Beruflich Dokumente
Kultur Dokumente
HTA
Modelo de regresión múltiple no lineal
Sí
Modelo de regresión logística multivariante
No
Como vemos en la figura, Parece claro que de momento
no puedo establecer una ecuación del tipo y = ax (línea roja ), X [col]
por ello lo que hacemos con vars dicotómicas es ver la probabilidad de que se de una
circusntancia (HTA sí/no).
Asignando probabilidades (valor numérico) podré conseguir un modelo de probabilidad del tipo
P = ax; obtendremos una función logística que permitirá clasificar a los individuos es uno de los
dos grupos.
Pero existen planteamientos en biología en los que varía; ej: Bioensayos, cuando
analizamos la dosis-respuesta de un fármaco, llega un momento en que la respuesta no
sube mas aunque se aumente la dosis, porque los receptores están saturados (es la
1
máxima probabilidad); es un modelo exponencial pero la ecuación es algo diferente y se
llama modelo o ecuación logística. En este ejemplo del fármaco-dosis sería un ejemplo
de regresión UNIVARIANTE (hay una variable independiente, la dosis) que nos sirve
de ayuda para entender el tema, aunque la clase sea de modelo multivariante. Si tuviera
más de una var. X, tendría un plano o un hiperpepino (Carrasco)de 3, 4,..., n
dimensiones.
Y respuesta
Crecimiento sigmoidal
X, dosis, independiente
ECUACIÓN
Modelo de regresión: con unas variables independientes que en este caso serían los FR
(si es uno sería univariante, si son mas sería un modelo de regresión múltiple)
Y una dependiente que sería el proceso dicotómico que queremos
estudiar (enfermedad-no enfermedad).
2
Las características especiales del modelo logístico son: que la variable dependiente es
dicotómica (enf-no enf) y que la independiente puede ser cuali o cuanti.
1 --------------------------------------
prob de enfermar
FR: edad
FR- (no FR ) c d
Donde OR=axd/bxc.
3
Ahora metemos al OR:
ENFERMEDAD EXPOSICIÓN a A
Sí No
Sí P (E/A) = 1 P (E/A) = 0
No (1 – P) 1 - P (E/A) = 1 1 - P (E/A) = 0
Si sustituimos valores P
para hallar las “odds”: = e +x
(nota: α = b0 y β = b1)
1-P
P/1-P = e+
P/1-P = e
negativo--------protección
= positivo--------riesgo
Es decir, si el OR = eb1 (no puedo usar sólo b1 porque no sé interpretar el lnOR) , si b1=
0, el OR = 1 que es lo mismo que nada, no?? Un OR = 1 no me dice nada. Sólo será
signifactivo para un OR ≠ 1 que es un b1≠ 0.
4
VENTAJAS DEL MODELO LOGÍSTICO:
Volvemos a lo mismo pero con varias variable….(siento que sea tan coñazo)
P= 1/1+e-( 1x1+2x2+..nxn )
5
-puede ser globalmente significativo aunque no todas las variables
tienen que serlo, cada coeficiente tiene su significación individual igual que en la lineal.
-se pueden fijar una serie de variables o paso a paso, se van
metiendo variables, si alguna deja de ser significativa se quita.
-hay variables que casi siempre se meten, por ejemplo, la edad,
para decir que el riesgo está ajustado por edades…lo mismo con el sexo.
EJEMPLO PRÁCTICO
= -1.7
= 0.086
=0.625
e= e 0.625 = 1.87 esto es el nº de veces que es probable tener un IAM siendo
diabético.
OR= e 0.086 (60-35) x e 0.625 (1-1) = 8.58 nº de veces que tiene más riesgo el primer
paciente.
Es mejor usar este método para estimaciones relativas (ej 3) que para las absolutas (ej2).