Logistic回归在医学中应用

Logistic回归在医学中应用摘要Logistic回归模型是一种概率模型，适合于病例—对照研究、随访研究和横断面研究，且结果发生的变量取值必须是二分的或多项分类。可用影响结果变量发生的因素为自变量与因变量，建立回归方程。logistic回归分析的特点之一是参数意义清楚，即得到某一因素的回归系数后，可以很快估计出这一因素在不同水平下的优势比或近似相对危险度，因此非常适合于流行病学研究。本文在spss环境下利用logistic回归方法分析南非心脏病与那些因素有关。关键词：Logistic回归；心脏病、引言Logistic回归(logisticregression)属于概率型非线性回归，是分析反应变量为独立分类资料的常用统计分析方法，由于对资料的正态性和方差齐性不做要求、对自变量类型也不做要求等，使得近年来Logistic回归模型在医学研究各个领域被广泛用，如流行病学、病因学的队列研究、病例对照研究，临床诊断的判别模型，治疗效果评价等。Logistic回归在单独面对医学领域日益庞大和复杂多变的数据信息时，往往受到一定的限制，无法使数据信息得到充分利用，应用不当还会得出错误结论。因此随着统计学方法的不断发展和新的统计学方法的出现，Logistic回归在越来越多的医学研究的文献资料中常常不再独自出现， 而是与其他方法相互结合取长补短，充分利用资料中的信息，从而得出相对正确的结论。本研究将对近几年Logistic回归在医学研究中与其他方法相互结合及比较应用作简要介绍。Logistic回归模型是一种概率模型，它是以疾病，死亡等结果发生的概率为因变量，影响疾病发生的因素为自变量建立回归模型。它特别适用于因变量为二项，多项分类的资料。在临床医学中多用于鉴别诊断，评价治疗措施的好坏及分析与疾病愈后有关的因素等。心脏病学是研究心脏疾病的医疗学科，它是一门既年轻又古老的医疗学科。古老是因为心脏病学起源较早，年轻是因为心脏病学发展比较缓慢，21世纪以后来取得突飞猛进的发展。心脏病学在医学中占着举足轻重的地位，心脏病学的完善发展将关系到人类的健康。二、logistic应用（一）数据简介南非心脏病数据收集了160名患心脏病的病人病历数据，对照组为没有患心脏的正常人302名，收集了10个相关指标变量，希望建立病人患心脏病的关系模型。Chd是目标变量：病人是否患有心脏病。9个影响变量为：sbp（收缩压）、tobacco（累计吸烟量）、ldl（低密度脂蛋白）、adiposity（肥胖指数）、famhist（家族心脏病史）、obesity（脂肪指标）、alcohol（酒精量）、typea（A型行为）、age（年龄）。（二）数据分析DependentVariableEncodingOriginalValuenternalValue健康0患病1上表为因变量赋值情况。BinaryLogistic过程默认以因变量较大取值的概率P（Y=1），而不是以P（Y=0）建立模型。1 、Block0:BeginningBlockClassificationTablePredictedchd是否患病PercentageObserved健康患病CorrectStep0 chd是否患病 健康3020100.0患病1600.0OverallPercentage65.4a・Constantisincludedinthemodel.b.Thecutvalueis.500首先给出的是模型不含任何自变量，而只有常数项时的输出预测分类结果,此时所观察对象都被预测为未康复，总的预测准确率为 65.4%。VariablesintheEquationB S.E. Walddf Sg.Exp(BSte Con6350982061000530P值为0拒绝原假设，模型显著。模型中只有常数项的检验结果

VariablesnotintheEquationScoredfSig.Step Variables sbp收缩压17.0941.0000 tobacco 累计吸烟量41.5021.000Idl低密度脂蛋白31.9691.000adiposity 肥胖指数29.8351.000famhist 家族心脏病史(34.2741.000typeaA型行为4.9161.027obesity脂肪指数4.6291.031alcohol酒精量1.8061.179age年龄64.2681.000OverallStatistics109.0399.000该表反映的是如果将现有模型外的各个变量纳入模型，则整个模型的拟合优度改变是否有统计学意义。若将Sbptobacco、Idl>adiposity、famhist、typea、obesity、age引入，p值<0.05系数不为0，则模型改变有统计意义，而将alcohol引入，系数为0,则模型改变无统计意义。八个因素都与心脏病有关.由于在对某一因素进行单因素分析时没有控制其它因素的干扰，因此结果不可靠.2 、Block1:Method=EnterOmnibusTestsofModelCoefficientsCh-squaredfSig.Step1Step139689.000Block139689.000Model139689.000这是模型总的全局检验，为似然比检验，共给出三个结果：Step统计量为每一步与前一步相比的似然比检验结果； Block统计量是将Block1与Block0相比的似然比检验结果；Model统计量则是上一个模型与现在模型相比的似然比检验结果。Predictedchd 是否患病 |>ercentageObserved健康患病CorrectStep1 chd 是否患病 健康2564684.8患病778351.9OverallPercentage73.4ClassificationTableaa.Thecutvalueis.500该表为引入9个变量的模型对因变量的分类预测情况。预测准确率由 65.4%上升到73.4%，说明新变量的引入对改善模型预测效果的确有意义。

VariablesintheEquationBS.E.WalddfSig.Exp(B)Stepsbp收缩压.007.0061.2881.2561.0071 tobacco累计吸烟量.079.0278.9031.0031.083ldl低密度脂蛋白.174.0608.4981.0041.190adiposity肥胖指数.019.029.4031.5261.019famhist家族心脏病史.925.22816.4881.0002.523typeaA型行为.040.01210.3291.0011.040obesity脂肪指数-.063.0442.0211.155.939alcohol酒精量.000.004.0011.9781.000age年龄.045.01213.9011.0001.046Constant-6.1511.30822.1041.000.002a.Variable(s)enteredonstep1:sbp收缩压，tobacco累计吸烟量,IdI低密度脂蛋白，afamhist家族心脏病史，typeaA型行为，obesity脂肪指数，alcohol酒精量，age年龄.由上最大似然估计分析知，对于变量 sbp、adiposity、obesity、alcohol的Wald检验结果P>0.05表明，收缩压、肥胖指数、脂肪指数、酒精量对心脏病无影响；对于变量tobacco、ldl、famhis、typea、age的Wald检验结果P<0.05表明，累计吸烟量、低密度脂蛋白、家族心脏病史、 A型行为、年龄对心脏病无影响。3.Block1:Method=ForwardStepwise(Wald)VariablesintheEquationBS.E.WaddfSig.Exp(B)S』epage年龄.064.00956.4521.0001.0661Constant-3.522.41671.6561.000.030Sbepfamhis家族心脏病史(1).934.21618.6411.0002.5452age年龄.060.00946.0671.0001.062Constant-3.759.43773.9501.000.023Sceptobacc累计吸烟量.083.02610.4221.0011.0873famhis家族心脏病史(1).975.22019.6281.0002.651age年龄.049.00926.6651.0001.050Constant-3.621.44566.3191.000.027Steptobacc累计吸烟量.083.02610.1391.0011.0874famhis家族心脏病史(1).952.22318.2561.0002.591typea型行为.038.01210.1671.0011.039age年龄.055.01030.6471.0001.057Constant-5.939.88145.4181.000.003S』eptobacc累计吸烟量.080.0269.6461.0021.0845ld低密度脂蛋白.162.0558.6851.0031.176famhis家族心脏病史(1).908.22616.1831.0002.480typea型行为.037.0129.3061.0021.038age年龄.050.01024.4451.0001.052Constant-6.446.92149.0051.000.002\6riable(enteredonstepgt年龄.\ariable(enteredonstejamhs家族心脏病史怡riable(enteredonstejo3aco累计吸烟量\ariable(enteredonsteeplea型行为\ariable(enteredonstepd低密度脂旨蛋白易9除Sbpadiposity、obesity，建立chd与tobacco、Idl、famhist、typea、age的Logistic回归方程chd=exX-6.4460.08tob0.162ldl 0.908fam0.037typ0.05age)chd=1exX-6.4460.08tob0.162dl 0.908fam0.037typ0.05age)三、结论通过logistic回归分析得知，吸烟习惯、肥胖、家族病史和年龄是影响到患心脏病的关键因素。所以，我们要从以下几方面预防心脏病：第一，减肥。肥胖者患心脏病的比例远远高于正常体重的人，特别是“苹果形”身材的人更危险。只要老人减肥3—5公斤，心脏状况就会有很大改善。同时，专家告诫较胖的老人，不要指望自己一下子变成超级模特，要通过平衡饮食和锻炼逐渐达到减肥的目的。第二，少吃