Opis kursu: Regresja logistyczna jest jedną z bardziej popularnych technik wielowymiarowej analizy danych wykorzystywanych w medycynie i naukach przyrodniczych. Jest ona przydatna w sytuacji, gdy wartości zmiennej dwustanowej typu CHORY/ZDROWY bądź POWIKŁANIA/BRAK POWIKŁAŃ pragniemy objaśnić za pomocą innych zmiennych oraz ocenić siłę i kierunek wpływu tych zmiennych na analizowane zjawisko.
W pierwszej części kursu uczestnicy zapoznają się z podstawowymi pojęciami dotyczącymi regresji logistycznej - pojęciem szansy, ilorazu szans, interpretacji ocen parametrów regresji czy sposobie kodowania zmiennych jakościowych.
W swojej zasadniczej części kurs przybliży uczestnikom kompletny proces budowy modelu. Poruszone zostaną kwestie przygotowania danych do analizy, strategii budowy modelu wraz z doborem optymalnej liczby parametrów modelu oraz kwestie diagnostyki modelu i badania jakości jego dopasowania do danych.

Punkty edukacyjne dla lekarzy i lekarzy dentystów: firma StatSoft Polska jest wpisana do rejestru podmiotów prowadzących kształcenie podyplomowe lekarzy i lekarzy dentystów Okręgowej Izby Lekarskiej w Krakowie i za udział w tym kursie można uzyskać 12 punktów edukacyjnych.

Wymagania: umiejętność obsługi komputera w środowisku Windows, podstawowa znajomość pakietu STATISTICA. Zalecamy wcześniejszy udział w kursie STATISTICA kurs podstawowy lub Statystyka dla niestatystyków lub Statystyka w medycynie - metody podstawowe.

Kontynuacją mogą być np. kursy: Statystyka w medycynie - metody analizy wariancji i analizy regresji, Statystyka w medycynie - metody zaawansowane, Statystyka w medycynie - metaanaliza.

Termin: 14-15.11.2012

Program kursu:

• Wprowadzenie do regresji logistycznej
  • Przegląd zagadnień i problemów jakie można modelować za pomocą regresji logistycznej
  • Definiowanie zmiennej zależnej
  • Pojęcie szansy i ilorazu szans
  • Przedziały ufności dla ilorazu szans
  • Uwzględnianie zmiennych jakościowych w modelu regresji
  • Interpretacja ocen parametrów regresji logistycznej
  • Analiza jedno i wieloczynnikowa
  • Wykres leśny (forest plot)
• Przygotowanie danych do analizy
  • Wpływ liczności zbioru na możliwość przeprowadzenia modelowania
  • Braki danych oraz możliwe sposoby radzenia sobie z brakami
    • Testowanie losowości braków danych
    • Imputacja braków danych
    • Kategoryzacja zmiennych
  • Radzenie sobie z wartościami odstającymi
  • Badanie liniowości wpływu cech na zjawisko
    • Badanie zmian szans względem zakresu wartości cechy
    • Radzenie sobie z nieliniowym wpływem cechy na zjawisko
  • Problem współliniowości zmiennych
  • Testowanie interakcji pomiędzy zmiennymi niezależnymi
• Modelowanie
  • Dobór parametrów do budowy modelu
    • Przesłanki uwzględniania zmiennych w modelu
    • Określanie dopuszczalnej liczby parametrów modelu
    • Metody krokowe doboru parametrów modelu
  • Ocena istotności ocen parametrów regresji oraz istotności modelu
    • Test Walda
    • Test LR
    • AIC, BIC
• Badanie jakości dopasowania modelu
  • Miary jakości modelu
    • Krzywa ROC oraz pole powierzchni pod krzywą
    • Test Hosmera-Lemeshowa
  • Techniki walidacji modelu
    • Podział na próbę uczącą i testową
    • Radzenie sobie w sytuacji niewielkich zbiorów danych – metoda LOO (Leave One Out)
• Zagadnienia dodatkowe
  • Wykorzystanie techniki Propensity score do poprawy rzetelności uzyskanych wyników
  • Dobre praktyki raportowania wyników opracowanych za pomocą regresji logistycznej