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?

[martyni]

Спасибо, DrgLena

Для количественных показателей можно найти точку разделения, используя ROC и тоже создать бинарные.

Это обязательно? и почему?

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

В данном случае идея - не оценить степень связи, а взять из логистической регрессии только статистическую значимость различий между группами, выявленную при внесении в ковариаты не только переменной, которую мы рассматриваем, но и пола и возраста. Идея, не моя, а замечена мною в очень солидной (в моей области) статье. И полученное таким образом значение р позволило авторам статьи делать заключения о том, значимы ли скорректированные на пол и возраст различия по каждому из признаков в отдельности. При этом, в таблице авторы приводят средние значения (для количественных признаков и частоты для бинарных) в каждой подгруппе, "нескорректированные" значения р, полученные при дисперсионном анализе и хи-квадрате (соответственно для разных признаков), и после этого "скорректированные" по полу и возрасту.
Правда, они для коррекции количественных они использовали ковариационный анализ и внесли значения полученного р в таблицу, а для качественных использовали логист.регрессию (как я писал выше) и ограничились только NS (а само значение р привели в сноске).
К сожалению этой статьи нет в открытом доступе, а процитировать тут не получается. Поэтому если позволите могу выложить ее здесь целиком (если политика форума это позволяет) или прислать копию в личку.

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.

Очень извиняюсь, что этого не знаю, но какой метод может скорректировать влияние одного бинарного фактора на другой бинарный по двум другим признакам (полу и возрасту)?
Т.е. из моего примера: больные с МС и без него. Среди тех кто с МС 70% курящих, среди тех кто без МС 40% курящих. Но в группе с МС 70% мужчин (а они курят чаще), а в группе без МС мужчин - 30%. Как уравнять эти группы по полу (и возрасту!!!), чтобы сопоставление их было адекватным?

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

Вопрос был немного в другом, видимо я плохо сформулировал: как внести коррекцию при использовании бинарного параметра (бинарная и зависимая, а одна из ковариаты)?

5) Коррекцию надо проводить не только на пол и возраст, но и другие переменные, ибо они могут быть связаны друг с другом.

Теоретически надо, надо и больных найти 10тыс...