La régression de Poisson est un outil puissant pour l’analyse des taux d’incidence dans les études de cohorte, et facilite les analyses de tendances temporelles qui peuvent être difficiles à évaluer avec d’autres méthodes. La méthode de Kaplan–Meier, le test du logrank et le modèle de Cox ont chacun leur parallèle respectif dans l’analyse de données groupées : risques instantanés, risques relatifs sur données groupées et régression de Poisson groupés par intervalles. Cette approche permet de présenter la vitesse instantanée d’occurrence d’événements, potentiellement plus significative pour les cliniciens, et de prendre en compte plus facilement certaines contraintes telles que les paramètres fonction du temps (variables dépendantes du temps, ou effet dépendant du temps, qui ne sont pas inclus dans le modèle de Cox conventionnel). En revanche, l’application de la régression de Poisson nécessite que les données relatives à des sujets individuels soient organisées dans des tableaux d’événements-temps structurés par le temps et d’autres facteurs d’intérêt. Cette approche nécessite donc l’utilisation d’une base de données à grande échelle lorsque de petits intervalles de temps ou un nombre important de variables d’ajustement sont nécessaires.

Poisson regression is a powerful tool for the analysis of incidence rates from cohort survival studies and facilitates simple, straightforward analyses of temporal patterns that may be difficult to assess with other methods. The Kaplan–Meier method, the logrank test, and the Cox model each have their respective parallels in grouped data analysis: instantaneous hazards, the hazard ratio for grouped data, and Poisson regression, grouped by intervals. This approach makes it possible to present the instantaneous speed of occurrence of events that may be more significant for clinicians and to consider more easily some constraints like parameters according to time (like time dependent variables or a time-dependent effect, neither of which are included in the conventional Cox model). However the application of Poisson regression requires that data on individual subjects be organized into event-time tables stratified by time and other factors of interest. This approach therefore requires the use of a large-scale database when small time intervals or many adjustment variables are necessary.