Verwendung der zweigeteilten logistischen Regression zur Schätzung von Veränderungspunkten in epidemiologischen Studien

In vielen epidemiologischen Daten ändert sich die Dosis-Wirkungs-Beziehung zwischen einer kontinuierlichen Exposition und dem Krankheitsrisiko abrupt, wenn die Expositionsvariable ein unbekanntes Schwellenniveau erreicht, der sogenannte Veränderungspunkt. Obwohl mehrere Methoden zur Bewertung der Dosis-Wirkung bei dichotomen Ergebnissen verfügbar sind, bieten keine von ihnen inferentielle Verfahren zur Schätzung von Veränderungspunkten. In diesem Papier beschreiben wir ein Modell der zweigeteilten logistischen Regression, bei dem der lineare Term, der mit einer kontinuierlichen Exposition in der Standard-logistischen Regression verbunden ist, durch eine zweigeteilte polynomiale Funktion mit unbekanntem Veränderungspunkt ersetzt wird, der ebenfalls geschätzt wird. Ein modifizierter Algorithmus der iterativ gewichten kleinsten Quadrate wird vorgestellt, um Parameterschätzungen und Konfidenzintervalle zu erhalten, und die Leistung dieses Modells wird durch Simulation untersucht. Schließlich wird ein Modell der zweigeteilten logistischen Regression auf eine Fall-Kontroll-Studie zur Assoziation zwischen Alkoholkonsum und dem Risiko für einen Myokardinfarkt angewandt und mit alternativen Analysen verglichen. Die Fähigkeit der zweigeteilten logistischen Regression, Veränderungspunkte zu schätzen und Inferenzen für den Standort der Veränderungspunkte und für die Größe anderer Effektparameter bereitzustellen, wird dieses Modell zu einer nützlichen Ergänzung zu anderen Methoden der Dosis-Wirkungs-Analyse in epidemiologischen Studien machen. Am J Epidemiol 1998; 148: 631–42.