임상 역학에서 연속 공변량이 있는 다변량 회귀 모델 구축

목표: 회귀 모델을 적합할 때 데이터 분석가는 종종 결과에 영향을 미칠 수 있는 여러 후보 예측 변수를 기반으로 모델을 선택해야 합니다. 대부분의 분석가는 연속 예측 변수에 대해 선형 관계를 가정하거나 이를 범주화하여 단계 함수를 가정합니다. 이에 반해, 우리는 결과와 여러 연속 예측 변수 간의 관계에서 가능한 비선형성을 모델링하기 위해 예측 변수의 부드러운 함수를 추정할 것을 제안합니다. 우리는 분수 다항식에 기반한 구조적 접근 방식이 '중요한' 예측 변수의 하위를 동시에 식별하고 연속 예측 변수에 대한 함수적 관계를 결정하는 문제에 대해 광범위하게 만족스러운 실용적인 해결책을 제공할 수 있음을 증명하는 것을 목표로 합니다. 방법: 우리는 배경을 논의하고 설명하며 연속 및 범주형 예측 변수를 포함하는 데이터에서 모델 선택을 위한 다변량 분수 다항식(MFP) 접근 방식을 동기 부여하고 설명합니다. 우리는 예시에서 다른 접근 방법과 우리의 결과를 비교합니다. 우리는 하나의 예측 변수에 대해 분수 다항식과 스플라인을 적합하여 얻은 관계의 함수적 형태를 비교하기 위해 작은 시뮬레이션 연구를 제시합니다. 결과: 우리는 로지스틱 및 콕스 회귀 모델로 각각 분석된 두 개의 실제 예제 데이터 세트에서 MFP 접근 방식의 장점을 표명합니다. 시뮬레이션 연구에서 분수 다항식 모델은 유사한 스플라인 모델보다 평균 제곱 오차가 낮고 더 현실적인 동작을 보였습니다. 결론: 많은 실제 상황에서 MFP 접근 방식은 데이터를 잘 적합하고 간단하며 해석 가능하고 다른 환경으로 이동 가능한 모델을 찾는 목표를 충족할 수 있습니다.