Logistic回歸在醫學中應用摘要Logistic回歸模型是一種概率模型，適合于病例—對照研究、隨訪研究和橫斷面研究，且結果發生的變量取值必須是二分的或多項分類?？捎糜绊懡Y果變量發生的因素為自變量與因變量，建立回歸方程。logistic回歸分析的特點之一是參數意義清楚，即得到某一因素的回歸系數后，可以很快估計出這一因素在不同水平下的優勢比或近似相對危險度，因此非常適合于流行病學研究。本文在spss環境下利用logistic回歸方法分析南非心臟病與那些因素有關。關鍵詞：Logistic回歸；心臟病、引言Logistic回歸(logisticregression)屬于概率型非線性回歸，是分析反應變量為獨立分類資料的常用統計分析方法，由于對資料的正態性和方差齊性不做要求、對自變量類型也不做要求等，使得近年來Logistic回歸模型在醫學研究各個領域被廣泛用，如流行病學、病因學的隊列研究、病例對照研究，臨床診斷的判別模型，治療效果評價等。Logistic回歸在單獨面對醫學領域日益龐大和復雜多變的數據信息時，往往受到一定的限制，無法使數據信息得到充分利用，應用不當還會得出錯誤結論。因此隨著統計學方法的不斷發展和新的統計學方法的出現，Logistic回歸在越來越多的醫學研究的文獻資料中常常不再獨自出現， 而是與其他方法相互結合取長補短，充分利用資料中的信息，從而得出相對正確的結論。本研究將對近幾年Logistic回歸在醫學研究中與其他方法相互結合及比較應用作簡要介紹。Logistic回歸模型是一種概率模型，它是以疾病，死亡等結果發生的概率為因變量，影響疾病發生的因素為自變量建立回歸模型。它特別適用于因變量為二項，多項分類的資料。在臨床醫學中多用于鑒別診斷，評價治療措施的好壞及分析與疾病愈后有關的因素等。心臟病學是研究心臟疾病的醫療學科，它是一門既年輕又古老的醫療學科。古老是因為心臟病學起源較早，年輕是因為心臟病學發展比較緩慢，21世紀以后來取得突飛猛進的發展。心臟病學在醫學中占著舉足輕重的地位，心臟病學的完善發展將關系到人類的健康。二、logistic應用（一）數據簡介南非心臟病數據收集了160名患心臟病的病人病歷數據，對照組為沒有患心臟的正常人302名，收集了10個相關指標變量，希望建立病人患心臟病的關系模型。Chd是目標變量：病人是否患有心臟病。9個影響變量為：sbp（收縮壓）、tobacco（累計吸煙量）、ldl（低密度脂蛋白）、adiposity（肥胖指數）、famhist（家族心臟病史）、obesity（脂肪指標）、alcohol（酒精量）、typea（A型行為）、age（年齡）。（二）數據分析DependentVariableEncodingOriginalValuenternalValue健康0患病1上表為因變量賦值情況。BinaryLogistic過程默認以因變量較大取值的概率P（Y=1），而不是以P（Y=0）建立模型。1 、Block0:BeginningBlockClassificationTablePredictedchd是否患病PercentageObserved健康患病CorrectStep0 chd是否患病 健康3020100.0患病1600.0OverallPercentage65.4a?Constantisincludedinthemodel.b.Thecutvalueis.500首先給出的是模型不含任何自變量，而只有常數項時的輸出預測分類結果,此時所觀察對象都被預測為未康復，總的預測準確率為 65.4%。VariablesintheEquationB S.E. Walddf Sg.Exp(BSte Con6350982061000530P值為0拒絕原假設，模型顯著。模型中只有常數項的檢驗結果

VariablesnotintheEquationScoredfSig.Step Variables sbp收縮壓17.0941.0000 tobacco 累計吸煙量41.5021.000Idl低密度脂蛋白31.9691.000adiposity 肥胖指數29.8351.000famhist 家族心臟病史(34.2741.000typeaA型行為4.9161.027obesity脂肪指數4.6291.031alcohol酒精量1.8061.179age年齡64.2681.000OverallStatistics109.0399.000該表反映的是如果將現有模型外的各個變量納入模型，則整個模型的擬合優度改變是否有統計學意義。若將Sbptobacco、Idl>adiposity、famhist、typea、obesity、age引入，p值<0.05系數不為0，則模型改變有統計意義，而將alcohol引入，系數為0,則模型改變無統計意義。八個因素都與心臟病有關.由于在對某一因素進行單因素分析時沒有控制其它因素的干擾，因此結果不可靠.2 、Block1:Method=EnterOmnibusTestsofModelCoefficientsCh-squaredfSig.Step1Step139689.000Block139689.000Model139689.000這是模型總的全局檢驗，為似然比檢驗，共給出三個結果：Step統計量為每一步與前一步相比的似然比檢驗結果； Block統計量是將Block1與Block0相比的似然比檢驗結果；Model統計量則是上一個模型與現在模型相比的似然比檢驗結果。Predictedchd 是否患病 |>ercentageObserved健康患病CorrectStep1 chd 是否患病 健康2564684.8患病778351.9OverallPercentage73.4ClassificationTableaa.Thecutvalueis.500該表為引入9個變量的模型對因變量的分類預測情況。預測準確率由 65.4%上升到73.4%，說明新變量的引入對改善模型預測效果的確有意義。

VariablesintheEquationBS.E.WalddfSig.Exp(B)Stepsbp收縮壓.007.0061.2881.2561.0071 tobacco累計吸煙量.079.0278.9031.0031.083ldl低密度脂蛋白.174.0608.4981.0041.190adiposity肥胖指數.019.029.4031.5261.019famhist家族心臟病史.925.22816.4881.0002.523typeaA型行為.040.01210.3291.0011.040obesity脂肪指數-.063.0442.0211.155.939alcohol酒精量.000.004.0011.9781.000age年齡.045.01213.9011.0001.046Constant-6.1511.30822.1041.000.002a.Variable(s)enteredonstep1:sbp收縮壓，tobacco累計吸煙量,IdI低密度脂蛋白，afamhist家族心臟病史，typeaA型行為，obesity脂肪指數，alcohol酒精量，age年齡.由上最大似然估計分析知，對于變量 sbp、adiposity、obesity、alcohol的Wald檢驗結果P>0.05表明，收縮壓、肥胖指數、脂肪指數、酒精量對心臟病無影響；對于變量tobacco、ldl、famhis、typea、age的Wald檢驗結果P<0.05表明，累計吸煙量、低密度脂蛋白、家族心臟病史、 A型行為、年齡對心臟病無影響。3.Block1:Method=ForwardStepwise(Wald)VariablesintheEquationBS.E.WaddfSig.Exp(B)S』epage年齡.064.00956.4521.0001.0661Constant-3.522.41671.6561.000.030Sbepfamhis家族心臟病史(1).934.21618.6411.0002.5452age年齡.060.00946.0671.0001.062Constant-3.759.43773.9501.000.023Sceptobacc累計吸煙量.083.02610.4221.0011.0873famhis家族心臟病史(1).975.22019.6281.0002.651age年齡.049.00926.6651.0001.050Constant-3.621.44566.3191.000.027Steptobacc累計吸煙量.083.02610.1391.0011.0874famhis家族心臟病史(1).952.22318.2561.0002.591typea型行為.038.01210.1671.0011.039age年齡.055.01030.6471.0001.057Constant-5.939.88145.4181.000.003S』eptobacc累計吸煙量.080.0269.6461.0021.0845ld低密度脂蛋白.162.0558.6851.0031.176famhis家族心臟病史(1).908.22616.1831.0002.480typea型行為.037.0129.3061.0021.038age年齡.050.01024.4451.0001.052Constant-6.446.92149.0051.000.002\6riable(enteredonstepgt年齡.\ariable(enteredonstejamhs家族心臟病史怡riable(enteredonstejo3aco累計吸煙量\ariable(enteredonsteeplea型行為\ariable(enteredonstepd低密度脂旨蛋白易9除Sbpadiposity、obesity，建立chd與tobacco、Idl、famhist、typea、age的Logistic回歸方程chd=exX-6.4460.08tob0.162ldl 0.908fam0.037typ0.05age)chd=1exX-6.4460.08tob0.162dl 0.908fam0.037typ0.05age)三、結論通過logistic回歸分析得知，吸煙習慣、肥胖、家族病史和年齡是影響到患心臟病的關鍵因素。所以，我們要從以下幾方面預防心臟?。旱谝?，減肥。肥胖者患心臟病的比例遠遠高于正常體重的人，特別是“蘋果形”身材的人更危險。只要老人減肥3—5公斤，心臟狀況就會有很大改善。同時，專家告誡較胖的老人，不要指望自己一下子變成超級模特，要通過平衡飲食和鍛煉逐漸達到減肥的目的。第二，少吃