ロジスティック回帰モデリングとサンプルサイズによるオッズ比のバイアス

背景：疫学研究では、研究者はロジスティック回帰を分析ツールとして使用して、バイナリ結果と一連の曝露の関連性を研究します。 方法：シミュレーション調査を使用して、ロジスティック回帰におけるオッズ比モデリングの分析的に導出されたバイアスがサンプルサイズの関数としてどのように変化するかを示します。 結果：ロジスティック回帰は、小規模から中程度のサンプルサイズの研究でオッズ比を過大評価します。誘導バイアスが誘導される小さなサンプルサイズは、nullから離れたバイアスです。回帰係数の推定値は、ゼロから離れ、オッズ比は1から離れています。 結論：ロジスティック回帰モデルの固有の数学的特性によって導入されたバイアスを考慮せずにいくつかの小さな研究がプールされている場合、研究者は結果の誤った解釈を誤解させる可能性があります。

BACKGROUND: In epidemiological studies researchers use logistic regression as an analytical tool to study the association of a binary outcome to a set of possible exposures. METHODS: Using a simulation study we illustrate how the analytically derived bias of odds ratios modelling in logistic regression varies as a function of the sample size. RESULTS: Logistic regression overestimates odds ratios in studies with small to moderate samples size. The small sample size induced bias is a systematic one, bias away from null. Regression coefficient estimates shifts away from zero, odds ratios from one. CONCLUSION: If several small studies are pooled without consideration of the bias introduced by the inherent mathematical properties of the logistic regression model, researchers may be mislead to erroneous interpretation of the results.