Fra US Agency for Healthcare Forskning og Kvalitet webside på odds ratios:

Definition: chancen for en begivenhed, der indtræffer i en gruppe i forhold til chancen for at det, der forekommer i en anden gruppe. Oddsforholdet (OR) er et mål for effektstørrelse og bruges ofte til at sammenligne resultater i kliniske forsøg.eksempel: for eksempel sammenlignede en forskningsundersøgelse to grupper af kvinder, der udviklede diabetes under deres graviditeter. Den ene gruppe blev behandlet med metformin, og den anden gruppe blev behandlet med insulin., Forskerne registrerede, hvor mange af mødrene, der leverede deres babyer tidligere end forventet (mindre end 37 uger efter at de blev gravide). Når de beregnet oddsene for en tidlig levering, var oddsforholdet (OR) for metformin 1.06. Det betyder, at de kvinder, der tog metformin, havde en lille stigning (1,06 gange) i Oddsene for at få en tidlig fødsel sammenlignet med de kvinder, der tog insulin.

jeg spurgte Jerome R Hoffman, MA, MD, Professor i Medicin Emeritus, UCLA School of Medicine til at skrive en kort primer på odds-ratioer., Jeg fortalte ham, at en journalist for nylig havde spurgt mig:

“hvad pokker skal jeg gøre med oddsforhold i studier?

fra det, jeg har læst, er oddsforhold ikke det samme som relativ risiko, men journalister og læsere antager normalt, at de er: de tror, at noget er dobbelt så sandsynligt, hvis oddsforholdet er 2.0. Men det er ikke, hvad det betyder.

Jeg skriver om undersøgelser dagligt og undgår at citere oddsforhold. I stedet forsøger jeg at få forskere til at skjule dem til mere forståelige tal, når det er muligt., Hvis forskere ikke kan eller ikke vil gøre det — nogle af dem virker så forvirrede over begrebet oddsforhold som nogen anden — bruger jeg vagt sprog som “r betydeligt mere sandsynligt end Y.”

men det er ikke rigtig nyttigt for læserne. Og hvis forskere og journalister ikke kan forstå oddsforhold, ved jeg ikke, hvordan jeg kan lære læsere at finde ud af dem.

Hvad synes du? Skal odds ratio rapporteres som værende den samme som relativ risiko? Skal de rapporteres overhovedet?”

så her er hvad Dr. Hoffman skrev.,

Når vi tænker på den relative effekt af to konkurrerende tilgange (test, medicin, interventioner osv.), tænker vi intuitivt på, hvad der er matematisk kendt som risikoforholdet. Hvis et lægemiddel hærder 80% af befolkningen, og det andet lægemiddel hærder 90%, skæres den relative risiko (RR) for et dårligt resultat i halvdelen. RR er derfor 0,5, og den relative risikoreduktion (RRR) = 50%. Dette præsenteres naturligvis i de fleste tilfælde bedre som absolut risikoreduktion (ARR), hvilket ville være 10% i dette eksempel. (NNT er den inverse af ARR, så i dette tilfælde ville det være 1/10 eller 10.,

For visse typer af undersøgelser, hvor størrelsen af de grupper, som får hver af de interventioner, som ikke er naturlige, men i stedet fast i den undersøgelse, design (for eksempel i en case-kontrol undersøgelse, når man har vilkårligt valgt at gøre størrelsen af kontrolgruppen, der er det samme som, at af tilfældene), at det ville være statistisk upassende at præsentere resultaterne i form af RR; i sådanne tilfælde, det er fint at bruge odds ration (OR) som et surrogat for RR – så længe man ikke så lade, som om de betyder det samme (eller endnu værre, så fremlægge de resultater, der tyder på, at de repræsenterer en ændring i risikoen.,) Selvfølgelig bruger nogle mennesker eller endda når RR er statistisk passende-hvilket er lidt som snyd; de gør dette, fordi eller altid ser mere imponerende ud end RR.

for visse typer resultater (når resultatet er sjældent for begge grupper) eller temmelig tæt tilnærmet RR (det er kun lidt bedre); jo mere almindelige resultaterne er, desto mere afviger disse to foranstaltninger (og eller begynder at se meget mere imponerende ud).

Jeg kan vise dette til dig med meget enkel matematik.,

RR beregnes som forholdet mellem de grupper, der sammenlignes med hensyn til den%, der har resultatet af interesse. Så hvis der er et dårligt resultat i 10% mod 5% i 2 grupper på 100 patienter hver, er RR 5/100 divideret med 10/100 eller 5/10 eller en halv.,

Denne matematiske fænomen opstår, fordi både RR og ELLER tælleren er antallet af mennesker med resultatet i spørgsmål, men samtidig, for at RR nævneren er altid det samme — at den samlede N i gruppen — ELLER det holder faldende (med større og større indflydelse på den endelige beregning) som antallet af (dårlige) resultater falder.

Når en forfatter siger “6 gange chancen” for sidstnævnte, lyver han enten eller uvidende. (Jeg har stødt på begge.,)

Det samme gælder for Reservekrav og regionerne i den yderste Periferi <1, hvor dårlige resultater er faldende, for eksempel, for en RR på 0,5, ELLER kan være meget ens, på 0.49, for eksempel – eller meget forskellige, på 0.16, ved hjælp af den inverse værdi af de samme eksempler fra oven.

betydningen af eller er ikke fjernt intuitiv, så det at udtrykke det i termer, der antyder, hvad vi forstår ved en relativ chance for en vs B, er upassende — og afhængigt af specifikationerne kan det være ekstremt vildledende.

Tilbage til “Tips til forståelse af studier”