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SAS的PHREG程序分析條件式羅輯斯回歸，該程序可分析1:n與m: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。(見[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_3為4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-dis5為5種共病(Comorbidity)。(見[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event與censored的時間是固定的，所以結果等同於Odds Ratio。
留言列表
