Regressão Poisson
Regressão Logística
Regressão Poisson
Razão de Chances
Razão de prevalência – Risco Relativo
(incidência)
Proporção entre 0 e 1 (probabilidade)
Porcentagem
Estudos Longitudinais / prospectivos
Estudos retrospectivos
Valor predito está entre 0 e 1 (probabilidade)
Na Regressão Poisson o valor predito
está entre 0 e infinito
Na regressão logística binária
Y: é variável dependente é 0 e 1
e o objetivo é estimar a razão de chance
Na regressão Poisson o objetivo é
estimar a razão de prevalência
Estudo transversal
(num determinado momento)
Analisar se é Razão de Chances ou Prevalência
Chance ≠ Probabilidade
Uma moeda foi lançada 4 vezes e os resultados foram:
cara
C
cara
C
sucesso
chance
fracasso
3
chance cara 
1
cara
C
coroa
K
sucesso
total
3
probabilid ade cara   0,75  75%
4
probabilid ade 
Chance ≠ Probabilidade
Uma moeda foi lançada 4 vezes e os resultados foram:
cara
cara
cara
coroa
C
C
C
K
chance cara 
3
1
Interpretação: A chance de sair
cara é 3 vezes maior do que sair
coroa
probabilid ade cara 
3
 0,75  75%
4
Interpretação: A probabilidade de sair
cara é 3/4 ou 0,75 (75%)
Peso em gramas
Usar Poisson ou Logística?
(razão de prevalência)
(razão de chances)
Estudo transversal
(num determinado momento): Não conheço a incidência
(ou prevalência)
Exemplo 1: Refazendo a logística binária (SPSS 21)
no arquivo bpd.sav
Interpretação dos outputs
parâmetros estimados
β0 = 3,991
e β1= -0,430
significância de
cada parâmetro estimado
Razão de chance em percentual:
(RC -1) x 100
Exp(B) é a razão de chance
e0, 430  0,650
Intervalo de confiança
para a razão de chance
(0,650 -1) x 100
-35%
INTERPRETAÇÃO: A cada 100 gramas a mais da criança ao nascer,
a chance de apresentar BPD diminui 35%
Regressão Poisson(SPSS 21) no arquivo bpd.sav
(razão de prevalência)
Espaço para variáveis categóricas
Espaço para variáveis numéricas
Interpretação dos outputs
Razão de prevalência
(0,792 -1) x 100 = -21%
Interpretação:
A cada 100g a mais da criança ao nascer, a prevalência da displasia BP diminui 21%
Configurar as casas decimais para o valor predito
no modelo Poisson
Valor predito logístico (probabilidade)
Valor predito Poisson (prevalência)
INTERPRETAÇÃO
OUVIR AUDIO
BPD Categorizando o Peso
Análise de variáveis independente categóricas
Categorizando o Peso em 3 categorias
Faixa peso
categoria
0 a 949g
=1
950 a 1349g
=2
1350 a 1750g
=3
Após clicar em Alterar aparecerá cat_peso (nome informado)
Fazer uma tabela frequência para avaliar as
categorias criadas
Prevalência de BPD em cada faixa
Solicitar uma tabela cruzada
Deixar a variável
dependente na Coluna
categoria menor
prevalência
Escolher uma referência = geralmente escolhe-se grupo de menor prevalência
Iremos escolher a categoria 3 para ser a referência de comparação
Regressão Poisson(SPSS 21) no arquivo bpd.sav com
a variável peso categorizada (peso_cat)
Clicar em Redefinir para “zerar” as configurações
O programa pega como referência a última categoria. (default)
Interpretação dos outputs
Interpretação das faixas:
relação entre a categoria 1 e a categoria 3
relação entre a categoria 2 e a categoria 3
Categoria 3 = referência de comparação
Interpretação dos outputs
Interpretação das faixas:
A prevalência de BPD é 6 vezes maior na faixa de peso 1,
do que em relação a faixa de peso 3.
A conclusão da prevalência na Faixa 2
não é significativa. (não pode concluir)
Existe associação entre faixa de peso a BPD?
Esta informação é apresentada em outra tabela
Existe uma associação entre faixa de peso e BPD
Exemplo 2: pressão.sav
Regressão Poisson Ajustada (com as três variáveis juntas)
Tabagismo
1 = não fuma
2 = fuma
Variável dependente
0 = pressão normal
1 = pressão alta
Sexo
1 = masculino
2 = feminino
Peso (em kg)
Construir uma tabela cruzada para eleger a categoria de referência
Observar a categoria de menor prevalência para ser a referência
Sexo
1 = masculino
2 = feminino
Tabagismo
1 = não fuma
2 = fuma
OK!
O SPSS utiliza como referência a última categoria. (default)
Assim, é necessário fazer uma recodificação na variável Sexo, alterando o código
masculino para 3 (para ficar mais alta)
?
Resultado
Executar novamente
Interpretação dos outputs
Sexo = significativa no modelo
tabag= não significativa no modelo
Peso = significativa no modelo
referência
referência
Interpretações: (somente para as variáveis que foram significativas)
As pessoas do sexo feminino têm uma prevalência de pressão alta
33% maior do que as pessoas do sexo masculino considerando iguais as demais variáveis
características das outras variáveis. (mesmo peso e situação tabagismo)
A cada kg a mais a prevalência de pressão alta aumenta 2%,
controlando as demais variáveis. (mesmas características das sexo e tabagismo)
não há relação entre pressão e tabagismo