SPSS Regresion Logistica
SPSS Regresion Logistica
SPSS Regresion Logistica
Albert Sorribas
Grup de Bioestadstica i Biomatemtica
Facultat de Medicina, UdL
GRUPO
Expuestos
No expuestos
Total
Recuento
% de GRUPO
Recuento
% de GRUPO
Recuento
% de GRUPO
ENFERMO
Si
No
23
12
65,7%
34,3%
15
26
36,6%
63,4%
38
38
50,0%
50,0%
Total
35
100,0%
41
100,0%
76
100,0%
P ( S / E ) = 0.657
P( S / E )
= 1.795
RR =
P( S / E )
P ( S / E ) = 0.366
3
Ejemplo
EXPOSICI
Expuestos
No expuestos
Total
Recuento
% de EXPOSICI
Recuento
% de EXPOSICI
Recuento
% de EXPOSICI
ENFERMO
Enfermos
No enfermos
45
22
67,2%
32,8%
25
56
30,9%
69,1%
70
78
47,3%
52,7%
Total
67
100,0%
81
100,0%
148
100,0%
Estimacin de riesgo
Valor
Razn de las ventajas para EXPOSICI
(Expuestos / No expuestos)
Para la cohorte ENFERMO = Enfermos
Para la cohorte ENFERMO = No
enfermos
N de casos vlidos
Intervalo de confianza
al 95%
Inferior
Superior
4,582
2,288
9,175
2,176
1,509
3,139
,475
,327
,689
148
Ejemplo
STATUS
STATUS
1
EXPO
1
2
Total
Recuento
% de EXPO
Recuento
% de EXPO
Recuento
% de EXPO
23
65,7%
15
31,3%
38
45,8%
12
34,3%
33
68,8%
45
54,2%
Total
35
100,0%
48
100,0%
83
100,0%
EXPO
0
1
Total
Recuento
% de EXPO
Recuento
% de EXPO
Recuento
% de EXPO
Intervalo de confianza
al 95%
Inferior
Superior
Valor
33
68,8%
12
34,3%
45
54,2%
15
31,3%
23
65,7%
38
45,8%
Total
48
100,0%
35
100,0%
83
100,0%
Estimacin de riesgo
Estimacin de riesgo
4,217
1,668
10,657
2,103
1,297
3,409
,499
,303
,820
83
1
= 0.476
2.103
Valor
Razn de las ventajas
para EXPO (0 / 1)
Para la cohorte
STATUS = 0
Para la cohorte
STATUS = 1
N de casos vlidos
Intervalo de confianza
al 95%
Inferior
Superior
4,217
1,668
10,657
2,005
1,220
3,295
,476
,293
,771
1
= 2.005
0.499
83
En la prctica, la frecuencia de la
patologa suele ser baja
Tabla de contingencia EXPOSICI * ENFERMO
EXPOSICI
Expuestos
No expuestos
Total
Recuento
% de EXPOSICI
Recuento
% de EXPOSICI
Recuento
% de EXPOSICI
ENFERMO
Enfermos
No enfermos
7
134
5,0%
95,0%
2
154
1,3%
98,7%
9
288
3,0%
97,0%
Total
141
100,0%
156
100,0%
297
100,0%
Estimacin de riesgo
Valor
Razn de las ventajas para EXPOSICI
(Expuestos / No expuestos)
Para la cohorte ENFERMO = Enfermos
Para la cohorte ENFERMO = No
enfermos
N de casos vlidos
Intervalo de confianza
al 95%
Inferior
Superior
4,022
,822
19,694
3,872
,818
18,334
,963
,923
1,004
297
Es necesario disponer
de muchas
observaciones
6
En la prctica, la frecuencia de la
patologa suele ser baja
Tabla de contingencia EXPOSICI * ENFERMO
EXPOSICI
Expuestos
No expuestos
Total
Recuento
% de EXPOSICI
Recuento
% de EXPOSICI
Recuento
% de EXPOSICI
ENFERMO
Enfermos
No enfermos
22
1323
1,6%
98,4%
12
1545
,8%
99,2%
34
2868
1,2%
98,8%
Total
1345
100,0%
1557
100,0%
2902
100,0%
Estimacin de riesgo
Valor
Razn de las ventajas para EXPOSICI
(Expuestos / No expuestos)
Para la cohorte ENFERMO = Enfermos
Para la cohorte ENFERMO = No enfermos
N de casos vlidos
Intervalo de confianza
al 95%
Inferior
Superior
2,141
1,056
4,343
2,122
,991
2902
1,054
,983
4,272
,999
P( E / R) / P( E / R )
OR =
P( E / R) / P( E / R )
P( E / R) << P( E / R)
P( E / R ) << P( E / R )
Por lo tanto, en este caso:
P( E / R) / P( E / R )
OR =
P( E / R) / P( E / R )
P( E / R) / P( E / R )
EXPOSICI
Expuestos
No expuestos
Total
Recuento
% de EXPOSICI
Recuento
% de EXPOSICI
Recuento
% de EXPOSICI
ENFERMO
Enfermos
No enfermos
100
100000
,100%
99,9%
20
100000
,020%
100,0%
120
200000
,060%
99,9%
Total
100100
100,0%
100020
100,0%
200120
100,0%
Estimacin de riesgo
Valor
Razn de las ventajas para EXPOSICI
(Expuestos / No expuestos)
Para la cohorte ENFERMO = Enfermos
Para la cohorte ENFERMO = No enfermos
N de casos vlidos
Intervalo de confianza
al 95%
Inferior
Superior
5,000
3,093
8,082
4,996
,999
200120
3,091
,999
8,074
,999
10
=
= 3.41
OR =
5 145
P( E R) P( E R )
f E R f E R
Tabla de contingencia EXPOSICI * ENFERMO
EXPOSICI
Expuestos
No expuestos
Total
Recuento
% de EXPOSICI
Recuento
% de EXPOSICI
Recuento
% de EXPOSICI
ENFERMO
Enfermos
No enfermos
15
145
9,4%
90,6%
5
165
2,9%
97,1%
20
310
6,1%
93,9%
Total
160
100,0%
170
100,0%
330
100,0%
11
EXPOSICI
Expuestos
No expuestos
Total
Recuento
% de EXPOSICI
Recuento
% de EXPOSICI
Recuento
% de EXPOSICI
ENFERMO
Enfermos
No enfermos
23
145
13,7%
86,3%
12
165
6,8%
93,2%
35
310
10,1%
89,9%
Total
168
100,0%
177
100,0%
345
100,0%
Estimacin de riesgo
Valor
Razn de las ventajas para EXPOSICI (Expuestos /
No expuestos)
Para la cohorte ENFERMO = Enfermos
Para la cohorte ENFERMO = No enfermos
N de casos vlidos
Intervalo de confianza
al 95%
Inferior
Superior
2,181
1,048
4,538
2,019
,926
345
1,038
,861
3,928
,995
12
Ejemplo
Se estudian los efectos de la contracepcin oral
(CO) en enfermedad cardiovascular en mujeres
entre 40 y 44 aos. En un conjunto de 5000
mujeres usuarias de CO, 13 presentaron infarto de
miocardio en el periodo estudiado. En 10000
mujeres que no usaron CO en el mismo periodo, 7
presentaron infarto. Estima el riesgo relativo de
padecer infarto de miocardio a partir de estos
datos.
13
Ejemplo
Tabla de contingencia CO * IM
IM
Si
CO
Si
No
Total
Recuento
% de CO
Recuento
% de CO
Recuento
% de CO
13
,260%
7
,070%
20
,133%
No
4987
99,7%
9993
99,9%
14980
99,9%
Total
5000
100,0%
10000
100,0%
15000
100,0%
Estimacin de riesgo
Valor
Razn de las ventajas para CO (Si /
No)
Para la cohorte IM = Si
Para la cohorte IM = No
N de casos vlidos
Intervalo de confianza
al 95%
Inferior
Superior
3,721
1,484
9,333
3,714
,998
15000
1,483
,997
9,304
1,000
14
OR (IC 95%)
1.07
2.23
1.32
3.65
0.53
0.78
2.34
5.64
1.90
8.34
0.23
0.57
Regresin logstica
16
Introduccin a la regresin
logstica
17
18
El modelo logstico
P(S/X)
0.8
P(S/X=15)=0.924
0.6
0.4
0.2
10
15
20
25
X
19
P(S/X)
0.8
Y=y1
0.6
Y=y3
Y=y2
0.4
0.2
X
5
10
15
20
25
20
P(S/X,Y)
1
0.75
20
0.5
0.25
15
0
0
10
10
5
20
30 0
21
1
1 + e ( 0 + 1 X )
P (S / X )
= e ( 0 + 1 X )
P (S / X )
P (S / X )
= 0 + 1 X
Log
P (S / X )
22
P ( S / X = x1 )
= e ( 0 + 1 x1 )
P ( S / X = x1 )
1 ( x 2 x1 )
OR
=
e
P (S / X = x2 )
= e ( 0 + 1x2 )
P ( S / X = x2 )
Odds ratio (estimacin del riesgo relativo) asociado
a un cambio de x2 a x1
23
Ejemplo
Disponemos de la edad de cada individuo y
determinamos si ha padecido o no una determinada
complicacin relacionada con un tratamiento
(Variable Status: 1(Si) 0 (No))
24
Ejemplo
Valor interno
0
1
Variables en la ecuacin
Paso
a
1
EDAD
Constante
B
,244
-10,579
E.T.
,059
2,796
Wald
17,289
14,318
gl
1
1
Sig.
,000
,000
Exp(B)
1,276
,000
P( S / edad ) =
OR = e
OR = e
0.24
1
1+ e
= 1.276
0.24*5
= 3.32
( 10.58 + 0.24*edad )
OR = e
0.24*( e2 e1 )
Si
No
Total
Recuento
% de HIPERT
Recuento
% de HIPERT
Recuento
% de HIPERT
Si
No
28
73,7%
23
69,7%
51
71,8%
10
26,3%
10
30,3%
20
28,2%
Total
38
100,0%
33
100,0%
71
100,0%
Estimacin de riesgo
Valor
1,217
1,057
,868
71
Intervalo de confianza
al 95%
Inferior
Superior
,432
3,429
,788
1,419
,413
1,824
Variables en la ecuacin
Paso
a
1
HIPERT(1)
Constante
B
,197
,833
E.T.
,528
,379
Wald
,139
4,835
gl
1
1
Sig.
,710
,028
Exp(B)
1,217
2,300
26
27
Codificacin de
GENO
Frecuencia
2
2
2
aa
Aa
AA
(1)
1,000
,000
,000
(2)
,000
1,000
,000
STATUS
GENO
aa
Aa
AA
Total
Recuento
% de GENO
Recuento
% de GENO
Recuento
% de GENO
Recuento
% de GENO
No
Si
23
63,9%
16
42,1%
7
17,5%
46
40,4%
13
36,1%
22
57,9%
33
82,5%
68
59,6%
Total
36
100,0%
38
100,0%
40
100,0%
114
100,0%
aa : 1
Aa : 2
AA : 3
Categora de
Referencia: ltima
13 7
= 0.12
23 33
Variables en la ecuacin
B
Paso
a
1
GENO
GENO(1)
GENO(2)
Constante
-2,121
-1,232
1,550
E.T.
,542
,530
,416
Wald
15,328
15,326
5,400
13,884
gl
2
1
1
1
Sig.
,000
,000
,020
,000
Exp(B)
,120
,292
4,714
28
Codificacin de
GENO
Frecuencia
2
2
2
aa
Aa
AA
(1)
,000
1,000
,000
(2)
,000
,000
1,000
STATUS
GENO
aa
Aa
AA
Total
Recuento
% de GENO
Recuento
% de GENO
Recuento
% de GENO
Recuento
% de GENO
No
Si
23
63,9%
16
42,1%
7
17,5%
46
40,4%
13
36,1%
22
57,9%
33
82,5%
68
59,6%
Total
36
100,0%
38
100,0%
40
100,0%
114
100,0%
aa : 1
Aa : 2
AA : 3
Categora de
Referencia: Primera
33 23
= 8.34
7 13
Variables en la ecuacin
B
Paso
a
1
GENO
GENO(1)
GENO(2)
Constante
,889
2,121
-,571
E.T.
,478
,542
,347
Wald
15,328
3,461
15,326
2,704
gl
2
1
1
1
Sig.
,000
,063
,000
,100
Exp(B)
2,433
8,340
,565
29
P (S / X ) =
1
1 + e ( 0 + 1 X 1 + 2 X 2 + ... + n X n )
P (S / X )
= e ( 0 + 1 X 1 + 2 X 2 + ... + n X n )
P (S / X )
P (S / X )
= 0 + 1 X 1 + 2 X 2 + ... + n X n
Log
P (S / X )
30
P ( S / X i = xi )
( 0 + 1 X 1 + 2 X 2 +...+ i xi + n X n )
=e
P ( S / X i = xi )
P(S / X i = x j )
P(S / X i = x j )
=e
( 0 + 1 X 1 + 2 X 2 +...+ i x j + n X n )
P ( S / X i = xi ) / P ( S / X i = xi )
i ( xi x j )
=e
OR =
P(S / X i = x j ) / P(S / X i = x j )
OR correspondiente a la estimacin del RR cuando X pasa de xi a xj
31
Ejemplo
Disponemos de datos acerca de hombres y
mujeres en relacin a la aparicin de
molestias artrticas. Queremos establecer la
posible relacin de estas molestias con la
concentracin dos metabolitos (X1,X2).
32
Resultados
Codificaciones de variables categricas
Codificaci
n de
SEXO
Hombre
Mujer
Frecuencia
59
52
(1)
1,000
,000
Variables en la ecuacin
Paso
a
1
SEXO(1)
X1
X2
Constante
B
,451
,253
,319
-8,086
E.T.
,418
,110
,114
2,697
Wald
1,164
5,277
7,852
8,988
gl
1
1
1
1
Sig.
,281
,022
,005
,003
Exp(B)
1,569
1,288
1,376
,000
33
Interpretacin
Variables en la ecuacin
Paso
a
1
SEXO(1)
X1
X2
Constante
B
,451
,253
,319
-8,086
E.T.
,418
,110
,114
2,697
Wald
1,164
5,277
7,852
8,988
gl
1
1
1
1
Sig.
,281
,022
,005
,003
Exp(B)
1,569
1,288
1,376
,000
OR( H / M ) = 1.57
Esta estimacin est ajustada por las variables X1 y X2
34
Interpretacin
Variables en la ecuacin
Paso
a
1
SEXO(1)
X1
X2
Constante
B
,451
,253
,319
-8,086
E.T.
,418
,110
,114
2,697
Wald
1,164
5,277
7,852
8,988
gl
Sig.
,281
,022
,005
,003
1
1
1
1
Exp(B)
1,569
1,288
1,376
,000
Variables en la ecuacin
Paso
a
1
X2
Constante
B
,293
-1,823
E.T.
,109
,630
Wald
7,205
8,383
gl
1
1
Sig.
,007
,004
Exp(B)
1,340
,162
35
Seleccin de variables
Variables en la ecuacin
Paso
a
1
SEXO(1)
X1
X2
Constante
B
,451
,253
,319
-8,086
E.T.
,418
,110
,114
2,697
Wald
1,164
5,277
7,852
8,988
gl
Sig.
,281
,022
,005
,003
1
1
1
1
Exp(B)
1,569
1,288
1,376
,000
Paso
a
1
X1
X2
Constante
B
,267
,309
-8,111
E.T.
,110
,113
2,701
Wald
5,917
7,501
9,019
gl
1
1
1
Sig.
,015
,006
,003
Exp(B)
1,306
1,362
,000
36
Modelo final
Variables en la ecuacin
Paso
a
1
X1
X2
Constante
B
,267
,309
-8,111
E.T.
,110
,113
2,701
Wald
5,917
7,501
9,019
gl
1
1
1
Sig.
,015
,006
,003
Exp(B)
1,306
1,362
,000
P( S / X ) =
1
1 + e ( 8.11+ 0.267 X 1 + 0.309 X 2 )
X 1 x1 ( 1x1 + 2 x2 )
= e
e (0.267 ( 2321) + 0.309 ( 65.5) ) = 1.99
OR
X 2 x2
37
38
GENOTIPO
SEXO
+
++
+++
AA
Aa
aa
Hombre
Mujer
Frecuencia
14
22
6
14
11
17
23
19
(1)
,000
1,000
,000
,000
1,000
,000
1,000
,000
(2)
,000
,000
1,000
,000
,000
1,000
Variables en la ecuacin
B
Paso
a
1
GENOTIPO
GENOTIPO(1)
GENOTIPO(2)
SEXO(1)
GRAVEDAD
GRAVEDAD(1)
GRAVEDAD(2)
Constante
E.T.
,691
-,330
1,123
,955
,797
,718
1,076
,639
-,874
,756
1,130
,939
Wald
1,258
,524
,171
2,443
2,025
2,025
,320
,865
gl
2
1
1
1
2
1
1
1
Sig.
,533
,469
,679
,118
,363
,155
,572
,352
Exp(B)
1,996
,719
3,074
,307
,151
,752
12,964
3,433
12,563
2,934
1,895
,417
,666
,207
12,922
17,364
39
GENOTIPO
SEXO
+
++
+++
AA
Aa
aa
Hombre
Mujer
Frecuencia
14
22
6
14
11
17
23
19
(1)
,000
1,000
,000
,000
1,000
,000
1,000
,000
(2)
,000
,000
1,000
,000
,000
1,000
Variables en la ecuacin
B
Paso
a
1
GENOTIPO
GENOTIPO(1)
GENOTIPO(2)
SEXO(1)
GRAVEDAD
GRAVEDAD(1)
GRAVEDAD(2)
Constante
E.T.
,688
,722
-,176
,603
,602
,473
1,123
2,547
-1,284
,514
,711
,615
Wald
1,753
1,303
1,435
,139
13,566
4,766
12,841
4,360
gl
2
1
1
1
2
1
1
1
Sig.
,416
,254
,231
,709
,001
,029
,000
,037
Exp(B)
1,991
2,058
,838
,610
,632
,332
6,491
6,702
2,117
3,074
12,775
,277
1,122
3,171
8,425
51,463
40
La regresin logstica
como alternativa al
procedimiento de
Mantel-Haenzel
,00
LOW
2,00
Total
LOW
3,00
Total
LOW
,00
1,00
,00
1,00
,00
1,00
Total
1,00
40
4
44
11
5
16
35
20
55
33
19
52
4
6
10
7
5
12
Total
73
23
96
15
11
26
42
25
67
Estimacin de riesgo
RACE
1,00
2,00
3,00
Valor
5,758
96
3,300
26
1,250
67
Intervalo de confianza
al 95%
Inferior
Superior
1,782
18,599
,635
17,160
,350
4,462
41
Estimacin de riesgo
RACE
1,00
2,00
3,00
Valor
5,758
96
3,300
26
1,250
67
Intervalo de confianza
al 95%
Inferior
Superior
1,782
18,599
,635
17,160
,350
4,462
Variables en la ecuacin
Paso
a
1
SMOKE(1)
RACE
RACE(1)
RACE(2)
Constante
B
1,116
E.T.
,369
1,084
1,108
-1,840
,490
,400
,353
Wald
9,135
9,112
4,894
7,668
27,205
gl
1
2
1
1
1
Sig.
,003
,011
,027
,006
,000
Exp(B)
3,052
2,956
3,030
,159
7,724
6,639
42
Edad
Sexo (0:Male, 1:Female)
Race (1:White, 2:Black, 3:Other)
Service (0:Medical, Surgical)
44
SPSS
45
SPSS
Service at ICU
admission
Sex
White
Black
Other
Medical
Surgical
Male
Female
Frecuencia
175
15
10
93
107
124
76
(1)
1,000
,000
,000
1,000
,000
1,000
,000
(2)
,000
1,000
,000
Race(1): White
Race(2): Black
Ser(1):Medical
Sex(1):Male
46
Race(1): White
Race(2): Black
SPSS
Ser(1):Medical
Sex(1):Male
Variables en la ecuacin
Paso
a
1
AGE
SEX(1)
RACE
RACE(1)
RACE(2)
SER(1)
Constante
B
,028
,028
E.T.
,011
,379
-,395
-1,579
1,071
-3,272
,852
1,331
,382
1,059
Wald
6,256
,005
1,493
,215
1,407
7,885
9,551
gl
1
1
2
1
1
1
1
Sig.
,012
,941
,474
,643
,236
,005
,002
Exp(B)
1,029
1,028
,673
,206
2,919
,038
3,580
2,801
6,167
48
Codificacin
de variables
Codificacin de
Level of conciosness at
ICU admission
Race
Service at ICU
admission
Cancer part of present
problem
History of chronic renal
failure
Infection probable at
ICU admission
CPR prior to ICU
admission
Previous admission to
an ICU within 6 months
Type of admission
Creatinine from initial
blood gases
Bicarbonate from initial
blood gases
PCO2 from initial blood
gases
PH from initial boood
gases
Long bone, Multiple,
Neck, Single area, or
Hip
PO2fracture
from initial blood
gases
Sex
No coma or stupor
Depp stupor
Coma
White
Black
Other
Medical
Surgical
No
Yes
No
Yes
No
Yes
No
Yes
No
Yes
Elective
Emergency
<=2.0
>2.0
>=18
<18
<=45
>45
>=7.25
<7.25
No
Yes
>60
<=60
Male
Female
Frecuencia
185
5
10
175
15
10
93
107
180
20
181
19
116
84
187
13
170
30
53
147
190
10
185
15
180
20
187
13
185
15
184
16
124
76
(1)
1,000
,000
,000
1,000
,000
,000
1,000
,000
1,000
,000
1,000
,000
1,000
,000
1,000
,000
1,000
,000
1,000
,000
1,000
,000
1,000
,000
1,000
,000
1,000
,000
1,000
,000
1,000
,000
1,000
,000
(2)
,000
1,000
,000
,000
1,000
,000
49
Variables en la ecuacin
Paso
a
1
AGE
SEX(1)
RACE
RACE(1)
RACE(2)
SER(1)
CAN(1)
CRN(1)
INF(1)
CPR(1)
SYS
HRA
PRE(1)
TYP(1)
FRA(1)
PO2(1)
PH(1)
PCO(1)
BIC(1)
CRE(1)
LOC
LOC(1)
LOC(2)
Constante
B
,056
,721
E.T.
,018
,546
-,583
-7,438
,674
-3,483
-,119
,108
-1,032
-,021
-,003
-1,279
-3,748
-1,649
,677
-1,771
2,084
,262
-,100
1,313
20,543
,629
1,121
,845
,556
,990
,009
,010
,702
1,342
1,093
,940
1,212
1,165
,897
1,131
-3,458
15,659
7,149
1,341
39,484
3,139
Wald
9,331
1,746
,310
,197
,131
1,148
9,650
,020
,038
1,087
4,871
,080
3,321
7,798
2,277
,518
2,134
3,201
,086
,008
6,857
6,646
,157
5,188
gl
1
1
2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
1
1
1
Sig.
,002
,186
,856
,657
,717
,284
,002
,888
,846
,297
,027
,778
,068
,005
,131
,472
,144
,074
,770
,929
,032
,010
,692
,023
Exp(B)
1,058
2,057
,558
,001
1,962
,031
,888
1,114
,356
,979
,997
,278
,024
,192
1,967
,170
8,033
1,300
,904
,043
,000
,572
,003
,170
,375
,051
,961
,977
,070
,002
,023
,312
,016
,820
,224
,099
7,313
1,8E+14
6,729
,277
4,649
3,311
2,480
,998
1,017
1,101
,327
1,637
12,419
1,832
78,741
7,537
8,296
,031
6321447
1273,250
,002
,000
,436
2,57E+40
a. Variable(s) introducida(s) en el paso 1: AGE, SEX, RACE, SER, CAN, CRN, INF, CPR, SYS, HRA, PRE, TYP, FRA,
PO2, PH, PCO, BIC, CRE, LOC.
50
Variables en la ecuacin
Paso
a
1
AGE
SEX(1)
RACE
RACE(1)
RACE(2)
SER(1)
CAN(1)
CRN(1)
INF(1)
CPR(1)
SYS
HRA
PRE(1)
TYP(1)
FRA(1)
PO2(1)
PH(1)
PCO(1)
BIC(1)
CRE(1)
Constante
B
,042
,484
E.T.
,014
,456
-,221
-1,130
,349
-2,083
-,314
-,172
-1,548
-,013
-,011
-,728
-2,724
-,651
-,207
-,557
,949
,271
-,446
3,953
,987
1,433
,533
,908
,676
,463
,752
,007
,009
,588
,940
,949
,805
,954
,891
,786
,933
2,554
Wald
8,402
1,130
,729
,050
,622
,429
5,267
,216
,139
4,237
3,629
1,491
1,536
8,403
,471
,066
,341
1,133
,119
,229
2,396
gl
1
1
2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
Sig.
,004
,288
,694
,823
,430
,512
,022
,642
,709
,040
,057
,222
,215
,004
,493
,797
,559
,287
,730
,632
,122
Exp(B)
1,043
1,623
,802
,323
1,418
,125
,730
,842
,213
,987
,989
,483
,066
,521
,813
,573
2,582
1,312
,640
52,101
5,550
5,353
4,030
,738
2,745
2,085
,929
1,000
1,007
1,527
,414
3,349
3,936
3,719
14,807
6,120
3,984
a. Variable(s) introducida(s) en el paso 1: AGE, SEX, RACE, SER, CAN, CRN, INF, CPR, SYS, HRA, PRE, TYP, FRA,
PO2, PH, PCO, BIC, CRE.
51
Seleccin de modelos
52
Seleccin de modelos
Variables en la ecuacin
Paso
1
Paso
2
Paso
3
Paso
4
Paso
5
TYP(1)
Constante
AGE
TYP(1)
Constante
AGE
CPR(1)
TYP(1)
Constante
AGE
CAN(1)
CPR(1)
TYP(1)
Constante
AGE
CAN(1)
CPR(1)
SYS
TYP(1)
Constante
B
-2,185
-1,054
,034
-2,454
E.T.
,745
,188
,011
,753
Wald
8,600
31,288
10,117
10,629
-3,055
,693
,035
-1,391
-2,306
-1,885
,037
-1,534
-1,344
-2,849
-,609
,037
-1,624
-1,247
-,013
-2,746
1,029
,011
,616
,757
,864
,012
,802
,616
,867
1,094
,012
,808
,629
,006
,879
1,356
gl
1
1
1
1
Sig.
,003
,000
,001
,001
Exp(B)
,112
,349
1,035
,086
19,453
,000
,047
9,970
5,093
9,286
4,764
10,561
3,655
4,766
10,800
,310
10,307
4,033
3,933
4,434
9,756
,576
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
,002
,024
,002
,029
,001
,056
,029
,001
,578
,001
,045
,047
,035
,002
,448
1,036
,249
,100
,152
1,038
,216
,261
,058
,544
1,038
,197
,287
,987
,064
2,799
1,057
,376
1,013
,074
,023
1,059
,833
,439
1,015
,045
,078
,011
1,062
1,039
,872
,317
1,015
,040
,084
,975
,011
1,062
,962
,986
,999
,359
53
Modelo final
Variables en la ecuacin
Paso
a
1
AGE
CAN(1)
CPR(1)
SYS
TYP(1)
Constante
B
,037
-1,624
-1,247
-,013
-2,746
1,029
E.T.
,012
,808
,629
,006
,879
1,356
Wald
10,307
4,033
3,933
4,434
9,756
,576
gl
1
1
1
1
1
1
Sig.
,001
,045
,047
,035
,002
,448
Exp(B)
1,038
,197
,287
,987
,064
2,799
Elective
Emergency
No
Yes
No
Yes
Frecuencia
53
147
187
13
180
20
(1)
1,000
,000
1,000
,000
1,000
,000
54
Modelo final
Cambio de codificacin
Variables en la ecuacin
Paso
a
1
AGE
CAN(1)
CPR(1)
SYS
TYP(1)
Constante
B
,037
1,624
1,247
-,013
2,746
-4,588
E.T.
,012
,808
,629
,006
,879
1,431
Wald
10,307
4,033
3,933
4,434
9,756
10,276
gl
1
1
1
1
1
1
Sig.
,001
,045
,047
,035
,002
,001
Exp(B)
1,038
5,071
3,481
,987
15,585
,010
Elective
Emergency
No
Yes
No
Yes
Frecuencia
53
147
187
13
180
20
(1)
,000
1,000
,000
1,000
,000
1,000
55
Interpretacin
Un individuo de 55 aos ingresado en urgencias, con
una presin sistlica de 100, con cancer y CPR previo
tiene una probabilidad de morir igual a 0.85
Un individuo de 55 aos ingresado en urgencias, con
una presin sistlica de 100, sin cancer ni CPR previo
tiene una probabilidad de morir igual a 0.25
Un individuo de 55 aos ingresado en urgencias, con
una presin sistlica de 100, con cancer y sin CPR
previo tiene una probabilidad de morir igual a 0.62
Un individuo de 55 aos ingresado en urgencias, con
una presin sistlica de 60, con cancer y sin CPR
previo tiene una probabilidad de morir igual a 0.74
56
Limitaciones de la regresin
logstica
Independencia de variables
Redes neurales
Algoritmo de clculo que es capaz de
aprender la relacin entre variables
de entrada (predictoras) y salida
(sucesos, grupos, etc.)
Generalizan cualquier funcin nolineal
El proceso de aprendizaje es crtico
58
Redes neurales
Inputs
59
Redes neurales
Inputs
Outputs
60
Redes neurales
Inputs
Hidden
units
Outputs
61
Redes neurales
Inputs
Hidden
units
Outputs
62
Redes neurales
Inputs
Hidden
units
Outputs
63
Redes neurales
Inputs
Hidden
units
Outputs
64
Redes neurales
Inputs
Hidden
units
Outputs
65