医微客 - 1:m匹配病例对照Logistic回归

1:m匹配病例对照Logistic回归

临床研究

1970-01-01

2370 0

一、问题与数据

某医生想利用自己科室的患者数据，采用匹配的病例对照方法探究吸烟和肺癌的关系。该研究为每一位肺癌患者根据年龄段（±2岁）、性别和是否有家族史匹配2名对照，对病例和对照均收集是否吸烟的信息，并探索收入水平是否是可能的混杂因素。部分患者信息如表1：

表1. 病例对照信息

其中，ID表示对子数，每组对子3人，含1名肺癌患者和2名对照。Status变量表示是否患有肺癌，其中1表示患有肺癌（即病例），0表示未患肺癌（即对照）。Smoke变量代表是否吸烟，1表示吸烟，0表示不吸烟。Income变量代表收入水平，1表示高收入水平，0表示低收入水平。

二、对问题分析

该研究中，病例与对照根据年龄、性别和是否有家族史进行了匹配。此种设计需应用配对Logistic回归（条件Logistic回归）进行分析。SPSS中无专门进行配对Logistic回归的菜单，但是可以利用分层Cox回归进行分析。SPSS的Cox回归可分析病例与对照为1：m（m≥1）配比的设计。若配比为n：m（n>1,m≥1），需使用Stata软件的Cox回归过程，其数据格式与SPSS一致。在Cox回归中，将是否患病作为是否发生结局的变量，然后新建患者生存时间变量，此变量的赋值应满足对照组大于病例组，具体数值可不固定。

三、SPSS操作

请先登录

这么重要的内容，赶快登录查看吧！

四、结果解释

请先登录

这么重要的内容，赶快登录查看吧！

五、撰写结论

吸烟组与不吸烟组相比，吸烟组发生肺癌的风险是不吸烟组的4.310倍，差异有统计学意义（P<0.001）。

六、延伸阅读

(1) 1：m的病例对照研究在SPSS软件中需借助Cox回归分析，分析前需新建立虚拟的生存时间变量，且要求对照组生存时间比病例组长。

(2) n：m的病例对照设计应使用Stata软件的Cox回归进行分析，数据格式与本例同。

(3) 对于二分类的自变量，如果变量的赋值为1和0，可以不设置为分类变量而直接选入Covariates位置，此时自变量按连续变量进行分析，但结果与分类变量相同，而且参照组即为自变量赋值为0的组，不再需要在结果中查看分析时的对照组是哪一组。但对于分类数n>2的自变量，只能设置为分类变量，此时软件会给出n-1个系数，分别为n-1个分类与选定的参照分类的对比。