poisson vs regresi logistik

Saya memiliki kohort pasien dengan lama tindak lanjut yang berbeda. Sejauh ini saya mengabaikan aspek waktu dan hanya perlu memodelkan penyakit hasil-biner / tidak ada penyakit. Saya biasanya melakukan regresi logistik dalam studi ini, tetapi rekan kerja saya yang lain bertanya apakah regresi Poisson akan sesuai. Saya tidak tertarik pada poisson dan tidak yakin apa manfaat dan kerugian dari melakukan poisson dalam pengaturan ini akan dibandingkan dengan regresi logistik. Saya membaca regresi Poisson untuk memperkirakan risiko relatif untuk hasil biner dan saya masih tidak pasti mengenai manfaat regresi poisson dalam situasi ini.

Salah satu solusi untuk masalah ini adalah dengan menganggap bahwa jumlah kejadian (seperti flare-up) sebanding dengan waktu. Jika Anda menunjukkan tingkat eksposur individu (lamanya tindak lanjut dalam kasus Anda) dengan , maka E [ y | x $t$$\frac{E[y \vert x]}{t}=\exp\{x'\beta\}.$$E[y \vert x]=\exp\{x'\beta+\log{t}\},$$\log t$$1$$\beta_{log(t)}=1$

Namun, itu tidak terdengar seperti Anda mengamati jumlah peristiwa, karena hasil Anda adalah biner (atau mungkin itu tidak berarti mengingat penyakit Anda). Ini membuat saya percaya bahwa model logistik dengan offset logaritmik akan lebih sesuai di sini.

Dataset ini kedengarannya seperti dataset orang-tahun, hasilnya berupa suatu peristiwa (apakah ini benar?) Dan tindak lanjut yang tidak merata hingga peristiwa tersebut. Dalam hal ini, ini kedengarannya seperti studi kohort semacam (dengan asumsi saya mengerti apa yang sedang diteliti), dan dengan demikian, baik regresi poisson ATAU analisis survival dapat dibenarkan (regresi bahaya proporsional kaplan-meier & cox-proporsional).