Regressão Poisson.

Apresentação em tema: "Regressão Poisson."— Transcrição da 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

10

11

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)

14

15

16 Espaço para variáveis categóricas
Espaço para variáveis numéricas

17

18

19

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

24

25

26 Após clicar em Alterar aparecerá cat_peso (nome informado)

27

28

29

30

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

34

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

38

39

40 O programa pega como referência a última categoria. (default)

41

42

43

44

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

49

50

51

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)

53

54

55 Resultado

56 Executar novamente

57

58

59

60

61

62

63

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