Use of alternating logistic regression in studies of drug-use clustering

FRANÇAIS :
L'article décrit une méthode statistique : la régression alternée, et compare cette méthode à d'autres approches statistiques utilisées pour l'analyse de données d'enquête complexes impliquant le regroupement de données en fonction de caractéristiques "proches". Contrairement à la régression logistique conditionnelle, la méthode de régression logistique alternée permet une estimation explicite de l'usage de drogues par segment (= regroupement d'indicateurs "proches") ou par sous-groupes en fonction de l'âge ou du sexe. L'application de ces méthodes statistiques est illustrée par une estimation des valeurs par segment de l'usage quotidien et hebdomadaire de marijuana, à partir des données provenant des enquêtes nationales de 1990 à 1996, menées annuellement aux Etats-Unis.
ENGLISH :
This article describes the alternating logistic regression (ALR) method, and places this method in the context of other statistical approaches to the analysis of complex survey data, including the conditional form of logistic regression with matching on neighborhood characteristics. Unlike conditional logistic regression, the ALR method provides for an explicit estimation of the magnitude of clustering of drug use within neighborhoods and within subgroups of the neighborhood defined by male-female or age indicators, with and without covariate adjustments. The application of these ALR methods is illustrated with estimates for the magnitude of clustering of daily marijuana use and weekly marijuana use within neighborhoods of the United States, based on data from the National Household Survey on Drug Abuse samples from 1990 through 1996. (Author's abstract.)