Empirische Vergleiche von proportionalen Hazards, Poisson- und logistischen Regressionsmodellen von beruflichen Kohortendaten

Diese Forschung wurde durchgeführt, um den Einfluss der Modellwahl auf die epidemiologische Interpretation von beruflichen Kohortendaten zu untersuchen. Drei multiplikative Modelle, die häufig in der Analyse von beruflichen Kohortenstudien verwendet werden – proportionale Hazards, Poisson und logistische Regression – wurden verwendet, um Daten aus einer historischen Kohortenstudie von Beschäftigten, die Formaldehyd ausgesetzt waren, zu analysieren. Proben aus diesem Datensatz wurden entnommen, um eine Reihe von vordefinierten Szenarien für den Vergleich der Modelle zu erstellen, wobei die Studiengröße, die Häufigkeit des Outcomes, die Stärke der Risikofaktoren und die Nachbeobachtungsdauer variieren. Die Poisson- und proportionalen Hazards-Modelle lieferten in allen Situationen, außer wenn die Altersverwirrung in der Poisson-Analyse nicht eng kontrolliert werden konnte, nahezu identische Schätzungen des relativen Risikos und Konfidenzintervalle. Die Ergebnisse der logistischen Regression waren variabler, wobei die Risikoschätzungen am stärksten von den Ergebnissen der proportionalen Hazards abwichen, wenn es ein gemeinsames Outcome oder ein starkes relatives Risiko gab. Das logistische Modell lieferte auch weniger präzise Schätzungen als die beiden anderen. Daher sollte das logistische Modell obwohl es am einfachsten zu implementieren war, nur in beruflichen Kohortenstudien verwendet werden, wenn das Outcome selten (5 % oder weniger) ist und das relative Risiko unter etwa 2 liegt. Selbst dann sind die Proportional-Hazards- und Poisson-Modelle die besseren Wahl. Die Auswahl zwischen diesen beiden kann in den meisten Fällen auf der Bequemlichkeit basieren.