Tedavi değişkenini ( Cure
vs. No Cure
) aldıktan sonra sonuç değişkeninin iyileştirildiği lojistik bir regresyon oluşturdum . Bu çalışmada tüm hastalar tedavi gördü. Diyabetin bu sonuçla ilişkili olup olmadığını görmekle ilgileniyorum.
R'de lojistik regresyon çıktım şöyle gözüküyor:
Call:
glm(formula = Cure ~ Diabetes, family = binomial(link = "logit"), data = All_patients)
...
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 1.2735 0.1306 9.749 <2e-16 ***
Diabetes -0.5597 0.2813 -1.990 0.0466 *
...
Null deviance: 456.55 on 415 degrees of freedom
Residual deviance: 452.75 on 414 degrees of freedom
(2 observations deleted due to missingness)
AIC: 456.75
Ancak, oran oranı için güven aralığı 1 içerir :
OR 2.5 % 97.5 %
(Intercept) 3.5733333 2.7822031 4.646366
Diabetes 0.5713619 0.3316513 1.003167
Bu veriler üzerinde ki-kare testi yaptığımda aşağıdakileri alıyorum:
data: check
X-squared = 3.4397, df = 1, p-value = 0.06365
Bunu kendi başınıza hesaplamak istiyorsanız, tedavi edilmiş ve kürlenmemiş gruplardaki diyabet dağılımı aşağıdaki gibidir:
Diabetic cure rate: 49 / 73 (67%)
Non-diabetic cure rate: 268 / 343 (78%)
Sorum şu: Neden 1'i içeren p değerleri ve güven aralığı aynı fikirde değil?
confint()
. Yani, olasılık profillendi. Bu şekilde LRT'ye benzer CI'ler elde edersiniz. Hesaplamanız doğru, ancak bunun yerine Wald CI'leri oluşturuyor. Aşağıda cevabımda daha fazla bilgi var.