regressione logistica vs poisson

Ho una coorte di pazienti con diversa durata del follow-up. Finora non sto tenendo conto dell'aspetto temporale e devo solo modellare un esito binario-malattia / nessuna malattia. Di solito faccio regressione logistica in questi studi, ma un altro mio collega mi ha chiesto se la regressione di Poisson sarebbe stata altrettanto appropriata. Non sono così indignato ed ero incerto su quali benefici e svantaggi di fare impazzire in questo contesto sarebbero stati confrontati con la regressione logistica. Ho letto la regressione di Poisson per stimare il rischio relativo di esiti binari e non sono ancora sicuro del merito della regressione di Poisson in questa situazione.

Una soluzione a questo problema è supporre che il numero di eventi (come le riacutizzazioni) sia proporzionale al tempo. Se indichi il livello individuale di esposizione (durata del follow-up nel tuo caso) per , allora E [ y | x $t$Qui un follow-up che è il doppio del doppio del conteggio previsto, tutto il resto uguale. Questo può essere algebricamente equivalente a un modello in cuiE[y| x]=exp{x′β+logt},che è solo il modello di Poisson con il coefficiente sulogtvincolato a1. È inoltre possibile verificare il presupposto della proporzionalità allentando il vincolo e verificando l'ipotesi cheβlo$\frac{E[y \vert x]}{t}=\exp\{x'\beta\}.$$E[y \vert x]=\exp\{x'\beta+\log{t}\},$$\log t$$1$.$\beta_{log(t)}=1$

Tuttavia, non sembra che tu osservi il numero di eventi, poiché il tuo risultato è binario (o forse non è significativo data la tua malattia). Questo mi porta a credere che un modello logistico con un offset logaritmico sarebbe più appropriato qui.

Questo set di dati suona come un set di dati anni-persona, il risultato è un evento (è corretto?) E un follow-up non uniforme fino all'evento. In quel caso, questo sembra uno studio di coorte di qualche tipo (supponendo che io abbia capito cosa si sta studiando), e quindi, potrebbe essere giustificata la regressione del poisson O un'analisi di sopravvivenza (regressione dei rischi kaplan-meier e cox-proporzionale).