过敏菌商城Logistic Regression Analysis 常用来临床上病例对照研究中危险因素的筛查和评估，最常见的回归分析当属二元逻辑回归分析，理解核心概念对于此类临床研究的设计及数据的解读尤为重要。
一、常见概念：
1. 二元逻辑回归分析，是因变量的二分类回归分析，分为单自变量和多自变量二元逻辑回归分析，单自变量即不调整混杂因素，多自变量即调整混杂因素；也可分为条件性（配对或配伍）或非条件性（成组）逻辑回归分析。
2. 优势比，OR（Odds Ratio），暴露人群发病优势与非暴露人群发病优势之比。
3. 回归系数βi反映自变量Xi对因变量Y作用的大小。
4. 标准回归系数，是指比较不同自变量因素对Y作用大小时的参数。
5. P表示个体发生某病的概率。
6. adjusted OR是指将混杂因素纳入logistic 回归分析后得出的OR值，而unadjusted OR是指没有纳入其它的参数，即logistic回归分析中只有一个自变量因素，此时得出的OR值为unadjusted OR。
7. 对于连续变量，一般先通过ROC曲线计算cutoff值，之后转换为二分类自变量纳入模型中。
8. OR值结果的呈现先是one variable model和multiple independent variable model，其实是从未调整混杂到调整混杂，从粗略的危险因素筛查到是否为独立的危险因素的转变过程。
9. 多元线性回归与逻辑回归的主要差别在于：多元线性回归不能回答因变量“发生与否”的问题，且其自变量与因变量均要求为连续的线性关系的变量，而logistic回归方法补充多元线性回归的不足。
二、Logistic 回归操作步骤及结果解读
1. 目的：评估危险因素X（单个或多个）对因变量Y发生与否(取0或1) 的数量关系。数量关系即影响或作用大小：一般用优势比OR（odds ratio），回归系数β以及P值来评估，其中OR＞1为危险因素, 而OR＜1为保护因素。
2. 操作步骤
步骤1 变量的选择
1) 变量的选择（危险因素）方法，建立Logistic回归模型时，进入模型的自变量应对因变量有解释的能力，先使用单因素分析（Chi-square, t test或单因素Logistic回归等）筛查有意义的自变量。
2) 建议纳入的变量有 A.单因素分析差异有统计学意义（最好将P值放宽至0.1或0.15等，目的是避免漏掉一些重要因素）；B.单因素分析时，没有发现差异有统计学意义，但是临床上认为与因变量关系密切的自变量。
3) 对于连续变量，若不计算OR且只是为调整该变量带来的混杂，则可直接纳入回归模型中；若需要计算OR，则需将连续变量转换为有序多分类变量后纳入模型中。
步骤2 逻辑回归模型的建立
将因变量和自标量纳入，并选择自变量筛选的方法（一般选择逐步回归），Hosmer-Lemeshow goodness-of-fit：检验模型的拟合优度；CI for exp(B)：结果给出OR值的95%可信区间，并最后步骤显示。
步骤3 结果的解读
1) 解读Omnibus Tests of Model Coefficients，即模型系数的综合检验，P<0.05表示本次拟合的模型中，纳入的变量中，至少有一个变量的OR值有统计学意义，即模型总体有意义。
2) Hosmer and Lemeshow Test：是检验模型的拟合优度。当P值不小于检验水准时（即P>0.05），认为当前数据中的信息已经被充分提取，模型拟合优度较高。
3) Variables in the Equation：查看最终进入模型的变量，其中Sig.一列表示相应变量在模型中的P值，Exp (B)和95% CI for EXP (B)表示相应变量的OR值和其95%可信区间。
步骤4 结论撰写
1) 关注因素在两组之间的统计学差异情况，在Logistic回归模型中调整其它混杂因素后的优势比OR值。
2) 由logistic 回归分析得出的OR 有统计学意义，则该因素为独立危险因素independent riskfactors（一般不止一个）。
文章参考：
-
Tao X, Chen F, Sun Y, et al. Prediction models for postoperative uncontrolled chronic rhinosinusitis in daily practice[J]. The Laryngoscope. 2018.
-
http://www.biomart.cn/specials/shixiongcoming/article/110648
-
https://zhuanlan.zhihu.com/p/24574465
-
https://www.scalelive.com/unadjusted-odds-ratio.html
