如何解决随访期间存在变异时进行逻辑回归的偏移项
请原谅我有限的流行病学和统计知识,因为我仍在学习一些基本概念。实际上,我正在进行病例对照研究,结果是二进制的。我有10,000名患者的数据,其中10%患有乳腺癌(我感兴趣的结果)。我想研究一下药物X暴露对这10,000名患者的影响。在调整了已知的混杂因素(例如年龄和性别)之后,我使用逻辑回归来估计药物A暴露对乳腺癌的几率。问题是对这10,000名患者进行了不同时间的随访,时间从几天到几年不等。我的问题是:
A。在logistic回归模型中将每个患者的随访时间作为预测指标是否有意义?暴露量的估计值会完全改变(有和没有根据随访天数进行调整,从明显大于1变为明显小于1)。
B.我应该在二项式回归模型中使用offset(log(跟进时间))吗?
C.使用将变量跟踪时间作为偏移项处理的Poisson回归模型是否更有意义?
我的一般理解是,随访的时间越长,诊断出乳腺癌的机会就越大,因此我应该纠正随访期间的变异性。我不确定最合适的方法是什么。任何帮助将不胜感激。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。