流行病学资料分析方法.docVIP

流行病學資料分析 ROC曲線與邏輯斯回歸 類別資料為常見資料型態，普遍出現於醫學上，如用來測量病患在手術後是否存活 是、否 ，疾病的進程 初期、轉化 ，以及傷害的嚴重程度 輕、中、重 。通常我們會使用列聯表來顯示此種資料，本課程的主要目的即在利用統計方法來探討這些類別變數的相關性，而其方法常用的爲二維列聮表. 在二維列聮表分析上，常見的分析方法為利用敘述統計量如勝算比，相對危險，而此二者之間用法的差異，必須去深入理解，才不致誤用。另外，在檢定關聯性上，卡方檢定最為人熟知，但是當樣本數太小或是列聮表內有很多細格數目小於5，此時，就必須考慮使用Fisher exact檢定，以正確反應資料的特性。 此外，在做臨床資料的鑑別診斷時，必須要考慮到檢驗方法之靈敏度 Sensitivity 以及特異度 Specificity ，而ROC??curve即為結合此兩種指標的方法，如何繪製ROC??curve以及如何判斷cut point，都將是本單元的重點內容。 在本課程中，不僅讓你學會用SPSS操作上述的方法，更能讓你理解每個方法的背後意義。 邏輯斯迴歸常被用於流病的資料分析上，利用依變項的特性，可定義出得病和沒得病的個體資料。在本課程中，著重在分析結果的解讀，讓你可以熟悉此模式在實務上的應用。 另外，在實務應用上，常會遇到依變項的類別超過二類，此時就需要利用到多變項邏輯斯迴歸，該如何去使用SPSS操作多變項邏輯斯迴歸，以及解讀SPSS輸出的報表，都是本單元的重點。