Epidemiología: acceso abierto

Abstracto

El efecto de ignorar las interacciones estadísticas en los análisis de regresión realizados en estudios epidemiológicos: un ejemplo con análisis de supervivencia utilizando el modelo de regresión de riesgos proporcionales de Cox

Vatcheva KP, Lee M, McCormick JB y Rahbar MH

Objetivo: Demostrar el impacto adverso de ignorar las interacciones estadísticas en los modelos de regresión utilizados en estudios epidemiológicos .

Diseño y contexto del estudio: Basándonos en diferentes escenarios que implicaban valores conocidos para el coeficiente del término de interacción en los modelos de regresión de Cox, generamos 1000 muestras de 600 cada una. Las muestras simuladas y un conjunto de datos de la vida real de la cohorte hispana del condado de Cameron se utilizaron para evaluar el efecto de ignorar las interacciones estadísticas en estos modelos.

Resultados: En comparación con los modelos de regresión de Cox correctamente especificados con términos de interacción, los modelos mal especificados sin términos de interacción dieron como resultado un sesgo de hasta 8,95 veces en los coeficientes de regresión estimados. Mientras que cuando los datos se generaron a partir de un modelo de regresión de riesgos proporcionales de Cox aditivo perfecto, la inclusión de la interacción entre las dos covariables dio como resultado solo un sesgo estimado del 2 % en las estimaciones de los coeficientes de regresión del efecto principal, pero no alteró los hallazgos principales de que no había interacciones significativas.

Conclusiones: Cuando los efectos son sinérgicos, no tener en cuenta un efecto de interacción podría dar lugar a sesgos y malas interpretaciones de los resultados y, en algunos casos, a decisiones políticas incorrectas. Las mejores prácticas en el análisis de regresión deben incluir la identificación de interacciones, incluso para el análisis de datos de estudios epidemiológicos.