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.

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.