流行病學中控制干擾因子的方式之一為配對(matching),將會影響疾病發生與否的干擾因子作為配對條件,例如年齡、性別、是否吸菸等,讓這些因子在病例組與對照組間的分佈是一致的,則不致干擾觀察的結果。若病例組為罕見疾病,為達統計上的檢定效力(power),病例組與對照組的比例可能要1:n,一般的研究是1:3,有的研究, 由於對照組的母群不夠大,配對比例上則為m:n

以下介紹以SASPHREG程序分析條件式羅輯斯回歸,該程序可分析1:nm:n兩種配對情形。程式中的Time為虛擬的存活時間變數(dummy survival times ),使病例組的事件時間(event time)一致,對照組為設限資料(censored)且發生在event之後。([程式一])

[程式一]


data aa;
set my data;
time=2-group;
run;

Time是反應變數(response)Group為設限變數(censoring variable)0為設限資料。放入8個變數,ddd_M_1 -ddd_M_34種藥物劑量的dummy variable, ddd_M_1為最低劑量組與參考組的比較,其他以此類推,預期劑量愈高, 風險愈高。dis1-dis55種共病(Comorbidity)([程式二])

  [程式二]
proc phreg data=aa1;
model Time*group(0)= ddd_M_1 -ddd_M_3 dis1-dis5 / ties=discrete selection=stepwise RISKLIMITS;
strata no;
ods output parameterestimates=pp;
proc print data=pp;
run;

/*--selection=stepwise; 選入變數的方式為stepwise(逐步回歸)*/
/*-- RISKLIMITS: 列出95%CI*/
/*--ods output parameterestimates=pp ; 將參數估計值存出來*/
/*-- strata no: 以兩組的配對編號分層, 若配對條件為年齡,也可以年齡作為分層變項--/

[結果]

輸出結果為Hazard Ratio, 由於所有的eventcensored的時間是固定的,所以結果等同於Odds Ratio

conditional logistic regression

文章標籤
創作者介紹
創作者 estat 的頭像
estat

以斯帖統計,以專業貼近你的心

estat 發表在 痞客邦 留言(0) 人氣()