Pruebas múltiples y regresión logística

Question

Quiero realizar una serie de regresiones univariantes con diferentes síntomas (por ejemplo, fiebre, tos, estornudos) como variable de respuesta y una variable categórica (que siempre es la misma) como variable explicativa: el grupo de edad (0-4, 5-14, 15-64, 65+). En total hay 18 síntomas, por lo que quiero hacer 18 regresiones y corregir las pruebas múltiples con el método de Holm.

Para cada regresión obtengo 4 valores p: un valor p global del grupo de edad y 3 valores p que comparan los grupos de edad individuales con un grupo de edad de referencia (15-64). No estoy seguro de cómo calcular los intervalos de confianza y los valores p ajustados utilizando el método de Holm en este escenario. ¿Alguien sabe cómo hacerlo?

Answer 1

La R rms admite intervalos de confianza simultáneos generales. El analista puede especificar una serie de comparaciones, y el ajuste simultáneo se hará sobre todo el conjunto actual de comparaciones. Para más información, consulte la página rms contrast.rms junto con la función Predict y otras funciones. Aquí hay un ejemplo usando ols. Sustituya lrm por ols para hacer una regresión logística binaria o de probabilidades proporcionales.

require(rms)
set.seed(1)
n <- 800
treat <- factor(sample(c('drug','placebo'), n,TRUE))
sex   <- factor(sample(c('female','male'),  n,TRUE))
age   <- rnorm(n, 50, 10)
y     <- .05*age + (sex=='female')*(treat=='drug')*.05*abs(age-50) + rnorm(n)
f     <- ols(y ~ rcs(age,4)*treat*sex)
d     <- datadist(age, treat, sex); options(datadist='d')

# show separate estimates by treatment and sex

plot(Predict(f, age, treat, sex='female'))
plot(Predict(f, age, treat, sex='male'))
ages  <- seq(35,65,by=5); sexes <- c('female','male')
w     <- contrast(f, list(treat='drug',    age=ages, sex=sexes),
                     list(treat='placebo', age=ages, sex=sexes),
                     conf.type='simultaneous'))
xYplot(Cbind(Contrast, Lower, Upper) ~ age | sex, data=w,
       ylab='Drug - Placebo')
xYplot(Cbind(Contrast, Lower, Upper) ~ age, groups=sex, data=w,
       ylab='Drug - Placebo', method='alt bars')

Answer 2

Para el intervalo de confianza, creo que puedes utilizar los resultados de la regresión logística. Para ajustar los valores p, consulte este enlace de la wiki: http://en.wikipedia.org/wiki/Holm%E2%80%93Bonferroni_method

A mi entender, primero se pone a prueba un grupo de edad general y luego se prueba una hipótesis anidada. Le recomendaría que probara primero los efectos globales del grupo y que después profundizara para probar los grupos individuales.

Answer 3

Así que imaginemos que sólo hay 2 síntomas y que tengo los siguientes resultados:

### Fever: ###

Overall p-value
Wald test:
----------

Chi-squared test:
X2 = 16.8, df = 3, P(> X2) = 0.00078

Coefficients:
                            Estimate Std. Error z value Pr(>|z|)    
(Intercept)                   1.5849     0.1103  14.366  < 2e-16 ***
relevel(agegp, "15-64")0-4    0.6323     0.3361   1.881  0.05994 .  
relevel(agegp, "15-64")5-14   0.7273     0.2182   3.333  0.00086 ***
relevel(agegp, "15-64")65+   -1.0253     0.6364  -1.611  0.10718

### Cough ###

Overall p-value
Wald test:
----------

Chi-squared test:
X2 = 8.5, df = 3, P(> X2) = 0.036

Coefficients:
                           Estimate Std. Error z value Pr(>|z|)    
(Intercept)                   2.2693     0.1416  16.024  < 2e-16 ***
relevel(agegp, "15-64")0-4   -0.3234     0.3189  -1.014  0.31051    
relevel(agegp, "15-64")5-14  -0.5850     0.2050  -2.854  0.00432 ** 
relevel(agegp, "15-64")65+   -0.7652     0.7945  -0.963  0.33544

¿Cuáles serían mis valores p ajustados (utilizando el método de Holm) en este escenario de tener sólo 2 síntomas y cómo calcularía los intervalos de confianza?