多因子共线性的主成分logistic回归分析(2)

701898013360128701613-11214114520126001262-01054

811051-013841122101744-11382117140127401449-01416

6012990116301137013170134901419012260130201213

表7 选用不同个数的主成分进行条件logistic回归结果

标准误(Std^B*)

7013200118101138013380136701423012390142801392

8013580145501738013650141001488012270148501444

631041113751196511592-312553137911321-1118521630

U值721808118552108411812-31314314361108701613-01138

821936-018431165421039-31367315111120801927-01937

5.主成分改进的logistic回归分析结果:

该模型有5个因素进入,分别为:家族史、血糖、眼灌注压、眼压、T353I(表8)。拟合方程为:Logit(p)=01908家族史+01270血糖-11137眼灌注压+11414

眼压+01561T353I。

表8 主成分改进后的条件Logistic回归

标准化回归系原变量回归

数标准变量回归标准差U值系数

系数(^B)误StdStd(X)(^B)

*家族史01908012990135431041**21564糖尿病0122501163013861137501582血糖01270011372187911965*01094高血压0150501317013741159211349眼灌注压-1113701349131021-31255**-01087眼压11414014198196631379**01705心血管疾病0129801226012671132111120吸烟指数-013580130201324-11185-11106

**

T353I0156101213012432163021308

*:P<0105;**:P<0101

讨 论

目前处理共线性问题用得较多的是以逐步logis-tic回归筛选变量来建立最佳回归方程,使得变量间尽量避免存在共线性,但结果可能造成一些对疾病有影

响的变量会被排除在模型之外。没入选的变量并不说

OR值

明其对因变量的作用一定无统计学意义,可能与其有共线性的变量掩盖了它的作用,如此则不能充分利用所调查数据,全面地反映真实情况。采用经过主成分变换的logistic回归方法,通过主成分变换消除了解释变量观察矩阵之间的共线关系,从而使回归得到较为可靠的结论。

家族史是POAG首要的危险因素之一,有青光眼家族史者患本病的危险性是无青光眼家族史者的

12198811790110983185501916111713106401331101050

ChineseJournalofHealthStatistics,Aug2003,Vol.20,No.4

#215#

LogisticRegressionBasedonPrincipalComponentAnalysisinResolvingtheCo-linearity ChenXiongfei,DongXiaomei,WangNingetal.,DepartmentofEpidemiology,MedicalCol-legeofJinanUniversity,Guangzhou510632,China

=Abstract> Objective Adoptinglogisticregressionmodelbased

onprincipalcomponentanalysistoresolvetheco-linearityintheexploringoftheriskfactorsofPOAG.Methods Using1B3matchedcase-controlstudy,makingtheco-linearitydiagnosisbyrelatedmethodsandemployingLogisticregressionbasedonprincipalcomponentanalysistoresolvetheproblem.Results Logisticregressionmodelbasedonprincipalcomponentanalysiscanimprovetheestimatingofparametersanddecreasethestandarderrorssignificantly.Conclusion Logisticregressionmodelbasedonprin-cipalcomponentanalysiscanresolvetheco-linearityintheexploringoftheriskfactorsofPOAG.

121988倍。青光眼具有遗传倾向的观点已被广泛认同。多数研究者认为它是一种多因子遗传病,研究发现位于GLC1A位点上的TIGR基因的一些突变与许

多POAG家系密切相关。

模型中引入T353I变量,表明T353I突变与POAG间存在关联。T353I是发生在TIGR基因第三个外显子上的一种错义突变,第353号密码子由原来的苏氨酸变成异亮氨酸。T353I突变发生在TIGR基因第三个外显子的嗅素同源区内,这也是国外报道突变多聚积的区域。

眼压是POAG的危险因素。眼压每升高1mmHg,患青光眼的相对危险度增加17%,眼压越高,患POAG的危险性越大。Rosenberg162认为,高眼压是进展性视神经损害发生最一致的危险因素。在青光眼协作研究172中,眼压是青光眼视野缺损最有预测性的因素之一。

眼局部血流灌注压是POAG的一个保护性因素,平均每升高1mmHg,患青光眼的相对危险度降低8136%。Baltimore青光眼研究发现灌注压最低组(<30mmHg)发生POAG的危险性是最高组(50mmHg以上)的6122倍。

拟合发现血糖值与POAG间存在关联,血糖值每升高1mmol,患POAG的危险度增加9183%。因糖尿病导致的小血管改变将影响眼局部的血流灌注,使得POAG患者在较低的眼压情况下更容易发生视野缺损。

复习文献发现,关于POAG危险因素的研究多是偏重环境或是遗传的单方面讨论,此次研究尝试将环境与遗传因素综合考虑,并采用经过主成分变换的lo-gistic回归模型来处理共线性问题,具有一定的科学性与实用性,符合POAG多病因疾病的理论。

182

=Keywords> Co-linearity,Principalcomponentanalysis,Logisticregression,Glaucoma,Open-angle

参 考 文 献

11SheffieldVC,StoneEM,AlwardWLetal.Geneticlinkageoffamilialopen-angleglaucomatochromosome1q21-31.NatGenet,1993,4(1):47-50.

21LamDSC,LeungYF,ChuaJKHetal.TruncationsintheTIGRinind-ividualswithandwithoutPrimaryOpen-AngleGlaucoma.InvestigativeOphthalmology&VisualScience,2000,41(6):1386-1391.

31张效房,廖树森.新编临床眼科学.河南科技出版社,1996,346-349.41方积乾等.医学统计学与电脑试验.第2版.上海:上海科技出版社,2001:389.

51陈晓明,吴振中,蒋幼芹.采用Logistic回归分析探讨发生青光眼视野缺损的危险因素.中华眼科杂志,1991,27(6):331-334.

61RosenbergLF.Glaucoma:earlydetectionandtherapyforpreventionofvisionloss.AmFamPhysician,1995,52:2289-98,2303-4.

71ArmalyMF,KruegerDE,MaunderLetal.Biostatisticalanalysisofthecollaborativeglaucomastudy.I.Summaryreportoftheriskfactorsforglaucomatousvisua-lfielddefects.ArchOphthalmol,1980,98:2163-71.81TielschM,KatzJ,SommerAetal.Hypertension,PerfusionPressure,andPrimaryOpen-angleGlaucoma.ArchOphthalmol,1995,113:216-221.