流行病学中的逻辑回归应用：原始数据、分层和移动平均数

封面

如何引用文章

全文:

详细

论证。逻辑回归法是建立定量预测因子X与二元响应变量Y（Y=0或Y=1）之间统计关系的最常用方法。这就是开发新的方法来分析X和Y之间的关系变得如此迫切的原因。

目的。说明在健康风险评估任务中构建和分析逻辑回归模型时应用分层、移动平均数和累积概率函数方法的特殊性。

材料和方法。使用分层、移动平均数、累积概率函数，以及拟合优度准则和份额比较方法来分析逻辑回归模型。

结果。结果表明，标准的分层方法不足以评估二元变量Y与定量X之间关系的性质。其他方法（移动平均数和累积概率函数）可以确定这些关系的特性。逻辑回归结果的图形表示法在理解变量X和 Y之间的统计关系方面的作用显而易见。以流行病学领域的实例说明了分层法、移动平均数和累积概率函数法的应用结果。

结论。移动平均数和累积概率函数法与分层相结合，能够可靠地确定二元变量Y与定量X之间关系的性质，并确定逻辑回归模型适用条件的可能偏差。

作者简介

Anatoly N. Varaksin

Institute of Industrial Ecology, Ural Branch of the Russian Academy of Sciences

编辑信件的主要联系方式.
Email: varaksin@ecko.uran.ru
ORCID iD: 0000-0003-2689-3006
SPIN 代码: 9910-2326

Dr. Sci. (Physics and Mathematics), Professor

俄罗斯联邦, Ekaterinburg

Yulia V. Shalaumova

Institute of Plant and Animal Ecology, Ural Branch of the Russian Academy of Sciences

Email: jvshalaumova@gmail.com
ORCID iD: 0000-0002-0173-6293
SPIN 代码: 3163-6856

Cand. Sci. (Engineering)

俄罗斯联邦, Ekaterinburg

Tatyana A. Maslakova

Institute of Industrial Ecology, Ural Branch of the Russian Academy of Sciences

Email: t9126141139@gmail.com
ORCID iD: 0000-0001-6642-9027
SPIN 代码: 3233-7652

Cand. Sci. (Physics and Mathematics)

俄罗斯联邦, Ekaterinburg

参考

  1. Ayvazyan SA, Yenyukov IS, Meshalkin LD. Applied statistics. Addiction research. Moscow: Finansy i statistika; 1985. 487 p. (In Russ.)
  2. Ayvazyan SA, Buchstaber VM, Yenyukov IS, Meshalkin LD. Applied statistics. Classification and reduction of dimensionality. Moscow: Finansy i statistika; 1989. 606 p. (In Russ.)
  3. Afifi AA, Azen SP. Statistical analysis. A computer oriented approach. Moscow: Mir; 1982. 488 p. (In Russ.)
  4. Siegel AF. Practical business statistics. Irwin: McGraw-Hill; 1999. 800 p.
  5. Hosmer D, Lemeshow S. Applied logistic regression. New York: Wiley & Sons; 2000. 373 p.
  6. Shoukri MM, Pause CA. Statistical methods for health sciences. Boca Raton: CRC Press; 1999. 384 p.
  7. Afifi AA, May S, Clark V. Computer-aided multivariate analysis. Boca Raton: Chapman&Hall/CRC; 2003. 512 p.
  8. Peng C-YJ, Lee KL, Ingersoll GM. An introduction to logistic regression. Analysis and reporting. J. Educational Research. 2002;96(1):3–14. doi: 10.1080/00220670209598786
  9. Wooldridge JM. Introductory econometrics: a modern approach. Mason: South-Western; 2009. 865 p.
  10. Schmidt CO, Kohlmann T. When to use the odds ratio or the relative risk? Int J. Public Health. 2008;53(3):165–167. doi: 10.1007/s00038-008-7068-3
  11. Bakhtereva EV, Shirokov VA, Varaksin AN, Panov VG. Assessing the risk of carpal tunnel syndrome exposure occupational factors. Ural Medical Journal. 2015;(10):9–13. EDN: VLMSTX
  12. Varaksin AN, Bakhtereva EV, Panov VG, et al. Risk factors for neurological diseases development in workers of Urals industrial plants: prognostic models based on discriminant analysis. Ecological Systems and Devices. 2016;(5):27–33. EDN: WMATKB
  13. Mikhelson AA, Lazukina MV, Varaksin AN, et al. Erosion of the vaginal mucosa in postmenopausal women with surgical correction of genital prolapse. Treatment and prevention. 2020;10(4);55–64. EDN: ZCTUDM
  14. Mikhelson AA, Lazukina MV, Varaksin AN, et al. Effects of preoperative preparation on the vaginal mucosa in women with genital prolapse associated with genitourinary menopausal syndrome. Acta Scientific Women's Health. 2023;5(4):83–97. doi: 10.31080/ASWH.2023.05.0494 EDN: UWBRGC
  15. Varaksin AN, Shalaumova YuV, Maslakova TA, et al. Application of moving average methods for the construction of regression models in medical and environmental research. Ecological Systems and Devices. 2020;(6):12–21. doi: 10.25791/esip.06.2020.1159 EDN: XTBFAV
  16. Maksimov DM, Maksimova ZV. Prevalence of smoking and hazardous drinking among industrial workers in the Sverdlovsk region. Ekologiya cheloveka (Human Ecology). 2021;28(3):34–41. doi: 10.33396/1728-0869-2021-3-34-41 EDN: ICGEPK
  17. Kretova IG, Vedyasova OA, Komarova MV, Shiryaeva OI. Analysis and forecasting of reserve capabilities of the organism of students according to indices of heart rate variability. Hygiene and Sanitation. 2017;96(6):556–561. doi: 10.18821/0016-9900-2017-96-6-556-561 EDN: ZAPEEB
  18. Konyrtaeva NN, Ivanov SV, Kausova GK, et al. Leech therapy in kazakhstan: patients’ characteristics and compliance with treatment. Ekologiya cheloveka (Human Ecology). 2016;23(2):42–48. doi: 10.33396/1728-0869-2016-2-42-48 EDN: VQGTMZ
  19. Kharkova OA, Grjibovski AM. Analysis of one and two independent samples using STATA software: parametric tests. Ekologiya cheloveka (Human Ecology). 2014;21(3):57–61. EDN: RYIEZL
  20. Tukey JW. Exploratory data analysis. Moscow: Mir; 1981. 693 p. (In Russ.)
  21. Glantz S. Primer of biostatistics. New York: McGraw-Hill; 1992. 440 p.

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Raw (obs) data for Y (Y=0 or Y=1 for each of 100 patients, open circles) and the probability of cardiovascular diseases W(CVD)calc, calculated based on logistic regression data (solid circles).

下载 (89KB)
索引源数据
3. Fig. 2. Data on cardiovascular diseases in eight age strata: a, probability W; b, logit(W). The solid circles represent the logistic regression results (calc). The open circles represent the stratification results (obs).

下载 (132KB)
索引源数据
4. Fig. 3. Probability W of cardiovascular disease (CVD) depending on age: Stratification of 100 patients in the paper by Hosmer and Lemeshow [5] into 10 strata, each with an equal number of patients. For designations, see Fig. 2.

下载 (72KB)
索引源数据
5. Fig. 4. Cardiovascular disease (CVD) data based on moving averages depending on the mean age in strata; averaging window nW=10 (open circles): a, probability W; b, logit(W). The solid circles represent logistic regression results.

下载 (156KB)
索引源数据
6. Fig. 5. Cardiovascular disease (CVD) data based on stratification of 820 workers into 10 strata with an equal number of workers per stratum using body mass index (BMI): a, probability W; b, logit(W). For designations, see Fig. 2.

下载 (138KB)
索引源数据
7. Fig. 6. Cumulative probability function for cardiovascular diseases (CVD) depending on body mass index (BMI): a, for 820 workers, b, initial region for BMI values < 26 kg/m2.

下载 (149KB)
索引源数据
8. Fig. 7. Probability W of cardiovascular diseases (CVD) based on the stratification results shown in Table 1.

下载 (72KB)
索引源数据
9. Fig. 8. Data on thyroid diseases: a, probability W based on the stratification of 100 patients into 10 strata (open circles), solid circles represent logistic regression results; b, relationship of probability W with body mass index (BMI) for moving averages (moving average window + 21, total of 80 strata).

下载 (135KB)
索引源数据

版权所有 © Eco-Vector, 2025

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».