TÖBBSZÖRÖS REGRESSZIÓS SZÁMÍTÁSOK II

Slides:



Advertisements
Hasonló előadás
A depresszió előfordulása a családorvosi gyakorlatban
Advertisements

AZ EMELKEDŐ PSA JELENTŐSÉGE RADIKÁLIS PROSTATECTOMIA UTÁN
Az onkológiai betegek pszicho-szociális szükségleteinek felmérése
KLINIKAI ALAPISMERETEK
Kvantitatív Módszerek
Az ISZB kialakulása. Preklinikus szakasz
ABO Institute Az egészségmegőrzés evolúciója. Az ABO Institute forradalmi újítása •Tudáskrízis: –Az orvostudomány összes tudása gyorsabban nő, mint amit.
Parathyreoidea, csontanyagcsere
A terápia specialitása renális hypertoniában Prof. Dr. de Châtel Rudolf egyetemi tanár Semmelweis Egyetem ÁOK I. sz. Belgyógyászati Klinika, Budapest.
A területen szerzett pneumoniák első ellátása sürgősségi osztályunkon
Klinikai, laboratóriumi diagnosztika. Dr. Domján Gyula.
Dialízis étrend: bizonyíték értékű tanulmányok
Perifériás érbetegségek
Orvos- és Egészségtudományi Centrum
D- vitamin és időskor.
Villamosság élettani hatásai Epidemiológia alapjai
Dr. Szalka Éva, Ph.D.1 Statisztika II. IX.. Dr. Szalka Éva, Ph.D.2 Idősorok elemzése.
A VESEELÉGTELENSÉG PROGRESSZIÓJA I
Az analitikus epidemiológia vizsgálat célja:
Dr. Gombos Tímea SE, III.sz. Belgyógyászati Klinika
Miért kell többváltozós modellekhez folyamodnunk (a túlélési analízis során)?
III. Sz. Belgyógyászati Klinika
Dr. Masszi Gabriella November 12. SOTE –NET Barna-terem
III. Sz. Belgyógyászati Klinika
Krónikus veseelégtelenség és kardiovaszkuláris kockázat
Kardiovaszkuláris rizikó becslése a laboratóriumi gyakorlatban
Cardiovascularis betegségek DEOEC Kardiológiai Klinika, Debrecen
Szabóné Dubiczki Mária, Siposné Kozma Anikó
Hyperuricaemia és hypertonia Hypertonia Központ Óbuda, Budapest
Peritoneálisan dializált betegek túlélése,
Az anaemia szerepe és jelentősége a betegségek progressziójában
A nephrosis syndroma leggyakoribb okai ( )
Vastagbélrákszűrés: USA trendek. The Super Colon Exhibit.
KÉT VÁLTOZÓ KÖZÖTTI KAPCSOLAT MÉRÉSI MÓDJAI: A KORRELÁCIÓ ÉS A REGRESSZIÓ Az alapvető kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti.
Többszörös regresszió I. Többszörös lineáris regresszió
A klinikai epidemiológia statisztikai módszerei
KÉT FÜGGETLEN, ILL. KÉT ÖSSZETARTOZÓ CSOPORT ÖSZEHASONLÍTÁSA
TÖBBSZÖRÖS REGRESSZIÓS SZÁMÍTÁSOK II
Kovarianciaanalízis Tételezzük fel, hogy a kvalitatív tényező(k) hatásának azonosítása után megmaradó szóródás egy részének eredete ismert, és nem lehet,
ÖSSZEFOGLALÓ ELŐADÁS Dr Füst György.
A két vagy több független változó elemzéséhez használható különböző módszerek (Dawson, Trapp, 2001)
Dr. Dinya ElekPhD kurzus január 30. DÖNTÉSI MEGOLDÁSOK ESZKÖZEI AZ ORVOSI DIAGNOSZTIKÁBAN.
KÉT VÁLTOZÓ KÖZÖTTI KAPCSOLAT MÉRÉSI MÓDJAI: A KORRELÁCIÓ ÉS A REGRESSZIÓ Az alapvető kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti.
Többszörös regresszió I. Többszörös lineáris regresszió miért elengedhetetlen a többszörös regressziós számítás? a többszörös regressziós számítások fajtái.
A regressziós egyenes egyenlete
REGRESSZIÓS SZÁMÍTÁSOK II
Méltó helyet a fittségnek a kardio-vaszkuláris- metabolikus rizikó megítélésében !
1 Szemléletváltás az ST-elevatióval járó acut myocardialis infarctus kezelésében a váci Jávorszky Ödön Kórház Kardiológiai Osztályán az elmúlt 35 év során.
A cukorbetegség: világszerte növekvő járvány
XVIII. Pest Megyei Orvosnapok
Az ÉRV program jelentősége a kardiovascularis betegségek kimutatásában, illetve prevenciójában az 52. centrum eredményei alapján Dr. Ruby Erzsébet 2009.
Mindig az a drága, ami többe kerül? Kis Zoltán Balassa János Kórház.
A BISOPROLOL hatékonysága krónikus szivelégtelenségben
KORASZÜLÖTT PRAEMATURUS
Mikrovaszkuláris reaktivitás vizsgálata túlsúlyos és normál testsúlyú fiatal nőkben Babos Levente, Tóth Krisztina, Farnady Ágnes,, Sallai László, Cseprekál.
Dr. Grónai Éva, Dr. Erdélyi Erzsébet, Blézer Zita
A genom variabilitás orvosi jelentősége Gabor T. Marth, D.Sc. Department of Biology, Boston College Orvosi Genomika kurzus – Debrecen, Hungary,
Invaziv vizsgálatok. 17,5 millió ember halálát okozta ben (1/3 a világ összhalálozásának) 20 millió túlélő maradvány tünetekkel 5 millió önellátásban.
D-vitamin receptor (VDR) aktiváció és a túlélés epidemiológiája végstádiumú vesebetegekben Salem VA Medical Center, Salem, USA Prof. Dr. Kövesdy Csaba.
Perifériás érbetegség és krónikus vesebetegség: a fokozott
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Regresszió-számítás március 30. Dr. Varga Beatrix egyetemi.
Szepszis – 2012 „Atyám, kétségeim vannak…” Molnár Zsolt Aneszteziológiai és Intenzív terápiás Intézet Szegedi Tudományegyetem 2012.
Kard és pajzs viszonya az egészségügyben
SIMON ZSÓFIA, MILTÉNYI ZSÓFIA, MAGYARI FERENC, BARNA SÁNDOR 1, KENYERES ANNA, JÓNA ÁDÁM, ILLÉS ÁRPÁD DEKK BELGYÓGYÁSZATI INTÉZET, HEMATOLÓGIA TANSZÉK,
„Sok vagy kevés vizsgálat” „Sok vagy kevés vizsgálat” ad hoc munkacsoport Tagjai: Dr. Gilányi IbolyaMiskolc Dr. Nagy ÉvaDunaújváros Sándor JózsefNyíregyháza.
Márk Ágnes, Barna Gábor, Csomor Judit, Kriston Csilla, Matolcsy András
Dr. Füzi Miklós1, Prof. Dr. Ludwig Endre2, Prof. Dr.Szabó Dóra1
Dr. Varga Beatrix egyetemi docens
A vastagbél gyulladásos betegségei
Dr. Varga Beatrix egyetemi docens
Előadás másolata:

TÖBBSZÖRÖS REGRESSZIÓS SZÁMÍTÁSOK II TÖBBSZÖRÖS LOGISZTIKUS REGRESSZIÓ

A többszörös elemzés a klinikai orvostudományban, egy példa Volpato, S et al: Cardiovascular Disease, Interleukin-6 and Risk of Mortality in Older Women. The Women’s Health and Aging Study. Circulation, 103, 947, 2001 620 >65 éves nő, anamnézis, orvosi vizsgálat, vérvétel, különböző gyulladásos markerek meghatározása: IL-6, CRP, albumin 3 éves követés (PROSPEKTÍV VIZSGÁLAT), a halálozás és ennek okának regisztrálása

Az alap szérum IL-6 szint és a 3 éves mortalitás

A különböző IL-6 szérumszintű betegek demográfiai és egészségügyi jellemzői

Kérdés Mennyivel nagyobb kockázatuk (relatív rizikó) a magas IL-6 szintű egyéneknek a közepes és az alacsony IL-6 szintű egyénekhez viszonyítva arra, hogy 3 éven belül meghaljanak? Prospektív vizsgálat, RR számolható.

A feladat az, hogy matematikai módszerekkel kiküszöböljük az egyéb tényezőket, amelyek a három IL-6 szintű csoportban különböznek és így adjunk választ a fenti kérdésre Ebből a célból különböző modelleket építünk fel, és a logisztikus regresszió módszerével végezzük el a számítást.

A 3 éves mortalitás nyers és adjusztált relatív rizikója (95% CI) az IL-6 szérumszint szerint

Kiechl, S. et al.: Chronic Infections and the Risk of Carotid Atherosclerosis. Circulation, 103, 1064, 2001 Bruneck tanulmány: 1990, 826 40-79 éves egyén, carotis duplex scan: carotis atherosclerosis foka, plakkok száma). A vizsgált egyéneknél rögzítették, hogy szenvednek-e valamilyen krónikus légúti, húgyúti, fogászati vagy egyéb infekcióban. A vizsgált egyének vérében megmértek egyes a krónikus infekcióra jellemző laboratóriumi markereket)

KÉRDÉSEK 1) VAN-E ÖSSZEFÜGGÉS A KRÓNIKUS FERTŐZÉSEK KLINIKAI ÉS LABORATÓRIUMI JELEI ÉS A CAROTIS ATHEROSCLEROSIS MÉRTÉKE KÖZÖTT A VIZSGÁLAT IDŐPONTJÁBAN (keresztmetszeti vizsgálat) 2) VAN-E ÖSSZEFÜGGÉS A KRÓNIKUS FERTŐZÉSEK KLINIKAI ÉS LABORATÓRIUMI JELEI ÉS AZ ÚJ CAROTIS PLAKKOK KIFEJLŐDÉSE KÖZÖTT (prospektív vizsgálat) Számítás módja: többszörös lépcsőzetes logisztikus regressziós analízis

500 egyénben a kezdeti vizsgálatkor nem találtak carotis plakkot, közülük 125-ben fejlődött ki carotis plakk az 5 éves megfigyelési idő alatt. Mi jelezte ezt előre? OR: kategorikus: igen/nem, folyamatos: 1 SD növekedés

Tsobuno Y et al. Green Tea and the Risk of Gastric Cancer in Japan Tsobuno Y et al. Green Tea and the Risk of Gastric Cancer in Japan. NEJM 344, 632, 2001. 1984, 26311 > 40 éves Miyagi tartomány, kérdőív: zöldtea fogyasztás mértéke Követési idő: 1999 748 személy-év 1982 dec.-ig. 419 gyomorrák, diagnózis időpontja Kérdés: befolyásolja-e a zöldtea fogyasztás a gyomorrák kifejlődésének az esélyét? Számítás: Cox regressiós analízis, reletív rizikó (prospektív vizsgálat): alap: <1 csésze/nap. A gyomorrák kimenetelét esetleg még befolyásoló változók (confounding variables): életkor, nem, ulcus az anamnézisban, dohányzás, alkohol, rizs, hús/zöldség fogyasztás

A zöldtea fogyasztás és a gyomorrák kifejlődésének relatív rizikója

Kimenetel (függő változó) Példa a kimenetelre A használandó többszörös analitikai módszer Folyamatos Vérnyomás, testsúly, hőmérséklet Többszörös lineáris regresszió Dichotóm (igen-nem) Halál, rák, felvétel intenzív osztályra Többszörös logisztikus regresszió Az igen eseményig eltelt idő A halálig, a rák dg-ig eltelt idó Cox regresszió (proportinal hazard analízis)

A többszörös modellek feltételezései (assumptions) TÖBBSZÖRÖS LINEÁRIS TÖBBSZÖRÖS LOGISZTIKUS PROPRCIONÁLIS HAZARD ANALÍZIS MIT MODELLEZÜNK? A függő változó átlaga A függő változó egyik értéke bekövetkezése esélyének (odds) temészetes logaritmusa (logit) A relativ kockázat (hazard) logaritmusa A FOLYAMATOS FÜGGETLEN VÁLTOZÓK VISZONYA A FÜGGŐHÖZ (KIMENETELHEZ) A függő változó átlaga lineárisan változhat több független változóval is A függő változó logitja lineárisan változhat több független áltozóval is A relatív hazard logaritmusa lineárisan változhat több független áltozóval is A SKALARIS FÜGGETLEN VÁLTOZÓK VISZONYA A FÜGGŐHÖZ (KIMENETELHEZ) A függő változó átlaga lineárisan változhat több független változó egységnyi változásával is A függő változó logitja lineárisan változhat több független változó egységnyi változásával is A relatív hazard logaritmusa lineárisan változhat több független változó egységnyi változásával is A FÜGGŐ VÁLTOZÓ ELOSZLÁSA Normális Binomiális Nincs meghatározva

Többszörös logisztikus regresszió Számszerűen (odds ratio formájában) fejezi ki az összefüggést egy független változó és egy dichotóm (beteg/nem beteg, férfi/nő, magas/nem magas, stb) függő változó között úgy, hogy ezt az összefüggést a többi független változóhoz illeszti (adjusted) tehát matamatikai módszerekkel a többi független változó hatását kiküszöböli. A cél általában a predikció.

Relatív rizikó (relative risk) , esély-arány (odds ratio) Példa: Az AIDS definiciójának megfelelő opportunista infekciók vagy tumorok előfordulása (továbbiakban röviden és helytelenül AIDS) előrehaladott HIV betegségben szenvedő betegekben. A betegeket folyamatosan két reverz transzkriptáz gátló szerrel kezelték, és két csoportra randomizálták. Az egyik csoport egy proteáz inhibitort (Ritonavir) is kapott, a másik csak placebot az alapkezelés mellett. 16 hétig regisztrálták az AIDS definiciójának megfelelő opportunista infekciók vagy tumorok előfordulását. (Cameron et al. Lancet 351, 543, 1998)

Relatív rizikó Relatív rizikó: A/A+B osztva C/C+D-vel: a példában 119/543 osztva 205/547-el: 0.22/0.37=0.59 (95% CI: 0,48-0.71), tehát az AIDS kiejlõdésének a relatív kockázata a Ritonavírral kezelt csoportban csaknem a fele a szokásos kezelést kapott betegek kockázatának

Esély-arány (OR) Először mindkét csoportban kiszámítjuk az esélyét annak, hogy egy esemény, példánkban az AIDS kifejlődése, bekövetkezzen. Ez A/B, ill C/D, tehát példánkban 119/424=0.28, ill. 205/342=0.60. A két esély arány tehát A/B osztva C/D-vel, 0.28/0.60=0.47 (95% CI 0.33-0.67). Tehát a ritonavírrel is kezelt betegeknek az esélye arra, hogy bennük AIDS fejlõdjön ki. kevesebb, mint fele annak, amely a ritonavirrel nem kezelt betegek esetében áll fenn. EZ AZ ÖSSZEFÜGGÉS AZONBAN CSAK AKKOR IGAZ, HA A KÉT CSOPORT MÁS SZEMPONTBÓL NEM KÜLÖNBÖZIK EGYMÁSTÓL. HA IGEN: TÖBBSZÖRÖS LOGISZTIKUS REGRESSZIÓ VAGY MÁS HASONLÓ ELJÁRÁS ELVÉGZÉSE SZÜKSÉGES

A TÖBBSZÖRÖS LOGISZTIKUS REGRESSZIÓ Matematikai-statisztikai eljárás, amelyet akkor alkalmazunk, ha egy dichotóm változó bekövetkezésének valószínűsége és az egyes független változók közötti kapcsolatot szeretnénk kiszámítani. Ha a független változó nominális, akkor ezt 0-val, ill 1-el jelőljük, ha folyamatos, akkor egy bizonyos egységnyi növekedésre pl. 1 SD növekedésre vonatkozik a kapcsolat, az OR.

A logisztikus regresszió során alkalmazott számítási mód A lineáris regresszióval ellentétben, amelynél a számítás az ún. legkisebb négyzetek módszerén alapszik, a logisztikus regresszió számítási módja az un. maximum likehood ratio kiszámítása. Ez, mint minden valószínűség-arány számítás, exponenciális, tehát a természetes logaritmus alapra vonatkozik. Ezt átalakítjuk úgy, hogy az egyenlet mindkét oldalán ln-t számítunk.

A logisztikus regresszió egyenlete odds (bekövetkezik/nem következik be, A/B= P/1-P. Ha a ln-át vesszük, ln (odds) = ln (P/1-P) = ßo + ßII Ha ezt az egyes független változók szerint részeire bontjuk, akkor ln (odds) = ßo + X1ß1 + X2ß2.... A ßo azt jelenti, hogy a ln(odds) mennyivel egyenlő, ha minden független változó = 0. A ß1 érték egyenlő az X változóra vonatkozó OR ln-ával, stb.

A logisztikus regresszió egyenlete (folyt.) A 0 hiptézisünk az, hogy a vizsgált változók által meghatározott esély-arány (OR) nem különbözik 1-től, tehát ezek a változók nem növelik az adott esemény bekövetkeztének valószínűségét. Ennek az OR-nek vesszük a ln-át, majd az egyenletet úgy alakítjuk át, hogy ezt az OR-t felbontjuk az egyes változók által meg-határozott OR-ekre, pontosabban ezek ln-ára ln (OR) = X1(lnOR1) + X2(lnOR2).... Az egyes komputer programok vagy a ß vagy az OR értékeket adják meg, átszámíthatók: ß = ln(OR)

Modell felépítés a logisztikus regresszióban Hasonló a lineáris regresszióhoz manuális automatikus: forward selection backward elimination stepwise selection A számítógépes programok mérőszámot adnak (vö R2 a lineáris regressziónál), amely az egyes modellek „jóságát” (goodness of fit) fejezik ki.

A többszörös logisztikus regresszióval kapcsolatos legfontosabb kérdések Elegendő a megfigyelések száma? (5-10-szer több eset, mint változó) A modell megfelelő-e? Ha van interakció az egyes változók között, ezt a modell felépítésnél figyelembe kell és lehet is venni. Van-e az eredményeknek biológiai értelme? (automatikus modellfelépítés!) Ha váratlan összefüggés jön ki, lehet véletlen, de lehet értelme is: hipotézis felállítás, de ellenőrzés új vizsgálatban!!!

Példa a többszörös logisztikus regresszióra (Burián et al, Circulation, 2001)

Kérdés A négy paraméter előre képes-e jelezni, hogy egy adott egyén az ISZB-s beteg vagy kontroll-csoportba tartozik? Számítás többszörös logisztikus regresszió független változók: HDL-koleszterin, a triglicerid és az anti-hsp60 szintek (folyamatos változók, 1 SD változás) és a Chl, pneumoniae (nominális 0 (szeroneg), 1 (szeropoz) Függő változó: csoport 0: kontroll, 1: ISZB

STATISTICA OUTPUT Model: Logistic regression (logit) N of 0's:48 1's:241 Dep. var: CSOPORT Loss: Max likelihood (MS-err. scaled to 1) Final loss: 115,14789192 Chi˛(4)=29,591 p=,00001 Const.B0 LOGHSP60 HDL_CHOL TRIGLICE CHL_PNEU Estimate -,74 ,9383 -,186086 ,51 ,71548 SE ,68 ,2997 ,284498 ,18 ,36015 t(284) -1,08 3,1305 -,654084 2,81 -1,98662 p-level ,28 ,0019 ,513587 ,01 ,04792 -95%CL -2,08 ,3483 -,746078 ,15 -1,42439 +95%CL ,61 1,5282 ,373907 ,86 -,00658 Wald's khi2 1,16 9,8000 ,427826 7,88 3,94668 p-level ,28 ,0017 ,513062 ,00 ,04697 OR (unit ch) ,48 2,5556 ,830202 1,66 ,48896 -95%CL ,12 1,4167 ,474223 1,16 ,24066 +95%CL 1,84 4,6101 1,453402 2,37 ,99344

SPSS output

Milyen jó a modell? (Goodness of fit) SPSS A measure of how well the model fits the data. It is based on the squared differences between the observed and predicted probabilities. A small observed significance level for the goodness-of-fit statistic indicates that the model does not fit well.

MIHEZ SZÁMÍTSUK AZ ODDS RATIOT? Ha a független változó kategorikus, főleg, ha bináris, akkor OK (beteg/nem beteg, dohányzik/nem dohányzik, férfi/nő, stb.). Ha viszont a független változó folyamatos, akkor koncepcionálisan nehéz felfogni, hogy egy egység pl. 1 SD változás mit jelent. Megoldások: értelmes kategóriákat állítok fel: pl. életkorban 10 év, binárissá teszem a független változót ( alacsony/nem alacsony, magas/nem magas labor. lelet, IQ, stb.)

HOL HÚZZUK MEG A HATÁRT? A binárissá átalakítandó független változó minden adatát (a függő változó eredményétől függetlenül!!!) sorba rendezzük és megállapítjuk, hol van a 90. percentilis, a legfelsőbb (legalsóbb) kvartilis, tercilis, esetleg a medián határa. (legtöbb program megcsinálja) Ezután megvizsgáljuk, hogy a függő változóhoz tartozó két csoportban a magas/nem magas stb. kategóriába tartozó független változó hány esetben fordul elő Végül a logisztikus regressziós egyenletbe bevisszük mint bináris változót (nem magas: 0, magas: 1) ezt a független változót, és kiszámítatjuk az OR-t

Anti-hsp60 legfelső kvartilis vs. többi Példánkban az anti-hsp60 legfelső kvartilisának határa: 183,24 AU/ml. Ezután átkódoljuk a változót, úgy, hogy 0: <193.24, 1: >183.24. Megszámoltatjuk a géppel, hogy a beteg, ill kontroll csoportban hány 0 és 1 anti-hsp60 antitest szintű egyén van. HSP60KV HSP60KV Row alacsony magas Totals KO 51 3 54 PS 175 73 248 All Grps 226 76 302 Végül elvégezzük a logisztikus analízist a folyamatos változót a binárissal helyettesítve

STATISTICA OUTPUT Const.B0 HDL_CHOL TRIGLICE HSP60_M_ CHL_PNEU Estimate 2,06560 -,79768 ,1339 2,00283 -,92184 SE ,54187 ,34038 ,1409 ,62255 ,36728 t(287) 3,81201 -2,34351 ,9505 3,21714 -2,50987 p-level ,00017 ,01979 ,3426 ,00144 ,01263 -95%CL ,99906 -1,46764 -,1434 ,77749 -1,64475 +95%CL 3,13214 -,12773 ,4112 3,22817 -,19892 Wald's khi214,531405,49206 ,9035 10,35002 6,29946 p-level ,00014 ,01911 ,3419 ,00130 ,01208 OR(u.ch) 7,89002 ,45037 1,1433 7,40998 2.34 -95%CL 2,71574 ,23047 ,8664 2,17600 1.18 +95%CL 22,92288 ,88009 1,5086 25,23339 4.66

SPSS output

A logisztikus regressziós számítással megoldható problémák Az egyes vizsgált változók hatásának számszerűsítése esély-arány (95% CI) formájában Ha két változó egymástól független és nem befolyásolják egymás hatását, akkor vizsgálni lehet, hogy van-e együttes hatásuk (joint effect) A két független változó egymástól független, de befolyásolják egymás hatását a függő változóra, számszerűsíteni lehet ezt a kölcsönhatást (interakciót) is

A multicollinearitásból adódó problémák megoldása Multicollinearitás: egymással korreláló független változók Pneumonia – ápolási idő - láz (Celsius – Fahrenheit). Vagy születési súly – fogantatástól eltelt idő Hogyan tudom megállapítani? Mi a határ? R>0.9: ne, R=0.8-0.9: bizonytalan, R<0.8: mehet És, ha több a független változó? Tolerance és reciproka a variance inflation factor. Tolerance: <0.25 kétes, <0.10 tilos, variance inflation factor 4, ill 10 Mit csináljunk az egymástól függő változókkal? Hagyjuk ki, de melyiket?; és/vagy (pneumonia izzadás-hidegrázás); skálát készítünk a korreláló változókból

A szükséges mintaszám Többszörös regressziónál, nem lehet kevesebb, mint ami az egyszeri regressziónál kijön 10 x független változók száma De, ha az outcome vagy a dichotóm független változó előfordulási gyakorisága kicsi, akkor nagyon sok beteg kellhet

Hogyan lehet a független változók számát csökkenteni? Néhány változót kihagyunk Elméleti megfontolásból A mérési körülményeket figyelembe véve Két változó erősen korrelál. Melyiket hagyjuk ki? Amelyikben több a hiányzó adat Ahol nagyobb a mérési hiba valószínűsége Amelyik orvosilag kevésbé jelentős Empirikus megfigyelések alapján A változó nem függ össze az outcome-al az egyszeri vagy a többszörös analízisban A változó minimális mértékben befolyásolja csa a modell eredményét A változók egy részét kombináljuk egy változóvá vagy skálává És/vagy Szummációs skálák Faktor analízis

Hogyan kódoljunk? 0 és 1 jobb, mint 1 és 2 stb Nő – ffi, a kérdéstől függ Mi legyen a referencia kategória? Pl életkor, rassz. Kérdésfeltevéstől függ, más eredmények más interpretáció Életkor: ha lineáris a változás: legöregebb vagy legfiatalabb kategória De ha U-alakú az összefüggés (alkohol-fogyasztás – szívbetegségek) a középső kategória is lehet referencia

Független egymást nem befolyásoló változók Mind a magas anti-hsp60 szint, mind a Chl. pneum. fertőzöttség összefüggésben van az ISZB-vel (OR: 7.47 (2.18-25.2), ill. 2.17 (1.18-4.66). A két változó között nincs korreláció: Spearman r: - 0.007 (p=0.91) Számítsuk ki a magas anti-hsp60 szint OR-át, a Chl.pneum. szeronegatívoknál (2.06 (1.12-3.78)) és a Chl. pneum. szeropozitívoknál (3.85 (2.63-5.62). Tehát az ISZB és a magas anti-hsp közötti összefüggés fennáll a Chl. pneumoniae fertőzéstől függetlenül, a két változó nem (gyengén?) befolyásolja egymást

Két változó együttes hatása

Az alap szérum IL-6 szint és a 3 éves mortalitás

A korábbi cerebrovascularis betegség (CVB) hatása az IL-6 és a mortalitás közötti összefüggésre (interakciót találtak, p=0.09)

A 6.1 kiterjesztett haplotípus és a colorectalis carcinoma Egészséges kontrollok Egyének száma (%) Colorectalis carcinomások P érték LTA 252G+TNF -308A +HSP70 1267G + RAGE -429C non carrier heterozygote 108 (92.3) 9 (7.7) 148 (80.9) 35 (19.1) 0.006

Interakció 8.1 haplotípus*nem p=0.0489 8.1 haplotípus*életkor p=0.009

<67 éves (A) and >=67 éves (B); nők (C) and férfiak (D)

Odds ratio (95% confidence interval) P values Table 4 Gender-adjusted risk of carriers vs non carriers of the LTA 252A+TNF -308A+ HSP70 1267G + RAGE -429T haplotype belonging to different age groups at diagnosis to have colorectal cancer Group Odds ratio (95% confidence interval) P values < 67 years old 5.878 (1.300-26.571) 0.021 > 67 years old 1.858 (0.655-5.266) 0.244 All patients 2.870 (1.316-6.263) 0.008

Odds ratio (95% confidence interval) P values Table 5 Age-adjusted risk of females and male carriers vs non carriers of the LTA 252A+TNF -308A+HSP70 1267G + RAGE -429T haplotype to have colorectal cancer Group Odds ratio (95% confidence interval) P values Females 4.208 (1.338-13.232) 0.024 Males 1.828 (0.564-5.929) 0.315 All patients 2.870 (1.316-6.263) 0.008