2
泊松回归估计二元结果的相对风险
简要总结 为什么在具有二元结果的队列研究中使用逻辑回归(具有比值比),而不是与泊松回归(具有相对风险)相比,更普遍? 背景 根据我的经验,本科生和研究生的统计和流行病学课程通常会讲逻辑回归应用于对具有二元结果的数据进行建模,风险估计值以比值比报告。 但是,泊松回归(以及相关的:拟泊松,负二项式等)也可以用于对具有二元结果的数据进行建模,并通过适当的方法(例如鲁棒的三明治方差估计器)提供有效的风险估计和置信度。例如, Greenland S.,基于模型的相对风险和其他流行病学方法在共同结局研究和病例对照研究中的估计,Am J Epidemiol。2004年8月15日; 160(4):301-5。 Zou G.,使用二进制数据进行前瞻性研究的改进的Poisson回归方法,《美国流行病学杂志》。2004 Apr 1; 159(7):702-6。 Zou GY和Donner A.,将修正的Poisson回归模型扩展到具有相关二元数据的前瞻性研究,Stat Methods Med Res。2011年11月8日。 通过泊松回归,可以报告相对风险,其中一些人认为相对风险比与比值比更容易解释,尤其是对于频繁的结局,尤其是对于没有统计学背景的个人而言。请参见张J.和于克芬,相对风险是多少?一种校正常见结局队列研究中的优势比的方法,JAMA。1998年11月18日; 280(19):1690-1。 通过阅读医学文献,在具有二元结果的队列研究中,似乎似乎更普遍的是通过逻辑回归报告比值比,而不是通过泊松回归报告相对风险。 问题 对于具有二元结果的队列研究: 是否有充分的理由报告逻辑回归的优势比,而不是泊松回归的相对风险? 如果不是,医学文献中具有相对风险的Poisson回归频率不高是否可以归因于科学家,临床医生,统计学家和流行病学家在方法论理论与实践之间的滞后? 中间统计学和流行病学课程是否应包括更多关于二元结果的泊松回归的讨论? 我是否应该鼓励学生和同事在适当的时候考虑使用泊松回归而不是逻辑回归?