Regressão Linear Múltipla vs Regressão Logística Binária (Tratado de Bioestatística Clínica 2017)
Isolar o impacto terapêutico de um fármaco exige ajustar simultaneamente covariáveis demográficas, comorbidades e interações clínicas.
Esquema Conceitual & Modelagem Bioestatística
Pressupostos da Regressão Linear e Diagnóstico de Resíduos
A validade das estimativas por Mínimos Quadrados Ordinários (OLS) depende da linearidade da relação, independência dos resíduos (Durbin-Watson), homocedasticidade (variância constante dos erros) e ausência de multicolinearidade severa (fator de inflação da variância, VIF < 5).
A Transformação Logito na Regressão Logística
Como a probabilidade p deve estar restrita ao intervalo [0, 1], o modelo logístico modela o logaritmo natural da chance (log-odds). A exponencial do coeficiente beta (e^β) fornece diretamente o Odds Ratio ajustado para aquela covariável, mantendo constantes as demais variáveis do modelo.
Controle Estatístico de Fatores de Confusão
Uma variável é de confusão quando está associada simultaneamente à exposição e ao desfecho sem ser um intermediário na cadeia causal. A modelagem multivariada ajustada permite desvendar se a eficácia de um novo fármaco independe da idade ou de comorbidades prévias dos pacientes.
Farmacêutico-Bioquímico · Especialista em Bioestatística Clínica & Epidemiologia Quantitativa · Publicação de 15/10/2017 às 00:45
