Till sidans topp

Sidansvarig: Webbredaktion
Sidan uppdaterades: 2012-09-11 15:12

Tipsa en vän
Utskriftsversion

Regression Models for Log… - Göteborgs universitet Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

Regression Models for Log-Normal Data: Comparing Different Methods for Quantifying the Association between Abdominal Adiposity and Biomarkers of Inflammation

Artikel i vetenskaplig tidskrift
Författare Sara Gustavsson
Björn Fagerberg
Gerd Sällsten
Eva M. Andersson
Publicerad i International Journal of Environmental Research and Public Health
Volym 11
Nummer/häfte 4
Sidor 3521-3539
ISSN 1660-4601
Publiceringsår 2014
Publicerad vid Wallenberglaboratoriet
Institutionen för medicin, avdelningen för samhällsmedicin och folkhälsa, enheten för arbets-och miljömedicin
Institutionen för medicin, avdelningen för molekylär och klinisk medicin
Sidor 3521-3539
Språk en
Länkar www.mdpi.com/1660-4601/11/4/3521/
Ämnesord linear regression model, log-normal distribution, heteroscedasticity, biomarkers of inflammation, insulin resistance, simulation study
Ämneskategorier Epidemiologi

Sammanfattning

We compared six methods for regression on log-normal heteroscedastic data with respect to the estimated associations with explanatory factors (bias and standard error) and the estimated expected outcome (bias and confidence interval). Method comparisons were based on results from a simulation study, and also the estimation of the association between abdominal adiposity and two biomarkers; C-Reactive Protein (CRP) (inflammation marker,) and Insulin Resistance (HOMA-IR) (marker of insulin resistance). Five of the methods provide unbiased estimates of the associations and the expected outcome; two of them provide confidence intervals with correct coverage.

Sidansvarig: Webbredaktion|Sidan uppdaterades: 2012-09-11
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?