バイナリ応答データから標準化されたリスク差を推定するための一般的な二項回帰モデル

生物医学的研究結果の臨床的および集団の影響を評価するには、絶対リスクとリスクの違いの推定が必要です。線形標識回帰モデル（lexpit）を開発して、線形リスクおよび非線形リスク効果を組み込み、バイナリ結果の研究から絶対リスクを推定しました。lexpitは、二項線形回帰モデルとロジスティック回帰モデルの両方の一般化です。lexpit線形項の係数は、調整されたリスクの差を推定しますが、指数化された非線形項は残差オッズ比を推定します。lexpitは、複数の交絡変数の調整が一般的であるリスク関連の疫学研究に特に役立ちます。lexpitモデルのリスク推定値の実現可能性を保証する制約された最尤推定アルゴリズムを提示し、パラメーター空間の実行可能な領域を定義し、収束を判断し、境界ケースを評価する手順を説明します。シミュレーションは、方法論が計算的に堅牢であり、実現可能で一貫した推定器を生成することを示しています。lexpitモデルを適用して、カイザーパーマネンテ北カリフォルニアでスクリーニングを受けている167,171人の女性で、異なるPAPおよびヒトパピローマウイルス検査結果に関連する頸部前癌または癌の絶対5年リスクを推定しました。Lexpitモデルは、ロジスティック回帰で検出されなかったヒト乳頭腫陰性の異常なPAPテストによるリスクが増加しました。当社のRパッケージBLMは、lexpitモデルをフィットするための無料で使いやすいソフトウェアを提供します。

Estimates of absolute risks and risk differences are necessary for evaluating the clinical and population impact of biomedical research findings. We have developed a linear-expit regression model (LEXPIT) to incorporate linear and nonlinear risk effects to estimate absolute risk from studies of a binary outcome. The LEXPIT is a generalization of both the binomial linear and logistic regression models. The coefficients of the LEXPIT linear terms estimate adjusted risk differences, whereas the exponentiated nonlinear terms estimate residual odds ratios. The LEXPIT could be particularly useful for epidemiological studies of risk association, where adjustment for multiple confounding variables is common. We present a constrained maximum likelihood estimation algorithm that ensures the feasibility of risk estimates of the LEXPIT model and describe procedures for defining the feasible region of the parameter space, judging convergence, and evaluating boundary cases. Simulations demonstrate that the methodology is computationally robust and yields feasible, consistent estimators. We applied the LEXPIT model to estimate the absolute 5-year risk of cervical precancer or cancer associated with different Pap and human papillomavirus test results in 167,171 women undergoing screening at Kaiser Permanente Northern California. The LEXPIT model found an increased risk due to abnormal Pap test in human papillomavirus-negative that was not detected with logistic regression. Our R package blm provides free and easy-to-use software for fitting the LEXPIT model.