Carregar apresentação
1
Regressão Poisson
2
Regressão Logística Regressão Poisson Razão de Chances
Razão de prevalência – Risco Relativo (incidência) Proporção entre 0 e 1 (probabilidade) Porcentagem Estudos Longitudinais / prospectivos Estudos retrospectivos Valor predito está entre 0 e 1 (probabilidade) Na Regressão Poisson o valor predito está entre 0 e infinito Na regressão logística binária Y: é variável dependente é 0 e 1 e o objetivo é estimar a razão de chance Na regressão Poisson o objetivo é estimar a razão de prevalência
3
(num determinado momento)
Analisar se é Razão de Chances ou Prevalência Estudo transversal (num determinado momento)
4
Chance ≠ Probabilidade
Uma moeda foi lançada 4 vezes e os resultados foram: cara cara cara coroa C C C K
5
Chance ≠ Probabilidade
Uma moeda foi lançada 4 vezes e os resultados foram: cara cara cara coroa C C C K Interpretação: A chance de sair cara é 3 vezes maior do que sair coroa Interpretação: A probabilidade de sair cara é 3/4 ou 0,75 (75%)
6
Peso em gramas
7
Usar Poisson ou Logística?
(razão de chances) (razão de prevalência)
8
Estudo transversal (num determinado momento): Não conheço a incidência (ou prevalência)
9
Exemplo 1: Refazendo a logística binária (SPSS 21)
no arquivo bpd.sav
12
Interpretação dos outputs
Exp(B) é a razão de chance Interpretação dos outputs significância de cada parâmetro estimado parâmetros estimados β0 = 3,991 e β1= -0,430 Intervalo de confiança para a razão de chance Razão de chance em percentual: (RC -1) x 100 (0,650 -1) x 100 -35% INTERPRETAÇÃO: A cada 100 gramas a mais da criança ao nascer, a chance de apresentar BPD diminui 35%
13
Regressão Poisson(SPSS 21) no arquivo bpd.sav
(razão de prevalência)
16
Espaço para variáveis categóricas
Espaço para variáveis numéricas
20
Interpretação dos outputs
Razão de prevalência (0,792 -1) x 100 = -21% Interpretação: A cada 100g a mais da criança ao nascer, a prevalência da displasia BP diminui 21%
21
Configurar as casas decimais para o valor predito no modelo Poisson
Valor predito logístico (probabilidade) Valor predito Poisson (prevalência) INTERPRETAÇÃO
22
OUVIR AUDIO
23
BPD Categorizando o Peso
Análise de variáveis independente categóricas Faixa peso categoria 0 a 949g = 1 950 a 1349g = 2 1350 a 1750g = 3 Categorizando o Peso em 3 categorias
26
Após clicar em Alterar aparecerá cat_peso (nome informado)
31
Fazer uma tabela frequência para avaliar as categorias criadas
32
Prevalência de BPD em cada faixa
Solicitar uma tabela cruzada
33
Deixar a variável dependente na Coluna
35
categoria menor prevalência
Escolher uma referência = geralmente escolhe-se grupo de menor prevalência Iremos escolher a categoria 3 para ser a referência de comparação
36
Regressão Poisson(SPSS 21) no arquivo bpd.sav com
a variável peso categorizada (peso_cat)
37
Clicar em Redefinir para “zerar” as configurações
40
O programa pega como referência a última categoria. (default)
45
Interpretação dos outputs
Interpretação das faixas: relação entre a categoria 1 e a categoria 3 relação entre a categoria 2 e a categoria 3 Categoria 3 = referência de comparação
46
Interpretação dos outputs
Interpretação das faixas: A prevalência de BPD é 6 vezes maior na faixa de peso 1, do que em relação a faixa de peso 3. A conclusão da prevalência na Faixa 2 não é significativa. (não pode concluir) Existe associação entre faixa de peso a BPD? Esta informação é apresentada em outra tabela
47
Existe uma associação entre faixa de peso e BPD
48
Exemplo 2: pressão.sav Regressão Poisson Ajustada (com as três variáveis juntas) Tabagismo 1 = não fuma 2 = fuma Variável dependente 0 = pressão normal 1 = pressão alta Sexo 1 = masculino 2 = feminino Peso (em kg) Construir uma tabela cruzada para eleger a categoria de referência
52
Observar a categoria de menor prevalência para ser a referência
Sexo 1 = masculino 2 = feminino ? Tabagismo 1 = não fuma 2 = fuma OK! O SPSS utiliza como referência a última categoria. (default) Assim, é necessário fazer uma recodificação na variável Sexo, alterando o código masculino para 3 (para ficar mais alta)
55
Resultado
56
Executar novamente
64
Interpretação dos outputs
Sexo = significativa no modelo tabag= não significativa no modelo Peso = significativa no modelo
65
referência referência
66
Interpretações: (somente para as variáveis que foram significativas)
As pessoas do sexo feminino têm uma prevalência de pressão alta 33% maior do que as pessoas do sexo masculino considerando iguais as demais variáveis características das outras variáveis. (mesmo peso e situação tabagismo) A cada kg a mais a prevalência de pressão alta aumenta 2%, controlando as demais variáveis. (mesmas características das sexo e tabagismo) não há relação entre pressão e tabagismo
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.