PMC
Riskiero, riskisuhde ja odds ratio vaikutusten mittareina kohorttirakenteessa
Kohorttitutkimusrakenteessa tavoitellaan altistuksen, kuten hoidon, vaikutusta prospektiivisesti. Kohorttitutkimuksessa poimitaan riittävän kokoinen satunnaisotos kohdejoukosta, minkä jälkeen koehenkilöt jaetaan satunnaisesti joko altistuneiden tai altistumattomien ryhmään. Altistumisen vaikutusta tarkkaillaan muutoksina kiinnostuksen kohteena olevassa lopputuloksessa ajan kuluessa. Riski on helppo laskea siten, että altistuneiden ja altistumattomien ryhmien tautia sairastavien henkilöiden lukumäärä jaetaan molempien ryhmien kaikkien henkilöiden lukumäärällä. Kohorttitutkimuksessa meillä on selkeä nimittäjä: ryhmiin sijoitettujen henkilöiden lukumäärä. RD- ja RR-arvoja käytetään usein arvioitaessa altistuneiden ja kontrolliryhmien välistä yhteyttä. RD, joka tunnetaan myös nimellä AR tai liiallinen riski, edustaa riskin määrää, joka on vähentynyt tai lisääntynyt, kun altistuminen on olemassa, verrattuna siihen, kun altistumista ei ole. Positiivinen RD-arvo tarkoittaa lisääntynyttä riskiä ja negatiivinen tarkoittaa altistumisen pienentämää riskiä. RR lasketaan altistuneen ryhmän riskinä jaettuna altistumattoman ryhmän riskillä. RR-arvo 1 tarkoittaa, että riskissä ei ole eroa ryhmien välillä, ja suuremmat tai pienemmät arvot tarkoittavat lisääntynyttä tai vähentynyttä riskiä altistuneessa ryhmässä verrattuna altistumattoman ryhmän riskiin, mikä voidaan tulkita siten, että taudin ilmaantuminen on vastaavasti todennäköisempää tai epätodennäköisempää altistuneessa ryhmässä.
Kohorttitutkimuksissa voidaan lisäksi käyttää samaan tarkoitukseen myös OR:ää. OR on taudin esiintymistodennäköisyyksien suhde altistuneessa ryhmässä ja altistumattomassa ryhmässä. Tulkinta OR ei ole yhtä intuitiivinen kuin RR. OR-arvo 1 tarkoittaa, että ryhmien välillä ei ole eroa kertoimissa, ja suurempi arvo kuin 1 tarkoittaa, että altistuneen ryhmän kertoimet ovat kasvaneet, mikä tulkitaan positiiviseksi yhteydeksi sairauden ja altistumisen välillä. Sitä vastoin OR-arvo, joka on pienempi kuin 1, tarkoittaa pienentynyttä todennäköisyyttä altistuneessa ryhmässä, mikä tulkitaan taudin ja altistumattomuuden väliseksi yhteydeksi. Vaikka OR:n tulkinta on samanlainen kuin RR:n tulkinta, niillä on samanlaiset arvot vain silloin, kun molempien ryhmien riskit ovat hyvin pienet, esim. p < 0,1. Muussa tapauksessa niiden arvot eroavat toisistaan. Kuten taulukosta 2 nähdään, RR:n ja OR:n arvot ovat suunnilleen samat vain silloin, kun molempien ryhmien riski on hyvin pieni (p < 0,1, esimerkit 1-5 taulukossa 2). Kun jommankumman tai molempien ryhmien riskit eivät kuitenkaan ole kovin pienet (p > 0,1), RR- ja OR-arvojen välillä on huomattavia eroja (esimerkit 6-14, taulukko 2). Yleissääntönä on, että OR-arvo kuvastaa aina suurempaa vaikutuksen kokoa tai vahvempaa yhteyttä osoittamalla pienempiä OR-arvoja kuin vastaavat RR-arvot, kun RR < 1, ja suurempia OR-arvoja, kun RR > 1. Taulukosta 2 voidaan vahvistaa, että kaikilla tapauksilla, joiden RR oli suurempi kuin 1, oli paljon suuremmat OR-arvot (esimerkit 6-8 ja 10-14), ja tapauksella, jonka RR oli pienempi kuin 1, oli pienempi OR-arvo kuin vastaava RR-arvo (esimerkki 9). Näin ollen OR-arvon virheellinen tulkinta RR-arvona johtaa vaikutuksen yliarviointiin joko suurentamalla tai pienentämällä virheellisesti todellisia riskejä. Kuvassa 1 esitetään, että OR- ja RR-arvojen väliset erot kasvavat sitä suuremmiksi, mitä suuremmaksi kontrolliryhmän lähtötason riski (I0) kasvaa.1 Erityisesti kun lähtötason riski on niinkin suuri kuin 0,5, RR:n enimmäisarvo rajoittuu arvoon 2, kun taas OR:n arvo lähestyy ääretöntä.
Taulukko 2
Nro. of event | Riski (p) | Odds | Riskiero | Riskisuhde | Oddsuhde | ||||
---|---|---|---|---|---|---|---|---|---|
Esimerkki | Kontrolli | Tx. | Control (1) | Tx. (2) | Control (3) | Tx. (4) | (2) – (1) | (2) / (1) | (4) / (3) |
1 | 1 | 2 | 0.001 | 0.002 | 0.001 | 0.002 | 0.001 | 2.000 | 2.000 |
2 | 5 | 10 | 0.005 | 0.010 | 0.005 | 0.010 | 0.005 | 2.000 | 2.000 |
3 | 10 | 20 | 0.010 | 0.020 | 0.010 | 0.020 | 0.010 | 2.000 | 2.000 |
4 | 15 | 30 | 0.015 | 0.030 | 0.015 | 0.031 | 0.015 | 2.000 | 2.067 |
5 | 50 | 100 | 0.050 | 0.100 | 0.053 | 0.111 | 0.050 | 2.000 | 2.096 |
6 | 100 | 200 | 0.100 | 0.200 | 0.111 | 0.250 | 0.100 | 2.000 | 2.252 |
7 | 200 | 400 | 0.200 | 0.400 | 0.250 | 0.667 | 0.200 | 2.000 | 2.668 |
8 | 200 | 700 | 0.200 | 0.700 | 0.250 | 2.333 | 0.500 | 3.500 | 9.333 |
9 | 500 | 200 | 0.500 | 0.200 | 1.000 | 0.250 | -0.300 | 0.400 | 0.250 |
10 | 500 | 600 | 0.500 | 0.600 | 1.000 | 1.500 | 0.100 | 1.200 | 1.500 |
11 | 500 | 700 | 0.500 | 0.700 | 1.000 | 2.333 | 0.200 | 1.400 | 2.333 |
12 | 500 | 990 | 0.500 | 0.990 | 1.000 | 99.00 | 0.490 | 1.980 | 99.00 |
13 | 900 | 950 | 0.900 | 0.950 | 9.000 | 19.00 | 0.050 | 1.060 | 2.111 |
14 | 998 | 999 | 0.998 | 0.999 | 499.0 | 999.0 | 0.001 | 1.001 | 2.002 |
OR-arvoa on käytetty hyvin suosittuna vaikutuksen estimaattina epidemiologisissa tutkimuksissa. Koska logistista regressiota on käytetty usein binääristen lopputulosten monimuuttujaisessa arvioinnissa, myös OR, joka on logistisen regression eksponentoitu regressiokerroin, on ollut suosittu. Logistisella regressiolla on se laskennallinen etu, että konvergenssi on tehokas, koska siihen liittyvä logit-linkki voi muuntaa riskin (p) arvot, jotka rajoittuvat 0:sta 1:een, log-kertoimen arvoiksi, jotka vaihtelevat negatiivisesta äärettömästä positiiviseen äärettömään. Onneksi monilla hengenvaarallisilla sairauksilla on yleensä hyvin pieni riski (tai esiintyvyys), esim. alle 0,1, joten OR:n käyttö on perusteltua RR:n hyvänä estimaattorina. Kun analysoimme tietoja yleisistä sairauksista, kuten hammaskarieksesta tai parodontiitista, meidän on kuitenkin oltava varovaisia, ettemme tulkitse vahvaa yhteyttä OR:n avulla ikään kuin se olisi RR:n avulla. Koska OR-arvo on kaukana 1:stä kuin vastaava RR-arvo silloin, kun sairaus ei ole harvinainen, jotta vältettäisiin mahdollinen virhe vaikutuksen yliarvioimisesta, tuloksena saatu OR-arvo voidaan muuntaa RR:ksi seuraavan yhtälön avulla vain silloin, kun perusriski voidaan olettaa asianmukaisesti:
RR=OR1-I0*1-OR, jossa I0 on kontrolliryhmän perusriski.2
Jos lopputulos ei ole harvinainen, Poisson-regressio tai log-binomimalli ovat suositeltavampia RR:n saamiseksi logistisen regression sijasta.