一个被我们忽视的效应量——率差

最近小编和别人合作的论文收到了审稿意见,编辑提出:please add a column of data showing, for each outcome, the betweengroup difference in the absolute rates, with 95% CI for the difference.小编就不懂了,明明在结果的表里已经明确列出了研究的效应量——RR值。编辑提出要增加the between group difference inthe absolute rates是为啥?

大家都知道,涉及结局是分类资料的组间比较,效应量常见的有两个。对于是可以计算率的研究设计方案(如队列研究或试验性研究)效应量往往是RR(Relative risk);而对于哪些没办法计算率的研究设计方案,效应量往往是OR(Odds ratio)。小编参与的文章是一个试验性研究,主要研究终点是两个干预组妊娠率的比较,在论文中通过计算RR值来表达组间差别这没毛病啊。为了解开这个疑惑,小编查了某些大刊的很多已发表的论文,发现确实有很多效应量是absolute rate difference,尤其是JAMA,往往两种率的比较都会展示率差RD(Rate difference)。这是为神马呢?我们来看看RR和RD有什么区别。

让我们先拿出临床研究中最常见的四格表。

一个被我们忽视的效应量——率差-图片1

  也就是,RR是相对量,临床意义是如果用了试验组的干预,结局事件发生率是对照组的多少倍。RD是个绝对量,临床意义是如果用了试验组的干预,结局事件发生率能上升百分之几。以前我们总是比较关注RR值,因为往往我们统计软件会主动的计算RR甚至RR的95%可信区间,以相对量来表达研究结果可以不受对组组事件发生率的影响,不同的试验中似乎可以比较轻松的进行横向比较。因此,研究者都会比较钟爱RR这个相对量。但是为什么编辑非要我们提供绝对量RD的大小呢?细想下来,可能有以下两个原因:

首先,率差RD是绝对获益,容易被患者接受和理解。在给患者介绍治疗方案的时候,如果讲的是RR值,那将是:如果您使用**药,那么您治愈的机率是用##药的RR倍。这种说法不仅不好理解还难以想象获益有多大。如果用的是RD的话,那就可以这么讲:如果您使用**药,会比用##药多RD%可能治愈。是不是觉得这种说法更接地气,患者能有更直观的理解?

其次,RD对制定临床决策更直观。以前我们给大家介绍过一个概念,NNT(number needed to treat)需治疗人数。其实就是RD的倒数,即NNT=1/RD。比如:

一个被我们忽视的效应量——率差-图片2

  RD=0.5%-5%=4.5% NNT= 1/RD =1/4.5%=22也就是为避免1例脑血管事件的发生需要治疗22例患者。这个对于卫生行政部门制定卫生政策,比如是否把药物纳入医保;以及对于医生做出是否推荐给患者的决策都有很明确的意义和价值。

看到这儿,大家都明白为什么编辑建议我们补充RD以及95%可信区间了吧。率差RD是一个非常重要,但同时也常被我们忽视的效应指标,尤其是大家的研究是一个特别贴近临床的课题,研究结果可能会对临床实践有影响的时候别忘记这个效应量哦。

发表评论

匿名网友