In der Epidemiologie ist das Risikoverhältnis (RR) oder das relative Risiko das Verhältnis der Wahrscheinlichkeit eines Ergebnisses in einer exponierten Gruppe zur Wahrscheinlichkeit eines Ergebnisses in einer nicht exponierten Gruppe. Es wird wie folgt berechnet: wobei die Inzidenz in der exponierten Gruppe ist und 19659017] I
ist die Inzidenz in der unbelichteten Gruppe. Statistische Verwendung und Bedeutung [ edit ]
Die Risikokennzahl wird in der statistischen Analyse der Daten von experimentellen, Kohorten- und Kohortenwerten verwendet Querschnittsstudien, um die Stärke des Zusammenhangs zwischen Behandlungen oder Risikofaktoren und Ergebnis abzuschätzen. [2][3] Beispielsweise wird das Risiko eines nachteiligen Verlaufs bei einer medizinischen Behandlung mit einer Behandlung (oder einem Placebo) verglichen. oder wenn es ausgesetzt ist einem Umweltrisikofaktor gegenüber nicht ausgesetzt.
Unter der Annahme des Kausaleffekts zwischen der Exposition und dem Ergebnis können RR-Werte wie folgt interpretiert werden:
- RR = 1 bedeutet, dass die Exposition keinen Einfluss auf das Ergebnis hat;
- RR <1 bedeutet, dass das Risiko für das Ergebnis durch die Exposition verringert wird;
- . RR> 1 bedeutet, dass das Risiko für das Ergebnis um 1 erhöht wird die Exposition.
Verwendung in der Berichterstattung [ edit ]
Das Risiko-Verhältnis wird häufig verwendet, um die Ergebnisse von randomisierten kontrollierten Studien darzustellen. [4] Dies kann problematisch sein, wenn das Risiko-Verhältnis besteht ohne absolute Messgrößen wie absolutes Risiko oder Risikodifferenz dargestellt. [5] Wenn der Basiszinssatz für das Ergebnis niedrig ist, können große oder kleine Risikokennziffern keine signifikante Auswirkung haben und die Bedeutung des Auswirkungen auf die öffentliche Gesundheit können überschätzt werden. In dem Fall, in dem die Basisrate des Ergebnisses hoch ist, können Werte der Risikokennziffer nahe 1 immer noch einen signifikanten Effekt haben und können unterschätzt werden. Daher wird die Darstellung von absoluten und relativen Maßen empfohlen. [6]
Inferenz [ edit
Das Risiko-Verhältnis kann anhand einer 2x2-Kontingenztabelle geschätzt werden:
| Gruppe | ||
|---|---|---|
| Experiment (E) | Kontrolle (C) | |
| Ereignisse (E) | EE | CE |
| Nichtereignisse (N) | EN | CN |
Die Punktschätzung der Risikokennzahl lautet
Die Verteilung der Stichproben des
Die Konfidenzintervall für das Protokoll ist dann
wobei [19659199] z
ist der Standardwert In Regressionsmodellen wird die Exposition typischerweise zusammen mit anderen als Indikatorvariable eingeschlossen Faktoren, die das Risiko beeinflussen können. Die Risikokennziffer wird normalerweise als Mittelwert der Stichprobenwerte der erklärenden Variablen berechnet.
Vergleich mit der Odds Ratio [ edit ]
Die Risikokennziffer unterscheidet sich von der Odds Ratio, obwohl sie sich asymptotisch für kleine Ergebniswahrscheinlichkeiten nähert. Wenn EE wesentlich kleiner als EN ist, dann EE / (EE + EN) EE / EN . Wenn CE viel kleiner als CN ist, dann ist CE / (CN + CE) CE / CN. So ist unter die Annahme einer seltenen Krankheit
In der epidemiologischen Forschung wird die Odds Ratio üblicherweise für Fall-Kontroll-Studien verwendet, da das Risiko-Verhältnis nicht geschätzt werden kann. [2] [2] [2] ]
Tatsächlich hat die Odds Ratio in der Statistik eine viel breitere Verwendung, da die logistische Regression, die häufig mit klinischen Studien verbunden ist, mit dem Protokoll von arbeitet die Odds Ratio, nicht die Risk Ratio. Da das (natürliche Protokoll der) Quoten eines Datensatzes als lineare Funktion der erklärenden Variablen geschätzt wird, wäre das geschätzte Odds Ratio für 70-Jährige und 60-Jährige, die mit der Art der Behandlung in Verbindung stehen, gleich logistische Regressionsmodelle, bei denen das Ergebnis mit dem Arzneimittel und dem Alter in Zusammenhang steht, auch wenn sich die Risikoquote erheblich unterscheiden könnte. In solchen Fällen spiegeln statistische Modelle der Odds Ratio die zugrunde liegenden Mechanismen oft effizienter wider.
Da die Risikoquote ein intuitiveres Maß für die Wirksamkeit darstellt, ist die Unterscheidung besonders bei mittleren bis hohen Wahrscheinlichkeiten wichtig. Wenn für Aktion A ein Risiko von 99,9% und für Aktion B ein Risiko von 99,0% besteht, liegt die Risikokennziffer knapp über 1, während die mit Aktion A verbundenen Chancen mehr als zehnmal höher sind als die Wahrscheinlichkeit von B.
In der statistischen Modellierung haben Ansätze wie die Poisson-Regression (für die Anzahl der Ereignisse pro Exposition) Risikokennzahlen interpretiert: Der geschätzte Effekt einer erklärenden Variablen ist multiplikativ auf die Rate und führt zu einer Risikokennzahl. Die logistische Regression (für binäre Ergebnisse oder Zählungen von Erfolgen aus einer Anzahl von Versuchen) muss im Verhältnis des Quotenverhältnisses interpretiert werden: Die Auswirkung einer erklärenden Variablen ist multiplikativ auf die Quoten und führt somit zu einem Quotenverhältnis.
Bayes'sche Interpretation [ edit ]
Wir könnten eine Krankheit annehmen, die durch und keine Krankheit festgestellt wurde notiert durch Exposition angegeben durch und keine Exposition, die von festgestellt wurde. Risikoquote kann als geschrieben werden
Auf diese Weise kann das Risiko-Verhältnis in Bayesian interpretiert werden Ausdrücke als posteriores Verhältnis der Exposition (dh nach Auftreten der Krankheit), normalisiert durch das vorherige Expositionsverhältnis. [10] If Das hintere Expositionsverhältnis ist ähnlich dem des vorherigen, der Effekt ist ungefähr 1, was keine Assoziation mit der Krankheit anzeigt, da es die Überzeugungen der Exposition nicht verändert hat. Wenn andererseits das hintere Expositionsverhältnis kleiner oder höher als das vorherige Verhältnis ist, hat die Krankheit die Sicht der Expositionsgefahr geändert, und das Ausmaß dieser Änderung ist das Risikoverhältnis.
Numerisches Beispiel [ edit ]
| Beispiel für Risikoreduzierung | |||
|---|---|---|---|
| Experimentelle Gruppe (E) | Kontrollgruppe (C) | Insgesamt | |
| Ereignisse (E) | EE = 15 | CE = 100 | 115 |
| Nichtereignisse (N) | EN = 135 | CN = 150 | 285 |
| Insgesamt Probanden (S) | ES = EE + EN = 150 | CS = CE + CN = 250 | 400 |
| Ereignisrate (ER) | EER = EE / ES = 0,1 oder 10% | CER = CE / CS = 0,4 oder 40% | |
No comments:
Post a Comment