代表的な回帰モデルとその特徴

備忘録として臨床研究について学んだことを記します

今回は代表的な回帰モデルとその特徴について解説致します

【復習】回帰分析とは？回帰モデルとは？

臨床研究において、研究者が調べたい（注目している）要因とアウトカムとの関係を分析したいものの、研究者が調べたい要因以外にもアウトカムに影響を与える「第3の因子」が存在します。

このような「第３の因子」のことを「交絡因子」と呼びます。

例えば、脳卒中患者の運動麻痺の程度と歩行能力の関係性を明らかにしたいとします。

しかし、年齢、併存疾患の有無なども歩行能力に影響するかもしれません。

つまり、そのまま運動麻痺と歩行能力の関係性を調べても、その他の因子（＝交絡因子）の影響によって研究者が明らかにしたい運動麻痺と歩行能力との関係が分からなくなってしまいうるのです。

研究者が注目する要因とアウトカムとの関係から、交絡因子による影響を排除することをすることを「交絡の調整」と呼びます。

回帰分析は統計分析の一つで交絡の調整のために用いられます。

回帰分析によって、要因・交絡因子とアウトカムとの関係が回帰モデルと呼ばれる数式に従うと仮定して交絡を調整した上で効果の指標（要因とアウトカムとの関係を数値化したもの）を推定します。

交絡の調整を行う際に、アウトカム変数が連続変数（間隔尺度 or 比例尺度）の場合に用います。

説明変数（要因・交絡因子）とアウトカム変数との間に線形の関係性があると仮定している場合に用います。

例えば

● 体重あたりの膝伸展筋力（N/kg）と6分間歩行距離との関係性を調べる

● 体重あたりの膝進展筋力が増加するほど6分間歩行距離が延長すると仮定している

という場合などです。

効果の指標は平均値の差を算出します。

交絡の調整を行う際に、アウトカム変数が２つの値の変数（２つの値をとる名義尺度 or 順序尺度）の場合に用います。

例えば

● 体重あたりの膝伸展筋力（N/kg）と「歩行が自立しているか？」・「歩行が自立していないか？」という関係性を調べる

● 体重あたりの膝進展筋力が増加するほど「歩行が自立している」という割合が増えると仮定している

という場合などです。

効果の指標はオッズ比を算出します。

先に説明したロジスティック回帰モデルでは、「アウトカムが発生するか？」「アウトカムが発生しないか？」という2択で、どれだけの割合でアウトカムが発生するかということを調べたい場合に用います。

COX回帰モデル（COX比例ハザードモデル）も同様にアウトカム変数が２つの値の変数の場合に用います。

しかしロジスティック回帰モデルとの違いは、アウトカムが発生する割合ではなくアウトカムが発生するまでの時間（＝発生率）を調べたい場合に用いる点です。

例えば

● 回復期リハビリテーション病棟入棟日の体重あたりの膝伸展筋力と病棟歩行が自立できたのは入棟何日目かという関係性を調べる

という場合などです。

効果の指標はハザード比を算出します。

今後も臨床研究に関して学んだことを記していきたいと思います

ありがとうございました!!