• Đánh giá mối liên quan, ảnh hưởng (association) • Hiệu chỉnh (adjustment) cho yếu tố nhiễu. • Tiên lượng (prediction).[r]
(1)Ứng dụng mơ hình hồi qui logistic
Tuan V Nguyen
Senior Principal Research Fellow, Garvan Institute of Medical Research Professor, UNSW School of Public Health and Community Medicine
Professor of Predictive Medicine, University of Technology Sydney Adj Professor of Epidemiology and Biostatistics,
School of Medicine Sydney, University of Notre Dame Australia
(2)Ba ứng dụng hình hồi qui logistic
• Đánh giá mối liên quan, ảnh hưởng (association) • Hiệu chỉnh (adjustment) cho yếu tố nhiễu
(3)Ứng dụng 1:
(4)Cân nặng trẻ sơ sinh mẹ hút thuốc
• Câu hỏi nghiên cứu: có mối liên quan mẹ hút thuốc trọng lượng
sơ sinh?
• Nghiên cứu cắt ngang 189 bà mẹ trẻ sơ sinh
• Biến outcome: low, biến tiên lượng: smoke
bw = read.csv("~/Dropbox/_Conferences and Workshops/Dai hoc Duoc 6-2019/Datasets/birthwt.csv")
head(bw)
(5)Hiển thị mối liên quan biểu đồ bw$smoke = as.factor(bw$smoke) bs$low = as.factor(bw$low) library(DescTools)
Desc(bw$smoke ~ bw$low)
Summary:
estimate lwr.ci upr.ci'
odds ratio 2.022 1.081 3.783
rel risk (col1) 1.258 1.013 1.561
rel risk (col2) 0.622 0.409 0.945
bw$low
Sum
bw$smoke
0 freq 86 29 115
p.row 74.8% 25.2% .
p.col 66.2% 49.2% .
1 freq 44 30 74
p.col 33.8% 50.8% .
Sum freq 130 59 189
p.row .
(6)Mơ hình hồi qui logistic
Mơ hình liên quan smoke low sau: gọi P xác suất trọng lượng thấp
# Tri n khai b ng R ể ằ
m = glm(low ~ smoke, family=binomial, data=bw) summary(m)
# tính odds ratio library(epiDisplay) logistic.display(m)
log P 1− P
(7)Kết phân tích
Mơ hình liên quan smoke low sau: gọi P xác suất trọng lượng thấp
Coefficients:
Estimate Std Error z value Pr(>|z|) (Intercept) -1.0871 0.2147 -5.062 4.14e-07 *** smoke1 0.7041 0.3196 2.203 0.0276 *
-Signif codes: ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’
log P 1− P
=α +βsmoke
log P 1− P
(8)Kết phân tích
> logistic.display(m)
Logistic regression predicting low : vs
OR(95%CI) P(Wald's test) P(LR-test) smoke: vs 2.02 (1.08,3.78) 0.028 0.027
Log-likelihood = -114.9023
No of observations = 189 AIC value = 233.8046
(9)Ứng dụng 2:
(10)Yếu tố nhiễu (confounding factors)
• Câu hỏi nghiên cứu: có mối liên quan bà mẹ hút thuốc
sinh thiếu cân ?
• Yếu tố nhiễu: có liên quan đến yếu tố nguy (risk factor)
outcome
• Mối liên quan hút thuốc thiếu cân yếu tố
chủng tộc độ tuổi?
• Câu hỏi mới: mối liên quan hút thuốc thiếu cân có độc