当因变量为计量资料时，可采用简单线性回归分析；当因变量为二分类时，可采用Logistic回归分析。广义上来说，Logistic回归也属于线性回归分析，主要用于简单的数据挖掘、研究疾病发生的危险因素上等。
我们平时接触到很多二分类变量。比如患者生死、是否发生癌症；日常生活决策中也都是二分类，比如今天是否要上班、中午是否要吃饭、她是否喜欢你？这里我们以一个例子，分三步来讲解Logistic回归分析：1，数据探索；2，回归分析；3，模型验证。
研究背景：我国是肝癌发生的大国，临床上对于肝癌的诊断与检测，主要是：1）通过检测血清标志物-甲胎蛋白（AFP），但是AFP的特异性、灵敏度都不高，据不完全统计约30%的肝癌患者AFP呈现阴性；2）影像学检测-超声或CT等，对肝癌诊断的符合率高达90%，尤其是CT检查，但是这种检查具有一定的辐射，长期监测会给患者身体恢复带了负担。
在2018年，国内一家体外诊断公司，联合7对miRNA建立Logistic模型，对肝癌患者的肿瘤发生发展进行检测，甚至宣传能够预测肝癌的发生，早于CT检测，简直interesting！他们首先是采用芯片技术筛选肝癌患者特异的分子标志物，然后建立Logistic回归模型，而后利用大样本优势资源对Logistic模型进行优化，目前该模型的特异性、灵敏度宣称都在85%以上。具体我就不展开讲啦，让我们来一起学习下这神奇的Logistic回归分析。
这里我同样‘编造了’199例数样本的据：假设入组199例肝病患者，其中99例为肝癌患者，100例为肝部疾病或其他疾病患者（总之，病理诊断不是肝癌患者），对患者的一般信息：性别，年龄，BMI指数，居住地、文化程度、婚姻状况进行统计，此外通过分子化学手段检测患者血清miR21，miR102，miR145，以及AFP浓度，如下：
首先需要明确我们分析过程中的变量信息：
1） 因变量：疾病的状态（status），为二分类变量，主要指是否有癌症。
2）自变量：性别为二分类资料，包括男，女；年龄、BMI指数、miR21、miR102、miR145、AFP均为计量资料；居住地区为多分类变量，包括农村、乡镇、城市；文化程度为多分类变量，包括小学及以下，初中，高中，大学及以上；婚姻状况为二分类变量，包括已婚，离婚。
3） 以因变量为分组信息，统计各自变量信息：
选择【分析】→【表】→【设定表】
199例患者的临床指标与是否发生癌症分组统计结果：
以“status”为分组信息，对发生癌症和未发生癌症患者的年龄、BMI、miR21，miR102、miR145以及AFP进行独立样本T检验（详细操作，可参考之前教程，这里就不赘述，当然也可以采用非参数检验进行分析），目的是为了分析两组的上述指标是否有统计学差异，也是回归分析过程中对自变量进行初步筛选的过程。
【输出文档】中的结果可以看出，除BMI指数外，两组患者的年龄、miR21、miR102、miR145以及AFP均存在显著差异（P<0.05）
以status为分组信息，对计数资料进行卡方检验，变量中的计数资料包括：患者性别，居住地区，文化程度以及婚姻状况。
【输出文档】出现自变量与因变量卡方检验的结果，我这里就展示一组卡方检验的结果，对两组患者的性别分布进行卡方检验发现，两组性别分布差异显著，其中男性发病率要显著高于女性。
通过卡方检验和t检验，最终我们会得到这个初步的统计分析结果
以上都是在进行Logistic回归分析的初步探索工作，下一节我们讲述Logistic回归的详细分析过程与结果。转自“医学统计园”微信公众号，欢迎扫描二维码关注
网友评论