av Audrey Schnell
oddsförhållanden och relativa risker är ofta förvirrade trots att de är unika begrepp. Varför?
Tja, både mäta sambandet mellan en binär resultatvariabel och en kontinuerlig eller binär prediktorvariabel.
och tyvärr används namnen ibland omväxlande. De borde inte vara för att de faktiskt tolkas annorlunda. Så det är viktigt att hålla dem åtskilda och att vara exakt på det språk du använder.,
den grundläggande skillnaden är att oddsförhållandet är ett förhållande mellan två odds (Japp, det är så uppenbart) medan den relativa risken är ett förhållande mellan två sannolikheter. (Den relativa risken kallas också riskkvoten). Låt oss titta på ett exempel.
relativ Risk/riskförhållande
Antag att du har en skola som vill testa ett nytt handledning program. I början av läsåret de införa den nya handledning program (behandling) för en grupp studenter slumpmässigt utvalda från dem som misslyckas minst 1 ämne i slutet av 1: a kvartalet., De återstående studenterna får det vanliga akademiska stödet (kontrollgrupp).
i slutet av skolåret mäts antalet elever i varje grupp som misslyckas med någon av sina klasser. Att misslyckas med en klass anses vara utfallshändelsen vi är intresserade av att mäta. Från dessa data kan vi bygga en tabell som beskriver frekvensen av två möjliga resultat för var och en av de två grupperna.
sannolikheten för en händelse i behandlingsgruppen är A / (A+B)= R1 ., Det är antalet handledare som upplevde en händelse (misslyckas en klass) av det totala antalet handledare. Du kan tänka på det här sättet, om en student är handledare, vad är sannolikheten (eller risken) för att misslyckas med en klass?
på samma sätt är sannolikheten för en händelse i kontrollgruppen c / (c+d) = R2. Återigen är det bara antalet otutored studenter upplevde en händelse av det totala antalet otutored studenter.
även om var och en av dessa sannolikheter (dvs. risker) i sig är ett förhållande, är detta inte riskförhållandet., Risken att misslyckas i de handledda studenterna behöver jämföras med risken i de outtalade studenterna för att mäta effekten av handledning.
förhållandet mellan dessa två sannolikheter R1 / R2 är den relativa risken eller riskkvoten. Ganska intuitivt.
Om programmet fungerade, bör den relativa risken vara mindre än en, eftersom risken för att misslyckas bör vara mindre i handledning gruppen.
om den relativa risken är 1, gjorde handledning ingen skillnad alls. Om det är över 1, hade handledning gruppen faktiskt en högre risk att misslyckas än kontrollerna.,
Odds Ratio
oddsförhållandet är förhållandet mellan oddsen för en händelse i behandlingsgruppen och oddsen för en händelse i kontrollgruppen. Termen ”Odds” är vanligt, men inte alltid klart, och används ofta olämpligt.
oddsen för en händelse är antalet händelser / antalet icke-händelser.
detta visar sig motsvara sannolikheten för en händelse/sannolikheten för en icke-händelse.
du ser ofta odds skrivna som P / (1-p).,
så till exempel i behandlingsgruppen är oddsen för en händelse antalet handledare som misslyckades med en klass / antalet studenter i den undervisade gruppen som passerade alla sina klasser.
täljaren är densamma som för en sannolikhet, men nämnaren här är annorlunda. Det är inte ett mått på händelser av alla möjliga händelser. Det är ett förhållande mellan händelser och icke-händelser. Du kan växla fram och tillbaka mellan sannolikhet och odds—båda ger dig samma information, bara på olika skalor.,
om O1 är oddsen för händelsen i behandlingsgruppen och O2 är oddsen för händelsen i kontrollgruppen då oddsförhållandet är O1 / O2. Precis som riskförhållandet är det ett sätt att mäta effekten av handledning programmet på oddsen för en händelse.
jämför detta med RR vilket är sannolikheten för att en händelse inträffar (a/a+b)/sannolikheten för att händelsen inte inträffar (c / c+d).
referenser och vidare läsning:
- fallkontrollstudier: Design, uppförande, analys (monografier i epidemiologi och biostatistik) 1: a upplagan James J., Schlesselman
- grunden för epidemiologi 2: a upplagan Lilienfeld och Lilienfeld.
- Essentials av biostatistik. Robert C. Elston och William D., Johnson 1994
- Varför använda Odds nyckeltal i logistisk Regression
- förstå Sannolikhet, Odds och Odds nyckeltal i logistisk Regression
