S'abonner

Comprendre la régression logistique - 05/10/13

Doi : 10.1016/j.jfo.2013.05.008 
M. El Sanharawi a, b, , c , F. Naudet d, e, f
a Inserm, UMRS 872, équipe 17, 15, rue de l’École-de-Médecine, 75006 Paris, France 
b Centre de recherche des Cordeliers, université Pierre-et-Marie-Curie Paris-VI, UMRS 872, 15, rue de l’École-de-Médecine, 75006 Paris, France 
c Université Paris Descartes, UMRS 872, 15, rue de l’École-de-Médecine, 75006 Paris, France 
d Inserm, U669, maison de Solenn, 97, boulevard de Port-Royal, 75679 Paris cedex 14, France 
e EA-4712 Behavior and Basal Ganglia unit, université de Rennes 1, campus de Villejean, bâtiment 40L27, 2, rue Henri-le-Guilloux, 35033 Rennes cedex, France 
f Centre d’investigation clinique CIC-P Inserm 0203, université de Rennes 1, hôpital de Pontchaillou, centre hospitalier universitaire de Rennes, pavillon Clemenceau, 2, rue Henri-Le-Guilloux, 35033 Rennes cedex 9, France 

Auteur correspondant.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
Article gratuit.

Connectez-vous pour en bénéficier!

Résumé

La régression logistique est l’un des modèles d’analyse multivariée les plus couramment utilisés en épidémiologie. Elle permet de mesurer l’association entre la survenue d’un évènement (variable expliquée qualitative) et les facteurs susceptibles de l’influencer (variables explicatives). Le choix des variables explicatives intégrées au modèle de régression logistique est basé sur une connaissance préalable de la physiopathologie de la maladie et sur l’association statistique entre la variable et l’évènement, mesurée par l’odds ratio. Les principales étapes de sa réalisation, les conditions d’applications à vérifier, ainsi que les outils essentiels à son interprétation sont exposés de manière concise. Nous discutons aussi de l’importance du choix des variables à inclure et à conserver dans le modèle de régression afin de ne pas omettre des facteurs de confusion importants. Enfin, un exemple tiré de la littérature permet d’illustrer le propos et de vérifier les acquis du lecteur.

Le texte complet de cet article est disponible en PDF.

Summary

Logistic regression is one of the most common multivariate analysis models utilized in epidemiology. It allows the measurement of the association between the occurrence of an event (qualitative dependent variable) and factors susceptible to influence it (explicative variables). The choice of explicative variables that should be included in the logistic regression model is based on prior knowledge of the disease physiopathology and the statistical association between the variable and the event, as measured by the odds ratio. The main steps for the procedure, the conditions of application, and the essential tools for its interpretation are discussed concisely. We also discuss the importance of the choice of variables that must be included and retained in the regression model in order to avoid the omission of important confounding factors. Finally, by way of illustration, we provide an example from the literature, which should help the reader test his or her knowledge.

Le texte complet de cet article est disponible en PDF.

Mots clés : Régression logistique, Analyse multivariée, Ajustement, Odds ratio, Facteur de confusion, Interaction

Keywords : Logistic regression, Multivariate analysis, Adjustment, Odds ratio, Confounding factor, Interaction


Plan


© 2013  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 36 - N° 8

P. 710-715 - octobre 2013 Retour au numéro
Article précédent Article précédent
  • Examen et sémiologie générale du nourrisson
  • S. Bidot, P. Dureau, G. Caputo
| Article suivant Article suivant
  • Un mélanome palpébral historique
  • G. Barreau, M. Delage-Corre, F. Projetti, P.-Y. Robert, J.-P. Adenis

Bienvenue sur EM-consulte, la référence des professionnels de santé.

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.