logistic回归，统计分析的万金油，只要是一项医学研究的结局是二分类数据，都可以 用logistic回归，在现况调查、在病例对照研究、在队列研究、在随机对照研究等等。

我的标题有些夸大其词，但是这十年来，统计分析的方法在改进，logistic回归，在很多场合，已经不应该是主流方法了。

比如说，横截面调查和队列研究。

特别是队列研究，队列研究往往希望计算RR值，但是一般学习医学统计学时，老师会说，当阳性率较低时，RR值接近于OR值，所以我们可以logistic回归计算OR值，控制偏倚。但无论如何，OR值会高估暴露因素的风险。

实际上，统计分析，有回归可以来计算RR值！

横截面调查也是如此。之前有一位读者来信，咨询郑老师，他说“ 这是个572例社区人群横断面调查，主要讨论社区残疾老年人肌少症的发生率及其影响因素。我用了logistic回归，但是审稿人建议用其它回归方法”

这现况调查怎么logistic回归也不推荐了呢？

审稿人怎么建议的呢？

“for cross-sectional multivariate analysis binomial regression or modified poisson regression are prefered”。

对了，就是两种可能大家不太熟悉的方法：log binomial regression 和Poisson regression 。

他们的共同特点是，可以计算出暴露组和对照组的两个率之比！对于横截面调查，我们称这个比值为患病比（PR值），而在队列研究，我称之为相对危险度（RR值）。

它们和logistic回归有什么区别？

例如：若开展一项队列研究，在样本量n的研究中，总共X人发生阳性事件，则P=X/n。对于该研究，logistic、log binomial regression 和Poisson regression在回归建模中，是不同的。

首先是logistic回归：则

由此计算得到是OR值。

如果是log binomial 回归，则

由此计算得到是RR值.

如果是Poisson  回归，则

由此计算得到是RR值。

对于三个公式，可能很多人不理解，对于三个方法的应用及软件操作方法，很多人还不会应用，因此，我想写一点小文，和大家聊聊这个事情。详细见后文。