生物学交互作用估算方法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

流行病学病因学研究常运用logistic回归模型分析影响因素的作用，并利用纳入乘积项的方法分析因素间交互作用，如有统计学意义表示两因素间存在相乘交互作用，但乘积项若元统计学意义并不表示两因素间相加交互作用或生物学交互作用的有无。

流行病学大牛Rothman很早以前就提出生物学交互作用的概念，并认为生物学交互作用的评价应该基于相加尺度而非相乘尺度。但是传统的logistic、Cox回归等只能构建并评价乘法交互项，并不能直接构建并评价加法交互项或生物学交互项。但是评价加法交互项的基本元素仍然可以来自于传统的logistic、Cox回归。因此，非常有必要了解相关方法。

详细原理和构建方法参考以下文献：
（1）Rothman K, Greenland S (2008). Modern Epidemiology (3rd edition). Chapter 16 Applications of Stratified Analysis Methods (Analyses of Biologic Interactions).
（2）Hosmer DW, Lemeshow S (1992). Confidence interval estimation of interaction. Epidemiology 3: 452 - 456.
中文文献参考：邱宏, 余德新, 王晓蓉, 付振明, 谢立亚. logistic回归模型中交互作用的分析及评价. 中华流行病学杂志 2008;29:934-937.

在这些参考文献中，Rothman 的Modern Epidemiology (3rd edition)侧重理论，没有实例。Hosmer (1992)和中文文献虽提供相关表格，但构建相关数据库仍然是一件麻烦的事情。最合适的学习方法是利用R的epiR程序包来学习相关内容。具体R程序如下（提醒：在运用下面程序前记得先安装epiR程序包并载用该程序包）：

1. Examples
   
2. 
   
3. ## Data from Rothman and Keller (1972) evaluating the effect of joint exposure
   
4. ## to alcohol and tabacco on risk of cancer of the mouth and pharynx (cited in
   
5. ## Hosmer and Lemeshow, 1992):
   
6. 
   
7. can <- c(rep(1, times = 231), rep(0, times = 178), rep(1, times = 11),
   
8.          rep(0, times = 38))
   
9. smk <- c(rep(1, times = 225), rep(0, times = 6), rep(1, times = 166),
   
10.          rep(0, times = 12), rep(1, times = 8), rep(0, times = 3), rep(1, times = 18),
    
11.          rep(0, times = 20))
    
12. alc <- c(rep(1, times = 409), rep(0, times = 49))
    
13. dat <- data.frame(alc, smk, can)
    
14. 
    
15. ## Table 2 of Hosmer and Lemeshow (1992):
    
16. dat.glm01 <- glm(can ~ alc + smk + alc:smk, family = binomial, data = dat)
    
17. summary(dat.glm01)
    
18. 
    
19. ## Rothman defines an alternative coding scheme to be employed for
    
20. ## parameterising an interaction term. Using this approach, instead of using
    
21. ## two risk factors and one product term to represent the interaction (as
    
22. ## above) the risk factors are combined into one variable with (in this case)
    
23. ## four levels:
    
24. 
    
25. ## a.neg b.neg: 0 0 0
    
26. ## a.pos b.neg: 1 0 0
    
27. ## a.neg b.pos: 0 1 0
    
28. ## a.pos b.pos: 0 0 1
    
29. 
    
30. dat$d <- rep(NA, times = nrow(dat))
    
31. dat$d[dat$alc == 0 & dat$smk == 0] <- 0
    
32. dat$d[dat$alc == 1 & dat$smk == 0] <- 1
    
33. dat$d[dat$alc == 0 & dat$smk == 1] <- 2
    
34. dat$d[dat$alc == 1 & dat$smk == 1] <- 3
    
35. dat$d <- factor(dat$d)
    
36. 
    
37. ## Table 3 of Hosmer and Lemeshow (1992):
    
38. dat.glm02 <- glm(can ~ d, family = binomial, data = dat)
    
39. summary(dat.glm02)
    
40. 
    
41. epi.interaction(model = dat.glm02, coeff = c(2,3,4), type = "RERI",
    
42.                 conf.level = 0.95)
    
43. epi.interaction(model = dat.glm02, coeff = c(2,3,4), type = "APAB",
    
44.                 conf.level = 0.95)
    
45. epi.interaction(model = dat.glm02, coeff = c(2,3,4), type = "S",
    
46.                 conf.level = 0.95)
    
47. 
    
48. ## Page 455 of Hosmer and Lemeshow (1992):
    
49. ## RERI: 3.73 (95% CI -1.84 -- 9.32).
    
50. ## AP[AB]: 0.41 (95% CI -0.07 -- 0.90).
    
51. ## S: 1.87 (95% CI 0.64 -- 5.41).

复制代码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：交互作用 生物学 epidemiology Logistic回归模型 Applications 流行病学 生物学 统计学 模型 影响

请问楼主，在R 里分析出现这个错误应该怎么办？“Error in epi.interaction(model = mydataframe.glm, coeff = c(2, 3, 4, 5,  :
  Point estimate of synergy index (S) is less than zero (-5.16).
  Confidence intervals cannot be calculated using the delta method. Consider re-parameterising as linear odds model.”

有sas程序吗

moonstone 发表于 2015-9-29 13:12
流行病学病因学研究常运用logistic回归模型分析影响因素的作用，并利用纳入乘积项的方法分析因素间交互作用 ...

好的好的好的好的