如何进行因变量为二值变量的多重logistic回归分析——怎样在药物应用与监测研究中正确运用统计学(十二)

通常的多重线性回归模型中，因变量常为一个连续性变量，而在临床医学、药学实验中因变量有时为分类变量，此时需要采用logistic回归模型进行分析。Logistic回归属于概率型回归，即因变量是某事件（代表自变量取某特定值所对应的事件，如患者被治愈）发生的概率。因变量的性质通常可以有以下3种情形：1）二值变量，如成功或失败、生存或死亡；

非配对设计二值资料一水平多重Logistic回归分析

本文的目的是介绍非配对设计二值资料一水平多重Logistic回归模型的构建与求解方法。基于SAS软件分别对以列联表和数据库形式呈现的定性资料进行全面分析,并得出了4个对提高模型拟合优度很有价值的结论:第一,若资料以列联表形式呈现,应拟合“加权”Logistic回归模型;第二,若资料中包含定量自变量,不适合将其定性化;第三,若资料中包含定量自变量,应依据定量自变量和二值自变量产生出派生自变量;第四,若资料中有定性自变量时,必须将多值名义或有序自变量进行哑变量变换,不需要依据二值自变量产生出派生自变量。

非配对设计多值名义资料多水平多重Logistic回归模型

本文目的是介绍非配对设计多值名义资料多水平多重logistic回归模型的构建与求解方法。首先介绍了有关的基本概念,涉及“多值名义结果变量”“分层或多水平数据结构”和“扩展的多重logistic回归模型”;其次,呈现了一个具有二水平结构的横断面调查资料,该资料涉及多个影响因素和一个多值有序的结果变量(在本文中,将其视为多值名义结果变量);最后,借助SAS中的两个过程(即GLIMMIX和NLMIXED)对给定的资料进行统计分析,即构建和求解“非配对设计多值名义资料多水平多重logistic回归模型”,并对相关结果进行比较和解释。

非配对设计二值资料多水平多重Logistic回归分析

本文目的是介绍非配对设计二值资料多水平多重logistic回归模型的构建与求解方法。首先介绍模型的有关概念及模型的构建原理,基于实例使用SAS软件对列联表资料进行分析,以proc glimmix和proc nlmixed过程构建和求解模型,并对相关结果进行解释和比较。

用SAS软件实现因变量为多值有序变量的多重logistic回归分析

因变量为多值有序变量的多重logistic回归分析是一种研究多值有序的因变量与一组自变量之间依赖关系的有效方法。该方法对自变量的性质几乎没有限制,但要求有较大的样本量并且样本的总体代表性好。回归系数具有明确的实际意义,可依据回归系数得到优势比的估计值。本文结合实例,详细介绍如何用SAS软件拟合此回归方程,并进行结果解读。

复杂抽样调查设计多值名义资料一水平多重Logistic回归分析

本文目的是介绍复杂抽样调查设计多值名义资料一水平多重logistic回归模型构建,并探讨不同策略之间的差异。采用SAS中的LOGISTIC过程和SURVEYLOGISTIC过程,分别按照是否考虑抽样设计与是否考虑抽样权重共4种分析策略对数据构建广义logistic回归模型,并比较结果。不同分析策略所得结果显示,不仅参数估计值、回归系数标准误、OR值及其置信区间的估计值有所差别,而且对纳入模型的解释变量也有影响。因此,在对复杂抽样调查设计多值名义资料构建广义logistics回归模型时,既要考虑抽样设计,又要兼顾抽样权重,否则即使样本量足够大,也会导致错误的推断结论。

用SAS软件实现高维列联表资料的统计学分析:因变量为二值变量的多重logistic回归分析

Logistic回归分析属于概率型回归分析,适用于因变量为定性变量的数据分析和建模,但对自变量的数目和性质没有特殊要求。因变量为二值变量的多重logistic回归分析适用于因变量编码为0或1(代表阳性或者阴性)的多重logistic回归分析。从整体上理解logistic回归分析,可根据操作过程依次总结为以下几个方面:自变量筛选、建立回归模型、进行假设检验(包括对回归系数的检验、整体模型检验以及模型拟合优度检验)。近年来,logistic回归分析在众多临床医学研究,尤其是在预测因子分析中得到了广泛应用,但存在一些问题,例如缺少对模型拟合优度检验以及后续通过验证集对其预测效能进行的二次检验。本文重点介绍如何正确实施多重logistic回归分析、其SAS实现及结果解读。

1∶r配对设计二值资料一水平多重Logistic回归分析

本文的目的是介绍“1∶1”“1∶2”和“1∶r”配对设计二值资料一水平多重Logistic回归分析方法。统计分析的前提条件是资料值得分析,而确保配对设计二值资料值得分析的重要基础是“配对设计”科学合理。为此,本文从六个方面阐述“配对设计的要领”,不仅介绍了构建“1∶1”“1∶2”和“1∶r”配对设计二值资料一水平多重Logistic回归模型的方法,还通过三个实例,介绍了采用SAS软件实现统计分析及结果解释的详细步骤。

非配对设计多值有序资料多水平多重Logistic回归分析

本文目的是介绍多值有序资料多水平多重logistic回归分析方法。此法是在层次结构数据的基础上,构建多值有序因变量随一组自变量变化而变化的回归模型。具体的做法如下:①先介绍有关的基本概念;②呈现待分析的数据结构;③扼要介绍回归模型的构建与求解;④详细介绍如何使用SAS的GLIMMIX和NLMIXED两个过程来拟合此回归模型,并对相关结果进行解释和比较;⑤讨论多水平结构数据下拟合累积logistic回归模型时需注意的问题。

复杂抽样调查设计二值资料一水平多重Logistic回归分析

本文目的是介绍复杂抽样调查设计二值资料多重logistic回归分析方法。通过一个实例,利用八种不同的分析策略(不考虑抽样设计和抽样权重、考虑抽样设计不考虑抽样权重、不考虑抽样设计考虑抽样权重、同时考虑抽样设计和抽样权重以及分别不考虑与考虑派生变量)对数据进行建模。对所得结果进行比较得出如下结论:在对复杂抽样设计资料进行统计分析的过程中,同时考虑抽样设计和抽样权重可以得到符合数据内部变量间依赖关系真实情况的结论。此外,本研究还介绍了采用SAS软件中SURVEYLOGISTIC过程对复杂抽样调查数据进行多重Llogistic回归分析的详细步骤。

非配对设计多值名义资料一水平多重Logistic回归分析

本文目的是介绍非配对设计多值名义资料一水平多重logistic回归分析的基本原理、建模策略及注意事项。结合实例,应用SAS 9.4构建未经变量筛选和经变量筛选的多值名义资料多重logistic回归模型。通过回归分析的计算结果可知,同一变量的回归系数在不同logit函数中存在代数关系。多值名义多重logistic回归分析可以用来处理结果变量为多值名义变量的回归建模问题,并可以结合SAS实现对自变量的筛选,以获得简洁的回归模型。

复杂抽样调查设计多值有序资料一水平多重Logistic回归分析

本文目的是比较不同分析策略对复杂抽样调查设计多值有序资料一水平多重logistic回归分析结果的异同。通过实例分析,利用四种不同的分析策略(将复杂抽样视为单纯随机抽样,考虑抽样设计不考虑抽样权重,考虑抽样权重不考虑抽样设计,同时考虑抽样设计和抽样权重)对复杂抽样设计多值有序资料进行建模。在四种不同分析策略的累积logistic回归模型拟合的结果中,自变量的偏回归系数、标准误差及P值均有所不同。在对复杂抽样调查设计的多值有序资料回归建模时,将抽样设计和抽样权重纳入统计分析,会得到更准确、更稳健的分析结果。

合理进行多重Logistic回归分析——结合ROC曲线分析

本文目的是介绍如何结合ROC曲线分析,合理地进行多重Logistic回归分析的方法。第一,介绍了与ROC曲线分析有关的两组基本概念,即常用诊断指标的统计描述和诊断资料的ROC曲线分析方法。第二,介绍了ROC曲线分析中的核心内容,即ROC曲线下面积的计算和多条ROC曲线下面积的比较。第三,通过一个诊断试验的实例,介绍了如何用SAS软件进行分析的全过程,内容如下:①仅采用多重Logistic回归分析;②基于多重Logistic回归分析,再结合ROC曲线分析。得到的结论是,对于诊断试验资料,将多重Logistic回归分析与ROC曲线分析结合起来,可以获得更丰富、更合理的统计分析结果。

合理进行多重Logistic回归分析——结合平均处理效应分析

本文目的是介绍如何结合平均处理效应分析,合理地进行多重Logistic回归分析的方法。第一,介绍了与平均处理效应分析有关的4个基本概念。第二,介绍了平均处理效应分析中的核心内容,即6种估算方法。第三,通过一个假设的药物临床试验实例,介绍了如何用SAS软件进行分析的全过程,内容如下:①采用传统的多重Logistic回归分析;②采用倾向性评分模型计算逆概率权重;③分别采用6种估算方法估计潜在结果均值和平均处理效应。

非配对设计多值有序资料一水平多重Logistic回归分析

本文目的是介绍非配对设计多值有序资料一水平多重logistic回归模型的构建与求解方法。本文详细介绍了构建累积logistic回归模型的原理和具体方法,并结合实例介绍如何使用SAS软件中的LOGISTIC过程来拟合此回归模型,并对逐步回归法的输出结果进行了解释;其次讨论了有关构建累积logistic回归模型的过程中自变量筛选、模型评价以及拟合模型时需注意的问题。

基于Logistic回归与决策树模型的老年多重慢病及影响因素分析

目的:应用决策树模型和Logistic回归对老年多重慢病影响因素进行分析,为多重慢病的管理和防控提供依据。方法:采用多阶段分层随机抽样方法于青岛、广州、苏州抽取1273名老年人,进行老年多重慢病的问卷调查,分别建立Logistic回归模型和决策树模型,分析并比较两种分析方法结果的差异性。结果:Logistic回归结果显示年龄、婚姻状况、医疗保险、吸烟是老年多重慢病的影响因素,其中年龄是保护因素(OR<1)。决策树模型显示医疗保险是老年多重慢病的最主要影响因素,其次是吸烟、年龄和婚姻状况。两种模型分析比较结果显示,Logistic回归模型的灵敏度为74.3%,特异度为55.3%;决策树模型的灵敏度为57.2%,特异度为73.3%。结论:研究显示年龄、婚姻状况、医疗保险、吸烟是老年多重慢病的影响因素。结合运用Logistic回归模型和CHAID模型,可以有效筛选老年多重慢病的危险因素,有助于制定针对性措施,加强管理和防控。

基于多重插补和Logistic回归的专家缺失信息处理方法研究

数据是当前各研究领域研究对象的信息载体,但在理论研究、数据收集、统计判断过程中,常因理论缺失、经验不足、主观判断等导致收集的数据不完整。尤其在存在相关变量的数据集上,数据的缺失将影响整体规律的判断。因此,一种针对不完整数据集的处理方法,用以实现有效数据预处理,支撑科学研究显得尤为重要。围绕专家在某评估数据集中缺失数据的现象,区分数据类型,对于数值型数据,采用基于链式方程的多重插补法插补;对于类别型数据,采用Logistic回归模型插补,并通过专家自身偏好一致性及专家共识度评价指标,比较插补结果的优劣。

105例不孕症患者子宫输卵管造影结果影响因素的Logistic回归分析

目的探讨不孕症患者子宫输卵管造影结果发生异常的影响因素。方法选取2021年1月至2023年5月在湖南中医药大学第二附属医院妇科门诊就诊并接受X线子宫输卵管造影(X-ray hysterosalpingography,X-HSG)检查的105例不孕症患者,收集患者临床资料包括年龄、月经周期、不孕症类型、支原体感染史、衣原体感染史、淋病奈瑟球菌感染史、盆腔炎相关病史、输卵管相关病史等,并填写《中医体质调查问卷表》,采用Logistic回归方程分析不孕症患者X-HSG结果的影响因素。结果X-HSG结果异常与盆腔炎相关病史、输卵管相关病史、年龄、气郁质及湿热质呈正相关(P<0.05),与不孕症类型、月经周期规律与否无相关性(P>0.05)。多因素Logistic回归分析结果显示:不孕症类型、月经周期、气郁质、湿热质是HSG发生异常的危险因素(OR>1),年龄、盆腔炎相关病史、输卵管相关病史是HSG发生异常的保护因素(OR<1)。结论适龄生育、减少盆腔炎相关病史、减少输卵管相关病史、调畅情志、忌食肥甘厚味对于减少输卵管病理损伤引起的不孕症至关重要。

影响结核性胸腔积液并发胸膜增厚的非条件Logistic回归分析

目的探讨影响结核性胸腔积液并发胸膜增厚的相关危险因素。方法回顾性分析2019年1月至2021年3月广州市胸科医院呼吸内科收治的123例结核性胸腔积液患者的临床资料,统计患者胸膜增厚情况,采用单因素及非条件Logistic回归法分析患者胸膜增厚的影响因素。结果胸膜未增厚与胸膜增厚患者性别、年龄、肺结核、胸水分布、用力肺活量(FVC)、第1秒用力呼气容积(FVE1)/FVC、胸水腺苷脱氨酶(ADA)、血清ADA、胸水白细胞、胸水淋巴细胞、胸水中性粒细胞和淋巴细胞比例比较差异无统计学意义;胸膜未增厚与胸膜增厚患者胸水量、胸水吸收时间、FVE1、胸水乳酸脱氢酶(LDH)、血清LDH、胸水蛋白、血清蛋白比较差异有统计学意义(P<0.05)。Logistic回归分析结果显示,胸水量(中大量)、FVE1、胸水LDH、血清LDH、胸水蛋白及血清蛋白是胸膜增厚发生的危险因素(P<0.05)。结论结核性胸腔积液并发胸膜增厚是多因素作用的结果,胸水量、FVE1、胸水吸收时间、胸水LDH、血清LDH、胸水蛋白和血清蛋白与胸膜增厚的发生密切相关,建议临床予以密切监测并积极采取针对性干预措施。

卵圆孔未闭合并偏头痛患者头痛程度影响因素的logistic回归分析

目的分析卵圆孔未闭(PFO)合并偏头痛患者头痛程度影响因素的logistic回归分析。方法选取2022年1—12月商丘市第一人民医院就诊的100例PFO合并偏头痛患者作为研究对象,采用视觉模拟评分法(VAS)分为轻度头痛组(58例)和中重度疼痛组(42例),采用多因素logistic回归分析影响PFO合并偏头痛患者头痛程度的因素。结果单因素分析显示,轻度头痛组和中重度疼痛组吸烟史、高血压史、睡眠质量、情绪变化、PFO右向左分流量、PFO直径、PFO隧道长度及有无房间隔膨出瘤差异有统计学意义(P<0.05)。logistic多因素回归分析显示,吸烟史、高血压史、睡眠质量差、情绪变化、PFO右向左分流量大、PFO直径大、PFO隧道短及房间隔膨出瘤是影响PFO合并偏头痛患者头痛程度的影响因素(P<0.05)。结论吸烟史、高血压史、睡眠质量差、情绪变化、PFO右向左分流量大、PFO直径大、PFO隧道短及房间隔膨出瘤可影响PFO合并偏头痛患者头痛程度,临床应根据上述因素进行针对性干预,以缓解偏头痛患者头痛程度。