search
Stata實例教程:泊松回歸

Stata實例教程:泊松回歸

泊松回歸主要適用於罕見結局發生率的分析,其數據特徵一般為:發生率的分母相對於分子較大,或者事件發生於有限的時間、空間上。事件發生數量可以近似為服從泊松分佈。常見的例子如,士兵意外死亡數量、電話撥打錯誤的數量、罕見疾病的發病率等。

在臨床研究中泊松回歸常用於隊列研究。如下面的例子(表1):

表1. 隊列研究實例

該研究為一個隊列研究,目的是探討吸煙是否增加人群的死亡風險。Deaths代表死亡人數,person-years代表隨訪人年數。

下面利用上例數據介紹如何利用Stata進行泊松回歸

首先數據格式應為下表(表2)所示:

表2. 數據結構

操作步驟

1. 在Stata中依次點擊Statistics—Count outcomes—Poisson regression,調出對話框。

在Dependent中選入deaths變數(發病率的分子),Exposure variable中選入pyears變數(發病率的分母),Independent variables選入smokes變數,另外還需選入agecat變數,該變數為分類變數,需寫成i.agecat形式告訴軟體agecat為分類形式。

在reporting部分選擇Report incidence-rate ratios,這樣軟體給出的是係數的指數形式,即我們所需要的incidence-rate ratio(IRR)。

最後界面如下:

Reporting處的設置如下:

2. 最後點擊OK。

也可以不通過菜單直接輸入命令:

poisson deaths smokes i.agecat, exposure(pyears) irr

從結果可以看到,吸煙者相對於不吸煙者,發生死亡的風險為1.43倍(P=0.001),45歲以上各年齡組的死亡風險均高於35-44歲年齡組(P值均<0.001),且年齡越大的組死亡風險越高。

精彩回顧

醫咖會微信

:medieco-ykh

關注醫咖會,輕鬆學習統計學~

有臨床研究設計或統計學方面的難題?快加,拉你進統計討論群和其他小夥伴們一起交流學習;或者點擊公眾號下方自定義菜單的「統計諮詢」,提出你遇到的統計難題。

點擊左下角「閱讀原文」,看看既往小夥伴們都提出了哪些問題,以及該如何去解決,也許正好能幫到你~

熱門推薦

本文由 一點資訊 提供 原文連結

一點資訊
寫了5860316篇文章,獲得23274次喜歡
留言回覆
回覆
精彩推薦