危险度分析和Logistic回归.pptVIP

第五节Logistic回归Logistic回归是一个较好的，目前常用的，控制混杂因素的多因素分析方法。多变量分析中使用的多元线性回归模型,应变量y常取为一个计量数据。Logistic回归中y呈现为二值变量形式。如发病与不发病，死与活,成功与失败,阳性与阴性,等等。当应变量只取二个数值时常记为1与0，在SAS的logistic回归中最好记成1与2。Y=1：反应，如：发病，死亡，成功Y=2：不反应，如：不发病，存活，不成功第五节Logistic回归Y：反应变量（responsevariable)X:协变量(covariate),解释(explanatory)变量，伴随变量等,X可以呈现二值变量的形式,也可以计量的或等级的指标。logistic回归是一种概率模型。设P为Y呈现反应值为1的概率,P=P(Y=1)，则Q=1-P,为呈现非反应值的概率，Q=P(Y=2)。P与各协变量Xi之间的关系可用下式表示。第五节Logistic回归发病的概率：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+…+bmxmSAS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Logistic回归的应用把各协变量代入方程，得到P值，即发病的概率。1.在队列研究中用于预测分析哪些因素（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。2.因素分析3.求各因素在排除其它因素的影响后，对于发病的相对危险度（或比数比）如某因素Xi的偏回归系数为bi，则该因素Xi对于发病的比数比为exp(bi)(1)当Xi为二值变量时，如吸烟（1=吸，0=不吸）exp(bi)为吸烟对于发病的比数比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12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。1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。2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。3第一节发病危险度比较的统计指标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。相对危险度(relativerisk)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。一．相对危险度例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12351363P1=3.3非暴露组 1 817 818P0=0.12 小计 13 11681181 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。第二节队列研究队列研究(cohor