Episodes
-
Predicting Mortality in Patients with Diabetes Starting Dialysis
איך בנויה נוסחת הרגרסיה הלוגיסטית? היא משתמשת באותה נוסחה לינארית שהכרנו, אך התוצאה שלה צריכה לייצג סבירות. את זה הנוסחה עושה בעזרת שימוש בשני טריקים מתמטיים. הראשון הופך את התוצאה לכזו שתמיד תהיה חיובית- הכנסת הנוסחה כמעריך של חזקה. השני מאפשר להשתמש בתוצאה גם כשהיא גדולה מאחד: התוצאה מתקבלת בצורת odds במקום כ risk.
Logistic regression formula
Logistic regression coefficients
-
West Nile Virus Disease: A Descriptive Study of 228 Patients Hospitalized in a 4-County Region of Colorado in 2003
ברגרסיה לוגיסטית הערך החזוי אינו מספר אלא סיכוי. למשל, באנשים עם מעורבות מוחית של קדחת הנילוס המערבי, מה הסיכוי לתמותה. כמו ברגרסיה לינארית, מדובר במצבים בהם אנחנו רוצים לבחון כמה משתנים מסבירים בבת אחת כדי לחזות משתנה (חזוי) אחד. אך כאן המשתנה החזוי הוא קטגוריאלי. למשל, נפטר או לא נפטר. דרך פשוטה להסביר רגרסיה לוגיסטית, היא שהיא מאפשרת לנו לבצע תחזית בעזרת סיכוי בסיסי מסויים, המוכפל ביחסי סיכויים. הסיכוי כאן מוגדר כ odds ולא כ risk.
אם ברגרסיה הלינארית עסקנו בחיבור של מכפלות כדי לקבל ערך מספרי, כאן עוסקים בכפל של מכפלות כדי לקבל odds לאירוע.
בהמשך נסביר את נוסחת הרגרסיה בצורה מדויקת יותר, אך בינתיים אפשר להבינה כך: קבלת נוסחת הרגרסיה בעזרת המחקר מאפשרת לחשב את ה odds החזוי, כיוון שהיא מספקת odds בסיסי, וכן odds ratio מסויים עבור כל אחד מהמשתנים. למשל, במחקר שהוזכר בפרק, עבור דיכוי חיסוני , ה OR לתמותה היה 26. לכן, כאשר יש דיכוי חיסוני, ה odds לתמותה מוכפל ב 26.
Logistic regression
Odds
Odds ratio=OR
Multivariate analysis
-
Episodes manquant?
-
The Mortality of Doctors in Relation to Their Smoking Habits
כדי להבין רגרסיה לוגיסטית נצטרך להבהיר שני מושגים.
Odds
המונח "אודס" הוא דרך לבטא סיכון או סיכוי לאירוע מסוים. בכך הוא דומה מאוד לסיכון ("ריסק"). הוא מציין חלוקת שני מספרים: אלו עם האירוע חלקי אלו ללא האירוע, לדוגמה מספר האנשים שנפטרו חלקי מספר האנשים שלא נפטרו. בניגוד לסיכון, "ריסק", שיכול לקבל רק ערכים קטנים מ 1, אודס יכול להיות כל מספר חיובי. כאשר מדובר באירועים נדירים, האודס והריסק יהיו קרובים מאוד. (סליחה על הכיתוב באינגליש, אך האתר מסדר מלים באנגלית מחוץ לשורה) אך באירועים נפוצים הם יהיו שונים מאוד.
Odds ratio
אם יש לנו שתי קבוצות ובכל אחת מצאנו מהו ה"אודס", נוכל לבצע חלוקה בין שני אלו ולקבל את היחס ביניהם. זהו האודס רשיו, יחס הסיכויים. כאשר מדובר באירועים נדירים, יחס זה יהיה קרוב ל"רלטיב ריסק", יחס הסיכונים.
האודס מאפשר לעשות פעולות שלא ניתן לבצע עם ריסק, כיוון שתמיד יהיה אפשר להכפיל אודס באודס רשיו ולקבל אודס חדש. למשל, אם ידוע לנו מהו האודס לסרטן ריאה במעשנים קלים יחסית, נוכל להכפיל את האודס הזה באודס רשיו שחושב עבור עישון כבד ולקבל את האודס (הסיכוי) לסרטן ריאה במעשנים כבדים.
Odds
Odds ratio
Risk
Relative risk
-
Associations of Amyloid Burden, White Matter Hyperintensities, and Hippocampal Volume With Cognitive Trajectories in the 90+ Study
רגרסיה לינארית מצריכה קשר לינארי בין המשתנה המסביר למשתנה החזוי. מה קורה כאשר לא זה המצב?
ניתן לבצע טרנספורמציה (ביטוי מחדש) לאחד המשתנים, כפי שהסברנו בפרק "ביטוי מחדש"
ואז להכניס את המשתנה (לאחר הביטוי מחדש שלו) לנוסחת הרגרסיה. לכן לעתים כאשר נקרא מאמר שהשתמש ברגרסייה לינארית, ניתקל במושג טרנספורמציה. שיטה זו מקובלת ורצויה אך גוזלת מאתנו הקוראים את הבנת המשמעות הקלינית של מקדם הרגרסיה.
linear regression
log-transformation
assumptions
-
Prediction Factors in the Determination of Final Height in Subjects Born Small for Gestational Age
רגרסיה לינארית מנסה לחזות עבור משתתפי המחקר מהו ערך המשתנה החזוי אצלם, בעזרת המשתנים המסבירים. עד כמה היא עושה את זה טוב? מדד פשוט הוא היחס בין השונות של המשתנה החזוי המוסברת על ידי נוסחת הרגרסיה, חלקי השונות הכללית של אותו משתנה חזוי. זהו ערך ה R בריבוע.
R squared
Total variation
Variation explained by the regression
Overfitting
-
Prediction Factors in the Determination of Final Height in Subjects Born Small for Gestational Age
ברגרסיה לינארית מרובה, תוצאת המחקר היא נוסחת רגרסיה עם מקדמים. אותם מקדמים הם הדבר שמעניין אותנו, כיוון שהם יראו לנו מהי השפעת משתנה מסוים, כששאר המשתנים נשארים קבועים. כאשר מדברים על תיקון (adjustment) למשתנים נוספים או שליטה (control) עליהם, הכוונה היא חישוב מקדם הרגרסיה של המשתנה שמעניין אותנו כאשר הרגרסיה כוללת גם את המשתנים הנוספים האלו.
מקדם הרגרסיה ברגרסיה לינארית אומר בכמה יחידות יעלה המשתנה החזוי כאשר יש עלייה של יחידה אחת במשתנה המסביר. אך כאשר יש משתנה מסביר קטגוריאלי (שהוא לא כמותי ולכן אין לו יחידות), צריך למצוא פתרון כדי לתת למשתנה הזה ערך מספרי. קטגוריה אחת בדרך כלל תקבל את הערך 0, וקטגוריה שניה את הערך 1, וערכים אלו יוכפלו במקדם. לכן עבור משתנה קטגוריאלי מקדם הרגרסיה אומר לנו בכמה יחידות יעלה המשתנה החזוי אצל משתתף בקטגוריה 1 יחסית למשתתף בקטגוריה 0 כאשר כל שאר המשתנים נשארים קבועים.
R squared in linear regression
Regression coefficients
Controlling/adjusting for other variables
-
ברגרסיה לינארית מרובה יש יותר ממשתנה מסביר אחד, ולעתים קרובות משתנים מסבירים מרובים. כל משתנה מסביר מקבל מקדם משלו בנוסחת הרגרסיה, ואותו מקדם מייצג את השפעת אותו משתנה על המשתנה המוסבר, לו היינו שולטים על כל שאר המשתנים האחרים ("מנטרלים" אותם). מבחינת תיאור גרפי, המעבר מרגרסיה לינארית פשוטה לרגרסיה עם שני משתנים מסבירים דורש מעבר מקו על דף למרחב תלת ממדי, והמעבר לרגרסיה עם יותר משני משתנים מסבירים ניתן לדמיון רק בעולם בעל ממדים מרובים.
Multiple linear regression
Regression coefficients
Controlling for other variables
-
Effects of Exposure to Road, Railway, Airport and Recreational Noise on Blood Pressure and Hypertension
קו הרגרסיה הלינארית הוא קו ישר שמייצג "דרך אמצע" ולא ייצוג מדוייק של קשר בין שני משתנים, אלא רק תיאור מקורב של הקשר הלינארי ביניהם. עבור משתתף בודד במחקר, הערך של המשתנה המוסבר לא ייפול בדיוק על קו הרגרסיה, כיוון שמלבד המשתנה המסביר ישנם תמיד עוד גורמים מסבירים וגם מרכיב של אקראיות. במלים אחרות, עבור אותו ערך של המשתנה המסביר, אצל שני משתתפים שונים במחקר הערך של המשתנה המוסבר יהיה שונה. למשל, גם לאחר קבלת קו הרגרסיה הלינארית המסבירה בעזרת רמת רעש באזור המגורים את לחץ הדם הדיאסטולי, אצל כל משתתף נותרת שארית, residual, בין המדידה של לחץ הדם אצלו לבין הערך שהיה צפוי אצלו לפי קו הרגרסיה. כדי שקו הרגרסיה ייצג בצורה הטובה ביותר את מירב המשתתפים במחקר, הוא נבנה בצורה כזו שתצמצם ככל האפשר את אותן שאריות, את ה residuals. הדרך המקובלת לעשות זאת היא על ידי מציאת הקו עבורו סכום ריבועי השאריות הוא הנמוך ביותר.
regression line
least squares
residuals
-
Effects of Exposure to Road, Railway, Airport and Recreational Noise on Blood Pressure and Hypertension
משוואת קו ישר מייצגת קשר בין שני משתנים. הקשר הזה מבוטא בעזרת מקדם (המספר בו מוכפל המשתנה הראשון) ועוד קבוע. ברגרסיה לינארית, המקדם נקרה "בטא". הערך של המקדם הזה תלוי גם בעצמה של הקשר בין שני המשתנים וגם בקנה המידה שבו מדדו את המשתנים עצמם.
Y=mX+n
ובצורה המקובלת לכתיבה ברגרסיה לינארית
Y=beta(X)+beta 0
Simple linear regression
Beta (regression coefficient)
-
בפרקים הקודמים דברנו גם על תפקידי הרגרסיה וגם על נוסחת הרגרסיה. בפרק זה ננסה לחבר בין שניהם ולהבין איך נוסחת רגרסיה עוזרת להבין השפעה של מאפיין מסוים של מטופל, בעזרת המקדם שאותו מאפיין מקבל בנוסחה, איך היא עוזרת לנטרל ערפלנים, כאשר מכניסים לנוסחה משתנה שהוא ערפלן, ואיך היא יכולה לעזור לחיזוי עבור מטופל מחוץ למחקר.
Regression formula/equation- נוסחת הרגרסיה
Confounder- ערפלן
Prediction- חיזוי
-
בחיים הרגילים, המח שלנו מבצע משהו קצת דומה לרגרסיות, בפעולה של חישובים ותחזיות. הוא מתחשב במשתנים שונים, שכל אחד מהם מקבל חשיבות שונה. למשל, יכול להיות שהמשתנה "כמות האננסים" יקבל חשיבות שונה מ"כמות המלפפונים" כאשר אנחנו חוזים את התשלום הסופי בקופה אצל הירקן. המח מעריך את החשיבות (מקדם) של כל אחד מהמשתנים, ומבצע תחזית של הסכום הסופי. זו פעולה מוחית שדומה לרגרסיה לינארית. אפשר לחשוב על פעולה מוחית שדומה לרגרסיה לוגיסטית: איך העונה, כיסוי העננים בשמיים ומה שקרה אתמול עוזר לנו לחיזוי הסיכוי לגשם היום, ועל פעולה מוחית דומה לרגרסיית קוקס: איך סוג המכונית, כמות העליות הצפויה בדרך והמהירות בעליה יעזרו לנו לחזות את קצב צריכת הדלק.
-
(וגם: מפת דרכים לפרקים הבאים)
בנוסחאות הרגרסיה מאפיינים שונים של המשתתפים במחקר מקבלים חשיבות שונה. המאפיינים נקראים "משתנים", והחשיבות נקראת "מקדם". הרעיון המרכזי בנוסחה הוא שערך של משתנה מוכפל במקדם שלו, למשל, המשקל בק"ג מוכפל במקדם מסויים, וכאשר מבצעים את זה עבור כמה משתנים ואז מסכמים את התוצאות מקבלים מספר שהוא בסיס לחיזוי. עם המספר הזה אפשר לעשות כל מיני דברים שנציג בפרקים הבאים- למשל להוסיף לו קבוע מסוים, ולקבל תחזית למשתנה כמותי כמו לחץ הדם סיסטולי של מטופל. נוסחת הרגרסיה מופקת מתוך מחקר, והעיקר בה, השונה מנוסחאות רגרסיה אחרות, הוא המקדמים. בעזרת נוסחה זו אפשר לבצע תחזית: לקחת מאפיינים של משתתף במחקר, כמו המשקל והגיל, ולחזות מה יהיה לחץ הדם הסיסטולי שלו. במקרה של רגרסיה לוגיסטית או רגרסיית קוקס, נצטרך להפוך את המספר את אותו מספר (סכום המכפלות של המקדמים וערכי המשתנים) לסיכוי או לקצב. בהמשך הפרקים נסביר איך זה מתבצע. נדגיש כבר עכשיו שנוסחת הרגרסיה מייצרת תחזית, אך זוהי תחזית שאינה מדויקת.
בפרק הזה נסביר גם מה הולך לקרות בפרקים הבאים. מעין מפת דרכים להמשך. כדי לדבר על רגרסיות נצטרך לבנות את ההבנה בהדרגה ולהסתכל עליהן מכיוונים שונים. תחילה נבין באופן כללי ופשטני את נוסחת הרגרסיה, זו המשותפת לכמה סוגי רגרסיות, אחר כך נבין איך הנוסחה הזו עוזרת לרגרסיה לבצע את תפקידה. בהמשך נדבר בנפרד על שלושת סוגי הרגרסיות שכבר הזכרנו, וכל אחת מהן תדרוש פרק מבוא שיוצר בסיס להבנה של המתמטיקה שמאחורי אותה רגרסיה.
Regression
Regression coefficients- מקדמי הרגרסיה
Prediction- חיזוי
-
Trajectories of Adolescent Media Use and Their Associations With Psychotic Experiences
רגרסיה מרובת משתנים היא טכניקה שבא לוקחים בחשבון מאפיינים שונים של המטופל כדי לבצע תחזית לגבי מאפיין אחר או תוצא.
מלבד אפשרות לבצע תחזית רגרסיות מאפשרות לנו לנטרל ערפלנים כדי לבדוק האם מאפיין מסוים משפיע על התוצא, וגם לכמת את השפעת המאפיין על התוצא. יש שלוש סוגי רגרסיות נפוצות במחקרים רפואיים: רגרסיה לוגיסטית, המנבאת משתנה קטגוריאלי (למשל, שימוש יתר במשחקי מחשב- כן או לא), רגרסייה לינארית, המנבאת ערך מסוים (למשל ערך לחץ דם סיסטולי), ורגרסיית קוקס, המנבאת זמן עד אירוע (למשל זמן עד תמותה ממחלת לב)
Regression
Multivariate analysis
Logistic regression
Multiple linear regression
Cox regression
Prediction
Adjustment for confounders
-
Serum Immunoreactive-Leptin Concentrations in Normal-Weight and Obese Humans
ביצוע מתאם פירסון עליו דברנו בפרק הקודם מתאים כאשר מתקיימות כמה הנחות, ביניהן קשר ישר בין שני המשתנים, משתנים כמותיים והתפלגות קרובה להתפלגות נורמלית של כל אחד משני המשתנים . כאשר יש קשר שאינו ישר, כשהמשתנים לא מתפלגים נורמלית, או כשמדובר במשתנה אורדינלי אחד לפחות, צריך להשתמש במתאם ספירמן. זוהי המקבילה הא-פרמטרית של מתאם פירסון.
חישוב מתאם ספירמן מתבצע, בדומה למבחנים א-פרמטריים אחרים, בעזרת דירוג, כל משתתף מדורג לפי מיקומו בין שאר המשתתפים במשתנה הראשון, ובנפרד מדורג לפי המשתנה השני. קשר מונוטוני בין שני משתנים יתבטא בדירוג דומה עבור שני המשתנים- למשל, המשתתף המדורג שלישי ברמת אחוז השומן בגוף, ידורג שלישי גם ברמת הורמון הלפטין בדם. לאחר הדירוגים אנחנו מקבלים מספר חדש עבור כל משתתף- זהו הדירוג שלו. עבור הדירוגים עצמם מתבצע מתאם פירסון. ככל שהדירוגים מייצגים קשר מונוטוני, כך מתאם פירסון על הדירוגים יראה לנו קשר ישר. כך שאפשר להתייחס למתאם ספירמן כמתאם פירסון על הדירוגים. התוצאה של מתאם ספירמן, שהיא מקדם המתאם של ספירמן, מתארת את מידת המונוטוניות של הקשר בין המשתנים, ככל שקרובה ל 1 או למינוס 1, כך מדובר במתאם חזק יותר.
Spearman correlation
Non-linear Correlation
Ranks
Spearman's rank correlation coefficient
Monotonic relationship
-
Antiepileptic Drug Exposure in Infants of Breastfeeding Mothers With Epilepsy
חישוב מקדם המתאם של פירסון מבוצע בעזרת זוגות רבים של נתונים. (למשל, שני מאפיינים כמותיים של משתתף אחד במחקר, או ריכוז תרופה אצל אם ואצל התינוק שלה). זוגות הנתונים ממורכזים סביב נקודת האפס, ועוברים סטנדרטיזציה (תקנון). לאחר שתי הפעולות האלו, עבור כל זוג נתונים ערך של משתנה אחד מוכפל בערך של המשתנה השני. ככל שהקשר בין שני משתנים חזק יותר, כך תוצאת המכפלה הזו תהיה מספר גדול יותר, וכאשר יסוכמו כל המכפלות עבור כל זוגות הנתונים, ערך מתאם פירסון יהיה בסופו של דבר גבוה יותר.
Correlation
Pearson correlation coefficient
Standardization
-
https://jamanetwork.com/journals/jamaneurology/fullarticle/2758017Antiepileptic Drug Exposure in Infants of Breastfeeding Mothers With Epilepsy
כאשר ישנם שני משתנים כמותיים, ניתן להתייחס לעצמת הקשר ביניהם בעזרת קורלציה, מתאם. יכול להיות קשר לינארי (קשר ישר) בין שני המשתנים, למשל שערך של משתנה אחד קטן פי שלוש מהערך של המשתנה השני. זהו בערך המתאם שנמצא בין רמת התרופה למוטריגין בדם התינוק היונק, לעומת רמת התרופה בדם האם.
כאשר מתייחסים לאחד המשתנים וחושבים על מצב בו הוא עולה, ישנם שלושה מצבים אפשריים: מתאם חיובי, בו גם המשתנה השני עולה ככל שהראשון עולה, מתאם שלילי, בו המשתנה השני יורד, והעדר מתאם- כאשר אין כלל קשר בין שני המשתנים. מקדם המתאם וינוע בערכים בין אחד למינוס אחד. מקדם מתאם 0, משמעו העדר מתאם בין שני המשתנים. מקדם הקרוב ל 1 או למינוס 1 מתאר מתאם חזק שבו שינוי במשתנה אחד מסביר מצויין את השינוי במשתנה השני. ערכים קרובים יותר לאפס מתארים מתאם חלש יותר. קורלציה בין שני משתנים בדרך כלל לא מוכיחה סיבתיות, כיוון שיכול להיות ערפלן המשפיע על שני המשתנים, אם כי במצב של רמת תרופה בדם האם ובדם התינוק ההגיון הביולוגי חזק מאוד וברור שכן מדובר בסיבתיות.
Correlation
Linear correlation
Strength of correlation
Positive correlation
Negative correlation
Scatter plot
-
Rivaroxaban versus Enoxaparin for Thromboprophylaxis after Hip Arthroplasty
מבחן קוקרן- מנטל- הנזל דומה למבחן חי בריבוע בכך שמדובר בשני משתנים קטגוריאליים, אך הוא מאפשר לבצע נטרול ערפלנים. הדרך בה הוא עושה זאת היא חלוקה של המשתתפים במחקר לשכבות שונות, לפי הערפלן (למשל, לפי ארצות שונות, או לפי מצב סוציואקונומי), ביצוע החישוב בכל אחת מהשכבות בנפרד, ואז שקלול של כל החישובים יחד. הפרוצדורה מאפשרת לחשב odds ratio משותף וגם לבצע מבחן סטטיסטי שיתן לנו את ערך ה p. המבחן הסטטיסטי בנוי על מניפולציה מתמטית בכל אחת מהשכבות בנפרד ואז חיבור התוצאות כדי לקבל מספר . ככל שמספר זה גבוה, (למתקדמים- לפי התפלגות חי בריבוע עם דרגת חופש אחת) כך ערך ה p נמוך יותר.
Confounders
Stratification
Odds ratio
Relative risk
Weighting
Cochran–Mantel–Haenszel procedure
Cochran–Mantel–Haenszel test
-
MRI-Targeted, Systematic, and Combined Biopsy for Prostate Cancer Diagnosis
Risk disclosure in prodromal Parkinson's disease - A survey of neurologists
מבחן מקנמר הוא קרוב משפחה של מבחן חי בריבוע, גם הוא בודק מצב בו ישנם שני משתנים קטגוריאליים, גם המשתנה התלוי וגם הבלתי תלוי. בניגוד למבחן חי בריבוע, הוא מתאים למצבים בהם יש זיווג או תלות בין שתי מדידות - ובכך הוא מזכיר את מבחן t למדגמים מזווגים. מדידות מזווגות למשל הן כאשר יש קבוצה אחת בלבד ומדידה של לפני ואחרי התערבות, כאשר שתי קבוצות מותאמות אחת לשנייה, או במחקרים על בדיקה אבחנתית בהם כל האנשים עברו שתי בדיקות שונות.
הטבלה של מבחן מקנמר שונה מהטבלה של מבחן חי בריבוע: עבור תא אחד במבחן חי בריבוע, בטבלה של מבחן מקנמר יהיו שני תאים- שמופרדים על ידי המשתנה השני. למשל, במחקר שבו בדקו האם נוירולוגים היו משתפים מטופל בחשד למחלה, כאשר הנטייה לשתף נמדד לפני ואחרי התערבות, במקום אחד התאים האופייני לטבלת חי בריבוע (שבו יש רופאים שלפני ההתערבות שיתפו את המטופל), יהיו שני תאים נפרדים כאשר מתבצע מבחן מקנמר- תא עבור אלו שאחרי ההתערבות שיתפו, ותא שני עבור אלו שאחרי ההתערבות לא שיתפו את המטופל. בטבלה כזו יהיו שני תאים בהם יש אי הסכמה, למשל רופאים שלפני ההתערבות שיתפו ואחרי ההתערבות לא שיתפו, או להפך. מבחן מקנמר בנוי על הפער בכמות האנשים בין שני התאים האלו. ככל שהפער גדול יותר, כך ערך ה p קטן יותר.
-
A Phase 3, Randomized, Controlled Trial of Resmetirom in NASH with Liver Fibrosis
התפלגויות משתנות לפי מספר השחקנים הפעילים שמשתתפים בהן. למשל, במבחן חי בריבוע מדובר בסכום של ערכים בתאים השונים, וההתפלגות של ערך חי בריבוע במצב בו השערת האפס נכונה משתנה לפי מספר התאים שמסוכמים יחד.
Chi square distribution table
-
דרגות חופש הן מספר השחקנים הפעילים. זאת אומרת כמה קבוצות או כמה תצפיות דרושות לנו כדי לדעת גם את הנתונים בקבוצות או בתצפיות האחרות. למשל, אם מנהלת מחלקה, רופא אופוזיציונר, ורופא חנפן יושבים בישיבת צוות, יש למעשה רק שחקן פעיל אחד- מנהלת המחלקה. או אם כאשר במדגם שיעור הגברים הוא 50% ושיעור חולי הסכרת הוא 7%, בטבלה של 2X2 שבו המין יוצב אל מול מצב הסכרת, מספיק לדעת כמה יש באחד התאים כדי לדעת כמה יש בכל התאים האחרים. שני המצבים האלו מייצגים דרגת חופש אחת. במקרה של טבלה למבחן חי בריבוע אפשר להבין מה מספר דרגות החופש לפי כמות התאים לאחר הסרת שורה אחת וטור אחד.
Degrees of freedom
- Montre plus
