De foregående kapitler har alle beskæftiget med statistiske metoder når udfaldet har været målt på en numerisk (interval/ratio) skala. Inden for klinisk forskning måler man imidlertid meget ofte på en binær skala (syg/rask, positiv/negativ, overvægtig/ikke-overvægtig, død/levende osv.) Det er derfor relevant at kigge på de statistiske metoder der kan anvendes ved binære udfald.
Det kan i øvrigt bemærkes at logistisk regression er et felt som matematisk set er kompliceret, og som fra et klinisk synspunkt indeholder adskillige fælder og faldgruber. Dette kapitel skal derfor kun betragtes som en meget overordnet introduktion til emnet. Det er ikke hensigten at man efter at have læst dette, kan planlægge og gennemføre forsøg, hvor databehandlingen er baseret på logistisk regression. Men det skulle gerne give et indblik i betydningen af de resultater der oplyses i videnskabelig litteratur og lignende.
Med kontinuerte udfald vil den relevante effekt typisk involvere middelværdien af resultaterne. Associationsmålet kan f.eks. være forskellen mellem middelværdierne i to forskellige stikprøver (t-test), eller en hældningskoefficient som beskriver sammenhængen mellem en kontinuert prediktor og et kontinert udfald (lineær regression).
I forbindelse med binære udfald har man typisk adskillige associationsmål at vælge imellem. Hvilket associationsmål der er relevant afhænger af de nærmere omstændigheder omkring undersøgelsen. De to mest grundlæggende begreber er sandsynligvis risiko og odds, som gennemgås på de følgende sider.