危险度分析和Logistic回归.ppt

发病的概率： P=[exp(b0+b1x1+…+bmxm)]/[1+exp(b0+b1x1+…+bmxm)] 不发病的概率： Q=1-P=1/[1+exp(b0+b1x1+…+bmxm)] P/(1-P)=exp(b0+b1x1+…+bmxm) 定义y=ln[P/(1-P)]为logit变换,它是比数的自然对数值,则有 y=ln[p/(1-p)]= b0+b1x1+…+bmxm 第五节 Logistic回归 SAS的Logistic回归和多元回归一样，也可用逐步剔选的方法选择变量，使方程内变量都显著，方程外变量都不显著，称为逐步Logistic回归。 Logistic回归模型既适用于队列研究又适用于病例对照研究。 第五节 Logistic回归 1. 在队列研究中用于预测 把各协变量代入方程，得到P值，即发病的概率。 2. 因素分析 分析哪些因素（协变量）对疾病的发生有显著作用。 对各偏回归系数作显著性检验，如显著，则说明在排除其它因素的影响后，该因素与发病有显著关系。 Logistic回归的应用 * * 危险度分析和Logistic回归 第十七章 上海第二医科大学 生物统计教研室 危险度分析和LOGISTIC回归主要用于研究影响肿瘤和其它各种疾病的发病因素或预后因素。 一般的相对危险度计算通常用于单因素分析。 LOGISTIC回归可用于多因素分析。 第十七章危险度分析和Logistic回归 第一节 发病危险度比较的统计指标 病因分析（或预后分析）的目的：找出影响疾病发生（或预后好坏）的原因及其影响的强度。 如果某因素对疾病发生有影响,就称该因素与疾病发病有联系,而联系的强度则反映该因素对疾病发生影响的大小。 危险度分析就是分析某因素对疾病发生是否有关，以及关系的大小。 第一节 发病危险度比较的统计指标 危险度（RISK）：通常指某个不幸事件发生的概率。危险度大表示发生的可能性大。 某病发病危险度：就是观察对象在观察期间发生某病的概率,即某病发病率。 研究发病危险度的统计指标常有相对危险度,特异危险度和人群特异危险度。 一．相对危险度 相对危险度(relative risk)简记为RR,人群总体中暴露于某因素者的发病率P1与不暴露于某因素者的发病率P0之比值称为该因素对于该疾病发病的相对危险度,即: RR1时,表示该因素为危险因素,使发病危险度增大; RR1时,表示该因素为保护因素,使发病危险度减少; RR=1时,表示该因素对疾病的发病无影响。 例17.1 为了检验钩端螺旋体病与脑脉管炎是否有联系,选择钩端螺旋体病爆发流行地区, 确诊为钩端螺旋体病的人作为暴露组,当地健康人群为非暴露组,得脑脉管炎发病情况如下: 发病人数 未发病人数 小计 发病率(%) 暴露组 12 351 363 P1=3.3 非暴露组 1 817 818 P0=0.12 小计 13 1168 1181 计算钩端螺旋体病对于脑脉管炎发病的相对危险度。 相对危险度 RR= =27.6，表明患钩端螺旋体病人相对于未患钩端螺旋体者发生脑脉管炎的相对危险度为27.6。 队列研究(cohort study)又称为前瞻性研究或追踪观察, 在这类研究中观察人群系按是否暴露于某可疑危险因素或暴露程度来分组,然后进行追踪观察,并随时记录这两组人群中的发病和死亡情况,经过一定时间后,比较两组人群的发病率或死亡率, 从而对该危险因素有无致病作用或致病强度高低作出估价并进行分析推断,其特点是从因到果。 第二节 队列研究 队列研究一般模式: ┌─发病 a ┌─ 暴露组─┤ │ └不发病 b 确定范围的人群 ─┤ （未发病） │ ┌─发病 c └ 非暴露组─┤ └─不发病 d 第二节 队列研究 暴露组发病率 =a/(a+b) 非暴露组发病率