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]

Еще раз спасибо, DrgLena!

Не могу согласиться с тем, то представленная работа является образцом для подражания.
10 авторов из 11 департаментов, имея столько наблюдений, могли бы провести более качественный анализ. Ставить перед собой цель сравнить средние значения в двух группах, довольно скромная задача, не удивительно, что различий не нашли, кроме SF12

Статья, которую мы обсуждаем, одна из частей очень большого и самого авторитетного исследования в психиатрии последних лет. Его финансировал минздрав США, бюджет был многомиллионный, работало там много центров, очень много врачей, а из этих 10 авторов большая часть - столпы современной психиатрии, которые вряд ли что-то делали сами, но уж профессиональных статистиков найти, я думаю, могли.

Скромность задачи, мне кажется, обусловлена сложностью самой проблемы и желанием получить наиболее достоверный результат.
Прошу прощения, но у меня, как у человека далекого от статистики, иногда возникает ощущение, что сложными стат.методами пытаются замаскировать плохое качество данных и неинтересные результаты. Пример, статья на которую в каком-то из Ваших постов была ссылка про рок-кривые и пр. у больных на ИВЛ. Очень красивая статистика, заметно преобладающая над данными, но в чем там клинический смысл? Что именно с 53 лет (ни раньше, ни позже) риск неблагоприятного исхода увеличивается. И зачем это? Всем известно, что с возрастом хуже прогноз. Но авторы, возможно, хотят создать свою собственную формулу.

Нет никакого смысла проводить коррекцию эффекта множественных сравнений для показателей, различия которых вообще не достигли заданного уровня.

Они же не знали об этом заранее. Они написали протокол, написали как будут делать анализ, опубликовали его, обсудили всем миром, утвердили коррективы, а потом провели исследование и анализ. Все как положено, не наоборот, как делают у нас!

Тем не менее, для 5 первичных переменных проводили коррекцию р на множественность сравнений, а для анализа других множественность сравнений уже не волновала и при анализе вторичных показателей учитывали влияние конфаундингов. При этом пол остался в стороне, для него провели стратификацию и результат не представили.

результат отдельно для пола не предоставили, но пол в логист.регрессионную модель у них входил.

А логистическая регрессия, которую авторы используют, показывает не достоверность различий между группами, а то «р», которое указано, говорит о том, что коэффициент регрессии (exp вета) при переменной (алкоголь) с корректированный на влияние вмешивающихся факторов оказывает статистически значимое или нет влияние на вероятность МС.

Т.е. мы и получим ответ как раз на вопрос, который ставили - есть ли различия между группами с МС и без него по какому-либо отдельному признаку с коррекцией на пол и возраст?

А в таблице 2 также множество переменных, достоверно различающихся в двух группах. Но никто не обсуждает, что это могут быть факторы риска развития МД.

В таблице 2 - параметры самого МС и близкие к нему, т.е. это не факторы риска, а уже сам исход, только выраженный по-другому.

Если вы действительно имеете представление о логистической регрессии, то напишете свою работу лучше, чем ваши коллеги. Впрочем, я возможно ошибаюсь, это тяжелая область медицины, я здесь на специалист

Конечно, я не в такой мере специалист в статистике, чтобы сказать, что это лучший способ обработать их данные (именно поэтому я и обратился сюда с вопросом). Но сдается мне, что они делали все именно так не с бухты-барахты.
Сама проблема - сложная, очень много разнонаправленно действующих факторов и при поперечном исследовании выяснить что-либо (даже с использованием ретроспективных данных) сложно, а проспективное построить еще сложнее.
И, если уж при анализе 1,5тыс больных ничего не выявили, то сделать это с количеством больных в 10 раз меньше, еще сложнее. Надежда только на клинический опыт в выборе гипотезы (т.е. переменных для сравнения). Исходя из последнего у меня тоже есть вопросы к авторам этой статьи - могли бы более интересные переменные проанализировать, немного по-другому собрать данные и пр.
Я, естественно, изначально думал, сделать более сложный анализ, чем здесь, но боюсь, что это может быть лишним. При этом я исхожу из мысли (может быть конечно не самой верной), что если уж различия (зависимости) есть, то их может выявить любой метод, а усложнять не всегда стоит.