Корректировка (adjustment) при проведения сравнений, логистическая регрессия? Опции

[martyni]

Задача: среди больных, одни из которых имеют признак Х (в данном случае метаболический синдром), другие не имеют, необходимо провести сравнение по нескольким параметрам (длительность основного заболевания, курение (да-нет), употребление алкоголя (да-нет), прием одного из препаратов в анамнезе (да-нет)). При этом многие из этих параметров не только могут влиять на развитие метаболического синдрома, но и зависят от возраста (например, чем больше возраст, тем больше длительность основного заболевания, при этом и метаболический синдром чаще возникает в более старших возрастных группах) и от пола (например, мужчины курят чаще). Поэтому при сравнении необходимо скорректировать эти факторы на пол и возраст.
Идея в следующем: сперва как есть для групп, сформированных по наличию или отсутствию признака метаболического синдрома, посчитать Т-критерий для количественных признаков и Хи-квадрат (или точный тест Фишера) для бинарных. Полученные значимости будут нескорректированными (Unadjusted). Затем в бинарную логистическую регрессию внести метаболический синдром как зависимую переменную, а в качестве ковариант пол, возраст и один из сравниваемых показателей, затем вместо него второй и т.д. (т.е. для каждого в отдельности). Таким образом получим для каждого из сравниваемых показателей скорректированную (adjusted) по полу и возрасту значимость различий между группой больных с метаболическим синдромом и без него.
Это подсмотрено в одной англоязычной статье, но т.к. нигде более не видел (может быть плохо смотрел), возникло сомнение, правильно ли я понял.
Вопрос в правомерности использования для этой задачи логистической регрессии. Какие другие методы корректировки могут быть здесь использованы, с учетом того, что признаки как количественные, так и бинарные?

[плав]

Таким образом получим для каждого из сравниваемых показателей скорректированную (adjusted) по полу и возрасту значимость различий между группой больных с метаболическим синдромом и без него.
Это подсмотрено в одной англоязычной статье, но т.к. нигде более не видел (может быть плохо смотрел), возникло сомнение, правильно ли я понял.
Вопрос в правомерности использования для этой задачи логистической регрессии. Какие другие методы корректировки могут быть здесь использованы, с учетом того, что признаки как количественные, так и бинарные?

Смотрели, действительно плохо, данный вопрос обсуждался даже на этом форуме.
1) Откорректированные "различия" при помощи логистической регрессии вычислить невозможно, впочем "различия" для бинарного показателя вообще странное слово. Логистическая регрессия позволяет оценить степень "связи" ("зависимости") между двумя показателями
2) Задача оценки влияния одних факторов на другой (бинарный) с коррекцией по полу и возрасту является, как указано DoctorStat практически стандартным видм анализа, используется в сотнях статей.
3) Перед проведением логистической регрессии с несколькими переменными использовать t-криерий и тест Фишера вообще-то бессмысленно. Они базируются на разных допущениях распределения (Фишер) и методах оценки (t). Поэтому для унивариантного анализа надо использовать логистическую регрессию с одним независимым показателем
4) Опасность в логистической регрессии исходит не от количественных и бинарных признаков (она вспринимает количественные ризнаки, но бинарные при кодировке 0/1 тоже подходят), а от ординальных - их надо перекодировать
5) Коррекцию надо проводить не только на пол и возраст, но и другие переменные, ибо они могут быть связаны друг с другом.