Logo image
Back
On logistic Box–Cox regression for flexibly estimating the shape and strength of exposure‐disease relationships
Journal article   Peer reviewed

On logistic Box–Cox regression for flexibly estimating the shape and strength of exposure‐disease relationships

Li Xing, Xuekui Zhang, Igor Burstyn and Paul Gustafson
Canadian journal of statistics, v 49(3), pp 808-825
Sep 2021
DOI: https://doi.org/10.1002/cjs.11587
Featured in Collection :   UN Sustainable Development Goals @ Drexel

Abstract

Factorial design logistic Box–Cox model log‐transformation median effect shape of the exposure‐disease relationship
The shape of the relationship between a continuous exposure variable and a binary disease variable is often central to epidemiologic investigations. This article investigates a number of issues surrounding inference and the shape of the relationship. Presuming that the relationship can be expressed in terms of regression coefficients and a shape parameter, we investigate how well the shape can be inferred in settings which might typify epidemiologic investigations and risk assessment. We also consider a suitable definition of the median effect of exposure, and investigate how precisely this can be inferred. This is done both in the case of using a model acknowledging uncertainty about the shape parameter and in the case of ignoring this uncertainty and using a two‐step method, where in step one we transform the predictor and in step two we fit a simple logistic model with transformed predictor. All these investigations require a family of exposure‐disease relationships indexed by a shape parameter. For this purpose, we employ a family based on the Box–Cox transformation. Résumé La forme de la relation entre une variable continue d'exposition et une variable binaire de maladie est souvent centrale dans les enquêtes épidémiologiques. Les auteurs explorent certains problèmes liés à l'inférence et à la forme de cette relation. En supposant que la relation peut s'exprimer par des coefficients de régression, ils étudient à quel point les formes typiquement attendues dans les enquêtes épidémiologiques et l'évaluation des risques peuvent être inférées. Ils considèrent également une définition appropriée pour l'effet médian d'exposition, et investiguent à quel point elle peut être inférée. Ils considèrent deux cas, l'un en reconnaissant l'incertitude par rapport au paramètre de forme, et l'autre en ignorant cette incertitude dans le cadre d'une méthode en deux étapes consistant en une transformation des prédicteurs, suivie de l'ajustement d'une régression logistique sur ces variables transformées. Ces investigations requièrent une famille de relations entre l'exposition et la maladie indexée par un paramètre de forme. Les auteur utilisent une famille basée sur la transformée de Box‐Cox.

Metrics

12 Record Views

Details

UN Sustainable Development Goals (SDGs)

This publication has contributed to the advancement of the following goals:

#3 Good Health and Well-Being

InCites Highlights

Data related to this publication, from InCites Benchmarking & Analytics tool:

Collaboration types
Domestic collaboration
International collaboration
Web of Science research areas
Statistics & Probability
Logo image