רגרסיה ליניארית ולוגיסטית במחקר רפואי

מהי רגרסיה במחקר רפואי?

רגרסיה היא משפחה של מודלים סטטיסטיים שמטרתם לבדוק קשר בין תוצאה רפואית לבין משתנים מסבירים. במחקר רפואי היא משמשת לא רק לניבוי, אלא גם להבנה של גורמי סיכון, התאמה למשתני רקע, בדיקת השפעת טיפול והצגת תוצאות באופן שמתאים למאמר מדעי.

בפועל, הבחירה בין רגרסיה ליניארית לרגרסיה לוגיסטית תלויה בעיקר בסוג התוצאה. כאשר התוצאה רציפה, למשל לחץ דם, HbA1c, ציון איכות חיים או משך אשפוז, לרוב נשקול רגרסיה ליניארית. כאשר התוצאה בינארית, למשל סיבוך כן או לא, תמותה כן או לא, תגובה לטיפול כן או לא, לרוב נשקול רגרסיה לוגיסטית.

הנקודה החשובה היא שרגרסיה אינה רק “עוד מבחן סטטיסטי”. היא כלי שמאפשר לשאול שאלה רפואית מורכבת יותר: האם הקשר בין משתנה מסוים לבין התוצאה נשאר גם אחרי שמתחשבים בגיל, מין, חומרת מחלה, טיפול קודם או משתנים קליניים אחרים.

מתי משתמשים ברגרסיה ליניארית?

רגרסיה ליניארית מתאימה בדרך כלל כאשר המשתנה התלוי הוא רציף, והמטרה היא לבדוק כיצד משתנה אחד או יותר קשורים אליו. היא יכולה לשמש במחקרים תצפיתיים, מחקרים רטרוספקטיביים, מחקרים קליניים ומחקרי שאלונים שבהם התוצאה נמדדת בסולם מספרי.

דוגמאות רפואיות נפוצות:

• בדיקת הקשר בין גיל, BMI וטיפול תרופתי לבין שינוי בלחץ דם.
• בדיקת השפעת דרגת חומרת מחלה על ציון איכות חיים.
• ניבוי ערך HbA1c לפי מאפייני מטופלים ומדדי בסיס.
• בדיקת קשר בין משך מחלה לבין מדד תפקודי רציף.

במודל ליניארי, התוצאה המרכזית היא לרוב מקדם רגרסיה. המקדם מתאר את השינוי הצפוי בתוצאה עבור שינוי של יחידה אחת במשתנה המסביר, כאשר שאר המשתנים במודל נשארים קבועים. לכן הפרשנות צריכה להיות גם סטטיסטית וגם קלינית.

מתי משתמשים ברגרסיה לוגיסטית?

רגרסיה לוגיסטית מתאימה כאשר התוצאה היא בינארית. במחקר רפואי זו אחת השיטות הנפוצות ביותר, כי שאלות רבות מנוסחות כתוצאה של כן או לא: האם הופיע סיבוך, האם המטופל אושפז מחדש, האם הייתה תגובה לטיפול, האם המחלה חזרה, או האם אירע אירוע קליני מסוים.

דוגמאות רפואיות נפוצות:

• בדיקת גורמי סיכון להופעת סיבוך לאחר ניתוח.
• בדיקת קשר בין חשיפה קודמת לבין תחלואה.
• ניבוי תגובה לטיפול לפי מאפיינים קליניים ומעבדתיים.
• בדיקת הסיכוי לאשפוז חוזר לפי גיל, מחלות רקע ומדדים בקבלה.

ברגרסיה לוגיסטית התוצאה מוצגת בדרך כלל כ-Odds Ratio, או OR. ערך OR גדול מ-1 מצביע על עלייה בסיכויים להתרחשות התוצאה, וערך OR קטן מ-1 מצביע על ירידה בסיכויים. עם זאת, OR אינו זהה לסיכון מוחלט, ולכן חשוב לפרש אותו בזהירות ובהקשר הקליני הנכון.

ההבדל בין רגרסיה ליניארית לרגרסיה לוגיסטית

ההבדל המרכזי הוא סוג התוצאה. רגרסיה ליניארית מיועדת בדרך כלל לתוצאה רציפה, בעוד שרגרסיה לוגיסטית מיועדת לתוצאה בינארית. ההבדל הזה משפיע גם על דרך החישוב, גם על ההנחות וגם על הפרשנות.

לכן לא בוחרים רגרסיה לפי שם המבחן שנשמע מוכר, אלא לפי שאלת המחקר, סוג ה-endpoint, מבנה הנתונים והמשתנים שצריך לכלול במודל.

מהי התאמה למשתני רקע ולמה היא חשובה?

אחד היתרונות המרכזיים של רגרסיה במחקר רפואי הוא האפשרות להתאים למשתני רקע. במחקרים רבים הקבוצות אינן זהות זו לזו. לדוגמה, מטופלים שקיבלו טיפול מסוים עשויים להיות מבוגרים יותר, חולים יותר או בעלי מחלות רקע שונות. אם לא מתחשבים בכך, המסקנה עלולה להיות מטעה.

משתני רקע נפוצים במודלים רפואיים כוללים גיל, מין, BMI, חומרת מחלה, מחלות רקע, טיפול קודם, ערך בסיס של המדד הנבדק ומאפיינים דמוגרפיים או קליניים נוספים. הבחירה בהם צריכה להיות מבוססת על היגיון רפואי ותכנון מוקדם, ולא רק על השאלה אילו משתנים יצאו מובהקים.

כאשר המודל נבנה נכון, אפשר להציג תוצאה מותאמת יותר. לדוגמה, האם הקשר בין טיפול לבין תוצאה נשאר גם לאחר התאמה לגיל ולחומרת מחלה. זו אחת הסיבות לכך שרגרסיה מופיעה לעיתים קרובות במאמרים רפואיים ובתוכניות ניתוח סטטיסטיות.

איך מפרשים תוצאות רגרסיה?

פרשנות של רגרסיה צריכה לכלול יותר מערך p. במחקר רפואי חשוב להבין את גודל האפקט, כיוון האפקט, רווחי הסמך והמשמעות הקלינית. תוצאה יכולה להיות מובהקת סטטיסטית אך קטנה מדי מבחינה קלינית, או לא מובהקת בגלל מדגם קטן למרות כיוון מעניין.

ברגרסיה ליניארית מסתכלים בדרך כלל על מקדם beta או מקדם רגרסיה, רווח סמך וערך p. לדוגמה, אם מקדם של משתנה מסוים הוא 3.2, המשמעות עשויה להיות עלייה ממוצעת של 3.2 יחידות בתוצאה עבור שינוי של יחידה אחת במשתנה המסביר, בהתאם להגדרת המודל.

ברגרסיה לוגיסטית מסתכלים בדרך כלל על OR, רווח סמך וערך p. אם OR הוא 1.8, ייתכן שהמשמעות היא עלייה בסיכויים להתרחשות התוצאה בקבוצת חשיפה מסוימת לעומת קבוצת ייחוס. אם רווח הסמך רחב מאוד, יש לפרש את התוצאה בזהירות, גם אם הכיוון נראה מעניין.

אילו הנחות ובדיקות חשוב לבצע?

גם כאשר סוג המודל נראה מתאים, צריך לבדוק שהנתונים מאפשרים ניתוח אמין. ברגרסיה ליניארית בודקים בין היתר קשר ליניארי, התפלגות שאריות, חריגים, שונות שגיאות ומולטיקולינאריות. ברגרסיה לוגיסטית בודקים בין היתר מספר אירועים מספק, התאמת המודל, משתנים נדירים והפרדה בין קבוצות.

במחקר רפואי יש גם שאלות פרקטיות: האם יש מספיק נבדקים ביחס למספר המשתנים במודל, האם חסרים נתונים, האם יש משתנים שמודדים כמעט את אותו הדבר, והאם המודל תואם את השאלה שהוגדרה בפרוטוקול.

אם השלב הזה לא נעשה בזהירות, אפשר לקבל מודל שנראה מרשים אבל אינו יציב. לכן בחירת רגרסיה והגדרת המשתנים צריכות להתחבר לתכנון המחקר, לא רק להרצת פקודה ב-SPSS, R או Python.

רגרסיה ב-SPSS, R או Python

ניתן לבצע רגרסיה ליניארית ולוגיסטית בכלים שונים, כולל SPSS, R ו-Python. הבחירה בכלי תלויה במורכבות המחקר, בצרכי הדיווח, בנוחות העבודה ובדרישות הצוות המחקרי. במחקרים פשוטים יחסית SPSS יכול להספיק, ובמחקרים מורכבים יותר ייתכן ש-R או Python יתאימו יותר.

הכלי עצמו אינו מחליף החלטה סטטיסטית. לפני פתיחת התוכנה צריך להגדיר מהו המשתנה התלוי, אילו משתנים מסבירים ייכנסו למודל, מהי קבוצת הייחוס, אילו משתנים יוגדרו כקטגוריאליים, ואיך ידווחו התוצאות בטבלה.

בשלב הכתיבה למאמר, חשוב להציג את המודל בצורה שקופה: אילו משתנים נכללו, האם המודל היה חד משתני או רב משתני, מה היו הקריטריונים להכללה, ומהי המשמעות של התוצאות המרכזיות.

טעויות נפוצות בשימוש ברגרסיה במחקר רפואי

• בחירת מודל לפי התוצאה הרצויה: שינוי המודל אחרי צפייה בתוצאות עלול להגדיל את הסיכון למסקנה מקרית.
• הכנסת יותר מדי משתנים למדגם קטן: מודל עמוס מדי עלול להיות לא יציב ולא ניתן לשחזור.
• התעלמות ממשתנים מתערבים: השוואה לא מותאמת עלולה להציג קשר שאינו באמת נובע מהגורם הנבדק.
• פרשנות שגויה של OR: OR אינו תמיד שקול לסיכון יחסי, במיוחד כאשר התוצאה אינה נדירה.
• דיווח רק על p-value: ללא רווח סמך וגודל אפקט קשה להבין את משמעות התוצאה.
• שימוש ברגרסיה ליניארית לתוצאה שאינה מתאימה: למשל תוצאה בינארית או ספירת אירועים ללא התאמת מודל.

איך רגרסיה מתחברת לפרוטוקול, גודל מדגם וכתיבת מאמר?

במחקר רפואי, רגרסיה צריכה להיות חלק מתוכנית הניתוח הסטטיסטית. כאשר יודעים מראש שהתוצאה המרכזית תנותח במודל רב משתני, יש לכך השפעה על איסוף הנתונים, על בחירת המשתנים, על חישוב גודל המדגם ועל אופן הצגת התוצאות.

אם עדיין לא ברור איזה מודל מתאים, כדאי להתחיל מהשאלה הרחבה יותר של בחירת מבחן סטטיסטי למחקר רפואי. במקרים שבהם יש השוואה בין כמה קבוצות, ייתכן שגם ANOVA במחקר רפואי יהיה רלוונטי. כאשר ההנחות של מבחנים פרמטריים חשובות, כדאי לבדוק גם את הנושא של בדיקת התפלגות נורמלית.

בשלב כתיבת המאמר, טבלת רגרסיה צריכה להיות ברורה לקורא: משתנה, קטגוריית ייחוס, מקדם או OR, רווח סמך, ערך p והערה מתודולוגית במידת הצורך. כתיבה לא מדויקת של תוצאות רגרסיה עלולה להקשות על ביקורת עמיתים ועל קבלת המאמר.

איך PlanetMed יכולה לעזור?

PlanetMed מלווה רופאים וחוקרים בתכנון מחקרים רפואיים, ניתוח נתונים וכתיבה מדעית עד שלב הפרסום. במסגרת שירותי ביוסטטיסטיקה למחקרים קליניים וליווי מחקר קליני לרופאים, ניתן לסייע בהגדרת שאלת המחקר, בחירת מודל מתאים, בדיקת הנחות, ניתוח הנתונים והצגת התוצאות במאמר.

כאשר המחקר כבר כולל בסיס נתונים קיים, אפשר לבחון האם רגרסיה ליניארית, רגרסיה לוגיסטית או מודל אחר הם הבחירה הנכונה. כאשר המחקר עדיין בשלבי תכנון, אפשר לשלב את המודל כבר בתוך פרוטוקול המחקר ותוכנית הניתוח הסטטיסטית.

המטרה אינה רק להריץ מודל, אלא לוודא שהניתוח עונה על השאלה הרפואית, שהפרשנות מדויקת, ושהתוצאות מוצגות באופן שמתאים לקורא מדעי, לוועדת מחקר או לכתב עת.