regressão logística de Poisson vs. Logística

Eu tenho uma coorte de pacientes com diferentes períodos de acompanhamento. Até agora, estou desconsiderando o aspecto do tempo e só preciso modelar um resultado binário - doença / nenhuma doença. Normalmente, faço regressão logística nesses estudos, mas outro colega perguntou se a regressão de Poisson seria tão apropriada. Não gosto muito de poisson e fiquei incerto quanto aos benefícios e desvantagens de fazer poisson nesse cenário que seriam comparados à regressão logística. Li a regressão de Poisson para estimar o risco relativo de resultados binários e ainda estou incerto quanto aos méritos da regressão de poisson nessa situação.

Uma solução para esse problema é assumir que o número de eventos (como crises) é proporcional ao tempo. Se você indicar o nível individual de exposição (duração do acompanhamento no seu caso) por , então E [ y | x $t$Aqui, um acompanhamento com o dobro do dobro dobraria a contagem esperada, tudo o resto igual. Isso pode ser algebricamente equivalente a um modelo em queE[y| x]=exp{x′β+logt},que é apenas o modelo de Poisson com o coeficiente nologtrestrito a1. Você também pode testar a suposição de proporcionalidade relaxando a restrição e testando a hipótese de queβlo$\frac{E[y \vert x]}{t}=\exp\{x'\beta\}.$$E[y \vert x]=\exp\{x'\beta+\log{t}\},$$\log t$$1$.$\beta_{log(t)}=1$

No entanto, não parece que você observe o número de eventos, pois seu resultado é binário (ou talvez não seja significativo devido à sua doença). Isso me leva a acreditar que um modelo logístico com um deslocamento logarítmico seria mais apropriado aqui.

Esse conjunto de dados soa como um conjunto de dados pessoa-ano, o resultado sendo um evento (isso está correto?) E acompanhamento desigual até o evento. Nesse caso, isso soa como um estudo de coorte de algum tipo (supondo que eu entenda o que está sendo pesquisado) e, portanto, pode ser necessária a regressão de poisson OU uma análise de sobrevivência (regressão de kaplan-meier e co-proporcional aos riscos).