ОШ и Лог регрессия |
Здравствуйте, гость ( Вход | Регистрация )
ОШ и Лог регрессия |
18.01.2018 - 17:47
Сообщение
#1
|
|
Группа: Пользователи Сообщений: 10 Регистрация: 10.05.2017 Пользователь №: 29790 |
Здравствуйте! По результатам расчета ОШ фактор оказывает влияние на прогноз (ОШ 3,03 95% ДИ 1,37-6,67, p=0,005). Однако при построении логистической регрессии (когда анализируется много других факторов, потенциально оказывающих влияние на прогноз и по ОШ, в том числе), он не входит в формулу, а если входит, то ее качество резко ухудшается. Может ли быть такое и с чем это может быть связано? Отмечу, что в исследование включены пожилые пациенты с большим количеством факторов риска и сопутствующей патологией, вероятно они оказывают большее влияние, чем данный фактор...однако он является общеизвестным и доказанным. Верно ли мое предположение или тут ошибка именно в статистической обработке?
|
|
25.01.2018 - 09:06
Сообщение
#2
|
|
Группа: Пользователи Сообщений: 1202 Регистрация: 13.01.2008 Из: Челябинск Пользователь №: 4704 |
Здравствуйте! По результатам расчета ОШ фактор оказывает влияние на прогноз (ОШ 3,03 95% ДИ 1,37-6,67, p=0,005). Однако при построении логистической регрессии (когда анализируется много других факторов, потенциально оказывающих влияние на прогноз и по ОШ, в том числе), он не входит в формулу, а если входит, то ее качество резко ухудшается. Может ли быть такое и с чем это может быть связано? Отмечу, что в исследование включены пожилые пациенты с большим количеством факторов риска и сопутствующей патологией, вероятно они оказывают большее влияние, чем данный фактор...однако он является общеизвестным и доказанным. Верно ли мое предположение или тут ошибка именно в статистической обработке? Помню мы занимались исследованием рисков мочекаменной болезни на Урале. Соискатель докторской для обзора нудно выписал из литературных источников порядка 70 факторов с разной величиной эффекта, но статистически значимо влияющих на риск МКБ. Из них честно выбрал 20 самых сильных и на его взгляд логичных - с ними и работали. Причём для оксалатного уролитиза дерево решений выдало по-сути только 2 фактора риска: (1) жёсткую как приговор генетику и (2) генетическую предрасположенность через метаболизм. Это всё я к тому, что мало ли какие факторы риска являются общеизвестными и доказанными. Люди что захотят найти, то и находят, почти всегда, вопрос только в ресурсах (объёмах выборок). Ваша ситуация - нормальная, такое быть может и бывает. Если объём выборки хороший (сотни человек), то наблюдаемая картина может быть связана с тем, что при получении согласованных (adjusted) оценок ОШ в ходе логистического регрессионного анализа слабые факторы сходят на нет в окружении более сильных. На меньших выборках велика доля случайности, не люблю множественную логистическую регрессию для объёмов до 100-150 чел. Если вы выделили фактор, который по-вашему сильно вмешивается в результаты регресии (возраст), можно разбить материал на группы (например, средневозрастных и пожилых) и провести выделение факторов риска в них отдельно, т.е. построить 2 модели. Это увеличит качество прогноза. Говорят (если не ошибаюсь 100$ писал), что есть методы, которые сами предлагают подобные деления, но мне они не известны и наверняка там куча тонкостей для грамотной настройки. Сообщение отредактировал nokh - 25.01.2018 - 10:02 |
|