ОШ и Лог регрессия Опции

[Nerbi]

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?

[leo_biostat]

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?

Коллега, !

Описываемые Вами уровни результатов, полученных с помощью метода логистической регрессии, весьма существенно зависит и от алгоритма оценки уравнения, а также от объёма БД, количества пропусков в потенциальных предикторах, критического значения уровня стат. значимости для вводимых предикторов, и т.д. Используя метод логистической регрессии уже более 25 лет, отмечу, что в реальных исследованиях продуктивно получать для одного и того же зависимого признака Y, как минимум, 5-10 уравнений. Причём если Y является бинарным, то следует обязательно получать и ROC-кривые для каждого уравнения (см. статью по адресу http://www.biometrica.tomsk.ru/logit_4.htm ). А также получать таблицу сопряжённости 2х2 (или 3х3, 4х4, и т.д.) по фактической и предсказанной принадлежности всех использованных в анализе наблюдений (строк БД). В этом случае Вы увидите, по каким градациям Y уравнение продуктивно, а по каким - не очень. Другим аспектом специфики логистической регрессии является использование качественных (группирующих) потенциальных предикторов, число уровней которых более 2. В этих случаях следует разными методами оценивать, какие группировки следует использовать как отдельный признак с двумя градациям ("Да" и "Нет"). Относительно отрицательного влияния вводимого ОШ. Считаю это действительно непродуктивным подходом. Т.к. продуктивнее использовать не ОШ, а сами признаки, по которым и вычисляется ОШ.

Успеха!