使 代表列的分数, 代表栏的分数,这分数和类别.pdfVIP

序位變項之線性趨勢(Linear Trend for Ordinal Data) (II): 勝算比劑量模式 李采娟 教授 以勝算比劑量(dose-response)模式來預估序位變項之線性趨勢(linear trend) 的重要性 ，在於此方法符合醫學因果關係推論 (causal inference)的準則。醫學因 1 果關係的 推論有七個準則 ，其中二個準則 與勝算比劑量模式有關 ，一是相關強 度 (strength of association) ，另一為劑量關係 。醫學研究預估相關強度的測量 (measure)有二，一是相對危險比 (rate ratio或 relative risk ，簡稱RR) ，另一是勝算 比(odds ratio ，簡稱OR) ，此兩測量不僅檢測兩個類別或序位變項是否有所相關， 且量化其相關的強弱大小 ，因此，此兩測量最常被醫學期刊論文所報導 。當一個 自變項如 危險或暴露因子 ，隨著危險 （或暴露 ）程度的增加 ，依變項 (疾病或任 何醫療照護結果的發生亦隨著增加，即) 自變項和依變項間存在著劑量關係，這 將加強了此自變項和依變項間的因果相關 推論 。 勝算比劑量模式 1. 方程式及其係數之解釋 F 假設 代表不同等級的危險或暴露因子 ，以0 、1 、2…r 等數值代表，下列 i 羅吉斯回歸模式 (logistic regression model)檢測隨著危險或暴露因子的 等級遞 2 增，其自然對數 勝算是否也隨著遞增或遞減 ： log odds a bFi (1) p 0 當 時 ，k 為 0 、1 、2…r-1 ，模式(1)為 (a); Fi k ln( ) a b k a bk 1p 0 p 1 F k 1 當 i 時 ，模式(1)為ln( ) a b (k 1) a b(k 1) (b); 1p 1 p 1 p 0 (b)式減(a)式得 ln( ) ln( ) a b(k 1) a bk b ； 1p 1 1p 0 p 1 1p 1 上式等號的左邊整理後 ，等式為 l n ( ) b ，回歸係數 b的解釋為 ： p 0 1p 0 自變項 每增加一個等級，依變項的自然對數 勝算比將改變b ，此模式假設在任何 F 等級 下，自變項 每增加一個等級發生 疾病或醫療照