统计学中RRORARHR的区别

1、统计学中RR OR AR HR的区别2013-5-24 作者：MedSci   来源：MedSci 我要评论6 Tags: RR  HR  分享到：65一、相对危险度（RR）队列研究中分析暴露因素与发病的关联程度    队列研究是选择暴露及未暴露于某一因素的两组人群，追踪其各自的发病结局，比较两组发病结局的差异，从而判定暴露因素与疾病有无关联及关联大小的一种观察性研究。通常，暴露可以指危险因素，比如吸烟、高血压，也可指服用某种药物。而事件可以是疾

2、病发生，比如肺癌、心血管病，也可指服药后的治疗效果。    RR也叫危险比（risk ratio）或率比（rate ratio），是反映暴露与发病（死亡）关联强度的最有用的指标。RR适用于队列研究或随机对照试验。    RR表明暴露组发病或死亡的危险是非暴露组的多少倍。RR值越大，表明暴露的效应越大，暴露与结局关联的强度越大。即暴露组发病率或死亡率与非暴露组发病率或死亡率之比。    例题：Doll和Hill从1970年至1974年随访观察英国医生的吸烟情况，得到如下资料：重度吸烟者为

3、16010万，非吸烟者为810万，所有英国医生为8010万。假设肺癌死亡率可反映肺癌发病率。    RR的计算公式是：RR暴露组的发病或死亡率/ 非暴露组的发病或死亡率    本例中，与非吸烟者相比，重度吸烟者患肺癌的相对危险度是：RR160/820     相对危险度也叫危险比或率比，是暴露组发病率或死亡率与非暴露组发病率或死亡率之比，它是反映暴露与发病（死亡）关联强度的指标。当它有统计学意义时：    RR=1，说明暴露因素与疾病之间无关联。 

4、0;  RR1，说明暴露因素是疾病的危险因素（正相关）。认为暴露与疾病呈"正"关联，即暴露因素是疾病的危险因素。RR1，说明暴露因素是疾病的保护因素（负相关）。认为暴露与疾病呈"负"关联，即暴露因素是保护因素。    相对危险度应该是指治疗组发生不良反应（adverse outcome）的危险度除以对照组的危险度。（是对照组的多少倍）前瞻性研究（队列研究）    暴露    非暴露    合计病例  

5、60; a    b    a+b非病例    c    d    c+d合计    a+c    b+d    N如上表所示    暴露组的发病率为     1=a/(a+c)    非暴露组的发病率为   0=b/(b+d) 

6、   相对危险度           RR =  1/0  =  a/(a+c)  b/(b+d) 若总体RR大于或小于1，表示暴露因素对疾病有影响。当其大于1时，表示暴露因素是疾病有害因素，且RR越大，暴露因素对疾病的影响就越大。    当总体RR小于1时，表示暴露因素是疾病的保护性因素，且RR越小，暴露因素对疾病的保护作用就越大。    当总体RR等于1时，表示暴

7、露因素与疾病无关。    在回顾性研究（病例对照研究）中，由于无法计算发病率、死亡率等指标，也就无法计算RR。如下表所示回顾性研究（病例对照研究）    暴露    非暴露    合计病例    a    b    a+b对照    c    d    c+d合计   

8、 a+c    b+d    N    从表中数据可见，在回顾性研究（病例对照研究）中，显然缺乏计算RR的需的基本数据，但是可计算病例组的暴露率和非暴露率之比，即odds1 = P1/(1-P1) = a/(a+b)  b/(a+b)  ；可以计算对照组的暴露率和非暴露率之比，即odds0 = P0/(1-P0) = c/(c+d)  d/(c+d)  。而这两个比数之比即为比值比（Odds Ratio、机会比、优势比）。   

9、0;      OR =  P1/(1-P1)  P0/(1-P0)  =   a/(a+b)b/(a+b)     c/(c+d)d/(c+d)    =  ad  bc       当所研究疾病的发病率较低时OR近似于RR，故在回顾性研究中可用OR估计RR。OR值的解释与RR相同。二、归因危险度（AR）   

10、60; 又叫特异危险度、率差（rate difference, RD）和超额危险度（excess risk），    是暴露组发病率与对照组发病率相差的绝对值，它表示危险特异地归因于暴露因素的程度。    相对危险度指暴露组发病率与非暴露组的发病率之比，它反映了暴露与疾病的关联强度，说明暴露使个体发病的危险比不暴露高多少倍，或者说暴露组的发病危险是非暴露组的多少倍。暴露对疾病的病因学意义较大。    归因危险度指暴露组发病率与非暴露组发病率之差，它反映发病归因于暴露

11、因素的程度，表示暴露可使人群比未暴露时增加的超额发病的数量，如果暴露去除，则可使发病率减少多少(AR的值)。减少暴露对疾病的预防作用较大。特异危险度（AR）的计算公式是：AR暴露组的发病或死亡率-非暴露组的发病或死亡率上例中，每年每十万人由于重度吸烟所至肺癌的特异危险度是：AR160-8152三、比值比（OR病例对照研究中 暴露因素与疾病的关联强度   比值比（Odds ratio, OR）：也称优势比、比数比、交叉乘积比，是病例对照研究中表示暴露与疾病之间关联强度的指标，比值（odds）是指某事物发生的概率与不发生的概率之比。比值比指病例组中暴露人数与非暴露人数

12、的比值除以对照组中暴露人数与非暴露人数的比值。>1 暴露与疾病的危险度增加 正相关<1 暴露与疾病的危险度减少 负相关=1 暴露与疾病的危险度无关 无相关成组病例对照研究资料整理表暴露或特征病例对照合计有      aba+b=n1无    cdc+d=n0合计a+c=m1b+d=m0a+b+c+d=N病例组暴露比值为：(a/m1)/(c/m1)=a/c对照组暴露比值为：(b/m0)/(d/m0)=b/d比值比OR= 病例组暴露比值a/c  ÷  对照组

13、暴露比值b/d  = ad/bc                    相对危险度（relative risk，RR）是暴露组与非暴露组发病率之比。但在病例对照研究中不能计算发病率，只能计算OR，OR的含义与RR相同，是两个概率的比值，指暴露组的疾病危险度为非暴露组的多少倍，取值在0 - 之间。当OR>1时，说明暴露使疾病的危险度增加，是疾病的危险因素，叫做“正关联”；当OR<

14、;1时，说明暴露使疾病的危险度减少，叫做“负关联”，暴露因素对疾病有保护作用；当OR=1时，表示暴露与疾病无关联。OR(odds ratio) 比值比。OR=(A/B)÷(C/D)=AD/BC。RR和OR两个公式的区别，A/(A+B) 指暴露于某因素发生某事件的风险；A/B 指暴露人群中病例的比例，C/D指非暴露人群中病例的比例，所以OR也被称为优势比。当疾病非常罕见时，OR常可作为RR的近似值。OR通常适用于病例对照研究，也可以运用于前瞻性的研究（当观察时间相等时）。Logsitic回归模型可以得到OR值。计算OR的可信限由于比值比是对暴露和疾病联系强度的一个点估计值，此估计值未考

15、虑抽样误差，有其变异性，计算出这个变异区间有助于进一步了解联系的性质和强度，即按一定 的概率（可信度）来估计本次研究总体的比值比在什么范围内，这个范围称比值比的的可信区间，其上下限的数值为可信限。一般采用95%的可信限。计算OR值 可信区间除了有助于估计变异范围的大小外，还有助于检验OR值的判断意义，如区间跨越1，则暴露与疾病无关联。例1：Doll和Hill在1950年报告吸烟与肺癌关系的病例对照研究，结果如表表1 吸烟与肺癌关系的病例对照研究资料 -  吸烟史病例对照合计有  6886501338无  215980合计7097091

16、418 - 2检验 P<0.001，两组的暴露史比例差异显著，提示吸烟可能与肺癌有联系。 计算比值比OROR=688×59/650×21=2.97 计算OR 95%可信限故OR95%可信限为1.83-4.90。即总体的OR值有95%的把握在此范围内，分析结果说明吸烟对肺癌高度有害，说明吸烟者(暴露)患肺癌的的危险性为不吸烟者(非暴露)的1.83-4.90倍。风险比（hazard ratio,HR）HR=暴露组的风险函数h1(t)/非暴露组的风险函数h2(t),t指在相同的时间点上。而风险函数指危险率函数、条件死亡率、瞬时死亡率。Cox比例风险模型可以得到HR。资料的类

17、型通常是临床治疗性研究，也可以是流行病学的队列观察性研究。风险比和危害比。1、多数认为HR与RR意思一样，但HR有时间因素在内，换句话说，包含了时间效应的RR就是HR；2、可以这样理解，生存资料中，RR考虑了终点事件的差异，而HR不仅考虑了终点事件的有无，还考虑了到达终点所用的时间及截尾数据；3、根据Parmar的文章，HR（Or/Oe）/(Cr/Ce)，O和C分别代表对照组和试验组，r代表实际发生事件的人数，e代表按log rank test中计算得出的理论上应该发生事件的人数。其实HR的计算还有一种方法就是* this is assumed based on the constancy o

18、f the ratio over time, as above.对于提供生存率的文献，可以根据公式HR=p0/(1-p0)/p1/(1-p1),其中p0为对照组的5年生存率，p1为暴露组的5年生存率。* Hazard is an instaneous rate of a given outcome, which indeed factors time in. Hazard ratio is a raio of two hazards (Exp/Ctl) at that given time. By using hazard ratio as a summary estimate of the treatment effects in suvival data, we assume the hazard ratio is constant over time, which is a strong as