ปัจจัย Case Control OR(95%CI)
Download
Report
Transcript ปัจจัย Case Control OR(95%CI)
แนวทางการนาเสนอข้ อมูลจากการวิเคราะห์
โดยใช้ Logistic Regression
(ตัวอย่ าง Case-control study กรณีมวี ตั ถุประสงค์ เพือ่ หาปัจจัยเสี่ ยง)
นาเสนอข้ อมูล Measure of association (มิใช่ ค่า Coefficient) ดังตารางหุ่นต่ อไปนี้
ปัจจัย
Case Control
(n=....)
1.
2.
3.
...
%
%
%
(n=....)
%
%
%
OR (95%CI)
(Unadjusted)
(Adjusted)
ตัวอย่ าง
การนาเสนอข้ อมูลจากการวิเคราะห์ โดยใช้ Logistic Regression
“...สมการการถดถอยลอจีสติค แสดงความสัมพันธ์ระหว่างการสูบบุหรี่ กับ การป่ วย ด้วยโรคหัวใจโคโรนารี่ โดย
ควบคุมผลของอายุ และ เพศ เป็ น ดังนี้
Logit P(X) = 1.421 + 1.609SMK + 0.095SEX + 0.301AGE
ผูส้ ูบบุหรี่
มีความเสี่ ยงต่อการป่ วยด้วยโรคหัวใจโคโรนารี่ เป็ น 5 เท่าของผูไ้ ม่สูบบุหรี่ (95%CI.OR: 2.1
ถึง 11.7)
พบว่า เพศ และ อายุ มีความสัมพันธ์กบั การป่ วยด้วยโรคหัวใจโคโรนารี่ โดย ... (ตารางที่ 1)”
ตารางที่ 1 Adjusted Odds Ratio แสดงความสัมพันธ์ระหว่างการสูบบุหรี่ กับ การป่ วย ด้วยโรคหัวใจโคโรนารี่
ปัจจัย
1. การสู บบุหรี่
- สูบ
5(2.1 ถึง 11.7)
- ไม่สูบ
2. เพศ
- ชาย
ถึง 3.7)
- หญิง
(n = 150)
Case
(n = 150)
Control
OR(95%CI)(Adjusted)
(Unadjusted)
80.7%
30.0%
19.3%
70.0%
73.3%
63.3%
36.7%
33.7%
9.7(5.5 ถึง 17.3)
1.6(1.0 ถึง 2.7)
1.1(0.8
95% Confidence Interval
(95% CI. OR.)
บอก Precision ของ OR และ บอกว่ าปัจจัยนั้นเป็ น Significant risk factor หรือไม่
ตัวอย่ าง
Lower Limit Estimated OR. Upper Limit
การศึกษา ก.
การศึกษา ข.
การศึกษา ค.
0
1
ค่าความไม่แตกต่าง (Null value)
แปลความหมาย: แม้ทุกการศึกษา จะได้ค่า OR เท่ากัน
+a
การศึกษา ข. มี Precision มากที่สุดน่าเชื่อถือ มากที่สุด
ทั้ง ก. และ ข. บ่งชี้วา่ ปัจจัยที่ศึกษามีความสัมพันธ์กบั ตัวแปรตามอย่างมีนยั สาคัญทางสถิติ
การศึกษา ค. มี Precision ต่าสุด และยังได้ขอ้ สรุ ปว่า ปัจจัยที่ศึกษามีความสัมพันธ์กบั ตัวแปรตาม อย่างไม่มี
นัยสาคัญทางสถิติ และยังทราบว่า การศึกษาครั้งนี้มีขนาดตัวอย่าง (Sample Size) ไม่เพียงพอ
สู ตรทัว่ ไป
100 (1 a )% CI .OR . EXP L
ค่าความคลาดเคลื่อน
การประมาณค่า
ค่าที่ใช้คานวณ OR.
กล่าวคือ EXP(L) = OR.
Za / 2
ค่าคะแนนมาตรฐาน Standard error
จากการแจกแจงปกติ
ของ L
เมื่อกาหนดให้ a = 0.05
เขียนสูตรได้ดงั นี้:-
95 % CI .OR . EXP L 1 . 96
L
Var ( L )
Var ( L )
หามาได้จากการหาค่า OR. ดังนี้:-
จาก
OR.
แทนค่า [ bi(X1i - X0i)]
=
ดังนั้น
=
OR.
=
EXP[ bi(X1i - X0i)]
L
EXP(L)
การประมาณค่ าช่ วงเชื่อมั่น
กรณีไม่ มี Interaction term
ด้วย OR = EXP (b)
ดังนั้น 95% CI OR = Exp b (1.96
ตัวอย่ าง :ผลจาก Computer print out ได้ดงั นี้
Variable1
Coefficient
SE
Chisq
p
Constant
-6.7727
1.1401 35.29
SMK
0.5976
0.3520 2.88
ECG
0.0322
0.0152 4.51
CHL
0.0087
0.0033 7.17
HPT
0.3695
0.2936 1.58
Var(b) )
ได้จาก Computer Print out
ORSMK = e0.5976 = 1.82
0.0000
95% CI ORSMK
0.0896
=
0.0337
e[0.5976+1.96(0.3520)]
0.0074
= e(-0.09,1.29)
0.2083
= 0.91, 3.63
ORSMK
= 1.82
95% CI. ORSMK = 0.91,
3.63
Lower Limit
0
Estimated OR.
1
2
Upper Limit
3
4
Null value
ช่ วงความเชื่อมั่นคร่ อมค่ า 1
Non Significant (ค่ า p-value มากกว่ า 0.05)
ใน print out ได้ ค่า p-value = 0.0896
ควรเขียนในรายงานเป็ น p-value = 0.09
การประมาณค่ าช่ วงความเชื่อมั่น กรณีมี Interaction
ผลจากคอมพิวเตอร์
Logistic Regression Model
ขั้นที่ 1. คานวณค่า OR.
Variable Coefficient SE Chisq
p
SMK
2.6809 3.1042 16.69
0.0000
จากสู ตรทัว่ ไป
ECG
0.0349 0.0161 4.69
0.0303
L และ
OR
=
e
CHL
-0.0065 0.3278 1.25
0.2635
95%CI EXP L ( 1.96
Var(L) )
HPT
1.0468 0.3316 9.96
0.0016
L = bSMK
+ bSMK*CHL
CHL
SMK*CHL
0.0029
0.7422
9.85
0.0417
(ในที่นี้ สนใจศึกษาเฉพาะผู้ที่มีระดับโคเลสเตอร์ รอล 200 มล. จึงระบุค่าของ CHL = 200)
Constant -4.0474 1.2549 10.40
OR. = EXP[2.6809 + (0.0029 x200)] = EXP(3.2609) = 26.1
0.0013
เมื่อ CHL = 200 , ORSMK = 26.1
OR.ที่ปรับค่าผลกระทบจากผลECG และ HPT เรี ยบร้อยแล้ว
ขั้นที่ 2. คานวณช่ วงความเชื่อมัน่ ของ OR.
95 % CI .OR . Exp L 1 . 96 Var ( L )
ผลจากคอมพิวเตอร์
Variance-Covariace Matrix
SMK
ECG
CHL
HPT SMKxCHL Constant
SMK
1.7619
ECG
0.2849
9.5361
CHL
-0.0140 -0.3278
0.0003
HPT
0.1468
0.3316
0.9631
0.1075
SMKxCHL
-11.014 -0.7422
1.9878 -0.6717
0.1101
Constant
0.4474
0.2549
0.4056
Var(L)
= var (bSMK) +0.9104
2(200)cov(bSMK1.3570
0.8673
,bSMKxCHL)+(200)2var(bSMKxCHL)
= 1.7619 + 2(200)(11.014) + (200)2(0.1101)= 0.1619
0.1619
95% CI ORSMK = EXP(3.2609 1.96 (
) = 11.85 , 57.37
เมื่อ CHL = 200 , ORSMK = 26.1 (95%CI.OR ; 11.85 ถึง
57.37)
ตัวอย่ างสู ตรสาหรับคานวณค่ า Var(L ) ในแต่ ละ Model
กรณี X1เป็ น Dichotomous (1,0)
Model: Logit P(X) = a + b1X1 + b2X2 + b3X1X2
เมือ่ L = b1X1 + b3(X1X2)
Var (L) = Var(b1) + (X2)2var(b3) + 2(X2)cov(b1,b3)
Model: Logit P(X) = a + b1X1 + b2X2 + b3X3 + b4X1X2 + b5X1X3
เมือ่ L = b1 X1 + b4X1X2 + b5X1X3
Var (L) = Var(b1) + (X2)2var(b4) + (X3)2var(b5) + 2X2cov(b1,b4)
+ 2X3cov(b1,b5) + 2X2X3Cov (b4,b5)
(ศึกษารายละเอียดใน Kleinbaum, 1994. หน้ า 141 - 144)