タグ付けされた質問 「odds-ratio」

多変量回帰分析では、人々は調整されたオッズ比の異なる定義を使用しているようです。あなたは何を私のために明確にしてくださいでし調整ORで、それがどのように異なって非調整OR？ ありがとう！

9 regression  multivariate-analysis  odds-ratio 

1つのロジスティック回帰の説明を理解するのが困難です。ロジスティック回帰は、温度と死んでいるか死んでいない魚との間のものです。 ロジスティック回帰の傾きは1.76です。次に、魚が死ぬ確率はexp（1.76）= 5.8倍になります。言い換えれば、魚が死ぬ確率は、摂氏1度の気温の変化ごとに5.8倍に増加します。 2012年には50％の魚が死亡するため、2012年の気温が摂氏1度上昇すると、魚の死亡率は82％に上昇します。 2012年の気温が摂氏2度上昇すると、魚の死滅率は97％に上昇します。 摂氏3度の増加-> 100％魚が死ぬ。 1、2、3の計算方法を教えてください。（82％、97％、100％）

9 logistic  odds-ratio  odds 

ゲノムワイド関連研究からの2つのデータセットがあります。利用できる唯一の情報は、遺伝子型別の各SNPの奇数比と信頼区間（95％）です。これらの2つのオッズ比を比較するフォレストプロットを生成したいのですが、合計の信頼区間を計算して要約効果を視覚化する方法が見つかりません。プログラムPLINKを使用して固定効果を使用したメタ分析を実行しましたが、プログラムはこれらの信頼区間を表示しませんでした。 このような信頼区間を計算するにはどうすればよいですか？ 利用可能なデータは次のとおりです。 各研究の奇数比、 95％信頼区間と 標準エラー。

9 confidence-interval  meta-analysis  genetics  odds-ratio 

私はメタ分析とメタ回帰手法（metaforViechtbauer のRパッケージを使用）に精通していますが、最近、簡単に解決できない問題に遭遇しました。母親から胎児へと進行する可能性のある病気があり、それはすでに何度も研究されているとしましょう。母子は出生直後にウイルスの検査を受けた。胎児は母親以外からウイルスを取得する可能性があるため、次のようなクロス集計を期待します。 | neg kid | pos kid mother neg | A | C=0 -----------|---------|-------- mother pos | B | D 明らかにオッズ比（OR）を使用すると、0で除算されるのでエラーが発生します。相対リスクについても同じです。 A/(A+B)0/(0+D)A/(A+B)0/(0+D)\frac{A/(A+B)}{0/(0+D)} 今、研究者たちは、子供の感染が母親の感染に関連しているかどうかの（無意味な）仮説を検証したいと考えています（非常に明白なようです）。私は仮説を再定式化して、意味のある何かを考え出そうとしていますが、実際には何かを見つけることができません。 物事を複雑にするために、ネガティブな母親を持つ一部の子供たちは、おそらく最初の週の感染のために、ポジティブです。したがって、私はC = 0の研究をいくつかしか持っていません。 このようなパターンに従って、さまざまな研究のデータを統計的に要約する方法に関するアイデアは誰でも知っています。科学論文へのリンクも大歓迎です。

9 meta-analysis  odds-ratio  relative-risk 

重要な情報が不足しているようです。ロジスティック回帰の係数は、ロジットスケールと呼ばれるlog（odds）にあることを知っています。したがって、それらを解釈するためにexp(coef)採用され、オッズ比ORが得られます。 もし β1=0.012β1=0.012\beta_1 = 0.012 解釈は次のとおりです。共変量の1単位の増加 X1X1X_1、ログオッズ比は0.012です。これは、意味のある情報を提供しません。 べき乗により、共変量が1単位増加します。 X1X1X_1、オッズ比は1.012（exp(0.012)=1.012exp⁡(0.012)=1.012\exp(0.012)=1.012）、または Y=1Y=1Y=1 よりも1.012高い可能性があります Y=0Y=0Y=0。 ただし、係数はパーセンテージで表現したいと思います。GelmanとHillによると、回帰とマルチレベル/階層モデルを使用したデータ分析、111ページ： 係数βは累乗され、乗法効果として扱われます。」 したがって、β1= 0.012の場合、「予想される乗法的増加はexp（0.012）= 1.012、または1.2％の正の差... しかし、私のスクリプトによると ODDS=p1−pODDS=p1−p\text{ODDS} = \frac{p}{1-p} と逆ロジット式の状態 P=OR1+OR=1.0122.012=0.502P=OR1+OR=1.0122.012=0.502 P=\frac{OR}{1+OR}=\frac{1.012}{2.012}= 0.502 共変量が1単位増えると、Y = 1の確率が50％増えると解釈したくなります。これは間違っていると思いますが、理由はわかりません。 ロジット係数は確率でどのように解釈できますか？

9 probability  logistic  binary-data  logit  odds-ratio 

バイナリ固定因子予測子が1つだけのバイナリロジスティック回帰があります。私がカイ二乗法またはフィッシャーの正確確率検定としてそれを行わない理由は、ランダムな要因もいくつかあるためです（個人ごとに複数のデータポイントがあり、個人はグループに属していますが、係数や有意性は気にしません）これらの確率変数の場合）。R glmerでこれを行います。 予測因子の係数と関連する信頼区間をオッズ比ではなくリスク比として表現できるようにしたいと思います。これは（おそらくあなたではなく私の聴衆にとって）リスク比がはるかに理解しやすいためです。ここでのリスク比は、予測子が0ではなく1の場合に、結果が0ではなく1になる確率の相対的な増加です。 オッズ比は、exp（）を使用して係数と関連するCIから取得するのは簡単です。オッズ比をリスク比に変換するには、「RR = OR /（1 – p +（px OR））を使用できます。ここで、pはコントロールグループのリスクです」（出典：http：//www.r- bloggers.com/how-to-convert-odds-ratios-to-relative-risks/）。しかし、コントロールグループのリスクが必要です。これは、私の場合、予測子が0の場合に結果が1になる可能性を意味します。モデルの切片係数は、実際にはこのチャンスのオッズであると考えているので、これを取得するには、prob = odds /（odds + 1）を使用します。リスク比率の中心的な見積もりが行く限り、私はこれについてはかなり遠いところにいます。ただし、切片係数にも独自のCIが関連付けられているため、心配なのは関連する信頼区間です。切片の中央推定値を使用する必要がありますか、それとも保守的であるために、切片CIの制限を使用して相対リスクCIを最も広くする必要がありますか？それとも私は間違った木を完全に吠えていますか？

8 r  logistic  generalized-linear-model  odds-ratio  relative-risk 

ロジスティック方程式の係数は奇数比として解釈できることを理解しています。過適合を制御するために正則化項が追加された場合、これは係数の解釈をどのように変更しますか？

8 logistic  interpretation  regression-coefficients  regularization  odds-ratio 

ロジスティックモデリングを研究しているときに、次のステートメントを読みました ケースコントロールまたは横断研究のロジスティックモデリングから、オッズ比のみが推定され、個々のリスクは推定されないという事実は驚くべきことではありません。 「ケースコントロール」と「横断研究」が統計分析で何を表すのかわかりません。また、統計分析の観点から、上記の意味がよくわかりません。説明をいただければ幸いです。

8 logistic  epidemiology  odds-ratio  case-control-study  observational-study 

私は、結果をオッズ比、ハザード比、またはレート比（すべて信頼区間）としてさまざまに報告するいくつかの研究のメタ分析を行っています。すべての研究のメタ分析を行えるように、これらを組み合わせたり変換したりする方法はありますか？

8 meta-analysis  odds-ratio