Professional Documents
Culture Documents
1. INTRODUCCIN
La regresin logstica es un procedimiento cuantitativo de gran utilidad para problemas donde la variable
dependiente toma valores en un conjunto finito. Su uso se impone de manera creciente desde la dcada
de los 80 debido a las facilidades computacionales con que se cuenta desde entonces. A continuacin,
desarrollaremos el caso especial en que la variable dependiente o respuesta es dicotmica.
Podemos decir que la variable dependiente Y toma valor 1 si ocurre el suceso, y valor 0 si no ocurre el
suceso.
Por otra parte nos interesa estudiar la relacin entre una o ms variables independientes o explicativas:
X1, X2, ..., Xp y la variable Y. El modelo logstico establece la siguiente relacin entre la probabilidad de
que ocurra el suceso, dado que el individuo presenta los valores X1=x1, X2=x2,...,Xp=xp:
1
Pr(Y = 1| x1 , x2 , , x p ) = .
1+ exp( 1 x1 2 x2 p x p )
Pr(Y = 1| x)
log it( Pr(Y = 1| x)) = log = + 1 x1 + 2 x2 + + p x p ,
1 Pr(Y = 1| x)
i
Podemos tambin contrastar la hiptesis nula H0:i=0 mediante el siguiente estadstico: Z = .
)
Var( i
Otra va para probar la hiptesis anterior, cuando se consideran varias variables, es utilizando el mximo
de la funcin de verosimilitud. Ejemplificaremos el procedimiento para el caso de dos variables X1 y X2.
Se consideran los siguientes modelos:
Modelo 1: logit(Pr(Y = 1| X 1 )) = + 1X 1.
Modelo 2: logit(Pr(Y = 1| X 2 )) = + 2 X 2 .
Modelo 3: logit(Pr(Y = 1| X 1 , X 2 )) = + 1X 1 + 2 X 2 .
Nos interesa en el modelo 3 probar las hiptesis H0:1=0 y H0:2=0. Sean L1 , L2 y L3 los mximos de la
funcin de verosimilitud para los modelos 1, 2 y 3, respectivamente. Se cumple
1
que: -2ln( L 2) 2ln( L 3) Z 2 donde Z = , o sea, el estadstico para la primera de las hiptesis.
)
Var( 1
2
De manera anloga se tiene: -2ln( L 1) 2ln( L 3) Z 2 con Z = .
)
Var( 2
EJEMPLO: En una sala de terapia se desea estudiar la relacin entre la sobrevivencia y las variables edad
e infarto agudo del miocardio. A continuacin mostramos los resultados del programa RELODI para
datos de 200 pacientes tratados en esa sala.
2
Salida abreviada de RELODI (Modelo 3)
Nmero de casos para los cuales FALLECIDO es igual a 1: 76
Tamao total de la muestra 200
Notemos que este enfoque nos permite probar hiptesis del tipo: H0:p+1=0, p+2=0, ..., p+q=0 en el
modelo: logit(Pr(Y = 1| x)) = + i =1 ixi bastar calcular el mximo de la funcin de verosimilitud
p+q
para este modelo y para el modelo siguiente: logit(Pr(Y = 1| x)) = + i =1 ixi . Se utiliza el siguiente
p
estadstico:
L p
2 = -2ln ,
L
p+q
donde L p+q es el mximo de la funcin de verosimilitud para el primer modelo y L p es el mximo para la
funcin de verosimilitud del segundo modelo. El estadstico, bajo la hiptesis nula, se distribuye como
una q2 .
Para evaluar el grado de concordancia entre los valores observados de Y, y los valores estimados de p
2
n
( y i - p i )
se puede utilizar el siguiente estadstico de bondad de ajuste: 2 = . Esta medida es inestable
i =1 p i (1- p i )
para valores de p cercanos a 0 a 1.
Estudios Descriptivos:
La regresin logstica puede utilizarse como mtodo descriptivo cuando se desea estudiar desde una
perspectiva epidemiolgica la aparicin de un determinado evento en un grupo de individuos, por
ejemplo:
- los pacientes de una determinada enfermedad desarrollan un cierto signo propio de sta.
- los nios dejan la lactancia materna exclusiva.
- el fallecimiento de individuos de una cohorte.
3
caso de que Y=0 o la diferencia de la fecha de la ltima anotacin en la historia clnica y la fecha de
t s - t d si Y = 0
deteccin si Y=1, o sea: t = . Se ajusta el siguiente modelo:
t e - t d si Y = 1
1
Pr(Y = 1| t ) = .
1 + exp(- - t )
Se tiene entonces que 1.664 y -0.017. Por tanto, la probabilidad de que un paciente no tenga el
signo a t das de la deteccin de la enfermedad se estima por:
1
Pr(Y = 1| t ) = .
1 + exp(-1.664 + 0.017t )
De esta manera podemos calcular Pr(Y = 1| t ) para distintos valores de la variable t = 20, 40, 60,..., esta
probabilidad no es ms que la prevalencia de pacientes que a t das no tienen el signo en estudio. En el
figura 1 se presenta la curva de prevalencia estimada por el modelo. Si el ajuste de la curva es adecuado
los datos empricos (proporcin de individuos sin el signo en un grupo de estudio cuya variable t est en
un rango predefinido), sern cercanos a la curva terica.
4
Modelo Estadstico de Pronstico:
EJEMPLO: Se desea conocer la probabilidad de que un paciente que se ingresa en una sala de terapia
intensiva sobreviva. Para este tipo de estudios es recomendable la definicin de grupos diagnsticos
(conjunto de entidades o enfermedades que tienen en comn afectar a un mismo sistema del organismo),
por tanto en nuestro ejemplo nos limitaremos a algunas de las variables que puedan influir el pronstico
de la evolucin de pacientes con Enfermedades del Sistema Cardiocirculatorio (ESCC):
Edad (aos) X1
Enfermedad Hipertensiva (S/N) X2
Insuficiencia Cardiaca (S/N) X3
Disrritmia (S/N) X4
Infarto Agudo del Miocardio (S/N) X5
Enfermedad Pulmonar Obstructiva Crnica y afecciones afines (S/N) X6
Ingresos anteriores por estas causas (#) X7
Se estudiarn entonces un grupo de pacientes que ingresen a la sala de terapia intensiva con diagnstico
de ESCC, se les medirn las variables anteriores, que definiremos como 1 si hay presencia del problema
y como 0 si no. Se espera entonces al egreso de cada paciente, si egresa vivo la variable Y toma valor 1,
en caso contrario toma valor 0. La matriz de los datos de este estudio puede ser, por ejemplo:
Y X1 X2 X3 X4 X5 X6 X7
1 51 0 0 0 0 0 0
1 54 0 0 0 1 0 1
: : : : : : : :
0 46 0 1 1 0 0 0
1
Se ajusta el siguiente modelo: Pr(Y = 1| x1, x 2, ..., x 7) = .
1 + exp(- - 1 x 2 - 2 x 2 - ... - 7 x 7)
5
Salida Abreviada de RELODI
Nmero de casos para los cuales VIVO es igual a 1: 100
Tamao total de la muestra 200
Dados los parmetros estimados la probabilidad de sobrevivencia Pr(Y = 1| x1, x 2, ..., x 7) est dada por:
1
Pr(Y = 1| x1, x 2, ..., x 7) = .
1 + exp(-22.2 + 0.3 x1 + 1.4 x2 + 3.4 x3 + 2.6 x4 + 2.3x5 0.3x6 + 0.7 x7 )
6
Notemos como disminuye la probabilidad de sobrevivencia con la edad, con la cantidad de ingresos
previos y la conjuncin de varias patologas.
La regresin logstica puede utilizarse como mtodo para la estimacin de la razn de disparidad (odds
ratio OR). Veamos como obtenemos el OR en el caso de una variable independiente X, tenemos
Pr(Y = 1| X = 1) Pr(Y = 0 | X = 0)
que: OR = , y si asumimos el siguiente modelo:
Pr(Y = 0 | X = 1) Pr(Y = 1| X = 0)
Pr(Y = 1| X )
logit(Pr(Y = 1| X )) = ln = + X que para X=1 y X=0 toma las siguientes expresiones:
Pr(Y = 0 | X )
Pr(Y = 1| X = 1) Pr(Y = 1| X = 0)
ln = + y ln = , de donde obtenemos,
Pr(Y = 0 | X = 1) Pr(Y = 0 | X = 0)
Pr(Y = 1| X = 1) Pr(Y = 0 | X = 0)
ln(OR ) = ln = u OR = exp( ) . Por tanto probar la hiptesis
Pr(Y = 0 | X = 1) Pr(Y = 1| X = 0)
H0:OR=1 es equivalente a la hiptesis H0:=0.
Pr(Y = 1| X ) Pr(Y = 0 | X )
( )
p
Pr(Y = 0 | X ) Pr(Y = 1| X )
= exp (X X )
i =1
i i i ,
Si el valor de Xi'=Xi, entonces el trmino i(Xi' - Xi) es igual a cero y por tanto la expresin anterior no
depende de Xi. Entonces si una de las variables, X1 por ejemplo, representa la exposicin a un factor de
especial inters, el OR para individuos que son iguales en las restantes variables es OR=exp(1(X1'-X1)),
en particular si la variable X1 est codificada como 1 si el factor est presente y como 0 si est ausente,
entonces OR=exp(1). El odds ratio calculado de esta manera recibe el nombre de odds ratio ajustado
por las variables X2, ..., Xp.
Casos Controles
Alcohol 68 32
No Alcohol 32 68
El odds ratio estimado es OR=4.52 con un intervalo de confianza igual a (2.39, 8.55). Si estratificamos
por la variable fumar, obtenemos:
7
En Fumadores: OR=1.00 (0.21, 3.72)
Casos Controles
Alcohol 64 16
No Alcohol 16 4
Veamos el mismo anlisis con un modelo de regresin logstica. El fichero de datos para el ejemplo
anterior utilizando el programa RELODI es:
2,agrupados,cncer,alcohol,fumar
1,64,1,1
1,16,0,1
0,16,1,1
0,4,0,1
1,4,1,0
1,16,0,0
0,16,1,0
0,64,0,0
En este caso solo consideramos la variable alcohol, y por tanto obtenemos un resultado similar a la
primera tabla.
8
Se obtiene entonces el OR=1.00 ajustado por la variable fumar, que es igual al OR de Mantel-Haenszel.
Si bien en un ejemplo como este en que slo hay 2 variables independientes dicotmicas, el anlisis
estratificado es recomendable por su facilidad y comprensin, a medida que el nmero de variables crece
o se consideran variables con ms categoras, el anlisis estratificado se hace muy laborioso. Por
ejemplo, si consideramos 5 variables dicotmicas habra que calcular 24=16 tablas de 2x2. Si alguna de
las variables independientes es continua se deber clasificar la misma con la consiguiente prdida de
informacin, en esos casos la regresin logstica es un procedimiento sumamente til.
Evaluacin de la Interaccin:
La hiptesis nula de no interaccin bajo un modelo multiplicativo es: H0:OR11=OR10 OR01, que puede
contrastarse utilizando el siguiente modelo de regresin logstica:
1
Pr(Y = 1| X 1, X 2, X 1 X 2) = ,
1 + exp(- - 1 X 1 - 2 X 2 - 3 X 1 X 2)
OR11
pues se tiene la siguiente igualdad: 3 = logit .
OR10OR01
Fumadores No fumadores
Zona de
Residencia
Casos Controles Casos Controles
Rural 520 180 300 100
Urbana 30 220 150 500
3,agrupados,CANCER,FUMAR,CAMPO,CAMPO*FUMAR
1,520,1,1,1
1,30,0,1,0
1,300,1,0,0
1,150,0,0,0
0,180,1,1,1
0,220,0,1,0
0,100,1,0,0
0,500,0,0,0
9
Salida Abreviada de RELODI
Coeficiente S.E. z-score
-1.3862
2.4607 0.1083 22.7157 FUMAR
Algo que no esperamos, la variable vivir en zona rural aparece asociada al cncer de pulmn.
Veamos si la variable FUMAR es de confusin?
Notemos que el OR ajustado por la variable FUMAR (OR=0.7473) nos indica que vivir en zona rural
es un factor "protector" del cncer de pulmn. FUMAR acta como variable de confusin en esa
relacin.
3) logit(Pr(Y = 1| X 1 , X 2 , X 1 X 2 )) = + 1X 1 + 2 X 2 + 3X 1 X 2 .
10
Notemos que el coeficiente 3 es distinto de cero, por tanto se concluye que existe interaccin entre
ambos factores.
(1- )
Si utilizamos el siguiente fichero de datos podemos estimar: OR11 = R11 R11 :
R 00(1- R11)
1,agrupados,CANCER,CAMPO*FUMAR
1,520,1
1,150,0
0,180,1
0,500,0
4) logit(Pr(Y = 1| X 1 X 2 )) = + 3X 1 X 2
Ejercicio:
1.- Considere los siguientes resultados de estudio de cohortes donde se evala la exposicin a dos
factores E y F como posibles factores de riesgo de una enfermedad que denotaremos D.
Expuestos a E No expuestos a E
Casos Controles Casos Controles
Expuestos a F 110 390 380 2620
No expuestos a F 90 1410 20 980
11