Hallo,
ich untersuche verschiedene Prädiktoren in einzelnen binären logistischen Regressionen. Nun möchte ich gerne für die Interventionsbedingung kontrollieren, da in der einen Bedingung deutlich mehr Teilnehmer*innen abbrechen und es somit einen signifikanten Unterschied zwischen den Interventionsbedingungen bezüglich Abbruch gibt. Randomisiert wurde zwar, aber das ganze um auf Nummer Sicher zu gehen.
Nun bin ich mir nicht sicher bei dem genauen Vorgehen.
Ich rechne eine binäre logistische Regression, packe in den ersten Block die Interventionsbedingung als zu kontrollierende Kovariate und in den zweiten Block den Prädiktor. Stimmt das so?
Wie genau sind dann die Ergebnisse zu interpretieren. Kann ich die letzte Tabelle (Variablen in der Gleichung, mit Kovariate und Prädiktor) so interpretieren, dass alle Ergebnisse des Prädiktors (also Beta, Signifikanz, Expo(B) etc.) unter Kontrolle der Interventionsbedingung berechnet wurden? Berichte ich dann auch nur die Ergebnisse des Prädiktors (um den es mir ja geht) oder sollte ich die Ergebnisse der Berechnung für die Kovariate auch angeben?
Ich hoffe ihr könnt mir weiterhelfen.
Logistische Regression - Kovariate kontrollieren
-
- Beiträge: 2
- Registriert: 29.08.2019, 15:30
-
- Beiträge: 2731
- Registriert: 01.02.2018, 10:45
Re: Logistische Regression - Kovariate kontrollieren
hallo peter.flint
warum ist die Interventionsbedingung denn nur Kontroll
normal ist das die "dicke" UV, aber gut weß ja nicht was gemeint ist...
erstmal wurde ich zwei Log Reg rechnen.. eine für bedingung eins.. und eine für zwei!
und dann in ruhe vergleichen!
weil die zwei bedingungen unterscheidn sich jetzt mehrfach!
n kleine, dropout anders?, und bedingung selber, das zutrennen wird schwierig!
gibts denn eine logische erklärung für den dropout?
gruß
dutchie
warum ist die Interventionsbedingung denn nur Kontroll
normal ist das die "dicke" UV, aber gut weß ja nicht was gemeint ist...
erstmal wurde ich zwei Log Reg rechnen.. eine für bedingung eins.. und eine für zwei!
und dann in ruhe vergleichen!
weil die zwei bedingungen unterscheidn sich jetzt mehrfach!
n kleine, dropout anders?, und bedingung selber, das zutrennen wird schwierig!
gibts denn eine logische erklärung für den dropout?
gruß
dutchie
-
- Beiträge: 2
- Registriert: 29.08.2019, 15:30
Re: Logistische Regression - Kovariate kontrollieren
Vielen Dank für deine Antwort.
Ich untersuche anhand von verschiedenen klinischen und soziodemographischen Prädiktoren den Interventionsabbruch. Die Intervention wurde in zwei Bedingungen aufgeteilt. Das es in der einen Bedingung mehr dropouts gibt ist logisch erklärbar. Mir geht es aber um die gesamte Stichprobe. Alter ist zum Beispiel ein Prädiktor. Auf die Gefahr hin, das es z.B. randomisation bias gibt, möchte ich gerne für die Bedingung kontrollieren.
Leider wurde ich aber aus deiner Antwort noch nicht ganz schlau.
Ich untersuche anhand von verschiedenen klinischen und soziodemographischen Prädiktoren den Interventionsabbruch. Die Intervention wurde in zwei Bedingungen aufgeteilt. Das es in der einen Bedingung mehr dropouts gibt ist logisch erklärbar. Mir geht es aber um die gesamte Stichprobe. Alter ist zum Beispiel ein Prädiktor. Auf die Gefahr hin, das es z.B. randomisation bias gibt, möchte ich gerne für die Bedingung kontrollieren.
Leider wurde ich aber aus deiner Antwort noch nicht ganz schlau.
-
- Beiträge: 2731
- Registriert: 01.02.2018, 10:45
Re: Logistische Regression - Kovariate kontrollieren
hallo
Mir ist der Vorgang nicht ganz klar.
Was ist der Unterschied zwischen Interventionsabbruch und dropout?
Die VP wurden den zwei Bedingungen randomisiert zugeordnet!
warum ist dann der höhere droput erklärbar? Die Gruppen müßten per random gleich sein!
Die zwei Bedingungen unterscheiden sich wenn du sie in eine Regreesion steckst
durch mehr als nur die Bedingungen selber.. n ist bei einer der Bedingungen kleiner
und die Gruppen sind verzerrt durch den dropout.
gruß
dutchie
Mir ist der Vorgang nicht ganz klar.
Was ist der Unterschied zwischen Interventionsabbruch und dropout?
Die VP wurden den zwei Bedingungen randomisiert zugeordnet!
warum ist dann der höhere droput erklärbar? Die Gruppen müßten per random gleich sein!
Die zwei Bedingungen unterscheiden sich wenn du sie in eine Regreesion steckst
durch mehr als nur die Bedingungen selber.. n ist bei einer der Bedingungen kleiner
und die Gruppen sind verzerrt durch den dropout.
gruß
dutchie