横断的研究におけるロジスティック回帰の代替：有病率を直接推定するモデルの経験的比較

背景：疫学文献では、ロジスティック回帰によって分析されたバイナリ結果を使用した横断的研究が頻繁に発生します。ただし、オッズ比は、これらの研究での選択の尺度である有病率の比率を重要に過大評価する可能性があります。また、交絡を制御することは、2つの測定値と同等ではありません。この論文では、有病率を直接推定する技術を使用して、そのような研究のデータをモデル化するための代替案を探ります。 方法：標準のマントルヘンツェル推定器に対するコックス回帰、ポアソン回帰、対数倍率回帰と一定の時間と比較しました。コックスおよびポアソン回帰の堅牢な分散推定器を備えたモデルと、ポアソン回帰のスケールパラメーターによって修正された分散も評価されました。 結果：ブラジルのペロタスで行われた横断的研究からの3つの結果が、異なるレベルの有病率を示しました。％）。未調整のCOX/ポアソン回帰とポアソン回帰は、逸脱によって調整されたスケールパラメーターを使用して、間隔の推定で最悪のパフォーマンスを発揮しました。CHI2によって調整されたスケールパラメーターを使用したポアソン回帰は、結果の有病率に応じて可変性能を示しました。モデルが正しく指定された場合、堅牢な分散を伴うCox/Poisson回帰、および対数倍率回帰は等しく実行されました。 結論：堅牢な分散と対数倍率回帰を伴うコックスまたはポアソン回帰は、正しい推定値を提供し、ロジスティック回帰よりもバイナリ結果を使用した断面研究の分析にはより良い代替手段です。 - オッズ比よりも専門家。ただし、特定の状況での推定問題を回避するための注意事項が必要です。

BACKGROUND: Cross-sectional studies with binary outcomes analyzed by logistic regression are frequent in the epidemiological literature. However, the odds ratio can importantly overestimate the prevalence ratio, the measure of choice in these studies. Also, controlling for confounding is not equivalent for the two measures. In this paper we explore alternatives for modeling data of such studies with techniques that directly estimate the prevalence ratio. METHODS: We compared Cox regression with constant time at risk, Poisson regression and log-binomial regression against the standard Mantel-Haenszel estimators. Models with robust variance estimators in Cox and Poisson regressions and variance corrected by the scale parameter in Poisson regression were also evaluated. RESULTS: Three outcomes, from a cross-sectional study carried out in Pelotas, Brazil, with different levels of prevalence were explored: weight-for-age deficit (4%), asthma (31%) and mother in a paid job (52%). Unadjusted Cox/Poisson regression and Poisson regression with scale parameter adjusted by deviance performed worst in terms of interval estimates. Poisson regression with scale parameter adjusted by chi2 showed variable performance depending on the outcome prevalence. Cox/Poisson regression with robust variance, and log-binomial regression performed equally well when the model was correctly specified. CONCLUSIONS: Cox or Poisson regression with robust variance and log-binomial regression provide correct estimates and are a better alternative for the analysis of cross-sectional studies with binary outcomes than logistic regression, since the prevalence ratio is more interpretable and easier to communicate to non-specialists than the odds ratio. However, precautions are needed to avoid estimation problems in specific situations.