Lojistik regresyon çalıştırmak birkaç tıkla mümkün; asıl beceri, çıktıdaki sayıları doğru okumakta. Tipik bir SPSS çıktısında Exp(B) sütununda 2,438, yanında %95 CI olarak 1,087-5,468, Sig. sütununda 0,031 görürsünüz. Danışman "p<0,05, anlamlı" der — ama 2,438 tam olarak neyin kaç katı, ve güven aralığı neden 1,087 ile 5,468 arasında bu kadar geniş?
Danışmanlık sürecinde en sık karşılaştığımız soru tam da bu. Bu yazı, lojistik regresyon çıktısındaki odds ratio ile güven aralığını nasıl okuyacağınıza odaklanıyor; modeli kurma, değişken seçimi ve uyum değerlendirmesi tarafını ise lojistik regresyon yorumlama yazımız ele alıyor.
Odds ratio ne anlatıyor?
Odds ratio (OR), iki grubun odds'unun oranı; odds ise bir olayın olma olasılığının olmama olasılığına bölümü. Somut bir örnek: sigara içenlerde akciğer kanseri olasılığı %20, içmeyenlerde %5 olsun. Sigara içenlerin odds'u 0,20/0,80 = 0,25, içmeyenlerin odds'u 0,05/0,95 ≈ 0,053. OR = 0,25/0,053 ≈ 4,75 — yani sigara içenlerde akciğer kanseri odds'u içmeyenlere göre yaklaşık 4,75 kat yüksek.
| OR değeri | Anlam | Yorum |
|---|---|---|
| OR = 1 | Fark yok | Değişkenin etkisi yok |
| OR > 1 | Risk artışı | Maruz kalanlarda odds daha yüksek |
| OR < 1 | Koruyucu etki | Maruz kalanlarda odds daha düşük |
| OR = 2,4 | 2,4 kat odds | Maruz kalanların odds'u 2,4 kat fazla |
| OR = 0,5 | %50 düşük odds | Maruz kalanların odds'u yarısı |
Güven aralığı neden önemli?
p değeri yalnızca "anlamlı mı değil mi" sorusuna yanıt veriyor; güven aralığı ise etkinin ne kadar büyük olabileceğinin aralığını gösteriyor — bu bilgi klinik kararda çok daha değerli. OR = 2,4 ve %95 CI 1,1-5,2 demek, gerçek OR'un büyük olasılıkla 1,1 ile 5,2 arasında olduğu demek: alt sınır 1,1 etkiyi neredeyse yok denecek kadar küçük, üst sınır 5,2 ise çok güçlü bir risk faktörü olarak konumlandırıyor. Bu genişlik, çoğu zaman örneklem yetersizliğinin bir yansıması.
Lojistik regresyonda referans değer 1: güven aralığı 1'i kapsamıyorsa (örneğin 1,1-5,2) sonuç istatistiksel olarak anlamlı, kapsıyorsa (örneğin 0,7-2,4) anlamsız. Bu kural basit ama etkili — p değerine bakmadan bile CI'dan anlamlılık hakkında fikir edinmek mümkün. Szumilas'ın (2010) belirttiği gibi, OR'u güven aralığıyla birlikte okumak yorumun ayrılmaz parçası.
Uyarı
CI genişliği örneklem büyüklüğüyle doğrudan ilişkili. OR = 2,4 ama CI 0,3-18,5 gibi çok geniş bir aralık, o değişken için örneklemin yetersiz olduğuna işaret ediyor. Bu derece geniş CI'lı sonuçları kesin çıkarım yerine "olası bir ilişki" olarak raporlamak daha güvenli.
OR ≠ risk oranı: sık yapılan hata
Araştırmacılar OR'u sıklıkla risk oranı (RR) gibi yorumluyor. "OR = 2,4, yani risk 2,4 kat fazla" deniyor — bu yanlış. OR odds'un oranı, RR ise riskin (olasılığın) oranı; ve sonuç sıklaştıkça ikisi arasındaki fark açılıyor.
| Özellik | OR | RR |
|---|---|---|
| Hesaplama | Odds oranı | Risk (olasılık) oranı |
| Kullanım | Vaka-kontrol, lojistik regresyon | Kohort, RKÇ |
| Nadir sonuçta | OR ≈ RR | — |
| Sık sonuçta (prevalans >%10) | OR > RR (abartır) | Daha doğru |
Danışmanlığımızdaki bir cerrahi komplikasyon çalışmasında komplikasyon oranı risk faktörlü grupta %30, kontrol grubunda %10 idi. Buradan gerçek risk oranı RR = 3,0 çıkarken odds ratio ≈ 3,86 hesaplanıyordu — yani OR, gerçek risk oranını belirgin biçimde abartıyordu. Davies ve arkadaşlarının (1998) hatırlattığı gibi, sonuç nadir olmadığında OR'u RR yerine yorumlamak yanıltıcı oluyor. Prospektif kohort çalışmasında RR kullanılabiliyor; retrospektif ve vaka-kontrol tasarımlarında ise yalnızca OR uygun.
SPSS çıktısını okumak
"Variables in the Equation" tablosundaki temel sütunlar:
| Sütun | Anlam |
|---|---|
| B | Regresyon katsayısı (log-odds) |
| Exp(B) | Odds ratio (e^B) |
| Sig. | p değeri |
| 95% CI for Exp(B) | Güven aralığı |
Örneğin Yaş satırında OR = 1,043 görülüyorsa, bu "her 1 yaş artışında odds %4,3 artıyor" demek. Küçük görünür ama 20 yaşlık fark için 1,043²⁰ ≈ 2,32 kat — klinik olarak anlamlı bir etki. Sürekli değişkenlerde birimi tanımlamak bu yüzden kritik: "Yaş için OR = 1,04" tek başına yetmiyor; "her 1 yıllık" ya da "her 10 yıllık yaş artışında" olarak netleştirmek, hatta 10 yıllık artış için OR raporlamak klinik yorumu kolaylaştırıyor.
Sık yapılan hatalar
Adjusted ile crude OR'u karıştırmak. Tek değişkenli (crude) OR ile çok değişkenli (adjusted) OR farklı şeyler söylüyor; makalede adjusted OR raporlanır, crude OR yalnızca tabloda gösterilir ve ikisi arasındaki fark confounding'in büyüklüğünü yansıtır.
Referans kategoriyi belirtmemek. Kategorik değişkende hangi grubun referans olduğu açıkça yazılmalı. SPSS varsayılan olarak son kategoriyi alıyor; klinik olarak mantıklı grubu (kontrol, sağlıklı) referans yapmak yorumlanabilirliği artırıyor.
Modeli aşırı yüklemek. Sonuç olayı başına düşen değişken sayısı (EPV) sınırlıdır; bu sınır aşıldığında OR tahminleri ve güven aralıkları güvenilmez hale geliyor. Model kurma ve EPV kuralının ayrıntısını lojistik regresyon yorumlama yazımızda ele aldık.
Model uyumunu göz ardı etmek. OR'lar ancak model veriye uyuyorsa anlamlı; Hosmer-Lemeshow, Nagelkerke R² ve AUC olmadan sonuçlar eksik kalıyor. Multicollinearity kontrolü de tahminlerin sağlamlığı için gerekli bir adım.
p değeri anlamsız çıktığında güven aralığı ve etki büyüklüğüne odaklanmak, OR yorumunun doğal tamamlayıcısı. Model İstatistik ekibi olarak lojistik regresyon analizinizin OR yorumundan model uyumu değerlendirmesine kadar her aşamasında rehberlik ediyoruz.
Not: Buradaki OR, RR ve güven aralığı değerleri kavramı göstermek için seçilmiş örneklerdir; gerçek değerler çalışmanın verisine göre değişir. Yorum, çalışmanın kendi tasarımı ve sonuç sıklığı üzerinden yapılır.
Kullanılan kaynaklar
- Szumilas M. Explaining odds ratios. Journal of the Canadian Academy of Child and Adolescent Psychiatry. 2010;19(3):227-229. · PMC2938757
- Davies HT, Crombie IK, Tavakoli M. When can odds ratios mislead? BMJ. 1998;316(7136):989-991. · DOI