logistic回归方程：log(p/(1-p))=β0+βiXi。
Logistic回归在医学中的应用：
1、校正混杂因素：医学研究中，观察对象的某一结局常受到多因素综合影响，包括研究和混杂因素。通过logistic回归，将研究因素、混杂因素及其交互作用均体现在模型中，因此能在控制混杂因素的作用下，对研究因素与结局变量间的联系作出定量描述。需注意的是，校正混杂需结合统计模型和医学专业知识。
2、筛选危险因素：一般来说，在设计阶段，根据理论知识纳入对结局可能有影响的变量，但一些变量的作用不清楚或纳入过多，通过实现规定的检验标准，挑选有统计意义的变量纳入模型，剔除无统计意义的变量，以保证模型最优。
3、预测和判断：非条件logistic回归的重要应用之一。通过检验，建立拟合优度较好的模型，其方程能够很好地表达变量间关系；给定自变量数值，就可以通过方程计算相关的概率预测值，对个体所属类别作出概率性的判断。但条件logistic回归不能估计常数项，其结果智能帮助分析变量的效应，不能用于预测。
来源：MedSci原创
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有，非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。本网所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。同时转载内容不代表本站立场。
在此留言
0
