[re] Cohort 연구에 대하여

Bytarra1

질문 아래에 답글을 달도록 하겠습니다.

>안녕하세요, 저는 “갑” 질환의 발생에 관여하는 위험인자 들의 상관관계에 대한 논문을 준비중입니다.  retrospective Cohort study구요, 결과는 다음과 같읍니다.
>
>                               위험인자 A(연령)    B(입원병력)     C,  D,…. P
>갑 질환 발생군               60 (평균)                40%
>갑 질환 발생안한군         40                          10%
>-> chi-square, t-test이용, p-value <0.1 의 위험인자 선택, 위험인자  A,B,C,D가 선택됨.
>-> logistic regression analysis시행
>                   odds ratio      95%CI           p value
>위험인자 A      1.258        1.258, 7.600         0.014
>위험인자 B      0.951         0.951, 0990         0.003
>위험인자 C      0.912         0.921, 0.991        0.014
>위험인자 D      1.280         1.280, 5.385        0.008
>-> 위험인자 A,B,C,D는 의미있는 갑 질환발생의 위험인자다???
>
>                       갑 질환발생수 (n/n)           갑 질환발생비율 (%)
>위험인자(-)               4/35                                   11.4
>위험인자(+)              55/143                                 38.5
>-> crosstable 이용, odds ratio 2.953 (95%CI 1.514, 5.690)     p value 0.001
>-> 위험인자 유무는 갑 질환발생에 의미있는 영향을 미친다???
>
>위험인자수            갑 질환발생수 (n/n)       갑 질환발생비율 (%)
>     0                             4/35                              11.4
>     1                            15/64                              23.4
>     2                            28/62                              45.2
>     3                            11/15                              73.3
>     4                            1/2                                  50
>-> 위험인자가 많을수록 갑 질환이 비례해서 위험도가 증가한다???
>
>질문은요,
> 1. 위의 통계방법이 적절한지 궁금합니다.

Answer >
예. 현재의 내용만으로 본다면 사용할 수 있는 기법으로 보입니다.

> 2. 위험인자수에 따른 갑질환발생위험을 따지려니까, 위험인자수 가 4 개이경우의 수가 너무적어 곤란한데, 다른 방법이 있을까요?

Answer >
이것은 case 자체가 너무 적기 때문에 발생한 것이므로 4개 이상을 3 이상으로 합치는 것이 더 타당하게 보입니다. 즉, 3개 이상이 12/17 이 되는 것이죠.

> 3. ROC curve를 그려보니, 위험인자 A,B,C,D의 area와 p value가 각각 0.415, 0.065 (A),
>    0.660, 0.001 (B),  0.561, 0.184 (C), 0.415, 0.102 (D) 로, 위험인자 B만 의미있게 나오는데 해
>    석을 어떻게 해야할까요?

Answer >
이 부분에 대한 가설은

               H0 : true area = 0.5
               H1 : true area not= 0.5

입니다. 그러므로, p 값이 0.05 보다 작다는 것은 실제 AUC(Area Under the Curve) 가 0.5가 아니라는 것입니다. 이 경우 B가 p 값이 0.001이므로 B의 실제 AUC 는 0.5 보다 큰 0.660 이다 라는 뜻입니다. 결국, B의 경우가 의미있게 크다는 것을 의미하는 것이죠.

… 언제나 최선을 다하는 StatEdu가 되길 빌며 …

Legacy document_srl: 82534 / Legacy URL: http://www.statedu.com/QnA/82534

Similar Posts