Multivariabele regressie - Revision history

M Wolvers: /* Hoeveel variabelen mag ik meegeven aan mijn model? */ verplaatst naar logistische regressie-pagina

2024-06-27T13:00:21Z

Hoeveel variabelen mag ik meegeven aan mijn model?: verplaatst naar logistische regressie-pagina

← Older revision		Revision as of 15:00, 27 June 2024
Line 10:		Line 10:

	Als een variabele in je multivariabele model niet significant is, dan betekent het dat deze geen significante associatie heeft met de uitkomstmaat, rekeninghoudend met het effect van de andere variabelen die op dat moment in je model zitten (dus conditioneel op die variabelen). Bij jou lijkt het er op dat het effect leeftijd gecorrigeerd voor de andere covariaten geen significant effect (bij een signniveau van 5%) heeft op de uitkomstmaat. Dit kan door twee zaken beïnvloed worden. Of de andere covariaten vagen het effect van leeftijd weg, of er is niet genoeg data om het effect van leeftijd als significant te bestempelen. Ook al is het conditionele (gecorrigeerd in een multivariabel model) verband even groot als het onconditionele (univariabel model), dan nog is vaak de precisie van het conditionele model minder groot (bredere [[betrouwbaarheidsinterval\|betrouwbaarheidsintervallen]]), doordat men in een model meerdere verbanden schat en daardoor minder kracht heeft effecten aan te wijzen. Door niet alleen naar de p-waarde, maar ook naar het confidence interval te kijken, ben je iets minder afhankelijk van de harde (maar willekeurige) 5% grens.		Als een variabele in je multivariabele model niet significant is, dan betekent het dat deze geen significante associatie heeft met de uitkomstmaat, rekeninghoudend met het effect van de andere variabelen die op dat moment in je model zitten (dus conditioneel op die variabelen). Bij jou lijkt het er op dat het effect leeftijd gecorrigeerd voor de andere covariaten geen significant effect (bij een signniveau van 5%) heeft op de uitkomstmaat. Dit kan door twee zaken beïnvloed worden. Of de andere covariaten vagen het effect van leeftijd weg, of er is niet genoeg data om het effect van leeftijd als significant te bestempelen. Ook al is het conditionele (gecorrigeerd in een multivariabel model) verband even groot als het onconditionele (univariabel model), dan nog is vaak de precisie van het conditionele model minder groot (bredere [[betrouwbaarheidsinterval\|betrouwbaarheidsintervallen]]), doordat men in een model meerdere verbanden schat en daardoor minder kracht heeft effecten aan te wijzen. Door niet alleen naar de p-waarde, maar ook naar het confidence interval te kijken, ben je iets minder afhankelijk van de harde (maar willekeurige) 5% grens.

	~~== Hoeveel variabelen mag ik meegeven aan mijn model? ==~~

	~~''Ik wil graag een multivariabele logistische analyse doen voor de risicofactoren voor obesitas binnen een patiëntengroep. Hoeveel variabelen (risicofactoren) mag ik testen op 893 patiënten?~~

	Een vuistregel is dat bij [[logistische regressie]] het aantal parameters in een multivariabel model maximaal 5% tot 10% mag zijn van het minimum van het aantal mensen met en zonder obesitas (event) in je sample. Dus als je 300 met en 593 zonder obesitas hebt, mag je max 15 tot 30 parameters in je model opnemen. Ik spreek hier over parameters, niet over variabelen, omdat bijv. een categorische variabele met 3 categorieën 2 extra parameters in je model geeft.
	Bij [[logistische regressie]] heb je per parameter dus minimaal 10, maar het liefst ten minste 20 of 30, 'events' nodig. Bij minder 'events' kunnen de schattingen van de parameters misleidend zijn. Hierbij tel je het uitkomst dat het minst vaak voorkomt als event. Stel je hebt een onderzoek waarbij 285 van de 300 patiënten overlijdt en 15 niet. Dan zijn er 15 'events'. <cite>[Peduzzi1996]</cite>

	Bij een [[lineaire regressie\|lineair regressie model]] luidt de vuistregel dat het aantal parameters max 5% tot 10% mag zijn van het totaal aantal gebruikte observaties mag zijn, oftewel minimaal 10 a 20 patiënten per variabele. Deze suggestie wordt oa gedaan in het boek van Harrel <cite>[Harrel]</cite>. Wanneer je een meer nauwkeurige schatting van het benodigd aantal voorspellers wilt hebben, dan zul je een inschatting moeten doen van de verwachte sterkte van de voorspellers, zie ook de suggesties in twee andere posts op deze wiki:
	*[[Poweranalyse#Welke_informatie_heb_ik_nodig_voor_een_poweranalyse_als_ik_een_multivariabele_lineaire_regressie_ga_doen.3F\|poweranalyse voor een multivariabel lineair regressiemodel]] en
	*[[Poweranalyse#Hoeveel_pati.C3.ABnten_heb_ik_nodig_om_een_predictie_model_te_bouwen.3F\|poweranalyse bij een predictiemodel]].

	== Hoe kies ik welke variabelen ik meeneem in mijn multivariabele model? ==		== Hoe kies ik welke variabelen ik meeneem in mijn multivariabele model? ==

M Wolvers: /* Hoeveel variabelen mag ik meegeven aan mijn model? */

2024-06-24T10:28:48Z

Hoeveel variabelen mag ik meegeven aan mijn model?

← Older revision		Revision as of 12:28, 24 June 2024
Line 17:		Line 17:
	Een vuistregel is dat bij [[logistische regressie]] het aantal parameters in een multivariabel model maximaal 5% tot 10% mag zijn van het minimum van het aantal mensen met en zonder obesitas (event) in je sample. Dus als je 300 met en 593 zonder obesitas hebt, mag je max 15 tot 30 parameters in je model opnemen. Ik spreek hier over parameters, niet over variabelen, omdat bijv. een categorische variabele met 3 categorieën 2 extra parameters in je model geeft.		Een vuistregel is dat bij [[logistische regressie]] het aantal parameters in een multivariabel model maximaal 5% tot 10% mag zijn van het minimum van het aantal mensen met en zonder obesitas (event) in je sample. Dus als je 300 met en 593 zonder obesitas hebt, mag je max 15 tot 30 parameters in je model opnemen. Ik spreek hier over parameters, niet over variabelen, omdat bijv. een categorische variabele met 3 categorieën 2 extra parameters in je model geeft.
	Bij [[logistische regressie]] heb je per parameter dus minimaal 10, maar het liefst ten minste 20 of 30, 'events' nodig. Bij minder 'events' kunnen de schattingen van de parameters misleidend zijn. Hierbij tel je het uitkomst dat het minst vaak voorkomt als event. Stel je hebt een onderzoek waarbij 285 van de 300 patiënten overlijdt en 15 niet. Dan zijn er 15 'events'. <cite>[Peduzzi1996]</cite>		Bij [[logistische regressie]] heb je per parameter dus minimaal 10, maar het liefst ten minste 20 of 30, 'events' nodig. Bij minder 'events' kunnen de schattingen van de parameters misleidend zijn. Hierbij tel je het uitkomst dat het minst vaak voorkomt als event. Stel je hebt een onderzoek waarbij 285 van de 300 patiënten overlijdt en 15 niet. Dan zijn er 15 'events'. <cite>[Peduzzi1996]</cite>



	Bij een [[lineaire regressie\|lineair regressie model]] luidt de vuistregel dat het aantal parameters max 5% tot 10% mag zijn van het totaal aantal gebruikte observaties mag zijn, oftewel minimaal 10 a 20 patiënten per variabele. Deze suggestie wordt oa gedaan in het boek van Harrel <cite>[Harrel]</cite>. Wanneer je een meer nauwkeurige schatting van het benodigd aantal voorspellers wilt hebben, dan zul je een inschatting moeten doen van de verwachte sterkte van de voorspellers, zie ook de suggesties in twee andere posts op deze wiki:		Bij een [[lineaire regressie\|lineair regressie model]] luidt de vuistregel dat het aantal parameters max 5% tot 10% mag zijn van het totaal aantal gebruikte observaties mag zijn, oftewel minimaal 10 a 20 patiënten per variabele. Deze suggestie wordt oa gedaan in het boek van Harrel <cite>[Harrel]</cite>. Wanneer je een meer nauwkeurige schatting van het benodigd aantal voorspellers wilt hebben, dan zul je een inschatting moeten doen van de verwachte sterkte van de voorspellers, zie ook de suggesties in twee andere posts op deze wiki:

M Wolvers: /* Aanvullende bronnen */

2024-06-04T12:56:01Z

Aanvullende bronnen

← Older revision		Revision as of 14:56, 4 June 2024
Line 120:		Line 120:
	== Aanvullende bronnen ==		== Aanvullende bronnen ==

	*[https://www.ema.europa.eu/en/documents/scientific-guideline/guideline-adjustment-baseline-covariates-clinical-trials Guideline on adjustment for baseline covariates in clinical		*[https://www.ema.europa.eu/en/documents/scientific-guideline/guideline-adjustment-baseline-covariates-clinical-trials Guideline on adjustment for baseline covariates in clinical trials]
	trials]

	*[https://www.ema.europa.eu/en/investigation-subgroups-confirmatory-clinical-trials-scientific-guideline Guideline on the investigation of subgroups in confirmatory clinical trials]		*[https://www.ema.europa.eu/en/investigation-subgroups-confirmatory-clinical-trials-scientific-guideline Guideline on the investigation of subgroups in confirmatory clinical trials]

M Wolvers: /* Aanvullende bronnen */ EMA links were broken.

2024-06-04T12:31:18Z

Aanvullende bronnen: EMA links were broken.

← Older revision		Revision as of 14:31, 4 June 2024
Line 120:		Line 120:
	== Aanvullende bronnen ==		== Aanvullende bronnen ==

	*[~~http~~://www.ema.europa.eu/~~docs~~/~~en_GB~~/~~document_library~~/~~Scientific_guideline/2009/09/WC500003639.pdf EMA Points to consider on~~ adjustment ~~for~~ baseline covariates ~~(final 2003)]~~		*[https://www.ema.europa.eu/en/documents/scientific-guideline/guideline-adjustment-baseline-covariates-clinical-trials Guideline on adjustment for baseline covariates in clinical
	*[http://www.ema.europa.eu/docs/en_GB/document_library/Scientific_guideline/2013/06/WC500144946.pdf EMA Guideline on adjustment for baseline covariates ~~(draft April 2013)~~]		trials]

	*[~~http~~://www.ema.europa.eu/~~docs~~/~~en_GB/document_library/Scientific_guideline/2014/02/WC500160523.pdf EMA~~ Guideline on the investigation of subgroups in confirmatory clinical trials ~~(draft Feb 2014)~~]		*[https://www.ema.europa.eu/en/investigation-subgroups-confirmatory-clinical-trials-scientific-guideline Guideline on the investigation of subgroups in confirmatory clinical trials]

	*[http://www.ncbi.nlm.nih.gov/pubmed/15184705 What you see may not be what you get: a brief, nontechnical introduction to overfitting in regression-type models, Babyak M.A., Psychosom Med. 2004 May-Jun;66(3):411-21]		*[http://www.ncbi.nlm.nih.gov/pubmed/15184705 What you see may not be what you get: a brief, nontechnical introduction to overfitting in regression-type models, Babyak M.A., Psychosom Med. 2004 May-Jun;66(3):411-21]

M Wolvers: /* Referenties */

2024-05-30T13:47:02Z

Referenties

← Older revision		Revision as of 15:47, 30 May 2024
Line 113:		Line 113:
	== Referenties ==		== Referenties ==
	<biblio>		<biblio>
	#~~Peduzzi2009~~ [http://dx.doi.org/10.1016/S0895-4356(96)00236-3 Peduzzi P, Concato J, Kemper E, Holford TR, Feinstein AR. A simulation study of the number of events per variable in logistic regression analysis. ''J Clin Epidemiol''. 1996 Dec;49(12):1373-9.]		#Peduzzi1996 [http://dx.doi.org/10.1016/S0895-4356(96)00236-3 Peduzzi P, Concato J, Kemper E, Holford TR, Feinstein AR. A simulation study of the number of events per variable in logistic regression analysis. ''J Clin Epidemiol''. 1996 Dec;49(12):1373-9.]
	#Harrel Regression Modeling Strategies with Applications to Linear Models, Logistic Regression and Survival Analysis. Frank E. Harrell, Jun, Springer-Verlag, New York, 2001. No. of pages: 568. ISBN 0-387-95232-2.		#Harrel Regression Modeling Strategies with Applications to Linear Models, Logistic Regression and Survival Analysis. Frank E. Harrell, Jun, Springer-Verlag, New York, 2001. No. of pages: 568. ISBN 0-387-95232-2.
	#Sullivan2004 pmid=15122742		#Sullivan2004 pmid=15122742

M Wolvers: /* Referenties */

2024-05-30T13:46:35Z

Referenties

← Older revision		Revision as of 15:46, 30 May 2024
Line 113:		Line 113:
	== Referenties ==		== Referenties ==
	<biblio>		<biblio>
			#Peduzzi2009 [http://dx.doi.org/10.1016/S0895-4356(96)00236-3 Peduzzi P, Concato J, Kemper E, Holford TR, Feinstein AR. A simulation study of the number of events per variable in logistic regression analysis. ''J Clin Epidemiol''. 1996 Dec;49(12):1373-9.]
	#Harrel Regression Modeling Strategies with Applications to Linear Models, Logistic Regression and Survival Analysis. Frank E. Harrell, Jun, Springer-Verlag, New York, 2001. No. of pages: 568. ISBN 0-387-95232-2.		#Harrel Regression Modeling Strategies with Applications to Linear Models, Logistic Regression and Survival Analysis. Frank E. Harrell, Jun, Springer-Verlag, New York, 2001. No. of pages: 568. ISBN 0-387-95232-2.
	#Sullivan2004 pmid=15122742		#Sullivan2004 pmid=15122742

M Wolvers: /* Hoeveel variabelen mag ik meegeven aan mijn model? */

2024-05-30T13:45:12Z

Hoeveel variabelen mag ik meegeven aan mijn model?

← Older revision		Revision as of 15:45, 30 May 2024
Line 13:		Line 13:
	== Hoeveel variabelen mag ik meegeven aan mijn model? ==		== Hoeveel variabelen mag ik meegeven aan mijn model? ==

	''Ik wil graag een multivariabele logistische analyse doen voor de risicofactoren voor obesitas binnen een ~~patientengroep~~. Hoeveel variabelen (risicofactoren) mag ik testen op 893 ~~patienten~~?		''Ik wil graag een multivariabele logistische analyse doen voor de risicofactoren voor obesitas binnen een patiëntengroep. Hoeveel variabelen (risicofactoren) mag ik testen op 893 patiënten?

	Een vuistregel is dat bij [[logistische regressie]] het aantal parameters in een multivariabel model maximaal 5% tot 10% mag zijn van het minimum van het aantal mensen met en zonder obesitas (event) in je sample. Dus als je 300 met en 593 zonder obesitas hebt, mag je max 15 tot 30 parameters in je model opnemen. Ik spreek hier over parameters, niet over variabelen, omdat bijv. een categorische variabele met 3 ~~categorieen~~ 2 extra parameters in je model geeft.		Een vuistregel is dat bij [[logistische regressie]] het aantal parameters in een multivariabel model maximaal 5% tot 10% mag zijn van het minimum van het aantal mensen met en zonder obesitas (event) in je sample. Dus als je 300 met en 593 zonder obesitas hebt, mag je max 15 tot 30 parameters in je model opnemen. Ik spreek hier over parameters, niet over variabelen, omdat bijv. een categorische variabele met 3 categorieën 2 extra parameters in je model geeft.
	Bij [[logistische regressie]] heb je per parameter dus minimaal 10, maar het liefst ten minste 20 of 30, 'events' nodig. Bij minder 'events' kunnen de schattingen van de parameters misleidend zijn. Hierbij tel je het uitkomst dat het minst vaak voorkomt als event. Stel je hebt een onderzoek waarbij 285 van de 300 ~~patienten~~ overlijdt en 15 niet. Dan zijn er 15 'events'.		Bij [[logistische regressie]] heb je per parameter dus minimaal 10, maar het liefst ten minste 20 of 30, 'events' nodig. Bij minder 'events' kunnen de schattingen van de parameters misleidend zijn. Hierbij tel je het uitkomst dat het minst vaak voorkomt als event. Stel je hebt een onderzoek waarbij 285 van de 300 patiënten overlijdt en 15 niet. Dan zijn er 15 'events'. <cite>[Peduzzi1996]</cite>

	[http://dx.doi.org/10.1016/S0895-4356(96)00236-3 Peduzzi P, Concato J, Kemper E, Holford TR, Feinstein AR. A simulation study of the number of events per variable in logistic regression analysis. ''J Clin Epidemiol''. 1996 Dec;49(12):1373-9.]


	Bij een [[lineaire regressie\|lineair regressie model]] luidt de vuistregel dat het aantal parameters max 5% tot 10% mag zijn van het totaal aantal gebruikte observaties mag zijn, oftewel minimaal 10 a 20 ~~patienten~~ per variabele. Deze suggestie wordt oa gedaan in het boek van Harrel <cite>[Harrel]</cite>. Wanneer je een meer nauwkeurige schatting van het benodigd aantal voorspellers wilt hebben, dan zul je een inschatting moeten doen van de verwachte sterkte van de voorspellers, zie ook de suggesties in twee andere posts op deze wiki:		Bij een [[lineaire regressie\|lineair regressie model]] luidt de vuistregel dat het aantal parameters max 5% tot 10% mag zijn van het totaal aantal gebruikte observaties mag zijn, oftewel minimaal 10 a 20 patiënten per variabele. Deze suggestie wordt oa gedaan in het boek van Harrel <cite>[Harrel]</cite>. Wanneer je een meer nauwkeurige schatting van het benodigd aantal voorspellers wilt hebben, dan zul je een inschatting moeten doen van de verwachte sterkte van de voorspellers, zie ook de suggesties in twee andere posts op deze wiki:
	*[[Poweranalyse#Welke_informatie_heb_ik_nodig_voor_een_poweranalyse_als_ik_een_multivariabele_lineaire_regressie_ga_doen.3F\|poweranalyse voor een ~~multiariabel~~ lineair regressiemodel]] en		*[[Poweranalyse#Welke_informatie_heb_ik_nodig_voor_een_poweranalyse_als_ik_een_multivariabele_lineaire_regressie_ga_doen.3F\|poweranalyse voor een multivariabel lineair regressiemodel]] en
	*[[Poweranalyse#Hoeveel_pati.C3.ABnten_heb_ik_nodig_om_een_predictie_model_te_bouwen.3F\|poweranalyse bij een predictiemodel]].		*[[Poweranalyse#Hoeveel_pati.C3.ABnten_heb_ik_nodig_om_een_predictie_model_te_bouwen.3F\|poweranalyse bij een predictiemodel]].

M Wolvers: /* Hoe zorg ik voor een heldere en gebruiksvriendelijke presentatie van mijn multivariabele model? */

2024-05-30T13:02:59Z

Hoe zorg ik voor een heldere en gebruiksvriendelijke presentatie van mijn multivariabele model?

← Older revision		Revision as of 15:02, 30 May 2024
Line 57:		Line 57:
	== Hoe zorg ik voor een heldere en gebruiksvriendelijke presentatie van mijn multivariabele model? ==		== Hoe zorg ik voor een heldere en gebruiksvriendelijke presentatie van mijn multivariabele model? ==

	Dit artikel van Sullivan et al. <cite>[Sullivan2004]</cite> kan je daarbij wellicht helpen.		Dit artikel van Sullivan et al. <cite>[Sullivan2004]</cite> kan je daarbij wellicht helpen. Daarin wordt getoond hoe je de resultaten van je regressiemodel kunt vertalen in risicoscores.

	== Hoe selecteer ik mbv univariabele regressie factoren voor in een multivariabele regressie? ==		== Hoe selecteer ik mbv univariabele regressie factoren voor in een multivariabele regressie? ==

M Wolvers: /* Referenties */

2024-05-30T13:00:18Z

Referenties

← Older revision		Revision as of 15:00, 30 May 2024
Line 115:		Line 115:
	<biblio>		<biblio>
	#Harrel Regression Modeling Strategies with Applications to Linear Models, Logistic Regression and Survival Analysis. Frank E. Harrell, Jun, Springer-Verlag, New York, 2001. No. of pages: 568. ISBN 0-387-95232-2.		#Harrel Regression Modeling Strategies with Applications to Linear Models, Logistic Regression and Survival Analysis. Frank E. Harrell, Jun, Springer-Verlag, New York, 2001. No. of pages: 568. ISBN 0-387-95232-2.
			#Sullivan2004 pmid=15122742
	</biblio>		</biblio>

			== Aanvullende bronnen ==

	*[http://www.ema.europa.eu/docs/en_GB/document_library/Scientific_guideline/2009/09/WC500003639.pdf EMA Points to consider on adjustment for baseline covariates (final 2003)]		*[http://www.ema.europa.eu/docs/en_GB/document_library/Scientific_guideline/2009/09/WC500003639.pdf EMA Points to consider on adjustment for baseline covariates (final 2003)]

M Wolvers: /* Hoe rapporteer ik de resultaten van mijn multivariabele model? */

2024-05-30T12:59:05Z

Hoe rapporteer ik de resultaten van mijn multivariabele model?

← Older revision		Revision as of 14:59, 30 May 2024
Line 54:		Line 54:

	Er zijn geen vaste regels voor de volgorde waarin je variabelen in een tabel zet. Er zou bijvoorbeeld hierarchie in de variabelen kunnen zitten, of chronologische volgorde (bijvoorbeeld eerst leeftijd en geslacht en pas later de invloed van roken oid). Het is wel helder om alle variabelen van je uiteindelijke model (dus ook niet significante) te laten zien, dan kan een lezer zien naast welke andere voorspellers de variabelen beoordeeld zijn.		Er zijn geen vaste regels voor de volgorde waarin je variabelen in een tabel zet. Er zou bijvoorbeeld hierarchie in de variabelen kunnen zitten, of chronologische volgorde (bijvoorbeeld eerst leeftijd en geslacht en pas later de invloed van roken oid). Het is wel helder om alle variabelen van je uiteindelijke model (dus ook niet significante) te laten zien, dan kan een lezer zien naast welke andere voorspellers de variabelen beoordeeld zijn.

			== Hoe zorg ik voor een heldere en gebruiksvriendelijke presentatie van mijn multivariabele model? ==

			Dit artikel van Sullivan et al. <cite>[Sullivan2004]</cite> kan je daarbij wellicht helpen.

	== Hoe selecteer ik mbv univariabele regressie factoren voor in een multivariabele regressie? ==		== Hoe selecteer ik mbv univariabele regressie factoren voor in een multivariabele regressie? ==