比值比
比值比 (Odds ratio, OR):又名机会比，优势比，交叉乘积比( Cross-product Ratio)，相对比值( Relative Odds )，两个比值的比。
在数据统计中，比值比是量化在统计学群体中，属性A与属性B之间关系强弱的三个主要方法之一。如果在统计学群体中每一个个体存在(或不存在)属性A(例如"高血压")，并且存在(或不存在)属性B(例如"适度饮酒")。在这两个属性被适当定义的情况下，可以形成一个比率，定量描述人群中存在/不存在"A"(高血压)和存在/不存在"B"(适度饮酒)的关系。这个比率是比值比(OR)，可以遵循这些步骤进行计算:
1、对于一个给定"B"的个体，计算同一个体有"A"的比率。
2、对于一个没有"B"的给定个体，计算同一个体有"A"的比率。
3、从第1步的比率与步骤2的比率相除，以获得比值比(OR)。
- 中文名称 比值比
- 外文名称 Odds ratio
- 简称 OR
- 别称 机会比
定义
比值比(Odds ratio, OR):又名机会比，优势比，交叉乘积比( Cross-product Ratio)，相对比值( Relative Odds )，两个比值的比。暴露因素与疾病的关系 在进行暴露因素和疾病关系的研究时，暴露和疾病的关系可以总结为下列四格表:
暴露 | 无暴露 | |
病例 | a | b |
对照 | c | d |
比值比OR=ad/bc。①在病例对照研究中，比值比指病例组中暴露与非暴露人数的比值(a/b)和对照组中暴露与非暴露人数的比值 c/d) 的比，得出OR=ad/bc，所以又叫交叉乘积比，该值用作相对危险度的估计值。②在队列研究中，指的是暴露组中患病与非患病者的比值(a/c)和非暴露组中患病与非患病者的比值(b/d)的比。也用作相对危险度的估计值。在队列研究中，可以计算相对危险度，所以一般不计算比值比，但是有的时候根据需要也应用OR作为联系的强度的指标，例如在应用logistic回归模型对队列研究的资料进行多因素分析时，即应用OR值。
来源:王翔朴,王营通,李珏声 主编.《卫生学大辞典》.青岛:青岛出版社.2000.第26-27页.
使用定量研究
由于广泛使用逻辑回归,这个几率比是广泛应用于医学和社会科学研究的许多领域。常用的比值比调查研究,在流行病学和表达的结果临床试验,比如在病例对照研究。通常缩写"或"在报告。当数据从多个调查相结合时,它通常会被表示为"池或"。
与相对风险
在临床研究中,以及在其他一些设置,通常是最受关注的参数相对风险而不是优势比。相对风险最好使用人口样本估计,但如果罕见疾病的假设持有的优势比是一个很好的近似相对风险几率p / (1−p),所以当p走向零,1 p走向−1,这意味着风险的概率方法,相对风险的比值比的方法。罕见疾病的假设并不持有时,比值比可以高估的相关风险。
混乱和夸张
优势比经常在医学文献与相对风险混淆。non-statisticians的优势比是一个难以理解的概念,并给出了一个图的效果更令人印象深刻。然而,大多数作者认为相对风险很容易理解。在一项研究中,国家疾病基金会的成员实际上是3.5倍比非会员听说过一种常见的治疗疾病,但优势比24,该报指出,成员的超过20倍更有可能听说过"治疗。在两个期刊上刊登的论文的一项研究报告说,26%的文章,使用一个优势比解释风险率。
这可能反映了简单的过程不了解的作者选择最让人印象深刻的和可发布的数字。但是它的使用在某些情况下可能会故意欺骗。有人建议,给出的优势比只能作为衡量影响的大小当风险率不能直接估计。
可逆性和不变性
直接的优势比另一个独特的属性数学可逆分析还是疾病生存或疾病发作的发病率或生存直接互惠1 /或风险。这就是所谓的"不变性的优势比"。相比之下,相对风险并不拥有这个数学可逆财产当研究疾病的生存与发作的发病率。这种现象或可逆性与RR non-invertibility最好是用一个例子说明:
假设在一项临床试验中,有4/100的不良事件风险药物组,在安慰剂和2/100…收益率RR = 2,或= 2.04166 drug-vs-placebo不良风险。然而,如果分析倒和不良事件而不是分析风平浪静生存,那么毒品集团将有96/100的速度,和安慰剂组的速度98/100-yielding drug-vs-placebo RR = 0.9796为生存,但OR = 0.48979。一个人可以看到,RR 0.9796显然不是的倒数2的RR。相比之下,0.48979的确是直接的或互惠的或2.04166。
这又是所谓的优势比的不变性,以及为什么RR为生存不一样的RR风险,而或有对称属性在分析生存或不良的风险。危险的临床解释或时副反应率并不罕见,从而夸大差异或罕见疾病的假设不满足.另一方面,当疾病是罕见的,使用RR为生存(例如上面的RR = 0.9796)在临床上可以隐藏和掩盖与药物相关的不良风险的一个重要加倍或曝光。
替代优势比的估计
样本比值比n11n00 / n10n01容易计算,和温和的和大样本进行估计的人口优势比。当一个或多个细胞在列联表可以有一个小值,样本比值比有偏见的表现出高方差。大量的替代优势比的估计提出了解决这一问题。另一个估计量是有条件的极大似然估计量,条件的行和列的利润率时形成的可能性最大化(如确切概率法).估计是另一个选择Mantel-Haenszel估计量.
数值例子
以下四个应急表包含观察细胞计数,连同相应的样本比值比(或)和示例日志比值比(生气):
| 或= 1,啦= 0 | 或= 1,啦= 0 | 或= 4,啦= 1.39 | 或= 0.25,啦=−1.39 | |||||
|---|---|---|---|---|---|---|---|---|
| Y = 1 | Y = 0 | Y = 1 | Y = 0 | Y = 1 | Y = 0 | Y = 1 | Y = 0 | |
| X = 1 | 10 | 10 | 100年 | 100年 | 20 | 10 | 10 | 20 |
| x = 0 | 5 | 5 | 50 | 50 | 10 | 20 | 20 | 10 |
下面的联合概率分布包含人口细胞概率以及相应的人口优势比(或)和人口日志比值比(生气):
| 或= 1,啦= 0 | 或= 1,啦= 0 | 或= 16日啦= 2.77 | 或= 0.67,啦=−0.41 | |||||
|---|---|---|---|---|---|---|---|---|
| Y = 1 | Y = 0 | Y = 1 | Y = 0 | Y = 1 | Y = 0 | Y = 1 | Y = 0 | |
| X = 1 | 0.2 | 0.2 | 0.4 | 0.4 | 0.4 | 0.1 | 0.1 | 0.3 |
| x = 0 | 0.3 | 0.3 | 0.1 | 0.1 | 0.1 | 0.4 | 0.2 | 0.4 |
工作的例子
| 示例1:风险降低 | 示例2:风险增加 | |||||
|---|---|---|---|---|---|---|
| 实验组(E) | 对照组(c) | 总 | (E) | (c) | 总 | |
| 事件(E) | EE = 15 | CE = 100 | 115年 | EE = 75 | CE = 100 | 175年 |
| 有惊无险(N) | EN = 135 | CN = 150 | 285年 | EN = 75 | CN = 150 | 225年 |
| 总课题(年代) | ES = EE + = 150 | CS = CE + CN = 250 | 400年 | ES = 150 | CS = 250 | 400年 |
| 事件率(ER) | 无论何时= EE / ES = 0.1点,涨幅10% | cer= CE / CS = 0.4点,涨幅40% | 无论何时= 0.5(50%) | CER = 0.4(40%) |
| 方程 | 变量 | 的缩写 | 示例1 | 示例2 |
|---|---|---|---|---|
| 无论何时−CER | < 0:绝对风险降低 | arr | 0.3(−)或(−)30% | N / |
| > 0:绝对风险增加 | 阿里 | N / | 0.1点,跌幅10% | |
| (无论何时−CER)/ CER | < 0:相对风险降低 | 存款准备金率 | 0.75(−)或(−)75% | N / |
| > 0:相对风险增加 | rri | N / | 0.25点,跌幅25% | |
| 1 /(无论何时−CER) | < 0:数量需要治疗 | NNT | (−)3.33 | N / |
| > 0:数量需要伤害 | nnh | N / | 10 | |
| 无论何时/陶瓷 | 相对风险 | RR | 0.25 | 1.25 |
| (EE / EN)/(CE / CN) | 优势比 | 或 | 0.167 | 1.5 |
| 无论何时−CER | 由于风险 | 基于"增大化现实"技术 | 0.30(−)或(−)30% | 0.1点,跌幅10% |
| (RR−1)/ RR | 由于风险百分比 | ARP | N / | 20% |
| 1−RR(或1−) | 预防分数 | pf | 0.75点,跌幅75% | N / |