Opgave 1. Multivariat logistisk regression

Opgave 1. Multivariat logistisk regression
I skal her arbejde med datasættet graft.vs.host i ISwR-pakken. Formålet
med opgaven er at beskrive risikoen for graft vs host disease ud fra
oplysninger om doner og modtager af knoglemarvstransplantationer.
Følgende variable er tilgængelige:
pnr : patientnummer.
rcpage : modtagers alder (år).
donage : donors alder (år).
type : type af leukæmi kodet 1: AML, 2: ALL, 3: CML for hhv acute
myeloid, acute lymphatic, og chronic myeloid leukaemia.
preg : indikator for om donor har været gravid: 0: nej, 1: ja.
index: index af mixed epidermal cell-lymphocyte reactions.
gvhd : graft-versus-host disease, 0: no, 1: yes.
time : follow-up-time.
dead : død, 0: no (censored), 1: yes.
NB: Variablene time og dead er relateret til det senere sygdomsforløb og
skal derfor ikke benyttes i denne opgave.
1. Installer ISwR pakken og aktiver datasættet.
2. Tegn baggrundsvariablene op mod hinanden. Ser der ud til at være
sammenhæng mellem nogle af disse
3. Scatterplottet af preg mod type bliver vi ikke meget klogere af. Hvordan
kan man istedet undersøge om der er en sammenhæng
4. Undersøg ved simple logistiske regressioner om de forklarende variable
er associeret med risikoen for graft vs host disease. Overvej i hvilken
form de kontinuerte variable bør inkluderes i modellen.
Hvilke forklarende variable er signifikante Fortolk modellen.
5. Brug backwards / forwards elimination til at isolere de væsentligste
risikofaktorer i en multipel logistisk regression på 5%-niveau.
Beskriv associationen.
1

6. Sammenlign resultatet af de univariate og den multivariate analyse:
Sammenlign OR’erne. Nogle af de forklarende variable er ikke signifikante
i den multivariate model. Hvordan kan det forklares
7. Se på modellen indholdende alene type og preg. Find baseline odds og
OR-estimater der beskriver risikoen for GvHD i den additive model.
8. Lav en tabel der viser estimeret risiko og observeret GvHD-frekvens i
de seks grupper. Er der god overensstemmelse
9. Sammenlign de individuelle risikoestimater fra de to konkurrerende
modeller. Er der nogle personer som ville få meget forskellige prognoser
af de to modeller
Opgave 2. Interaktion.
I skal her regne på Framingham data præsenteret til forelæsningerne.
Data kan indlæses fra url med følgende kode (som også ligger på hjemmesiden):
framing

3. Estimér modellen indeholdende interaktion mellem køn og SBP. Beskriv
effekten af SBP for hvert køn for sig vha passende OR’er. (Vink: Disse
har I ikke lært at trylle ud af R - gør det derfor i hånden. Lav gerne
en tabel af køn mod SBP og sæt log-odds ind i hver celle i tabellen).
Hvad ser du
4. Lav test for interaktion mellem køn og SBP vha både drop1 og anova.
Opgave 3. Linearitet.
I skal her regne videre på juul2-data (menarke) i ISwR-pakken i en logistisk
regressionsmodel baseret på alder alene.
1. Lav en mere fleksibel model ved at inkludér højere ordens led. Kan vi
antage linearitet
2. Lav et plot af de observerede hyppigheder med kurven svarende til de
prædikterede værdier lagt ind oven i (a la plot slide 36).
3. Hvilken model finder du mest rimelig
3