추적 관찰 기간이 다른 환자 집단이 있습니다. 지금까지 나는 시간 측면을 무시하고 이진 결과 질병 / 무병을 모델링해야합니다. 나는 일반적으로이 연구에서 로지스틱 회귀를 수행하지만, 내 다른 동료는 포아송 회귀가 적절한 지 물었다. 나는 그것을 포아송에 포함시키지 않았으며,이 설정에서 포아송을 수행 할 때의 이점과 단점이 로지스틱 회귀와 비교 될지 확실하지 않았다. 나는 이진 결과에 대한 상대 위험을 추정하기 위해 포아송 회귀를 읽지 만이 상황에서 포아송 회귀의 장점에 대해서는 여전히 확실하지 않습니다.
답변:
이 문제에 대한 한 가지 해결책은 플레어 업과 같은 이벤트 수가 시간에 비례한다고 가정하는 것입니다. 개별 노출 수준 (사례의 추적 기간)을 로 표시하면여기에서 두 배나 긴 후속 조치는 예상 카운트를 두 배로 늘릴 것입니다. 이것은 대수적으로 모델과 동일 할 수 있습니다. 이는 의 계수 가 제한된 포아송 모델 일뿐 입니다. 제약 조건을 완화하고 가설을 테스트하여 비례 성 가정을 테스트 할 수도 있습니다 .
그러나 결과가 이진이거나 질병에 따라 의미가 없기 때문에 사건 수를 관찰하는 것처럼 들리지 않습니다. 이것은 로그 오프셋이있는 물류 모델이 더 적합하다고 믿게합니다.
이 데이터 세트는 개인별 데이터 세트처럼 들리며, 결과는 이벤트 (정확한가?)이며 이벤트까지 불균일 한 후속 조치입니다. 이 경우, 이것은 일종의 코호트 연구처럼 들리며 (연구중인 것을 이해했다고 가정 할 때) 포아송 회귀 또는 생존 분석이 보장 될 수 있습니다 (kaplan-meier & cox-proportional hazards regression).