讲座logistic概述.pptVIP

概述 1967年Truelt J，Connifield J和Kannel W在《Journal of Chronic Disease》上发表了冠心病危险因素的研究，将Logistic回归用于医学研究。 Truett J, Cornfield J, Kannel W: A multivariate analysis of the risk of coronary heart disease in Framingham. J Chronic Dis 1967; 20(7):511-524 一元直线回归模型 y = a + b x + e 多元直线回归模型 y = a + b1x1 + b2x2 + … + bkxk + e 直线回归分析的适用环境： 线性（linear):反应变量Y的总体平均值与自变量X呈线性关系 判断：散点图；残差图 独立（independent) 任意两个观察值互相独立 判断：专业知识 正态性（normal）假定线性模型的误差项服从正态分布 判断：残差直方图 等方差性（equal variance)：在X的取值范围内，不论X取什么值，Y都具有相同的方差 判断：X 与 Y，残差的散点图 Logistic 回归分析 概率型非线性回归 研究二分类观察结果与一些影响因素之间关系的一种多变量分析方法。 logistic回归的主要用途： 一是寻找危险因素 二是预测，根据建立的logistic回归模型，预测在不同的自变量情况下，发生某病或某种情况的概率有多大。 三是判别，实际上跟预测类似，根据logistic模型，判断某人属于某病或属于某种情况的概率有多大，也就是看一下这个人有多大的可能性是属于某病患者。 logistic回归与多重线性回归 logistic回归与多重线性回归实际上有很多相同之处，最大的区别就在于他们的因变量不同， 这两种回归可以归于同一个家族，即广义线性模型（generalized linear model）。这一家族中的模型形式基本上都差不多，不同的就是因变量不同， 如果是连续的，就是多重线性回归， 如果是二项分布，就是logistic回归， 如果是poisson分布，就是poisson回归， 如果是负二项分布，就是负二项回归 logistic回归的因变量可以是二分类的，也可以是多分类的，但是二分类的更为常用，也更加容易解释。所以实际中最为常用的就是二分类的logistic回归。 Logistic 回归分析在流行病学研究中的应用 疾病病因和危险因素探讨-病例对照研究 实验研究中药物或毒物的剂量反应关系 临床试验评价 疾病预后因素分析 膳食因素与2型糖尿病关系的logistic回归分析 大学生高血压相关因素的Logistic回归分析 产后抑郁症影响因素的病例对照研究 产褥期抑郁及其影响因素的Logistic回归分析 产褥期抑郁及其影响因素的Logistic回归分析 天津市婴幼儿孤独症患病率与危险因素 。。。。。 Logistic 回归模型 Logistic 回归模型-参数的含义 流行病学中的一些基本概念： 相对危险度（relative risk）: RR=P1/P2 比数　　　　　　　　　　　　Odds=P/(1-P) 比数比　　　OR=[P１/(1-P１)]/[P２/(1-P２)] 在患病率较小情况下，OR≈RR Logistic回归中的常数项（b0）表示，在不接触任何潜在危险／保护因素条件下，效应指标发生与不发生事件的概率之比的对数值。 Logistic回归中的回归系数（ bi ）表示，某一因素改变一个单位时，效应指标发生与不发生事件的概率之比的对数变化值，即OR的对数值。 Logistic回归系数的意义 分析因素xi为二分类变量时，存在（暴露）xi ＝１，不存在（未暴露）xi ＝０，则Logistic回归中xi的系数bi就是暴露与非暴露优势比的对数值．即OR=exp(bi)=e (bi) 医学研究中疾病的复杂性 一种疾病可能有多种致病因素或与多种危险因素有关 疾病转归的影响因素也可能多种多样 临床治疗结局的综合性 解决办法： 固定其他因素，研究有影响的一两个因素（配比）； 分层分析：按1~2个因素组成的层进行层内分析和综合。 统计模型 实例分析 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，各因素的说明见表1，资料见数据库data1，试用logistic逐步回归分析方法筛选危险因素。 Logistic回归分析的一般步骤 变量的编码 哑变量的设置和引入 各个自变量的单因素分析 变量的筛选 交互作用的引入 建立多个模型 选择较优的模型 模型应用条件的评价 输出结果的解释 1.变量的编码 变量的编码要易于识