Upload
eytan
View
93
Download
10
Embed Size (px)
DESCRIPTION
(n=....). (n=....). (Unadjusted). (Adjusted). แนวทางการนำเสนอข้อมูลจากการวิเคราะห์ โดยใช้ Logistic Regression (ตัวอย่าง Case-control study กรณีมีวัตถุประสงค์เพื่อหาปัจจัยเสี่ยง) นำเสนอข้อมูล Measure of association (มิใช่ค่า Coefficient) ดังตารางหุ่นต่อไปนี้ - PowerPoint PPT Presentation
Citation preview
แนวทางการนาเสนอข้�อมู�ลจากการว�เคราะห์�
โดยใช้� Logistic Regression( ตั�วอย าง Case-control study กรณี"มู"ว�ตัถุ$ประสงค�
เพื่'(อห์าป)จจ�ยเส"(ยง)
นาเสนอข้�อมู�ล Measure of association ( มู�ใช้ ค าCoefficient) ด�งตัารางห์$ นตั อไปน"+
ป)จจ�ย Case Control OR(95%CI)
1. 2 . 3 . ...
(n=....) (n=....) (Adjusted)(Unadjusted)
%%%
%%%
ตั�วอย าง การนาเสนอข้�อมู�ลจากการว�เคราะห์�โดยใช้� Logistic
Regression
“... สมการการถดถอยลอจี สติ�ค แสดงความส�มพั�นธ์�ระหว�างการส�บบ�หร � ก�บ การ ป่!วย ด"วยโรคห�วใจีโคโรนาร � โดยควบค�มผลของอาย� และ เพัศ เป่)น ด�งน *
1421 1609 0095Logit P(X) = . + . SMK + . SEX 0301+ . AGE
ผ�"ส�บบ�หร � ม ความเส �ยงติ�อ การป่!วยด"วยโรคห�วใจีโคโรนาร �เป่)น 5 เท่�าของผ�"ไม�ส�บบ�หร � (9 5 %CI.OR: 2 .1 ถ-ง 11.7)
พับว�า เพัศ และ อาย� ม ความส�มพั�นธ์�ก�บ การป่!วยด"วยโรคห�วใจีโคโรนาร � โดย ...( ติารางท่ � 1)”
ตัารางท"( 1 Adjusted Odds Ratio แสดงความส�มพั�นธ์�ระหว�างการส�บบ�หร � ก�บ การป่!วย ด"วยโรคห�วใจีโคโรนาร �
ป)จจ�ย Case Control OR(95%CI)
1. การส�บบ$ห์ร"(- ส�บ 807. % 300. %
97 55. ( . ถ-ง 17.3) 5(2.1 ถ-ง 11.7) - ไม�ส�บ 19.3% 70.0%
2. เพื่ศ- ชาย 73.3% 633. % 1.6(1.0 ถ-ง 2.7) 1.1(0.8 ถ-ง 37. ) - หญิ�ง 367. % 337. %
... ... ... ... ...
(n = 150) (n = 150) (Adjusted)(Unadjusted)
95% Confidence Interval 95( % CI. OR.)
บอก Precision ข้อง OR และ บอกว าป)จจ�ยน�+นเป.น Significant risk factor ห์ร'อไมู
ตั�วอย าง Lower Limit Estimated OR. Upper Limit
การศ-กษาก.
การศ-กษาข.
การศ-กษาค.
0 1 + ค�าความไม�แติกติ�าง (Null value)แปลความูห์มูาย : แม"ท่�กการศ-กษา จีะได"ค�า OR เท่�าก�น การศ-กษา ข . ม Precision มากท่ �ส�ดน�าเช3�อถ3อ มากท่ �ส�ด ท่�*ง ก . และ ข . บ�งช *ว�าป่4จีจี�ยท่ �ศ-กษาม ความส�มพั�นธ์�ก�บติ�วแป่รติามอย�างม น�ย
ส5าค�ญิท่างสถ�ติ� การศ-กษา ค . ม Precision ติ5�าส�ด และย�งได"ข"อสร�ป่ว�า ป่4จีจี�ยท่ �ศ-กษาม ความ
ส�มพั�นธ์�ก�บติ�วแป่รติาม อย�างไม�ม น�ยส5าค�ญิท่างสถ�ติ� และย�งท่ราบว�า การศ-กษา คร�*งน *ม ขนาดติ�วอย�าง (Sample Size) ไม�เพั ยงพัอ
ส�ตัรท�(วไป )(..)%( / LVarZLEXPORCI 21100
ค�าคะแนนมาติรฐานจีากการแจีกแจีงป่กติ�
ค�าท่ �ใช"ค5านวณ OR. กล�าวค3อ ((((L ) = OR.
Standard error ของ L
เม3�อก5าหนดให" = 0.05 เข ยนส�ติรได"ด�งน *:-
)(...% LVarLEXPORCI 96195
L หามาได"จีากการหาค�า OR. ด�งน * -: จีาก OR. = EXP[ bi(X1i - X0i)]
แท่นค�า [ bi(X1i - X0i)] = L
ด�งน�*น OR. = EXP(L)
ค�าความคลาดเคล3�อนการป่ระมาณค�า
การประมูาณีค าช้ วงเช้'(อมู�(น กรณี"ไมู มู" Interaction term
ด"วย OR = EXP (b) ด�งน�*น 95% CI OR =
ตั�วอย าง -: ผลจีาก Computer print out ได"ด�งน *
Variable1 Coefficient SE Chisq p - 67727 11401Constant . .
352900000. . 0 .5 9 7 6 0 .3 5 2 0 2 .8 800896.
00322 00152 451ECG . . . 00337.
CHL 0 .0 0 8 7 0 .0 0 3 3 7 .1 7 00074.
03695 02936 158HPT . . . 02083.
Exp b 1.96 Var(b)( )
ได"จีาก Computer Print out}
ORSMK = e0.5976
= 1.82 95% CI ORSMK
= e[0.5976+1.96(0.3520)]
= e(-0.09,1.29) = 0.91,
3.63
Lower Limit Estimated OR.
Upper Limit
ช้ วงความูเช้'(อมู�(นคร อมูค า1 SSSSSSSSSSS S( ค า p-
value มูากกว า 0.05) ใน printout ได�ค า - p value
00896= . ควรเข้"ยนในรายงานเป.น -p
value = 0.09
ORSMK = 1.82
95% CI. ORSMK= 0.91, 3.63
Null value
0 1 2 3 4
การประมูาณีค าช้ วงความูเช้'(อมู�(น กรณี"มู" Interaction
เม3�อ CHL = 200 , ORSMK = 26.1
SSSSSSSS SSSSSSSSSSS SS S SSSS p 26809SMK . 31042166900000. . . ((( 0034900161. . 4.69 0.0303 ((( - 0006503278. . 12502635. . ((( 1046803316. . 99600016. . * 00029SMK CHL . 07422 98500417. . . (((((((( - 4.0474 1.2549 104000013. .
Logistic Regression Modelผลจากคอมูพื่�วเตัอร�
L = bSMK + bSMK*CHL(((( ในท่ �น * สนใจีศ-กษาเฉพัาะผ�"ท่ �ม ระด�บโคเลสเติอร�รอล 200 มล . จี-งระบ�ค�า
ของ 200CHL = )OR. 26809 00029200= EXP[ . + ( . x )] =
EXP(3 .2 6 0 9 ) = 2 6 .1
ข้�+นท"( 1. คานวณีค าOR.
จากส�ตัรท�(วไปSS = eL
และ
OR.ท่ �ป่ร�บค�าผลกระท่บจีากผลECG และHPT เร ยบร"อยแล"ว
)Var(L) 1.96( L EXP95%CI
Var(L ) = var (bSMK ) +2 (2 0 0 )cov(b SMK ,bSMKxCHL)+(200)2var(bSMKxCHL )
- = 1.7619 + 2(200)( 11.014) + (200)2 (0.1101) =01619.
(( ( (95 SMK = EXP( 3.2609 196. ( ) = 11855737. , .
ข้�+นท"( 2. คานวณีช้ วงความูเช้'(อมู�(น ข้องOR.
SMK ECG CHL HPT SMKxCHLConstant SMK 17619. ECG 02849. 95361
CHL - - 00140 03278. . 00003. HPT 01468. 03316. 09631. 01075. - - SMKxCHL 11.014 0.7422 -19878 06717. . 01101.
Constant 04474. 02549. 04056. 08673. 09104. 13570.
Variance-Covariace Matrixผลจากคอมูพื่�วเตัอร�
เม3�อ CHL = 200 , ORSMK = 26.1 (95%CI.OR ; 11.85 ถ-ง 57.37)
0.1619
)(...% LVarLExpORCI 96195
ตั�วอย างส�ตัรสาห์ร�บคานวณีค า (L ) ในแตั ละSSSSS
กรณี" X1
เป.น (1,0)
Model: Logit P(X) = a + b1
S1
+ b2
S2
+b3
S1
S2
เมู'(อ L = b
1S1
+ b3(1
S2
) S( L ) = Var(b
1 ) + (X
2)2var(b
3 ) +
2(X2
)cov(b1
,b3)
Model: Logit P(X) = a + b1
S1
+ b2
S2
+b3
S3
+ b4
S1
S 2 + b5
S1
S3
เมู'(อ L = b 1S 1 + b4
S1
S 2 + b5
S1
S3
Var (L ) = Var(b1
) + (X2)2var(b
4 ) +
(3)2var(b
5 ) + 2X
2cov(b
1,b4
) + 2X
3cov(b
1,b5
) + 2X2
S3
Cov (b4
,b5)
( ศ2กษารายละเอ"ยดใน Kleinbaum, 1994. ห์น�า - 141 144