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