Lojistik Regresyon Nedir? Tıp Araştırmalarında Kullanımı

Klinik araştırmalarda en sık sorulan sorulardan biri şudur: "Bu faktörler hastalığın gelişimini etkiliyor mu, ve hangisi daha önemli?" Birden fazla bağımsız değişkenin ikili bir çıktıyı, hasta/sağlıklı, komplikasyon var/yok, mortalite oldu/olmadı, nasıl etkilediğini anlamak istiyorsanız lojistik regresyon doğru araçtır.

Lojistik Regresyon Ne Zaman Kullanılır?

Bağımlı değişkeniniz ikili (binary) olduğunda lojistik regresyon kullanılır. Lineer regresyonun aksine, lojistik regresyon olasılıkları 0 ile 1 arasında tutar ve log-odds üzerinden çalışır.

Tıpta en yaygın kullanım alanları:

Hastalık gelişimi için risk faktörlerinin belirlenmesi
Tedavi yanıtını etkileyen faktörlerin tespiti
Mortalite veya komplikasyon için prediktif model oluşturma
Tanısal doğruluk çalışmalarında birden fazla belirteci değerlendirme

Odds Ratio Nedir ve Nasıl Yorumlanır?

Lojistik regresyonun temel çıktısı odds ratio'dur (OR).

OR > 1: O değişken sonucun görülme olasılığını artırıyor.

OR < 1: O değişken sonucun görülme olasılığını azaltıyor (koruyucu).

OR = 1: O değişkenin etkisi yok.

%95 güven aralığı 1'i içermiyorsa istatistiksel olarak anlamlıdır.

Örnek yorum: "Sigara içimi için OR = 3.2 (95% CI: 1.8–5.7, p < 0.001). Sigara içenlerde komplikasyon gelişme olasılığı içmeyenlere göre 3.2 kat yüksektir."

OR'yi Relative Risk (RR) ile karıştırmayın. OR ve RR birbirine yakın olsa da eşdeğer değildir, özellikle sık görülen olaylarda OR, RR'yi abartır. Vaka-kontrol çalışmalarında RR hesaplanamaz, OR kullanılır.

Univaryat ve Multivaryat Analiz

Lojistik regresyon iki aşamada yürütülür:

Univaryat (tek değişkenli) analiz: Her faktör ayrı ayrı bağımlı değişkenle ilişkisine bakılır. Genellikle p < 0.20 veya p < 0.25 eşiğinin altındaki değişkenler multivaryat modele alınır.

Multivaryat (çok değişkenli) analiz: Tüm anlamlı faktörler aynı anda modele girer. Her değişkenin bağımsız etkisi, diğer faktörler kontrol altında tutularak, hesaplanır.

Multivaryat analizin temel amacı konfounding (karıştırıcı) faktörleri kontrol etmektir. Yaş, cinsiyet ve komorbidite gibi faktörler kontrol edilmeden yapılan analiz yanıltıcı sonuçlar üretir.

Model Değerlendirme

Lojistik regresyon modelinin ne kadar iyi olduğu birkaç yöntemle değerlendirilir:

Hosmer-Lemeshow testi: Modelin veriye uyumunu test eder. p > 0.05 iyi uyumu gösterir.

Nagelkerke R²: Modelin açıkladığı varyans oranı. Lineer regresyondaki R²'nin muadili.

ROC eğrisi ve AUC: Modelin tahmin gücü. AUC > 0.70 kabul edilebilir, > 0.80 iyi.

Classification table: Doğru sınıflandırma yüzdesi. Kesim noktası (cutoff) genellikle 0.5 alınır.

SPSS ile Lojistik Regresyon

Çıktı tablosunda "B" katsayısı, "Exp(B)" ise OR değeridir.

R ile Lojistik Regresyon

gtsummary paketi ile yayın kalitesinde tablo oluşturabilirsiniz:

Lojistik regresyon analizi ve yorumlanması için 30 dakikalık ücretsiz görüşme talep edin.

Bu Analizde En Çok Nerede Takılınır?

Univaryat analizden multivaryat modele geçişte hangi değişkenleri alacağınıza karar veremiyorsunuz.
OR = 0.45 çıktı ama bunun "koruyucu" olduğunu makalede nasıl ifade edeceğinizi bilmiyorsunuz.
Hosmer-Lemeshow p < 0.05 çıktı, model uyumu kötü ama ne yapacağınız belirsiz.