问题描述
我的数据子集是： 响应变量
- 生存（二进制）：（0 没有幸存）（1 幸存） 解释变量
- 性别（二进制）：（1 男）（2 女）
- 疾病适应症（分类）：（1 个细菌）（2 个外伤）（3 个手术）（4 个化疗）（5 个其他）
- 年龄（连续）
- 治疗前 A 生物医学标志物（连续）：pH、肌酐、尿素、白蛋白
- 治疗后 A 生物医学标志物（连续）：pH、肌酐、尿素、白蛋白
主要的解释变量是治疗 A 前后的生物医学标志物。 我想了解治疗前后哪些生物医学标志物可以预测患者的预后，以及治疗是否会改变这些结果。
由于二元变量是响应变量，我应该使用逻辑回归模型吗？
我应该计算（治疗后生物医学标记 - 治疗前生物医学标记）而不是计算它们中的每一个？ （因为我想知道哪个生物医学可以预测结果。）
我必须使用降维吗？如果没有，我应该什么时候使用？
提前致谢。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）