Date post: | 19-Jan-2017 |
Category: |
Education |
Upload: | juan-de-dios-diaz-rosales |
View: | 517 times |
Download: | 4 times |
19. Regresión logística INVESTIGACIÓN CLÍNICAUNIVERSIDAD AUTÓNOMA DE CIUDAD JUÁREZ
Regresión Logística
La variable dependiente (Y) tiene 2 valores (dicotómica) Ausencia / presencia Mutuamente excluyente
Las variables independientes (X) o predictoras son: Continuas (edad) Ordinales (estadios) Dicotómicas (si/no)
Este modelo busca explicar o predecir la probabilidad de que ocurra o no un evento
Modelo multivariado
Berea-Baltierra et al., Rev Med Inst Mex Seguro Soc. 2014;52(2):192-7
Regresión Logística
Condiciones
Las variables no aleatorias X (fijas) son posibles predictoras de Y
La relación de las variables debe ser clara y permitir que se establezcan los factores de riesgo
Es importante que no se deben utilizar variables en los casos en los que no se conoce su relación con la enfermedad
Los valores de X (variables fijas) son independientes
A La variable dependiente (Y) se le codifica como 0 o 1
Odds Ratio . Razón de Momios Es el logaritmo de la probabilidad de
que el evento suceda entre la probabilidad de que no suceda
Berea-Baltierra et al., Rev Med Inst Mex Seguro Soc. 2014;52(2):192-7
Condiciones Se puede hacer
inicialmente un análisis BIVARIADO para observar las relaciones significativas
El modelo final puede incluir todas las variables que demostraron relación con el resultado (Y)
Es deseable que cada variable en el modelo cuente con un mínimo de 10-20 casos por cada evento
Ej., Si tenemos 47 casos de neumonía en 121 pacientes, no deberíamos incluir en nuestro modelo más de 4 variables (47/10 = 4.7)
Berea-Baltierra et al., Rev Med Inst Mex Seguro Soc. 2014;52(2):192-7
Condiciones
Lo anterior se llama eventos por variable
Sirve para estabilizar los datos
En caso de incluir más variables, los datos pueden volverse inestables y dar resultados falsos
Berea-Baltierra et al., Rev Med Inst Mex Seguro Soc. 2014;52(2):192-7
Pasos
1er paso – hacer una análisis bivariado con cada una de las posibles variables involucradas
Las variables dicotómicas se contrastan con Chi cuadrada
Las variables continuas se contrastan con t de Student
La medida de asociación es OR (Exp[β])
IC 95% (valor mínimo y máximo)
Una vez identificadas las variables que se asocian, haremos el modelo multivariado (preselección)
Eliminando las variables sin relación
Eliminando las variables con mayor p-valor
Se recomienda no eliminar variables que tengan lógica biológica (ej., edad) con el fin de ajustar el modelo
Berea-Baltierra et al., Rev Med Inst Mex Seguro Soc. 2014;52(2):192-7
Berea-Baltierra et al., Rev Med Inst Mex Seguro Soc. 2014;52(2):192-7