Log-binomial regression
Schat een prevalentieratio in een cross-sectioneel onderzoek of een risicoratio in een cohort of trial met vaste follow-up. Poisson met robuuste SE als het niet convergeert.
Klinisch voorbeeld
In een cross-sectionele enquête de prevalentie van hypertensie bij rokers vergeleken met niet-rokers, gecorrigeerd voor leeftijd, gerapporteerd als prevalentieratio in plaats van odds ratio.
Wanneer te gebruiken
- De uitkomst is ja of nee en komt vaak voor, zodat een odds ratio het effect zou overschatten.
- U wilt een prevalentieratio (cross-sectioneel) of een risicoratio (cohort of trial met vaste follow-up).
- De follow-uptijd is voor iedereen gelijk.
Aannames om te controleren
Onafhankelijke waarnemingen
Eén waarde per patiënt.
Het model moet convergeren
Log-binomiale modellen convergeren soms niet. Poisson regression met robuuste standaardfouten schat hetzelfde soort ratio.
Wat te rapporteren
- Prevalentieratio met 95%-BI
- Risicoratio met 95%-BI; geef bij behandeleffecten ook ARR en NNT
Veelgemaakte fouten
Een logistische OR rapporteren alsof het een risicoratio is als de prevalentie boven ongeveer 10% ligt; de OR overschat het effect dan
Standaard een odds ratio gebruiken terwijl de uitkomst vaak voorkomt
Alternatieven
| Als uw situatie is… | Gebruik |
|---|---|
| Patiënt-controleonderzoek | Logistic regression |
| De follow-uptijd verschilt tussen patiënten | Cox proportional hazards regression |
In uw software
# R
fit <- glm(hypertension ~ smoker + age, family = binomial(link = "log"), data = d)
exp(cbind(PR = coef(fit), confint(fit)))
# Als het niet convergeert: Poisson met robuuste standaardfouten
library(sandwich)
library(lmtest)
fit2 <- glm(hypertension ~ smoker + age, family = poisson, data = d)
coeftest(fit2, vcov = vcovHC(fit2, type = "HC0"))
GENLIN hypertension (REFERENCE=FIRST) WITH smoker age
/MODEL smoker age DISTRIBUTION=BINOMIAL LINK=LOG
/PRINT SOLUTION (EXPONENTIATE).