Logistisk regression

Question 1

Hvad er formålet med den logistiske regressionsanalyse?

Answer 1

At beskrive sammenhængen mellem en binær afhængig variabel (død) og en eller flere uafhængige variable (der både kan være kontinuerte, kategoriske eller binære).

Question 2

Hvad er alfa-konstanten/interceptet?

Answer 2

Logitværdien for referencegruppen!

Question 3

Hvad er beta-værdien?

Answer 3

Udtrykker logit-forskelle mellem forskellige værdier af de uafhængige variable.

Hvis man tager exp af disse så får man OR

Question 4

Hvad er fordelen ved logistisk regression?

Answer 4

Man kan justere for mange mulige confoundere samtidig og risikere ikke at ende ud i en situation med for få person i hver strata.

Question 5

Hvad er logits?

Answer 5

Logits er et sandsynlighedsparameter, ligesom odds eller p, det er bare sværere at fortolke… Beta-konstanterne er estimerede logit forskelle.

Question 6

Hvad er Wald-testen?

Answer 6

Et mål for hvor langt væk man er fra nulhypotesen og dermed hvor sikker man er på sit resultat.

Question 7

Hvad er formålet med linearitetstjekket?

Answer 7

Logistisk regression antager, at effekten af en kontinuert variabel er lineær, men det er ikke sikkert at den er det. Derfor vil vi gerne teste om variablen faktisk har en lineær effekt på udfaldet.

Question 8

Hvorfor fjerner man de kubiske værdi først?

Answer 8

Man fjerner først det mest komplekse led. Det hierakiske princip!

Question 9

Hvad hvis interessevariablen er insignifikant?

Answer 9

Man må aldrig tage interessevariablen ud modellen, også selvom den er insignifikant

Question 10

Opskrivning af den endelige model

Answer 10

Formel:

• P = sandsynlighed
• Y= sandsynligheden for udfald
• X = den vilkårlige variable man justerer for:
  
  • Som enten er interessegruppen = 1
  • Eller referencegruppen = 0
• Streg = givet
• i = alle de kovariate man justerer for
• Alfa-konstant = baggrundsrisiko for referencegrupperne = risikoen for referencegruppen.
• Beta-værdierne = logit forskelle = exp(beta) = OR

Man kan ikke tolke direkte på en logit-værdi/forskel

Question 11

Hvordan udregnes en kvadratisk effekt?

Answer 11

Man tager selve variablen i anden:

Blodtryksniveau² =blodtryksniveau*blodtryksniveau

Question 12

Hvordan udregnes en kontinuert variabels kvadratisk effekt på udfaldet?

Answer 12

Fx blodtryksniveaueffekt = a + (_betasbp*sbp) + (_betasbp²*sbp²)

Question 13

Hvordan udregnes en kontinuert variabels kubiske effekt på udfaldet?

Answer 13

Fx BMI-effekt = a + (_betaBMI*BMI) + (_betaBMI²*BMI²)+(_betaBMI³*BMI³)

Question 14

Hvordan udregnes den kubiske effekt?

Answer 14

Man tager selve variablen i tredje:

BMI³ = BMI*BMI*BMI

Question 15

Hvad er formålet med trin 3 i tretrinsraketten?

Answer 15

Vi kigger på om der er andre ting vi ikke tager hesyn til som fx interaktioner/effektmålsmodifikatorer.

Man skal have alle variable med igen, også selvom de var insignifikante i trin 1. Det kan jo godt være, at den insignifikante variabel ikke har en signifikant effekt på udfaldet, men det betyder ikke, at den ikke kan indgå i en signifikant interaktion med eksponeringen.

Dernæst udføres baglæns modelsøgning mhp. på få den med mættede model, som vi kan putte ind i den endelige logistiske regressionsformel

Question 16

Beskriv tretrinsraketten

Answer 16

Question 17

Hvad kan vi regne ud i vores endelige logistiske regressionsformel?

Answer 17

En prædikteret sandsynlighed (for død) for en speciel person