烟率为30.5%,现在每日吸烟率为27.4%,多因素分析logistic回归分析结果显示,就业流动人口吸烟行为的影响因素有性别、文化程度和行业分类。结论该省就业流动人口烟草使用情况不容乐观,应根据流动人口的特点和行业分类采取干预措施,加强烟草危害知识的宣传教育,提高流动人口的健康意识。出台相关控烟条例,倡导无烟工作环境的建立。     

深圳市15～70岁居民吸烟状况及影响因素分析

目的了解深圳市居民吸烟现况及影响因素,为进一步推进控烟工作提供依据。方法于2016年1-2月,采用等比例随机抽样方法,从深圳市10个行政区抽取了274个禁烟场所,每个场所拦截调查10名居民,有效调查2 708名居民。采用自行设计的调查问卷对调查对象的一般情况、烟草危害的认知、《深圳经济特区控制吸烟条例》的认知,吸烟行为和控烟态度进行调查。用SPSS 19.0软件进行χ2检验和多因素logistic回归分析。结果深圳市15~70岁居民现在吸烟率为25.18%。不同性别、年龄、文化程度和职业居民现在吸烟率差异均有统计学意义(P0.01)。logistic回归分析结果显示,烟草危害知识得分高(OR=0.75,95%CI:0.67~0.86)是保护因素;而男性(OR=12.94,95%CI:9.41~17.79)、高年龄(OR=1.21,95%CI:1.10~1.45)、反对控烟(OR=3.70,95%CI:2.84~4.81)是危险因素。结论应将高龄人群、男性、反对控烟者列为控烟干预重点对象,可通过提供戒烟服务、加强宣传教育和控烟执法等措施进一步降低人群的现在吸烟率。     

多元多水平模型及其在儿童生长发育研究中的应用

目的传统的统计方法不宜用于分析具有层次结构特征的多反应变量数据,本文探讨了多元多水平模型的原理及应用.方法利用儿童生长发育研究的实例介绍多元多水平模型的构造及其应用.结果获得了解释变量系数的有效估计及身长和体重在各个水平上关系.结论多水平模型可以灵活有效地处理各种具有层次结构的数据.     

Intermediate and advanced topics in multilevel logistic regression analysis

Multilevel data occur frequently in health services, population and public health, and epidemiologic research. In such research, binary outcomes are common. Multilevel logistic regression models allow one to account for the clustering of subjects within clusters of higher‐level units when estimating the effect of subject and cluster characteristics on subject outcomes. A search of the PubMed database demonstrated that the use of multilevel or hierarchical regression models is increasing rapidly. However, our impression is that many analysts simply use multilevel regression models to account for the nuisance of within‐cluster homogeneity that is induced by clustering. In this article, we describe a suite of analyses that can complement the fitting of multilevel logistic regression models. These ancillary analyses permit analysts to estimate the marginal or population‐average effect of covariates measured at the subject and cluster level, in contrast to the within‐cluster or cluster‐specific effects arising from the original multilevel logistic regression model. We describe the interval odds ratio and the proportion of opposed odds ratios, which are summary measures of effect for cluster‐level covariates. We describe the variance partition coefficient and the median odds ratio which are measures of components of variance and heterogeneity in outcomes. These measures allow one to quantify the magnitude of the general contextual effect. We describe an R² measure that allows analysts to quantify the proportion of variation explained by different multilevel logistic regression models. We illustrate the application and interpretation of these measures by analyzing mortality in patients hospitalized with a diagnosis of acute myocardial infarction. © 2017 The Authors. Statistics in Medicine published by John Wiley & Sons Ltd.     

浙江省湖州市农村中学生吸烟现状及影响因素分析

目的了解湖州市农村地区中学生吸烟行为及其影响因素,为制定有效的防控措施提供科学依据。方法采取分层随机整群抽样法,对705名农村中学生进行吸烟现状及影响因素的问卷调查。结果农村中学生尝试过吸烟（包括只吸1口）的占14.43％,其中男生为21.41％,女生为8.58％,差异有统计学意义（X^2=22.67,P=0.00）;初中生尝试吸烟率为12.09％,高中生尝试吸烟率为16.71％,差异有统计学意义（X^2=5.10,P〈0.05）;经非条件Logistic逐步回归分析,朋友中有人吸烟、有喝酒经历、父母中有人吸烟、认为“吸第一支烟是避免成为吸烟者的关键”的同学,其发生尝试吸烟行为的危险性分别是其他中学生的3.01、2.84、2.02和0.44倍。结论湖州市农村中学生尝试吸烟现象较为普遍,好友吸烟、喝酒行为、父母吸烟对中学生吸烟行为产生严重影响。应在学校里开展预防吸烟、喝酒等危险行为的健康教育活动,向吸烟学生开展控烟同伴教育,在家庭中给孩子创造无烟环境。     

合肥市高一学生吸烟行为的影响因素分析

目的了解合肥市高中一年级学生的吸烟情况及其影响因素,为制定控烟措施提供依据.方法采用分层整群抽样的方法,在城、郊随机抽取6 670名高中一年级学生进行问卷调查,并采用Logistic回归模型进行相关因素分析.结果总吸烟检出率为19.7%,不同性别及不同地区学生之间差异均有显著性.Logistic回归分析提示,男性、周围人群(同学、朋友、父母、教师等)吸烟、对吸烟行为的错误认识(认为吸烟有风度、时髦、是消遣手段等)等因素可能是促发学生吸烟行为的因素;而能正确认识吸烟的危害、生活态度积极乐观、父母文化水平高等因素有利于学生避免吸烟.结论开展积极的健康教育,进行正确的引导,使学生正确地认识吸烟的危害,树立健康的人生观等,对降低学生的吸烟率可能起重要作用.     

中学生吸烟行为的影响因素分析及干预对策

目的 了解中学生吸烟行为的影响因素,寻求干预措施。方法 采用分层整群抽样方法,1997年对南昌市1016名高中学生进行了调查。运用非条件Logistic回归模型进行分析。结果 性别、年龄、学校的层次、每月零用钱、性格、父亲吸烟、吸烟有关知识和态度与吸烟行为有关。结论 有效控烟应采取减少吸烟的社会支持和经济上的可获得性、创造无烟环境,增加控烟的有关知识等综合干预措施。     

Smoking in young adolescents: an approach with multilevel discrete choice models

STUDY OBJECTIVE: To understand the context for tobacco smoking in young adolescents, estimating the effects of individual, family, social, and school related factors. DESIGN: Cross sectional analysis performed by multilevel logistic regression with pupils at the first level and schools at the second level. The data came from a stratified sample of students surveyed on their own, their families' and their friends' smoking habits, their schools, and their awareness of cigarette prices and advertising. SETTING: The study was performed in the Island of Gran Canaria, Spain. PARTICIPANTS: 1877 students from 30 secondary schools in spring of 2000 (model's effective sample sizes 1697 and 1738). MAIN RESULTS: 14.2% of the young teenagers surveyed use tobacco, almost half of them (6.3% of the total surveyed) on a daily basis. According to the ordered logistic regression model, to have a smoker as the best friend increases significantly the probability of smoking (odds ratio: 6.96, 95% confidence intervals (CI) (4.93 to 9.84), and the same stands for one smoker living at home compared with a smoking free home (odds ratio: 2.03, 95% CI 1.22 to 3.36). Girls smoke more (odds ratio: 1.85, 95% CI 1.33 to 2.59). Experience with alcohol, and lack of interest in studies are also significant factors affecting smoking. Multilevel models of logistic regression showed that factors related to the school affect the smoking behaviour of young teenagers. More specifically, whether a school complies with antismoking rules or not is the main factor to predict smoking prevalence in schools. The remainder of the differences can be attributed to individual and family characteristics, tobacco consumption by parents or other close relatives, and peer group. CONCLUSIONS: A great deal of the individual differences in smoking are explained by factors at the school level, therefore the context is very relevant in this case. The most relevant predictors for smoking in young adolescents include some factors related to the schools they attend. One variable stood out in accounting for the school to school differences: how well they enforced the no smoking rule. Therefore we can prevent or delay tobacco smoking in adolescents not only by publicising health risks, but also by better enforcing no smoking rules in schools.     

中学生网络游戏成瘾影响因素分析

目的 了解中学生网络游戏成瘾现状,分析其影响因素,为采取有效干预措施提供依据.方法 采用分层及整群抽样的方法,随机抽取1 106名中学生进行问卷调查,采用单因素分析及多因素Logistic回归分析.结果 网络游戏成瘾者共检出59名,占总数的5.8%,占网络成瘾者的64.8%,其中男女性检出率差异有显著性.性别、交往焦虑、抑郁、社会支持进入中学生网络游戏成瘾的Logistic回归模型,其中社会支持为保护因素.结论 中学生网络游戏成瘾与社会、心理等众多因素相关,需采取综合性的干预措施,以维护中学生的身心健康.     

北京市2019年中学生二手烟暴露现况

  目的  了解北京市青少年二手烟暴露现状及其影响因素,为制定烟草控制措施提供数据支持。  方法  采用二阶段分层整群随机抽样方法,确定北京市16个区48所初中、34所普通高中和14所职业高中共370个班级的10 532名在校生为调查对象,使用中国疾病预防控制中心控烟办公室制定的全国青少年烟草流行监测调查问卷进行信息采集。  结果  2019年北京市中学生在过去7 d内4类场所二手烟暴露率为71.5%(95%CI=70.2%~72.7%),其中室外公共场所的二手烟暴露率最高(60.3%),其次是室内公共场所(48.9%)、家(34.1%),公共交通工具最低(19.1%)。过去30 d内看到有人在学校的建筑物内或室外吸烟的比例为31.6%。多因素Logistic回归分析结果显示,父母中有人吸烟(OR=2.62)、好友中有人吸烟(OR=2.13)、在课堂上学习过烟草危害(OR=0.74)和高一到高三年级(OR=0.68~0.73)与4类场所二手烟暴露率有相关关系(P值均 < 0.05)。  结论  北京市中学生二手烟暴露维持在较高水平。应加强学校烟草危害和控烟宣传,倡导无烟家庭创建,切实保护中学生尤其初中生免受二手烟危害。     

上海市中学生吸烟行为影响因素及未来吸烟意向分析

探讨影响上海市中学生吸烟行为的相关因素及其对未来吸烟意向的影响,为控制青少年吸烟行为干预措施提供参考.方法 采用分层随机整群抽样法抽取上海市5个区68所中学的26 508名学生,进行现场匿名问卷调查.结果 上海市中学生尝试吸烟率、未来1年和5年的吸烟意向分别为11.6%,8.0%和14.1%,男生(15.7%,10.9%,19.3%)高于女生(7.3%,5.0%,8.6%)(x2值分别为452.97,306.42,629.04,P值均<0.01),职校生(29.2%,21.3%,31.6%)高于高中生(12.5%,9.3%,16.1%)和初中生(6.8%,4.2%,8.9%)(x2值分别为1 677.56,362.25,1 470.29,P值均<0.01).多因素Logistic回归分析表明,父母吸烟、同伴吸烟、学校缺少控烟教育课程、媒体吸烟信息高暴露使学生尝试吸烟行为和未来吸烟意向的风险较高(P值均<0.01).结论 青少年吸烟行为的发生和未来吸烟意向与家庭、同伴、学校、社会环境密切相关,需要多措并举,采取互为支持的综合干预措施降低学生吸烟行为的发生.     

Public health application comparing multilevel analysis with logistic regression: immunization coverage among long-term care facility residents

PURPOSE: Public health studies often sample populations using nested sampling plans. When the variance of the residual errors is correlated between individual observations as a result of these nested structures, traditional logistic regression is inappropriate. We used nested nursing home patient data to show that one-level logistic regression and hierarchical multilevel regression can yield different results. METHODS: We performed logistic and multilevel regression to determine nursing home resident characteristics associated with receiving pneumococcal immunizations. Nursing home characteristics such as type of ownership, immunization program type, and certification were collected from a sample of 249 nursing homes in 14 selected states. Nursing home resident data including demographics, receipt of immunizations, cognitive patterns, and physical functioning were collected on 100 randomly selected residents from each facility. RESULTS: Factors associated with receipt of pneumococcal vaccination using logistic regression were similar to those found using multilevel regression model with some exceptions. Predictors using logistic regression that were not significant using multilevel regression included race, speech problems, infections, renal failure, legal responsibility for oneself, and affiliation with a chain. Unstable health conditions were significant only in the multilevel model. CONCLUSIONS: When correlation of resident outcomes within nursing home facilities was not considered, statistically significant associations were likely due to residual correlation effects. To control the probability of type I error, epidemiologists evaluating public health data on nested populations should use methods that account for correlation among observations.