救急医療研究者のロジスティック回帰に関する入門

背景：ロジスティック回帰は、意思決定ルールの生産、リスク評価、および原因と結果の関係の確立において基本的な役割を果たします。このプライマーは、最小限の統計的専門知識を持つ初心者の研究者を対象としています。 目的：ロジット方程式を導入し、その利点と制限の理解を促進するための実践的な例を提供します。 ディスカッション：このプライマーは、単純な直線（線形）方程式と比較して対比することにより、ロジット方程式の数学的基礎をレビューします。ベータ係数の意味を理解した後、読者は無料の統計プログラムとデータベースをダウンロードして、ロジスティック回帰分析を作成することをお勧めします。次に、この例を使用して、物語は一般的に使用される方法を議論して、C統計、Chiスクエア、別名、ベイジアン情報基準、McFaddenのPseudo R2、Hosmer-Lemeshowテストなど、モデルのフィットネスを説明します。著者は、さまざまな選択とサンプルサイズの推定のためのハウツーディスカッションを提供します。ただし、ロジスティック回帰のみが、指向性の非環式グラフの使用など、変数や結果の間のしばしば複雑な関係を調査するためのさらなる手順なしで因果推論を確立することはめったにありません。ロジスティック回帰を使用する記事を評価するときに、一般に考慮すべき重要な要素を提示します。このプライマーは、救急医療研究における理論、実践的な構造、モデル分析、ロジスティック回帰の制限に関する基本的な理解を提供します。 結論：ロジスティック回帰は、独立変数と重要な臨床結果との関連性に関する情報を提供できます。これは、関心のある結果に対する変数の予測または因果関係を示すための最初のステップです。©2022 Elsevier Inc.

BACKGROUND: Logistic regression plays a fundamental role in the production of decision rules, risk assessment, and in establishing cause and effect relationships. This primer is aimed at novice researchers with minimal statistical expertise. OBJECTIVE: Introduce the logit equation and provide a hands-on example to facilitate understanding of its benefits and limitations. DISCUSSION: This primer reviews the mathematical basis of a logit equation by comparing and contrasting it with the simple straight-line (linear) equation. After gaining an understanding of the meaning of beta coefficients, readers are encouraged to download a free statistical program and database to produce a logistic regression analysis. Using this example, the narrative then discusses commonly used methods to describe model fitness, including the C-statistic, chi square, Akaike and Bayesian Information Criteria, McFadden's pseudo R2, and the Hosmer-Lemeshow test. The authors provide a how-to discussion for variable selection and estimate of sample size. However, logistic regression alone can seldom establish causal inference without further steps to explore the often complex relationship amongst variables and outcomes, such as with the use of a directed acyclic graphs. We present key elements that generally should be considered when appraising an article that uses logistic regression. This primer provides a basic understanding of the theory, hands-on construction, model analysis, and limitations of logistic regression in emergency care research. CONCLUSIONS: Logistic regression can provide information about the association of independent variables with important clinical outcomes, which can be the first step to show predictiveness or causation of variables on the outcomes of interest. © 2022 Elsevier Inc.