医学统计学16logistic回归ppt课件.pptVIP

选择：First (1： 7～9岁年龄组) 单击Change，单击Continue 单击OK 哑变量自动生成Frequency是分层的数目，总共有64层，其中有7层的例数为0 结果解释 年龄的参照组为7～9岁 年龄组(1)的OR值为2.53，P＝0.001。即在校正了其它因素后， 10～12岁儿童患肥胖症的风险是7～9岁儿童的2.52倍。 13～15岁和16岁及以上儿童患肥胖症的风险与7～9岁儿童比较，差异无统计学意义。 性别的OR值为0.607？（1:男性；2:女性） 甘油三酯的OR值为2.02？ （1:低；2:高） 是每个年龄组都是男性肥胖率高于女性吗？ 八、logistic回归的应用 筛选疾病预后或发生的有关因素 诊断模型的建立 校正混杂因素 如临床试验数据分析：当评价指标为二值变量（有效，无效），非处理因素在试验组和对照组中分布可能不均衡时。可以利用logistic回归分析得到调整后的药物评价结果。 Y group 年龄 病情 （0无效；1有效） (1常规疗法；2新疗法） （不均衡） 九、logistic回归的种类 非条件logistic回归分析：简称logistic回归分析，即前面介绍的内容，应用最广泛。 条件logistic回归分析：为消除混杂因素对研究结果的影响，对每1例病人选择1至数例在混杂因素的暴露水平上相一致的，合乎研究条件的，未患病的人作为对照，共同组成一个匹配组。统计分析按匹配组进行。 多项分类Logistic回归分析 有序多分类Logistic回归分析 十、Logistic回归分析资料主要来源 回顾性资料（研究开始前病历等资料已经存在，但可能不完整） 前瞻性资料（可按设计要求收集临床和实验室数据） 现况研究（横断面研究：在某一特定人群中，调查收集特定时间内某种疾病的患病情况及其有关因素）：如“医学高校知识分子高血压及相关危险因素Logistic分析”；“山西省居民高血压患病情况及危险因素调查” 病例对照研究：如“山东省大肠癌影响因素病例对照研究”，“宫颈癌危险因素的病例对照研究”（罕见疾病的病因研究） 作业 简答题P350：1，2，3，4，5 上机练习：实习十八 logistic 回归 P339 例16-2 表1 冠心病的相关因素与赋值 相关因素 变量名 赋值说明 年龄（岁） X1 40=1,45~54=2,55~64=3,65~=4 高血压史 X2 无＝0，有＝1 高血压史家族史 X3 无＝0，有＝1 吸烟 X4 不吸＝0，吸＝1 高血脂史 X5 无＝0，有＝1 动物脂肪摄入 X6 低＝0，高＝1 体重指数 X7 24=1, 24~=2, 26~=3 A型性格 X8 否＝0 ，是＝1 冠心病 Y 对照＝0，病例＝1 （一）相关因素与赋值 （二）单因素分析 单独分析每个自变量X与应变量Y是否有关联。检验水准可以放宽到0.10。对单因素有统计学意义的变量，进行多因素logistic回归分析。 当某个自变量有缺失值时，不影响对其它自变量进行分析。 可以分析每个自变量与应变量的关联 对自变量进行初步筛选，为多因素分析做准备。当例数较少，而自变量较多，缺失值较多时，初步筛选更有必要。 单因素分析方法 无序分类资料：卡方检验 有序分类资料：卡方检验中的线性趋势检验 计量资料：t检验 每次引入1个自变量进行logistic回归分析（任意类型资料） 当缺失值没有或很少时，逐步多因素logistic回归0步时的分析结果（任意类型资料） 1. 卡方检验 Y ? Column (s) Chi-square?卡方检验Risk ?求OR值或RR值 列联表及行百分数 8个变量，例数54，无缺失值 年龄：等级资料；病例组与对照组的年龄构成 线性趋势检验：年龄与冠心病的发病呈线性关系（?2＝5.68，P＝0.017）等级资料，不能计算OR值 A型性格 与 冠心病OR= (21×15) / (13×5)=(21/13) / (5/15)= 4.85 ?2＝6.82，P＝0.009OR=4.85 (1.42, 16.51) 表中的因素都是2分类变量 如果是计量资料，则百分率改为 ，?2 改为t 2. 每次引入1个自变量进行logistic回归分析 OR为4.85, 95% CI为1.42～16.51, P=0.012 Score统计量的结果与卡方检验一致 Wald统计量的结果与卡方检验很接近 3. 当缺失值没有或很少时，逐步多因素logistic回归0步时的分析结果 结果 没有缺失值 Score统计量的结果与卡方检验一致（无缺失值的情况下） （三）多因素分析