logistic回歸在醫(yī)學中應用

1、LogisticLogistic回歸在醫(yī)學中應用回歸在醫(yī)學中應用摘要摘要Logistic回歸模型是一種概率模型，適合于病例—對照研究、隨訪研究和橫斷面研究，且結果發(fā)生的變量取值必須是二分的或多項分類?？捎糜绊懡Y果變量發(fā)生的因素為自變量與因變量，建立回歸方程。logistic回歸分析的特點之一是參數意義清楚，即得到某一因素的回歸系數后，可以很快估計出這一因素在不同水平下的優(yōu)勢比或近似相對危險度，因此非常適合于流行病學研究。本文在spss環(huán)

2、境下利用logistic回歸方法分析南非心臟病與那些因素有關。關鍵詞關鍵詞：Logistic回歸；心臟病一、引言一、引言Logistic回歸（logisticregression）屬于概率型非線性回歸，是分析反應變量為獨立分類資料的常用統(tǒng)計分析方法，由于對資料的正態(tài)性和方差齊性不做要求、對自變量類型也不做要求等，使得近年來Logistic回歸模型在醫(yī)學研究各個領域被廣泛用，如流行病學、病因學的隊列研究、病例對照研究，臨床診斷的判別模型，

3、治療效果評價等。Logistic回歸在單獨面對醫(yī)學領域日益龐大和復雜多變的數據信息時，往往受到一定的限制，無法使數據信息得到充分利用，應用不當還會得出錯誤結論。因此隨著統(tǒng)計學方法的不斷發(fā)展和新的統(tǒng)計學方法的出現(xiàn)，Logistic回歸在越來越多的醫(yī)學研究的文獻資料中常常不再獨自出現(xiàn)，而是與其他方法相互結合取長補短，充分利用資料中的信息，從而得出相對正確的結論。本研究將對近幾年Logistic回歸在醫(yī)學研究中與其他方法相互結合及比較應用作簡

4、要介紹。Logistic回歸模型是一種概率模型，它是以疾病，死亡等結果發(fā)生的概率為因變量，影響疾病發(fā)生的因素為自變量建立回歸模型。它特別適用于因變量為二項，多項分類的資料。在臨床醫(yī)學中多用于鑒別診斷，評價治療措施的好壞及分析與疾病愈后有關的因素等。心臟病學是研究心臟疾病的醫(yī)療學科，它是一門既年輕又古老的醫(yī)療學科。古老是因為心臟病學起源較早，年輕是因為心臟病學發(fā)展比較緩慢，21世紀以后來取得突飛猛進的發(fā)展。心臟病學在醫(yī)學中占著舉足輕重的地

5、位，心臟病學的完善發(fā)展將關系到人類的健康。VariablesintheEquation.635.09842.2061.000.530ConstantStep0BS.E.WalddfSig.Exp(B)P值為0拒絕原假設，模型顯著。模型中只有常數項的檢驗結果。VariablesnotintheEquation17.0941.00041.5021.00031.9691.00029.8351.00034.2741.0004.9161.0274

6、.6291.0311.8061.17964.2681.000109.0399.000sbptobaccoldladiposityfamhist?(1)typeaAobesityalcoholageVariablesOverallStatisticsStep0ScedfSig.該表反映的是如果將現(xiàn)有模型外的各個變量納入模型，則整個模型的擬合優(yōu)度改變是否有統(tǒng)計學意義。若將Sbp、tobacco、ldl、adiposity、famhist、t

7、ypea、obesity、age引入，p值0.05系數不為0，則模型改變有統(tǒng)計意義，而將alcohol引入，系數為0，則模型改變無統(tǒng)計意義。八個因素都與心臟病有關.由于在對某一因素進行單因素分析時沒有控制其它因素的干擾因此結果不可靠.2、BlockBlock1:1:MethodMethod=EnterEnterOmnibusTestsofModelCoefficients123.9689.000123.9689.000123.9689.

8、000StepBlockModelStep1ChisquaredfSig.這是模型總的全局檢驗，為似然比檢驗，共給出三個結果：Step統(tǒng)計量為每一步與前一步相比的似然比檢驗結果；Block統(tǒng)計量是將Block1與Block0相比的似然比檢驗結果；Model統(tǒng)計量則是上一個模型與現(xiàn)在模型相比的似然比檢驗結果。ClassificationTablea2564684.8778351.973.4Observed??chd?OverallPerc