Logistic Regression of Family Data from Case-Control Studies
病例对照研究中家庭数据的 Logistic 回归AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究二元疾病数据与病例对照抽样，使用 logistic 回归本身不足以归入经济学离散选择。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
病例对照研究中家庭数据的 Logistic 回归
- 研究问题
- 病例对照研究纳入家庭成员后，何种边际疾病模型允许按前瞻性研究方式分析，并保持回归参数解释的一致性？
- 方法与思路
- 作者限定于具有可再现参数解释的多元边际模型，为个体疾病概率设定 logistic 形式，并允许先证者与亲属基准概率不同。
- 材料陈述的贡献
- 摘要称前瞻性分析结论可扩展至家庭疾病结局和协变量，同时强调忽略抽样设计的非可再现模型可能产生不一致估计。
- 阅读关注点
- 应核对可再现性的定义、先证者基准概率的处理，以及协变量独立于造成家庭疾病相关的未测因素这一要求。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；结论依赖可再现性及相应独立要求，摘要未说明检验办法，不能推广至任意家庭模型。
原文摘要
Multivariate regression models are applied to binary disease data in families identified from case-control studies. Attention is restricted to ‘ marginal’ or reproducible models, i. e. those whose parameters have the same interpretations in the marginal distributions for all subsets of a family, with a logistic specification of each individual's marginal disease probability. For such models, it is shown that the case-control family data can be analysed as if they were obtained from a prospective study, with the baseline disease probabilities of case and control probands differing from that of their relatives. This result extends that of Anderson (1972) and Prentice & Pyke (1979) for the probands' data to include disease outcomes and covariates for their families. It contrasts with inconsistent estimates of parameters in nonreproducible models that result when the case-control sampling design is ignored (Tosteson, Rosner & Redline, 1991). The contrast underscores the need to check the plausibility of the reproducibility assumption, which requires that the covariates be independent of any unmeasured factors responsible for the correlation of familial disease occurrence, before analysing case-control data prospectively.