Logistic回归分析报告结果解读分析

Logistic回归分析报告结果解读分析Logistic回归常用于分析二分类因变量(如存活和死亡、患病和未患病等）与多个自变量的关系.比较常用的情形是分析危险因素与是否发生某疾病相关联。例如，若探讨胃癌的危险因素，可以选择两组人群,一组是胃癌组，一组是非胃癌组,两组人群有不同的临床表现和生活方式等，因变量就为有或无胃癌,即“是”或“否”，为二分类变量,自变量包括年龄、性别、饮食习惯、是否幽门螺杆菌感染等。自变量既可以是连续变量，也可以为分类变量.通过Logistic回归分析,就可以大致了解胃癌的危险因素。Logistic回归与多元线性回归有很多相同之处，但最大的区别就在于他们的因变量不同 .多元线性回归的因变量为连续变量;Logistic回归的因变量为二分类变量或多分类变量，但二分类变量更常用,也更加容易解释。1。Logistic回归的用法一般而言,Logistic回归有两大用途，首先是寻找危险因素，如上文的例子,找出与胃癌相关的危险因素;其次是用于预测，我们可以根据建立的Logistic回归模型，预测在不同的自变量情况下，发生某病或某种情况的概率（包括风险评分的建立）。2.用Logistic回归估量危险度所谓相对危险度（risk ratio，RR)是用来描述某一因素不同状态发生疾病(或其它结局)危险程度的比值.Logistic回归给出的OR(odds ratio）值与相对危险度类似，常用来表示相对于某一人群,另一人群发生终点事件的风险超出或减少的程度.如不同性别的胃癌发生危险不同，通过Logistic回归可以求出危险度的具体数值，例如1。7，这样就表示，男性发生胃癌的风险是女性的1。7倍。这里要注意估量的方向问题,以女性作为参照,男性患胃癌的OR是1。7。假如以男性作为参照，算出的OR将会是0。588(1/1。7)，表示女性发生胃癌的风险是男性的0.588倍，或者说,是男性的58.8％。撇开了参照组,相对危险度就没有意义了。Logistic回归在医学讨论中广泛使用的原因之一,就是模型直接给出具有临床实际意义的OR值，很大程度上方便了结果的解读与推广。图1 相对危险度(risk ratio，RR)与OR(odds ratio)的表达3。 Logistic报告OR值或β值在Logistic回归结果汇报时，往往会遇到这样一个问题：是应该报告OR值，还是β值,还是两个都要报告？这个决定权最终当然还是作者本人,但有一点需要进一步了解：OR值和β值其实是等价的。图2 OR值与β值的公式推导4 Logistic回归结果判读“EXP（B）”即为相应变量的OR值(又叫优势比,比值比),为在其他条件不变的情况下，自变量每改变1个...