在临床研究中,常常有OR、RR值,表示某因素对病情的影响程度。
下面学习一下Odds、OR、RR的概念:
在病例对照研究中,可以画出下列的四格表:
------------------------------------------------------
暴露因素
-----------------------------------------------------
暴露
非暴露
-----------------------------------------------
Odds:
odds1 = (a/(a+c))/(c(a+c)) = a/c,
对照组的暴露比值为:
odds2 = (b/(b+d))/(d/(b+d)) = b/d
OR:比值比,为:病例组的暴露比值(odds1)/对照组的暴露比值(odds2) = ad/bc
换一种角度,暴露组的疾病发生比值:
odds1 = (a/(a+b))/(b(a+b)) = a/b
非暴露组的疾病发生比值:
odds2 = (c/(c+d))/(d/(c+d)) = c/d
OR = odds1/odds2 = ad/bc
与之前的结果一致。
OR的含义与相对危险度相同,指暴露组的疾病危险性为非暴露组的多少倍。OR>1说明疾病的危险度因暴露而增加,暴露与疾病之间为“正”关联;OR<1说明疾病的危险度因暴露而减少,暴露与疾病之间为“负”关联。
关联强度大致如下:
--------------------------------------------------------
--------------------------------------------------------
不同发病率情况下,OR与RR的关系图如下:
当发病率<10%时,RR与OR很接近。当发病率增大时,两者的差别增大。当OR>1时,OR高估了RR,当OR<1时,OR低估了RR。
设疾病在非暴露人群中的发病为P0,则可用下列公式对RR记性校正:
RR = OR/((1-P0)+(P0*OR))
若P0未知,可以用c/(c+d)估计。
SPSS的“交叉表(cross-table)”检验和Logistic回归分析可以直接给出OR值及置信区间。
交叉表检验中,勾选“风险”选项,如图:
Logisti回归中,勾选“EXP(B)的CI”选项,如图: