1 / 28

第八章 相關 和廻歸分析（二）

第八章 相關 和廻歸分析（二）. Key Words. 相對風險 比 勝算 比 邏輯斯迴 歸 模型.

marsden-lopez
Download Presentation

第八章 相關 和廻歸分析（二）

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 第八章 相關和廻歸分析（二）

  2. Key Words • 相對風險比 • 勝算比 • 邏輯斯迴歸模型

  3. ＂…2005年3月新英格蘭雜誌上發表了一篇為期3年（開始於2000年），多中心隨機雙盲，及對照控制的APPOVe（Adenomatous Polyp Prevention on VIOXX）臨床試驗，共收錄2,586位患者分別服用Vioxx 25mg及安慰劑(placebo)。此試驗顯示，有大腸直腸腺瘤病史的患者服用Vioxx 18個月療程的治療與使用安慰劑相較，有增加心臟病及中風等危險性，其實驗組 (服用Vioxx 18個月的一組)相對於照組(使用安慰劑的一組) 的相對風險（relative risk，RR）是1.92…” （周正修，周稚傑，羅慶徽，2007）

  4. 主要結論是: 服用Vioxx的病人得到心臟病及中風等的風險是未服用藥的人的1.92倍，亦可解讀在大腸直腸腺瘤病人中服用Vioxx會和是否獲得心臟病及中風等有關。 • 兩者否有相關可以從第六章介紹的兩個類別變項的獨立性檢定的結果中得到結論，但檢定方法無法估計確切的相關大小。 • 前面一章我們已經介紹了幾種衡量兩個連續變數相關大小的方法，本章我們則介紹幾種衡量兩個類別變數相關大小的方法。

  5. 風險比: 相對風險 • 針對疾病或事件發生的研究，我們常用罹病(事件發生)的機率來表示風險（risk）。 • 一個族群曝露在風險中致病機率為，另一未曝露的族群風險為(前瞻式世代研究方法)，欲比較曝露和無曝露兩個族群的差異時，最簡單的方法即是使用兩個風險的比例（或），這個比率值稱為相對風險（relative risk, RR）。(如下表)

  6. 風險比: 相對風險 • RR值大於1(即ln RR >0) 表示曝露產生疾病的風險比不曝露較大，小於1 ( ln RR < 0) 則相反，等於1(ln RR = 0)表示曝露與否和疾病的發生不相關。 • 若收集到的資料匯整成表8-2的次數統計表時，有無曝露風險兩組人的風險估計值分別為a/（a+b）與c/（c+d），因此，相對風險估計值為

  7. 風險比: 相對風險 • 當樣本夠大時，相對風險對數值的抽樣分配會近似於常態分佈，其變異數估計值為 。 • 相對風險對數值ln(RR)的%信賴區間為 。

  8. 風險比: 相對風險 • 男女得心血管疾病的風險分別為:; 。 • 相對風險為:。 • 相對風險的95%信賴區間為 。

  9. 風險比: 相對風險 • 在統計假設檢定中，兩組人風險沒有差異或風險因子與事件是不相關的虛無假設為 (或。當虛無假設為真時，可以利用檢定統計量及標準常態分配Z表求得雙尾檢定的P值 • 使用p值法時，檢定統計量為 。 雙尾檢定p值為<0.0001，顯著水準設定為0.05時，拒絶虛無假設，男性得到心血管疾病為女性的1.1176倍。

  10. 風險比: 勝算比 • 另一個常用來衡量風險的指標為勝算（Odds），勝算定義為發生事件機率與不發生事件機率的比值。 • 以表8-2為例，兩組人的勝算分別為及，此二比例的比值稱為勝算比（OR, odds ratio） • OR值大於1(即ln OR >0) 表示曝露產生疾病的風險比無曝露較大，小於1 ( ln OR < 0) 則相反，等於1(ln OR = 0)表示曝露與否和疾病的發生不相關。

  11. 風險比: 勝算比 • 兩組人勝算的估計值分別為a/b、c/d，勝算比估計值為 • 當樣本夠大時，的抽樣分配也會近似於常態分配，且其變異數估計為。 • 的信賴區間為 或 信賴區間為。

  12. 風險比: 勝算比 • 男女兩組人的心血管疾病勝算分別為:。 • 男女勝算比估計值為: • 勝算比的95%信賴區間為 。

  13. 風險比: 勝算比 • 假設檢定分析中，虛無假設通常設定為兩組人勝算是沒有差異的，即勝算比為1，此時可用檢定統計量及標準常態分配，利用信賴區間法或p值法判斷兩組人疾病風險上是否有差異。 • 使用p值法時，檢定統計量為 。 雙尾檢定p值為<0.0001，顯著水準設定為0.05時，拒絶虛無假設，結論為性別與心血管疾病有顯著相關，男生的勝算為女生的1.1296倍，男生的風險會比女性高。

  14. 風險比: 勝算比 • 我們分析的指標經常是勝算比並非勝算，而應用貝氏定理後勝算比又可寫成 。 式中的是病人(非病人)中暴露於風險的比率。應用這個公式去估計勝算比時，我們的研究也可以設計成去觀察病人與非病人中分別有多少人曝露於風險中? 這種研究方法又稱為回顧式研究方法。 • 無論是前瞻式世代研究的設計或回顧式的研究設計，都可以用來分析勝算比。是勝算比較常被使用的原因。

  15. 風險比:相對風險和勝算比 • 實際資料分析時經常會發現相對風險與勝算比的估計值很相似，因為疾病事件發生的機率很小時，表8-3中的a與c值會甚小於b和d，使得a+b和c+d可近似為b和d，以致於相對風險與勝算比估計值很相近，會得到相似的結果。

  16. 簡單邏輯斯廻歸模型（Simple Logistic Regression Model） • 類別變項的分析方式也可以應用迴歸模型來分析，我們可以把要研究的事件變數（Y，例如心血管疾病是否發生，0：未發生，1：發生）當成依變數；風險因子（X，例如性別，0：女性，1：男性）為自變數。 • 此時依變數是一個二元（binary）型態的類別資料，不適合使用簡單線性迴歸模型式將兩者的關係建立起來。因簡單線性迴歸模型中依變數資料是連續型的資料，但類別型的依變數其值僅為0或1。

  17. 簡單邏輯斯廻歸模型（Simple Logistic Regression Model） • 給定風險變數的前題下，首先考量事件發生的勝算並假設勝算的對數和風險變數值成線性關係： 這就是簡單邏輯斯迴歸模型。 • 以性別為自變數為例，簡單邏輯斯迴歸模型成立下，男性（）和女性（）發生心血管疾病的勝算分別為、，兩者的勝算比為。

  18. 簡單邏輯斯廻歸模型（Simple Logistic Regression Model） • 簡單邏輯斯迴歸模型中的係數即為 “男性相對於女性” 在發生心血管疾病上勝算比的 “對數值”。(< 0)時，表示男性在發生心血管疾病方面有較高(低)的風險， 表示性別不是心血管疾病發生的風險因子。 • 簡單迴歸係數邏輯斯迴歸模型中的係數及可以藉由估計方法（一般使用最大概似估計法）求得。檢定自變數與依變數不相關的虛無假設為。

  19. R-web分析方法 • 點選分析方法迴歸模式簡單邏輯斯迴歸分析步驟一（資料匯入）：使用者個人資料檔步驟二（參數設定）：選擇依變數為心血管疾病與自變數為性別開始分析。 • 表8-4為簡單邏輯斯迴歸分析的結果。性別的迴歸係數與前面計算的勝算比對數值相等，但信賴區間不同，主要是因為兩者使用計算方式不同，當樣本夠大時二者便會趨近於相同。

  20. 簡單邏輯斯廻歸模型（Simple Logistic Regression Model） • 在顯著水準設定為0.05時，信賴區間法（信賴區間不包含虛無假設值）和p值法（p<0.05）都顯示拒絶虛無假設，結論均為: 性別與心血管疾病的發生在統計上有顯著的相關，男性發生心血管疾病的勝算是女性的1.1296（=）倍。

  21. 簡單邏輯斯廻歸模型（Simple Logistic Regression Model） • 簡單邏輯斯迴歸模型中的自變數可以為類別型變數也可以是連續型變數，當是連續型變數時，係數代表的意義為當自變數值增加 “一個單位” 時，勝算比的對數值增加個單位，或勝算比增加倍。 • 以心血管資料為例，若自變數為年齡時，得到表8-5結果。

  22. 簡單邏輯斯廻歸模型（Simple Logistic Regression Model） 顯示年齡與心血管疾病的發生有顯著的正相關，每增加一歲，心血管疾病發生的勝算即增加1.0741倍。

  23. 卡方檢定和簡單邏輯斯廻歸模型之比較 • 一個問題經常有數種分析方法可以解決，例如列聯表分析（卡方檢定）可以解決的問題通常也可以用簡單或更複雜的邏輯斯迴歸分析解決。 • 只是當拒絶虛無假設時，列聯表的卡方檢定無法明確說明風險與疾病發生相關的程度如何，但是邏輯斯迴歸分析可以回答這個問題。 • 邏輯斯迴歸模型也可以處理連續型的自變數，列聯表分析則無法。

  24. 卡方檢定和簡單邏輯斯廻歸模型之比較 • 當列聯表的資料中有些格子發生的次數較少產生資料不平衡現象時，邏輯斯迴歸分析的檢定力通常比列聯表分析的檢定力要高。 • 只是邏輯斯迴歸分析要特別注意迴歸模型的假設是否正確，不正確的模型假設會導致分析結果的錯誤。

  25. 參考資料 • 周正修；周稚傑；羅慶徽。非類固醇抗發炎藥劑及心臟血管事件的相關性。基層醫學 2007 ； 22:147-52 • Marcello Pagano, Kimberlee Gauvreau. (2000) Principle of Biostatistics, 2nd Edition, Cengage Learning. • Beth Dawson, Robert G. Trapp. (2004) Basic & Clinical Biostatistics, 4/E, McGraw Hill Professional. • Steven A. Julious and Mark A. Mullee. (1994) Confounding and Simpson's paradox. BMJ 309 (6967): 1480–1481.

  26. 作業(1) 1.下表為一探討心血管疾病與飲酒關係之研究，請問飲酒得心升管疾病與不飲酒得心血管疾病的相對風險為何？當顯著水準設定為0.05時，試利用檢定方法探討飲酒習慣是否與心血疾病的風險有關，其p值為何？兩者是否有顯著的相關？

  27. 作業(2~5) 2. 承上題，請問飲酒習慣得到心血管疾病相對於沒有飲酒習慣的勝算比為何？勝算比的95%信賴區間為何？當顯著水準為0.05時，心血管疾病是否與飲酒有顯著的相關？ 3. 試利用肺癌資料分析回答以下問題 (1)利用簡單邏輯斯迴歸分析復發情形與性別的關係，請問男女復發的勝算比各為何？95%信賴區間為何？若顯著水準為0.05，復發與性別是否有顯著的關係？ (2)利用簡單邏輯斯迴歸分析復發情形與年齡的關係，若顯著水準為0.05，復發與年齡是否有顯著的關係？

  28. The End

More Related