Regresie logistică

(categorie: statistică, epidemiologie)

Regresia logistică este metoda statistică clasică pentru predicția unui rezultat binar — s-a întâmplat sau nu. Combină liniar variabilele, apoi transformă rezultatul într-o probabilitate între 0 și 1.

Este de departe cea mai folosită metodă de predicție în medicină și reperul față de care se judecă orice algoritm de învățare automată. În studiul din 2026 a obținut 0,749, practic la egalitate cu scorul BISAP.

Cum funcționează

Modelul atribuie fiecărei variabile un coeficient, care arată cât contribuie la risc. Suma ponderată a variabilelor dă un scor liniar, transformat apoi printr-o funcție care îl comprimă în intervalul de la 0 la 1, interpretabil ca probabilitate.

Coeficienții au o interpretare directă: exponențiala fiecăruia este un raport de șanse, care spune cu cât se înmulțesc șansele de eveniment pentru o creștere cu o unitate a variabilei. Această transparență este avantajul principal al metodei.

Limita este presupunerea de liniaritate. Modelul asumă că efectul fiecărei variabile este constant pe tot intervalul și că variabilele acționează independent, dacă nu se adaugă explicit termeni de interacțiune. Un risc care crește brusc peste un prag nu este surprins natural.

Varianta elastic net adaugă o penalizare care reduce coeficienții variabilelor puțin utile, unele până la zero. Rezultatul este un model mai simplu, cu mai puține variabile, și mai rezistent la supraajustare — o punte între statistica clasică și învățarea automată.

Poziție și rezultate

Reperul metodologic

Orice model de învățare automată trebuie comparat cu regresia logistică. Fără această comparație, nu se poate judeca dacă complexitatea suplimentară aduce ceva.

Rezultatul în studiul din 2026

Arie sub curba ROC de 0,749, cu interval de încredere 0,676–0,822 — practic identică cu cea a scorului BISAP, 0,752.

Interpretabilitate directă

Coeficienții se citesc ca rapoarte de șanse, iar contribuția fiecărei variabile este explicită, fără metode suplimentare de explicabilitate.

Baza majorității scorurilor clinice

Scorurile de severitate, inclusiv BISAP, au fost derivate din modele de regresie, cu coeficienți rotunjiți la puncte întregi pentru calculul manual.

Relevanță clinică

Rezultatul studiului din 2026 este informativ tocmai prin această comparație. Cei trei algoritmi bazați pe arbori au depășit clar regresia logistică — 0,837, 0,826 și 0,806 față de 0,749 —, ceea ce demonstrează că relațiile din date nu sunt liniare.

Dacă regresia logistică ar fi obținut un rezultat echivalent, concluzia ar fi fost opusă: complexitatea algoritmilor nu ar fi fost justificată. Aceasta este funcția unui reper metodologic.

Faptul că regresia logistică și scorul BISAP au obținut practic aceeași valoare are și o explicație simplă: BISAP este, în esență, o regresie logistică simplificată, cu coeficienți rotunjiți la un punct pentru fiecare criteriu.

Analiza sistematică din 2025 a arătat că multe studii de învățare automată pentru pancreatita acută nu includ această comparație, ceea ce face imposibilă judecarea alegerii metodei. Un algoritm complex care obține 0,85 poate fi impresionant sau irelevant, în funcție de ce obține o regresie logistică pe aceleași date.

Regresia logistică rămâne, în plus, superioară în situațiile cu puține evenimente. Cu 45 de evenimente și șase variabile, un model liniar simplu este adesea mai stabil decât un ansamblu de sute de arbori.

Ce trebuie verificat

Numărul de evenimente raportat la numărul de variabile; regula orientativă cere cel puțin zece evenimente per variabilă.

Prezența termenilor de interacțiune, dacă se așteaptă dependențe între variabile.

Verificarea presupunerii de liniaritate pentru variabilele continue.

Raportarea coeficienților și a intervalelor de încredere, nu doar a performanței globale.

Includerea ei ca reper în orice comparație cu algoritmi de învățare automată.

Factori care influențează performanța unei regresii logistice

Liniaritatea relației dintre variabile și risc.

Numărul de evenimente disponibile.

Prezența interacțiunilor nemodelate.

Corelațiile puternice între variabile.

Aplicarea unei penalizări de tip elastic net sau LASSO.

Transformările aplicate variabilelor continue.

Valorile lipsă și modul de tratare a lor.

Regresie logistică în context Healthwise

Regresia logistică este metoda pe care se sprijină, direct sau indirect, majoritatea scorurilor clinice folosite astăzi. Rolul ei în studiile despre inteligența artificială este de martor: arată cât din performanța unui algoritm complex vine din complexitate și cât din date.

Pe Healthwise, apare ca reperul metodologic al studiilor de predicție clinică și ca metoda din care au fost derivate scorurile clasice de severitate.

Concluzie

Regresia logistică combină liniar variabilele și transformă rezultatul într-o probabilitate, iar coeficienții ei se citesc direct ca rapoarte de șanse.

Ce trebuie reținut: este reperul obligatoriu în orice comparație cu algoritmi de învățare automată; în studiul din 2026 a fost depășită clar de cei bazați pe arbori, ceea ce demonstrează că relațiile din date nu sunt liniare; iar scorul BISAP este, în esență, o versiune simplificată a ei.