如何在Stata中计算多分类年龄组变量的发病密度比（IRR）？

你遇到的报错是因为你使用的菜单工具仅支持二分类暴露变量，针对多分类的agegroups，可以用以下几种方法实现需求：

方法一：泊松回归（推荐，自带统计检验与置信区间） #

1. 先设置生存数据结构，指定症状出现时间和结局变量：

   stset symptom_time, failure(symptom_occurred)
   

   其中symptom_time是你的症状出现时间变量，symptom_occurred是结局指示变量（1=出现症状，0=删失/未出现）。

2. 运行泊松回归，指定多分类暴露变量并输出IRR：

   poisson symptom_occurred i.agegroups, offset(ln(_t)) irr
   

   • i.agegroups会自动将多分类变量拆分为虚拟变量，默认第一个水平（18-29）作为参照组；
   • offset(ln(_t))将人时的对数作为偏移量，保证模型估计的是发病密度比；
   • irr选项直接输出发病率比（IRR）而非回归系数。

   如果数据存在过度离散（可通过泊松回归后的拟合检验判断），替换为负二项回归：

   nbreg symptom_occurred i.agegroups, offset(ln(_t)) irr
   

方法二：使用stir命令（专门用于计算发病密度比） #

1. 先安装用户编写的stir命令：

   ssc install stir
   

2. 直接运行命令，指定参照组：

   stir agegroups, ref(18-29)
   

   若agegroups是数值编码（比如1=18-29，2=30-39等），则用ref(1)指定参照组。该命令会直接输出各组相对于参照组的IRR及置信区间。

方法三：手动计算（无统计检验，仅快速查看） #

先用stsum命令分组统计事件数和人时：

stsum, by(agegroups)

提取各组的事件数（Events）和人时（Person-time），计算每组发病密度（事件数/人时），再用其他组的发病密度除以18-29组的发病密度，得到IRR。

内容的提问来源于stack exchange，提问作者Becky