进行和报告逻辑回归，按性别和年龄分层

问：

我有这个数据库，里面有 6,000 多个条目和 75 个变量。我想做几个模型。结果变量始终是死亡率。模型的第一个想法是“只选取男性/女性，然后按年龄类别分层，最年轻的是以下年龄类别的比数比 （OR） 的参考。（像这样）。

为此，我首先创建了一个仅包含所有女性条目的新数据帧，然后在 -function 中，我按最年轻的年龄类别（即 18-39 岁）进行子集。代码如下所示：glm

df_model_1_all_female <- df %>% filter(Sex == "Female")

model_1_stratgender_age_categories <- glm(mortality ~  Var1 + Var2 + Var3, family="binomial", data= df_model_1_all_female, subset = Age_categories == "18-39")

如果我像这样子集，我将不得不制作大约 7 个模型（每个年龄组一个），只针对女性类别，这已经看起来很奇怪了？

此外，如果我使用此代码成为 OR 和置信区间：

exp(cbind(OR = coef(model_1_stratgender_age_categories_default), confint(model_1_stratgender_age_categories_default)))

我不确定如何报告此事。特别是因为最年轻的年龄组等于进一步年龄组的参考值。

我怀疑我不应该那样使用-function，但我不知道我应该如何解决它。subsetglm