A regressziós egyenes egyenlete

Slides:



Advertisements
Hasonló előadás
4. Két összetartozó minta összehasonlítása
Advertisements

AZ EMELKEDŐ PSA JELENTŐSÉGE RADIKÁLIS PROSTATECTOMIA UTÁN
ANYAGCSERE CSONTBETEGSÉGEK 2003 SE ÁOK I. Belklinika.
Kardiovaszkuláris rizikófaktorok idült veseelégtelenségben
Az onkológiai betegek pszicho-szociális szükségleteinek felmérése
Kvantitatív Módszerek
Parathyreoidea, csontanyagcsere
3. Két független minta összehasonlítása
Műveletek logaritmussal
A tételek eljuttatása az iskolákba
Két változó közötti összefüggés
Csoportosítás megadása: Δx – csoport szélesség
Lineáris és nemlineáris regressziók, logisztikus regresszió
Dr. Szalka Éva, Ph.D.1 Statisztika II. IX.. Dr. Szalka Éva, Ph.D.2 Idősorok elemzése.
Statisztika II. VI. Dr. Szalka Éva, Ph.D..
Dr. Szalka Éva, Ph.D.1 Statisztika II. IX.. Dr. Szalka Éva, Ph.D.2 Idősorok elemzése.
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
Regresszióanalízis 10. gyakorlat.
Dr. Gombos Tímea SE, III.sz. Belgyógyászati Klinika
Miért kell többváltozós modellekhez folyamodnunk (a túlélési analízis során)?
Fokozott kardiovaszkuláris kockázatú betegek kezelése június Dr. Andréka Péter Semmelweis Egyetem II. sz. Belgyógyászati Klinika.
Hipertóniagondozás folyamata és stratégiája I.
Dr. Masszi Gabriella November 12. SOTE –NET Barna-terem
Krónikus veseelégtelenség és kardiovaszkuláris kockázat
Kardiovaszkuláris rizikó becslése a laboratóriumi gyakorlatban
Vesetranszplantációs várólistán lévő betegek cardiovascularis állapota
Hyperuricaemia és hypertonia Hypertonia Központ Óbuda, Budapest
A GYERMEKVÁLLALÁS HATÁSA A CSALÁDI JÖVEDELEMRE MAGYARORSZÁGON Reizer Balázs Béla és Seres Gyula Szociális munka, szociálpolitika szekció április.
KÉT VÁLTOZÓ KÖZÖTTI KAPCSOLAT MÉRÉSI MÓDJAI: A KORRELÁCIÓ ÉS A REGRESSZIÓ Az alapvető kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti.
Diagnosztikai tesztek szenzitivitása és specificitása, pozitív és negatív prediktív értéke, ROC analízis, a klinikai döntéshozatal folyamata.
TÖBBSZÖRÖS REGRESSZIÓS SZÁMÍTÁSOK II
Diagnosztikai tesztek szenzitivitása és specificitása, pozitív és negatív prediktív értéke, ROC analízis, a klinikai döntéshozatal folyamata.
Többszörös regresszió I. Többszörös lineáris regresszió
REGRESSZIÓS SZÁMÍTÁSOK II
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)
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.
REGRESSZIÓS SZÁMÍTÁSOK II
Méltó helyet a fittségnek a kardio-vaszkuláris- metabolikus rizikó megítélésében !
Kvantitatív módszerek
Kvantitatív módszerek
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
Dinamikus májfunkciós próba diagnosztikus
Nominális adat Módusz vagy sűrűsödési középpont Jele: Mo
Befektetési döntések Bevezetés
Egészségi állapot, egészségügyi rendszerek Dr. Jávor András.
Koszorú- és agyérbetegségek: tények és megelőzés
A BISOPROLOL hatékonysága krónikus szivelégtelenségben
Mikrovaszkuláris reaktivitás vizsgálata túlsúlyos és normál testsúlyú fiatal nőkben Babos Levente, Tóth Krisztina, Farnady Ágnes,, Sallai László, Cseprekál.
EGÉSZSÉGMAGATARTÁS Egészségmagatartásnak nevezünk minden olyan tevékenységet, amelyet egy önmagát egészségesnek tartó személy vagy preventív céllal végez,
Alapsokaság (populáció)
Diszkrét változók vizsgálata
Két kvantitatív változó kapcsolatának vizsgálata
A klinikai transzfúziós tevékenység Ápolás szakmai ellenőrzése
TÁRSADALOMSTATISZTIKA Sztochasztikus kapcsolatok II.
Készítette: Horváth Viktória
III/1. dia Osteoarthritis(arthrosis). III/2. dia Osteoarthritis Az etoricoxib vizsgálatainak áttekintése Etoricoxib párhuzamos dózisösszehasonlító vizsgálat.
D-vitamin receptor (VDR) aktiváció és a túlélés epidemiológiája végstádiumú vesebetegekben Salem VA Medical Center, Salem, USA Prof. Dr. Kövesdy Csaba.
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Regresszió-számítás március 30. Dr. Varga Beatrix egyetemi.
SIMON ZSÓFIA, MILTÉNYI ZSÓFIA, MAGYARI FERENC, BARNA SÁNDOR 1, KENYERES ANNA, JÓNA ÁDÁM, ILLÉS ÁRPÁD DEKK BELGYÓGYÁSZATI INTÉZET, HEMATOLÓGIA TANSZÉK,
Lineáris regressziós modellek
Kiváltott agyi jelek informatikai feldolgozása 2016
2. Regresszióanalízis Korreláció analízis: milyen irányú, milyen erős összefüggés van két változó között. Regresszióanalízis: kvantitatív kapcsolat meghatározása.
Dr. Varga Beatrix egyetemi docens
Előadás másolata:

A regressziós egyenes egyenlete Y= alpha + beta1.X1 + beta2.X2 + beta3.X3 +..... + epszilon a használt egyenlet a minta alapján: Y = a + b1X1 + b2X2 + b3X3 + b4X4.. TÖBB VÁLTOZÓ HATÁSÁT EGYETLEN ÉRTÉKBEN ÖSSZEGEZZÜK (súlyozott átlag) ahol az X1 az első független változó és a b1 a hozzátartozó regressziós koefficiens, az X2 a második független változó és a b2 a hozzá tartozó regressziós koefficiens, stb.

A regressziós egyenes egyenlete (folyt.) A számítás hasonló az egyszerű lineáris regresszióhoz, a legkisebb átlagos négyzetes távolság kiszámításán alapul. Két független változó esetén egy síktól való távolságot minimalizálunk, több független változónál ez már nem szemléltethető

2. feladat: Feher et al. Beta blockers, lipoproteins and a non-insulin dependent diabetes (Postgrad. Med. 64, 927, 1988) Y (H): HDL2 szubfrakció, mmol/l X1 (B): beta blokkolót szedett 1: igen, 2: nem X2 (D).drink 1: alkoholt fogyasztott, 2: nem X3 (S) smoking 1: dohányzik, 0: nem X4 (A): életkor, év X5 (W) testsúly X6 (T) trigliceridek X7 (C) C-peptide X8 (G) vércukor H = 0.711 -0.0824 B - 0.0173 D - 0.0399 S - 0.00455 A - 0.00214 W - 0.0444 T + 0.00463 C - 0.00391 G. R2:59.5%, adj.R2:54.3% Kérdés: mit jelentenek a piros számok?

Válaszok az 2. feladatra 0.0824 B: ha béta-blokkolót szed valaki, akkor a HDL2 (védő) frakció szérumszint 0.0824 mmol/l-el nagyobb lesz, azaz a nem szedők 0.711 mmol/l-ével szemben 0.711+0.082=0.793 mmol/l. - 0.00455 A: az öregedéssel párhuzamosan évente 0.00455 mmol/l-el csökken a HDL2-frakció szérumszintje, - 0.0444 T: 1 mmol/l triglicerid szint csökkenés 0.044 mmol/l HDL-csökkenéssel jár együtt. Tehát ha valakinek 2 mmol/l-el csökkentjük a triglicerid koncentrációját, ez 0.7110-2.0.0444=0.7110-0.0888=0.6222 mmol/l HDL koncentrációt eredményez, ha az összes többi tényező változatlan marad.

Parameter Estimates (gyakika) Sigma-restricted parameterization B S.E. of B t p -95,00% +95,00% Beta S.E. of beta Intercept -79,3334 36,85479 -2,15259 0,034524 -152,736 -5,93070 DIFVEGF 0,0414 0,01490 2,77615 0,006922 0,012 0,07105 0,292256 0,105274 0,082585 0,501928 GENDER 9,8770 6,01770 1,64132 0,104864 -2,108 21,86223 0,178725 0,108891 -0,038151 0,395601 AGE 0,7211 0,33331 2,16349 0,033646 0,057 1,38497 0,247451 0,114376 0,019652 0,475250 BMI_E0 1,2541 0,72314 1,73426 0,086926 -0,186 2,69438 0,197392 0,113819 -0,029298 0,424082

Az egyenlet CDS 7 months, %= -79.33 + 9.877xgender + 0.7211xage + 1.2541xBMI + 0.0414.diffVEGF Legyen a beteg 40 éves férfi, BMI-je 28% CDS 7 months, % = - 79.33 + 9.877x1 + 0.7211x40 + 1.2541x28 + 0.0414.diffVEGF = -79.33+9.877+28.84+63.95+0.0414.diffVEGF= -79.33 + 102.667 + 0.0414.diffVEGF= 23.337 + 0.0414.diffVEGF

A VEGF emelkedés hatása CDS 7 months, % = 23.337 + 0.0414.diffVEGF Ha a VEGF emelkedés 100 pg/ml, akkor CDS 7 months, % = 23.337 +4.14=27.477 Ha a VEGF emelkedés 400 pg/ml, akkor CDS 7 months, % = 23.337 + 16.56 = 38.977 Ha nem férfi, hanem nő a beteg, akkor 9.877-el több, tehát 49.774% a várható restenosis

A két vagy több független változó elemzéséhez használható különböző módszerek (Dawson, Trapp, 2001)

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 gyrmorrák 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

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 a két változó egymástól független, de befolyásolják egymás hatását, számszerűsíteni lehet ezt a kölcsönhatást (interakciót) is

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 családi rizikó predikciója a koleszterin, HDL és a nem alapján, az interakció hatása B S.E. Wald df p R CHOL ,6335 ,2985 4,5031 1 ,0338 ,1494 HDL -2,4635 ,9827 6,2846 1 ,0122 -,1954 NEM -,4027 ,4848 ,6899 1 ,4062 ,0000 Constant ,8494 1,5590 ,2968 1 ,5859 INTERAKCIÓ BEÉPÍTVE CHOL -,6148 ,8546 ,5175 1 ,4719 ,0000 HDL -2,4323 ,9994 5,9231 1 ,0149 -,1870 NEM -4,1402 2,5648 2,6058 1 ,1065 -,0735 CHOL by NEM ,8909 ,5979 2,2203 1 ,1362 ,0443 Constant 6,0057 3,7456 2,5710 1 ,1088

A családi rizikó predikciója a koleszterin és HDL alapján fiúkban Variable B S.E. Wald df Sig R CHOL ,3208 ,3799 ,7132 1 ,3984 ,0000 HDL -2,9730 1,4563 4,1674 1 ,0412 -,1864 Constant 2,3467 1,9864 1,3957 1 ,2374

A családi rizikó predikciója a koleszterin és HDL alapján lányokban Variable B S.E. Wald df Sig R CHOL 1,1179 ,4946 5,1094 1 ,0238 ,2507 HDL -1,8774 1,4030 1,7907 1 ,1808 ,0000 Constant -2,7346 2,4150 1,2821 1 ,2575

Az érsebészeti példában Kérdés: a nagymértékű korai VEGF emelkedés előre jelzi-e a klinikailag szignifikáns (>50%) restenosist? Mi az, hogy nagymértékű korai VEGF emelkedés? Pl. legfelsőbb kvintilisban, kvartilisban, tertilisban, stb. Legyen a tertililis, >90 pg/ml

Az esélyarányok Azoknak, akikben legalább 90 pg/ml-el megemelkedik a szérum VEGF szintje a műtétet követő 4 nap alatt, 19,1-szer (CI:1,7-211,4) nagyobb az esélyük arra, hogy náluk 7 hónap alatt klinikailag szignifikáns restenosis fejlődjön ki, akkor is, ha a restenosis igen/nem csoportokban ugyanannyi lenne a férfi, mint a nő, ha a két csoport betegeinek átlag életkora és BMI-je is ugyanakkora lenne. A nőknek 6.7-szer (CI:1.00-45.2)-szer nagyobb az esélyük a klinikailag szignifikáns restenosisra, még akkor is, ha ha a restenosis igen/nem csoportok betegeinek átlag életkora és BMI-je is ugyanakkora lenne, és ugyanolyan mértékű lenne náluk a korai VEGF emelkedés.