Suhtelise riski ja šansside suhte hindamine binaarse tulemiga regressioonmudelites. Rakendus Eesti Geenivaramu andmete näitel

Abstract

Käesolevas bakalaureusetöös käsitletakse suhtelise riski ja šansside suhte hindamist binaarse tulemiga regressioonmudelites. Töö keskendub logistilisele regressioonile, log-binomiaalsele regressioonile ning robustsete standardvigadega Poissoni mudelile. Eesmärk on kirjeldada nimetatud meetodite teoreetilisi aluseid ja võrrelda nende praktilist käitumist nii simulatsiooniuuringus kui ka Eesti geenivaramu andmetel. Simulatsiooniuuringus vaadeldi erinevaid uuritava sündmuse baasriske ja kahte andmeid genereerivat protsessi. Tulemused näitasid, et madalatel kuni mõõdukatel riskitasemetel annavad vaadeldud meetodid väga sarnaseid hinnanguid, kuid log-binomiaalse mudeli EM-algoritmil põhinev sobitamine on arvutuslikult märgatavalt ressursimahukam. Rakendusosas uuriti, kas enne 60. eluaastat esinenud depressioonidiagnoos on seotud suurema riskiga saada järgneva 10 aasta jooksul dementsuse diagnoos. Kõigi hinnatud mudelite põhjal oli depressioon statistiliselt oluliselt seotud kõrgema dementsuseriskiga, kus suhteline risk on ligikaudu 1,6. Töö tulemused toetavad seisukohta, et log-binomiaalne regressioon ja robustsete standardvigadega Poissoni regressioon võivad pakkuda logistilise regressiooni kõrval paremini tõlgendatavat alternatiivi.

This bachelor’s thesis examines the estimation of relative risk and odds ratios in regression models with a binary outcome. The thesis focuses on logistic regression, log-binomial regression, and Poisson regression with robust standard errors. The aim is to describe the theoretical background of these methods and compare their practical performance in a simulation study and in an applied analysis using data from the Estonian Biobank. In the simulation study, different baseline risks and processes were considered. The results indicated that, at low to moderate risk levels, the methods produced very similar estimates. In the applied part of the thesis, the association between a depression diagnosis before the age of 60 and the risk of receiving a dementia diagnosis during the following 10 years was investigated. All fitted models showed that prior depression was statistically significantly associated with an increased risk of dementia, with the estimated relative risk being approximately 1.6. The results suggest that log-binomial regression and Poisson regression with robust standard errors may provide more directly interpretable alternatives to logistic regression.