ฉันได้สร้างการถดถอยโลจิสติกที่ตัวแปรผลลัพธ์จะหายหลังจากได้รับการรักษา ( Cure
เทียบกับNo Cure
) ผู้ป่วยทั้งหมดในการศึกษานี้ได้รับการรักษา ฉันสนใจที่จะดูว่ามีโรคเบาหวานเกี่ยวข้องกับผลลัพธ์นี้หรือไม่
ใน R ผลลัพธ์การถดถอยโลจิสติกของฉันมีลักษณะดังนี้:
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
อย่างไรก็ตามช่วงความเชื่อมั่นสำหรับอัตราต่อรองรวมถึง 1 :
OR 2.5 % 97.5 %
(Intercept) 3.5733333 2.7822031 4.646366
Diabetes 0.5713619 0.3316513 1.003167
เมื่อฉันทำการทดสอบไคสแควร์กับข้อมูลเหล่านี้ฉันได้รับต่อไปนี้:
data: check
X-squared = 3.4397, df = 1, p-value = 0.06365
หากคุณต้องการคำนวณด้วยตัวคุณเองเรื่องการกระจายตัวของโรคเบาหวานในกลุ่มที่หายขาดและไม่แน่นอนมีดังนี้:
Diabetic cure rate: 49 / 73 (67%)
Non-diabetic cure rate: 268 / 343 (78%)
คำถามของฉันคือ: ทำไม p-values และช่วงความมั่นใจไม่รวม 1 เห็นด้วย?
confint()
ที่ใช้ คือความเป็นไปได้ที่จะถูกทำโปรไฟล์ ด้วยวิธีนี้คุณจะได้รับ CIs ที่คล้ายคลึงกับ LRT การคำนวณของคุณถูกต้อง แต่เป็น Wald CIs แทน มีข้อมูลเพิ่มเติมในคำตอบของฉันด้านล่าง