Выбор факторов риска, факторы для логит регрессии Опции

[dr.Nataly]

Уважаемые коллеги! Цель моего исследования определить факторы риска развития (сохранения как до операции либо проявления de novo) некоторого осложнения/состояния S после оперативного лечения пациенток по поводу заболевания P. Было проведено когортное проспективное исследование 82 пациенток, страдающих заболевание P. Пациентки до операции были разделены на 3 группы по наличию состояния S до операции: 1- с явными признаками S (n=30), 2 - без каких-либо признаков S (n=31), 3 - со скрытыми признаками S (определялось с помощью спец. обследования) (n=21). Всем пациенткам до операции проводилось обследование - осмотр, инструментальные методы исследования, сбор анамнеза (примерно 40 различных показателей). Через 3 месяца после операции - диагностировалось наличие/отсутствие осложнения S (Группа А (n=34) и группа В (n=48) соответственно). Поставленная задача - выяснить, есть факторы риска развития состояния S после оперативного лечения в группах 1, 2 и 3 на основании данных предоперационного обследования. Очевидно, что для анализа данных необходимо использовать методы логит регрессии. Однако тут аж 40 различных показателей, что для данной выборки слишком много... Мой коллега посоветовал отобрать по 5 факторов для 1 логит регрессии и расставить их в порядке значимости. Я пыталась сравнивать данные (по 40 показателям) в подгруппах 1А и 1В, 2А и 2В, 3А и 3В. Однако то, что по моему мнению, казалось достаточно значимым, наверное статистически значимым не было...( мои доводы). Подскажите, пожалуйста, как отобрать факторы риска или увеличить их число в отношении логит регрессии. Может быть для этого надо сравнить подгруппы с помощью методов статистики, а потом показатели, по которым получены статистически значимые различия, использовать для логит регрессии?

[anserovtv]

В ваших рассуждениях есть какая-то логика.
Но кроме логистической регрессии есть и другие методы анализа. я бы посоветовал сначала сравнить средние в группах до операции с помощью однофакторного дисперсионного анализа.
Затем можно применить дискриминантный анализ с группирующей переменной со значениями есть осложнение нет осложнения ко всем и по группам.
Затем по его результатам можно провести ROC анализ.
В вашем случае применимы скорее всего и деревья классификации.
Может возникнуть проблема с объемом выборки, под 40 показателей нужно примерно 300 испытуемых.
Возможно , чтобы уменьшить число показателей можно провести факторный анализ, но при этом тоже могут возникнуть проблемы: применимость процедуры, интерпретация факторов.