1、危險度分析和Logistic回歸,講授：王柏松,危險度分析,相對危險度(relative risk)簡記為RR,人群總體中暴露于某因素者的發(fā)病率P1與不暴露于某因素者的發(fā)病率P0之比值稱為該因素對于該疾病發(fā)病的相對危險度。 所比較的是病例組和對照組中暴露者比數(odds),兩個比數之比值稱為比數比(odds ratio)。 在發(fā)病率較低的疾病中可由比數比來近似地估計相對危險度 。,RR與OR的計算,RRP1/P0 比數(odds),某事件發(fā)生的概率和不發(fā)生的概率之比。 Odds=P/（1-P） 病例組中暴露的比數=a/(a+b)/b/(a+b)=a/b 對照組中暴露的比數=c/(c+d)/d/

2、(c+d)=c/d 兩個比數之比值稱為比數比：OR(odds ratio)。 病例組中暴露的比數與對照組中暴露的比數之比值 OR=a/b/c/d=ad/bc,危險度分析2,有時在分析某危險因素與疾病之間的關系時, 有些額外因素會對所分析的問題起干擾作用,這些額外因素就稱為混雜因素。它能部分甚至全部掩蓋危險因素與疾病之間的真實關系,故必須設法排除。例如要研究衛(wèi)生狀況與某傳染病發(fā)病之間的關系,但傳播可能與居住密度有關 ,故居住密度對所研究的問題就成為一個混雜因素,如果結論中未排除該因素之干擾,將影響推斷之可靠性,危險度分析3,分層分析步驟： （1）計算各層的比數比，作顯著性檢驗。 （2）檢驗各層的

3、總體比數比是否相同。 如差異有統(tǒng)計學意義，結束。 （3）如差異無統(tǒng)計學意義， 計算公共比數比。 （4）檢驗公共比數比和1之間的差異是否有統(tǒng)計學意義。,SPSS中的實現,AnalyzeDescriptive Statistics Crosstabs Statistics對話框中選取Risk選項，分層分析另外選取Cochrans and Mantel-haenszel statistics選項。,Logistic回歸,數據：因變量為二值變量。 統(tǒng)計量：回歸系數，比數比等。 較大值代表終點事件 應用：,Logistic回歸的應用,1. 在隊列研究中用于預測 把各協變量代入方程，得到P值，即發(fā)病 的概

4、率。 2. 因素分析 分析哪些因素（協變量）對疾病的發(fā)生有顯著作用。 對各偏回歸系數作顯著性檢驗，如顯著，則說明在排除其它因素的影響后，該因素與發(fā)病有顯著關系。,Logistic回歸的應用2,3. 求各因素在排除其它因素的影響后，對于發(fā)病的相對危險度（或比數比） 如某因素Xi的偏回歸系數為bi， 則該因素Xi對于發(fā)病的比數比為exp(bi) (1) 當Xi為二值變量時，如吸煙（1=吸，0=不吸） exp(bi)為吸煙對于發(fā)病的比數比,Logistic回歸的應用3,（2）當Xi為等級變量時，如吸煙（0=不吸，1=少量，2=中等，3=大量）。 exp(bi)為每增加一個等級，發(fā)病的相對危險度 如大

5、量對于不吸其發(fā)病的相對危險度為： exp(3bi) （3）當Xi為連續(xù)變量時，如年齡（歲） exp(bi)為每增加一歲時，發(fā)病的相對危險度 如60歲相對于35歲其發(fā)病的相對危險度為exp(25bi),Logistic回歸的應用4,4. 比較各因素對于發(fā)病的相對重要性 比較各標準化偏回歸系數bi 絕對值的大小，絕對值大的對發(fā)病的作用也大。 5. 考察因素之間的交互作用 如考察XL和XK之間的交互作用是否顯著，再增加一各指標：XLK= XL*XK ，如其偏回歸系數bLK顯著，則XL和XK之間的交互作用顯著。 6. Logistic回歸也可用于二類間的判別分析。,SPSS中的實現,AnalyzeRegressionBinary Lo