多重线性回归难以解决的问题
1、医学数据的复杂、多样性
2、连续型和离散型数据
3、医学研究中疾病的复杂性
4、一种疾病可能有多种致病因素或与多种危险因素有关
5、疾病转归的影响因素也可能多种多样
6、临床治疗结局的综合性
解决方法：
简单的:固定其他因素，研究有影响的一两个因素；
按1~2个因素组成的层进行分层分析(层内和综合分析)。
多因素:寻找合适的统计模型——Logistic回归模型：1967年Truelt J，Connifield J和Kannel W在《Journal of Chronic Disease》上发表了冠心病危险因素的研究，较早地将Logistic回归用于医学研究。
Logistic回归分析解决的问题：医学研究中, 有关生存与死亡, 发病与未发病, 阴性与阳性等结果的产生可能与病人的年龄、性别、生活习惯、体质、遗传等许多因素中哪些有关?如何找出其中哪些因素对结果有影响？
Logistic回归模型是一种概率模型, 它是以疾病,死亡等结果发生的概率为因变量, 影响疾病发生的因素为自变量建立回归模型。 它特别适用于因变量为二项, 多项分类的资料。
在临床医学中多用于鉴别诊断, 评价治疗措施的好坏及分析与疾病预后有关的因素等。