高先生sir
最近在学习logistic回归模型,看到一篇文章中的模型,不是很懂,如下图所示,如何是如何从模型1中确定年龄、房颤、入院NHISS为混杂因素,从而建议模型2的?
dxy_1gtkn9j3
个人感觉根据模型1的p值来解释模型二控制这些变量,解释不通,一般可以控制p值小于0.05的来进一步分析出其他可能相关的因素,以及影响强度,分明年龄和房颤并不是。
那就另一种解释吧,就是人为的根据其他已有研究的结果(年龄、房颤是明确的影响风险结果的因素)来进行控制变量分析的
loveliufudan
模型1和模型2是基于logistic回归模型进行分析的。在模型1中,年龄、房颤和入院NHISS评分被作为自变量,而OCSP、TACI、PACI、POCI、白细胞计数、中性粒细胞计数、淋巴细胞计数和NIR被作为因变量。模型1给出了每个自变量的回归系数、标准误差、95%置信区间和p值。
根据模型1的结果,可能发现年龄、房颤和入院NHISS评分与OCSP、TACI、PACI、POCI、白细胞计数、中性粒细胞计数、淋巴细胞计数和NIR之间存在一定的关联。这些自变量可能被认为是潜在的混杂因素,即它们与因变量之间存在关联,并且可能影响因变量的结果。
因此,在模型2中,作者建议将年龄、房颤和入院NHISS评分作为混杂因素进行调整,以控制这些因素对其他自变量和因变量之间的关系的影响。模型2可能是基于模型1的结果进行修正后的回归模型,以更准确地评估其他自变量与因变量之间的关系。
土井挞克树
把多变量输入到logistics回归中可以按照统计学参数确定混杂因素的,这个需要输出模型看统计学数据
相关产品推荐
相关问答