gms | German Medical Science

Kongress Medizin und Gesellschaft 2007

17. bis 21.09.2007, Augsburg

Berechnung von adjustierten NNEs und Risikodifferenzen unter Confounding: Ein Vergleich von logistischer Regression und linearen Modellen mit Interaktion

Meeting Abstract

Suche in Medline nach

  • Ulrich Gehrmann - Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen, Köln
  • Ralf Bender - Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen, Köln
  • Oliver Kuß - Institut für medizinische Epidemiologie, Biometrie und Informatik, Halle-Wittenberg
  • Jürgen Wellmann - Institut für Epidemologie und Sozialmedizin, Münster

Kongress Medizin und Gesellschaft 2007. Augsburg, 17.-21.09.2007. Düsseldorf: German Medical Science GMS Publishing House; 2007. Doc07gmds104

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2007/07gmds104.shtml

Veröffentlicht: 6. September 2007

© 2007 Gehrmann et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielf&aauml;ltigt, verbreitet und &oauml;ffentlich zug&aauml;nglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einleitung: Bei einer binären Zielgröße sind die Risikodifferenz (RD) und deren Kehrwert, das NNE (number needed to be exposed), anschauliche Maße für den Vergleich der Risiken zwischen Exponierten und Nicht-Exponierten. Für die Schätzung von RDs unter Berücksichtigung von Kovariablen ist die logistische Regression nicht direkt anwendbar, da sie nicht linear in den Risiken ist. Daher wurde ein generalisiertes lineares Modell (GLM) mit binomialverteilter Zielgröße, identischer Linkfunktion und Nebenbedingungen für die Zielgröße vorgeschlagen (Linear Probability Model, LPM) [1]. Ein neuerer Ansatz ist der Average Risk Difference Approach (ARDA) [2], bei dem basierend auf einer logistischen Regression der Mittelwert der zu erwartenden RD in einer Gruppe bestimmt wird. In einer früheren Simulationsstudie [3] hatte sich der ARDA als überlegen gegenüber dem LPM erwiesen. Des weiteren hatte sich das klassische lineare Modell (LM) bei gleicher Kovariablen-Verteilung in den beiden Gruppen (Non-Confounding) dort als etwa gleichwertig gegenüber dem ARDA herausgestellt. Bei Confounding und simuliertem logistischen Zusammenhang ergeben sich jedoch unterschiedliche wahre NNEs für Exponierte und Nicht-Exponierte. Das ARDA hatte hier Vorteile, da es unterschiedliche NNEs schätzt. Um auch im LM unterschiedliche NNEs schätzen zu können, bietet sich die Einführung von Interaktionen zwischen Expositionsstatus und Kovariable an.

Methoden: Es wurde eine Simulationsstudie mit logistischem Zusammenhang zwischen Einflussgrößen und binärer Zielgröße durchgeführt. Dabei wurde das um Interaktionen erweiterte LM mit dem ARDA verglichen.

Ergebnisse: In den Confounding-Situationen hatte das ARDA Überdeckungswahrscheinlichkeiten von 92,8 bis 96,2%. Im LM ohne Interaktionen waren dies 50,6 bis 86,6%, mit Interaktionen 72,0 bis 88,8%. Durch den Einbezug von Interaktionen ergaben sich hier also leichte Verbesserungen. Beim relativen Bias zeigten sich bezogen auf die RD ebenfalls Verbesserungen, bezogen auf das NNE jedoch nicht.

Diskussion: Der Einbezug von Interaktionen in das LM hat dieses leicht verbessert, aber es bleibt dem ARDA unterlegen. Weitere Verbesserungsmöglichkeiten könnten in Transformationen der Kovariablen liegen, z.B. durch fraktionale Polynome.


Literatur

1.
Wacholder S. Binomial Regression in GLIM: Estimating Risk Ratios and Risk Differences. Am J Epidemiol. 1986;123:174-84.
2.
Bender R, Kuss O, Hildebrandt M, Gehrmann U. Estimating adjusted NNT statistics in logistic regression analysis. Stat Med. 2007 (submitted for publication).
3.
Gehrmann U, Bender R, Kuß O, Wellmann J. Vergleich von logistischen und linearen Regressionsmodellen zur Berechnung von adjustierten NNEs (number needed to be exposed). In: Wolf HP, Kauermann G, Mosler K, Ziegler A [Hrsg.]: Statistik2007 - Statistik unter einem Dach - Abstracts der Konferenz - Erste gemeinsame Tagung Deutsche Arbeitsgemeinschaft Statistik (DAGStat), 53. Biometrisches Kolloquium, Pfingsttagung der Deutschen Statistischen Gesellschaft, 27.-30. März 2007, Universität Bielefeld. (ISBN: 978-3-00-021010-5), S. 113.