Logistic 回归在护理风险预测中的应用

1. 一句话告诉你这是什么

Logistic 回归是用多个自变量预测一个二分类结局的方法。在护理研究中回答”哪些因素独立影响事件是否发生”——例如年龄和合并症能否预测住院患者是否发生跌倒。

2. 什么时候用，什么时候别用

适合用

• 结局是二分类变量（如跌倒/未跌倒、出院/死亡）
• 想计算某个因素的调整后 OR 值（优势比）
• 需要做风险因素筛选并控制混杂变量

不适合用

• 结局为连续变量或有序多分类（应用线性回归或有序 Logistic）
• 事件数太少（通常要求每组至少 10-15 个事件/非事件）
• 预测因子之间存在完全分离（某自变量完美预测结局，系数无法估计）

3. 数据准备清单

• 结局变量编码为 0/1（未发生/发生）
• 分类变量做哑变量编码或因子化
• 样本量满足 EPV 准则：事件数 $\ge 10 \times k$（$k$ 为自变量数）
• 无完全分离或多重共线性
• 缺失值处理（优先考虑多重插补而非行删除）

4. 方法直觉

Logistic 回归不直接预测 0 或 1，而是预测”事件发生的概率”，并用 logit 连接函数将概率映射到 $(-\infty, +\infty)$ 的线性空间：

$\ln\left(\frac{p}{1-p}\right) = \beta_0 + \beta_1 X_1 + \cdots + \beta_k X_k$

等式左边是 log-odds（对数优势比）。对系数 $\beta$ 取指数 $e^\beta$ 就得到 OR——“X 每增加一个单位，事件优势乘以多少”。OR > 1 表示风险增加，OR < 1 表示风险降低。

5. R 代码（复制即可跑）

library(broom)
library(pROC)

# 模拟护理研究数据
set.seed(2026)
n <- 500
df <- data.frame(
  age    = rnorm(n, mean = 70, sd = 12),           # 年龄
  bmi    = rnorm(n, mean = 24, sd = 4),            # BMI
  los    = rpois(n, lambda = 10),                  # 住院天数
  fall   = rbinom(n, size = 1, prob = 0.2)         # 是否跌倒（结局）
)

# 拟合模型
fit <- glm(fall ~ age + bmi + los,
           data = df, family = binomial(link = "logit"))

# 模型摘要
summary(fit)

# OR 值及 95% CI
tidy(fit, conf.int = TRUE, exponentiate = TRUE)    # ⬅ exponentiate = TRUE 输出 OR

# 模型预测与 AUC
df$pred <- predict(fit, type = "response")
roc_obj <- roc(df$fall, df$pred)
auc(roc_obj)                                        # ⬅ AUC > 0.7 可接受

6. 结果怎么读

$^* p < 0.05, ^{**} p < 0.01$

7. 论文里怎么写

中文： 采用二分类 Logistic 回归分析住院患者跌倒的风险因素。多因素分析显示，住院天数是跌倒的独立预测因素（OR = 1.12, 95% CI [1.04, 1.21], $p = 0.003$），而年龄和 BMI 的效应未达到统计学显著水平。模型 AUC = 0.73，区分能力可接受。

English: Binary logistic regression was used to identify risk factors for falls among hospitalized patients. Multivariable analysis revealed that length of stay was an independent predictor of falls (OR = 1.12, 95% CI [1.04, 1.21], $p = 0.003$), whereas the effects of age and BMI were not statistically significant. The model showed acceptable discrimination (AUC = 0.73).

8. 三个最常见的坑

1. 把 OR 当作 RR。 队列研究中 OR 会高估发生率较高 ( $> 10\%$ ) 的事件效应，此时应优先考虑 Poisson 回归或 log-binomial 回归。
2. 事件数不足仍强行建模。 EPV（每变量事件数）低于 10 时系数估计不稳定，建议用 Firth 惩罚似然或 Bayesian 方法。
3. 忽略线性假设。 Logit 与连续自变量的关系需满足线性——如果不满足，可尝试加入平方项或使用限制立方样条（rcs）。