单独二分类logit模型在有序分类资料中的应用

《单独二分类logit模型在有序分类资料中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、单独二分类Logit模型在有序分类资料中的应用作者：林党新许涛沈念春赖胜邓政伟【摘要】目的：通过幽门螺杆菌与胃癌癌前病变关系研究的资料，探讨单独二分类Logit模型中有序分类资料中的应用。方法：选择293名患有轻度萎缩性胃炎的患者，对病变进展的影响因素分析分别采用累积比数Logit模型和单独的二分类Logit模型，并对两种模型的分析结果进行比较。结果：累积比数Logit模型分析结果显示幽门螺杆菌感染对胃癌癌前病变的影响无统计学意义(OR=1.158，95%CI：0.986～2.464)，但得分检验发现幽门螺杆菌不满足

2、累积比数Logit模型的比例优势假定条件(χ2=24.100，P<0.0001)，故采用单独的二分类Logit模型进一步分析。结果表明，幽门螺杆菌阳性者比阴性者有更高的危险至少进展到重度萎缩性胃炎(OR=2.334，95%CI：1.402～3.885)。结论：幽门螺杆菌感染主要作用于胃癌癌前病变的早期阶段。对于有序分类资料的分析，选用模型时应注意其应用条件，若条件不满足最好换用其它更为恰当的方法。【关键词】胃癌癌前病变;幽门螺杆菌;累积比数Logit模型;单独的二分类Logit模型8　有序分类资料最常用的分析方

3、法是累积比数Logit模型[1]，对多分类有序反应资料，如果采用一般的二分类Logit模型，而不是累积比数Logit模型，只能获得50%～70%的检验效能[2]，说明在处理有序分类数据方面，累积比数Logit模型要优于二分类Logit模型。近几年累积比数Logit模型在国内应用领域有所增多，但不少忽略了模型的使用条件，盲目套用，以致影响所得结论的可靠性。本研究通过累积比数Logit模型在实际数据分析中的应用，说明了忽视模型应用条件所产生的后果，并介绍了如何选择恰当的分析方法。　　1资料与方法　　1.1资料来源　　资料

4、来源于1项茂名市某医院的队列研究数据，该研究选择了360名轻度慢性萎缩性胃炎(CAG)患者，根据他们的幽门螺杆菌(Hp)感染情况分为阴性组和阳性组两组人群，随访3年后重新进行病理学诊断，观察他们的病变情况。　　1.2胃黏膜病理诊断8　　用胃内窥镜观察胃黏膜病变，并在胃体大小弯、胃角、胃窦大小弯、前后壁各取胃黏膜活检组织1块。病理切片照全国胃、十二指肠活检、病理诊断标准进行诊断。每个受检对象以最严重病变为第一诊断。　　1.2统计分析方法　　累积比数Logit模型的形式为[3]：Logit(P(Y≤k

5、X))=ln(P(

6、Y≤k

7、x)1-P(Y≤k

8、x))=ak-pi=1βixi，k=1，2，…，K-1。(1)反应变量Y为K个等级的有序变量，第k(k=1，2，…，K)类的概率分别为{π1，π2，…，πk}，且Kk=1πk=1。影响因素xT=(x1，x2，…，xP)为解释变量，xi(i=1，2，…，p)可以是连续变量、无序或有序分类变量。则该模型实际上是将K个等级人为地分成{1，…，k}和{k+1，…，K}两类，在这两类基础上定义的LogitP表示属于前k个等级的累积概率(P(Y≤k

9、x))与后K-k个等级的累积概率(1-P(Y≤k

10、

11、x))的比数之对数。故该模型称为累积比数模型，其应用有一个基本的假定条件，即比例优势假定(proportionaloddsassumption)。这一条件要求自变量的回归系数应与分割点k无关，换句话说，无论从哪一点分类，对所有的累积logit，变量xk都有一个相同的βk估计。　　单独的二分类logit模型(separatebinarylogistic8modes)主要是把反应变量按照不同分割点合并为不同的二类，然后分别进行二分类的Logistic回归分析[4]。本研究中的反应变量为随访5年后的病变，分为轻度CAG、

12、重度CAG、肠上皮化生(IM)、不典型增生(DYS)共4类，有3个分割点，故定义为3个二分类Logit：一是将IM、重度CAG和轻度CAG合并，即{DYS}VS{IM,重度CAG,轻度CAG}，表示至少进展到DYS;二是将DYS和IM合并，重度CAG和轻度CAG合并，即{DYS,IM}VS{重度CAG,轻度CAG}，表示至少进展到IM;三是将DYS、IM和重度CAG合并，即{DYS,IM,重度CAG}VS{轻度CAG}，表示至少进展到重度CAG。然后以上述分类分别作3次二分类的logistic回归分析。整个分析过程均

13、由SAS8.2(SASInstitute,Cary，N.C.)来完成[5]。　　2结果　　经3年随访后，共67人因各种原因失访，293人具有可供分析的完整资料。其中，118人病变仍为轻度CAG，91人进展为重度CAG，49人进展为IM，35人进展为DYS。具体进展情况见表1。　　累积比数Logit模型分析结果表明(表2)，除性别因素外，其他因素