GEE and mixed-effects logistic regression
Analyseert een ja/nee-uitkomst die herhaald bij dezelfde patiënten is gemeten, of bij geclusterde patiënten, met inachtneming van de correlatie binnen patiënten of clusters.
Klinisch voorbeeld
Heropname binnen 30 dagen (ja of nee) bij patiënten van verschillende chirurgen, waarbij patiënten van dezelfde chirurg meer op elkaar lijken dan patiënten van verschillende chirurgen.
Wanneer te gebruiken
- De uitkomst is ja of nee en drie of meer keer per patiënt gemeten, of patiënten zijn geclusterd.
- U moet corrigeren voor andere variabelen.
- U weet of u een odds ratio binnen een patiënt of cluster wilt (gemengd model) of gemiddeld over de populatie (GEE).
Aannames om te controleren
Juiste clusteringvariabele
De variabele die zegt welke metingen bij elkaar horen (patiënt, afdeling, ziekenhuis) moet kloppen.
Kies de interpretatie die u nodig hebt
Een gemengd model geeft odds ratio's conditioneel op de patiënt of het cluster. GEE geeft populatiegemiddelde odds ratio's, meestal dichter bij 1. Vermeld welke u rapporteert.
Controleer eerst
- GEE geeft populatiegemiddelde effecten, GLMM geeft effecten op patiëntniveau; kies er vóór de analyse één
Wat te rapporteren
- Odds ratio met 95%-BI, en of die conditioneel of populatiegemiddeld is
- De clusteringvariabele en de gebruikte correlatiestructuur of random effecten
- Het aantal patiënten en het aantal metingen
Veelgemaakte fouten
Herhaalde metingen zijn niet onafhankelijk
Meerdere metingen per patiënt behandelen als aparte patiënten maakt betrouwbaarheidsintervallen te smal en p-waarden te klein.
Een odds ratio is geen risicoratio
Als de uitkomst vaak voorkomt (bij meer dan ongeveer 10% van de patiënten), ligt de odds ratio verder van 1 dan de risicoratio. Log-binomiale regressie geeft in plaats daarvan een risico- of prevalentieratio. Beschrijf een odds ratio van 2 niet als "twee keer het risico".
Alternatieven
| Als uw situatie is… | Gebruik |
|---|---|
| Eén meting per patiënt | Logistic regression |
| Precies twee metingen per patiënt, of gematchte paren | McNemar test |
In uw software
# R (lang formaat: één rij per meting)
library(lme4)
fit <- glmer(readmitted ~ arm + age + (1 | surgeon_id), family = binomial, data = cohort)
summary(fit)
GENLIN readmitted (REFERENCE=FIRST) WITH arm age
/MODEL arm age DISTRIBUTION=BINOMIAL LINK=LOGIT
/REPEATED SUBJECT=surgeon_id CORRTYPE=EXCHANGEABLE
/PRINT SOLUTION (EXPONENTIATE).