Einführung in die binäre logistische Regression

Die Familienmedizin hat traditionell die Patientenversorgung über die Forschung priorisiert. Neuere Empfehlungen zur Stärkung der Familienmedizin beinhalten jedoch Aufforderungen, mehr Forschung zu betreiben, einschließlich der Verbesserung der Methoden, die in diesem Bereich verwendet werden. Die binäre logistische Regression ist eine Methode, die in der Familienmedizin-Forschung häufig verwendet wird, um einige Merkmale, Verhaltensweisen oder Ergebnisse zu klassifizieren, zu erklären oder vorherzusagen. Das Modell der binären logistischen Regression basiert auf Annahmen, einschließlich unabhängiger Beobachtungen, keiner perfekten Multikollinearität und Linearität. Das Modell produziert ORs, die eine Erhöhung, Verringerung oder keine Veränderung der Chancen darstellen, in einer Kategorie des Ergebnisses zu sein, wenn der Wert des Prädiktors steigt. Die Modellbedeutung quantifiziert, ob das Modell besser ist als der Basiswert (d. h. der Prozentsatz der Personen mit dem Ergebnis) bei der Erklärung oder Vorhersage, ob die beobachteten Fälle im Datensatz das Ergebnis aufweisen. Ein Maß für die Modellanpassung ist die Anzahl - Formel: siehe Text, die den Prozentsatz der Beobachtungen darstellt, bei denen das Modell den Wert der Ergebnisvariablen korrekt vorhergesagt hat. Im Zusammenhang mit der Anzahl - Formel: siehe Text stehen die Modellempfindlichkeit - der Prozentsatz derjenigen mit dem Ergebnis, die korrekt vorhergesagt wurden, dass sie das Ergebnis haben - und die Spezifität - der Prozentsatz derjenigen ohne das Ergebnis, die korrekt vorhergesagt wurden, dass sie das Ergebnis nicht haben. Die vollständige Berichterstattung des Modells für die binäre logistische Regression umfasst deskriptive Statistiken, eine Aussage darüber, ob die Annahmen überprüft und erfüllt wurden, ORs und CIs für jeden Prädiktor, die gesamte Modellbedeutung und die gesamte Modellanpassung.