van de website van het U. S. Agency for Healthcare Research and Quality page on odds ratio’ s:

definitie: de kans dat een gebeurtenis zich voordoet in een groep vergeleken met de kans dat het zich voordoet in een andere groep. De odds ratio (or) is een maat voor de grootte van het effect en wordt vaak gebruikt om resultaten te vergelijken in klinische studies.

voorbeeld: een onderzoek vergeleek bijvoorbeeld twee groepen vrouwen die tijdens hun zwangerschap diabetes ontwikkelden. De ene groep werd behandeld met metformine en de andere groep werd behandeld met insuline., De onderzoekers noteerden hoeveel van de moeders hun baby ‘ s eerder dan verwacht ter wereld brachten (minder dan 37 weken na het zwanger worden). Bij de berekening van de odds van een vroege bevalling was de odds ratio (OR) voor metformine 1,06. Dit betekent dat bij de vrouwen die metformine gebruikten de kans op een vroege bevalling iets (1,06 keer) toenam in vergelijking met de vrouwen die insuline gebruikten.

Ik vroeg Jerome R Hoffman, MA, MD, Professor Of Medicine Emeritus, UCLA School Of Medicine om een korte primer te schrijven over odds ratio ‘ s., Ik vertelde hem dat een journalist mij onlangs had gevraagd:

“wat de heck moet ik doen met odds ratio’ s in studies?

van wat ik heb gelezen, odds ratio ‘ s zijn niet hetzelfde als relatieve risico, maar journalisten en lezers meestal veronderstellen dat ze zijn: ze denken dat iets is twee keer zo waarschijnlijk als de odds ratio is 2.0. Maar dat is niet wat dat betekent.

Ik schrijf dagelijks over studies en vermijd het citeren van odds ratio ‘ s. In plaats daarvan probeer ik onderzoekers te krijgen om ze te verbergen om begrijpelijker nummers indien mogelijk., Als onderzoekers dat niet kunnen of willen doen-sommigen lijken net zo verward over het concept van odds ratio ‘ s als iedereen — gebruik ik vage taal als “X is significant waarschijnlijker dan Y.”

maar dat is niet echt nuttig voor lezers. En als onderzoekers en journalisten de odds ratio ‘ s niet kunnen begrijpen, Weet ik niet hoe ik lezers kan leren ze te begrijpen.

Wat denkt u? Moeten odds ratio ‘ s worden gerapporteerd als zijnde hetzelfde als het relatieve risico? Moeten ze überhaupt worden gemeld?”

Dit is wat Dr. Hoffman schreef.,

wanneer we denken aan het relatieve effect van twee concurrerende benaderingen (tests, geneesmiddelen, interventies, enz.), denken we intuïtief na over wat wiskundig bekend staat als de risicoratio. Als het ene medicijn 80% van de mensen geneest en het andere medicijn 90%, wordt het relatieve risico (RR) van een slechte uitkomst gehalveerd. De RR is dus 0,5, en de relatieve risicoreductie ( RRR) = 50%. Dit wordt natuurlijk in de meeste gevallen beter gepresenteerd als absolute risicoreductie (Arr), wat in dit voorbeeld 10% zou zijn. (De NNT is de inverse van de ARR, dus in dit geval is het 1/10, of 10.,

Voor bepaalde soorten onderzoeken, waarbij de grootte van de groepen krijgen elk van de interventies is niet natuurlijk, maar in plaats daarvan vastgesteld door de opzet van de studie (bijvoorbeeld in een case-control studie, wanneer men willekeurig gekozen om de omvang van de controle groep is dezelfde als die van de gevallen), zou het statistisch ongepaste te presenteren resultaten in termen van RR; in zulke gevallen is het fijn om te gebruiken odds ratio (OR) als een surrogaat voor RR – zolang men niet dan doen alsof ze hetzelfde betekenen (of nog erger, dan het presenteren van resultaten in termen die suggereren dat ze vertegenwoordigen een verandering in het risico.,) Natuurlijk gebruiken sommige mensen of zelfs wanneer RR statistisch gezien passend is-wat een beetje op vals spelen lijkt; ze doen dit omdat Of altijd indrukwekkender lijkt dan RR.

voor bepaalde soorten resultaten (wanneer de uitkomst zeldzaam is voor beide groepen) of vrij dicht RR benadert (het is slechts een beetje beter); hoe vaker de uitkomsten echter, hoe meer deze twee maten verschillen (en of beginnen er veel indrukwekkender uit te zien).

Ik kan u dit laten zien met zeer eenvoudige wiskunde.,

RR wordt berekend als de verhouding tussen de groepen die worden vergeleken ten opzichte van het % dat het resultaat van rente heeft. Dus als er een slecht resultaat in 10% vs 5% in 2 groepen van 100 patiënten elk, de RR is 5/100 gedeeld door 10/100, of 5/10, of de helft.,

dit wiskundige fenomeen doet zich voor omdat voor zowel RR als of de teller gewoon het aantal mensen is met de uitkomst in kwestie, maar terwijl voor RR de noemer altijd hetzelfde is — het totaal N in de groep-voor of het blijft afnemen (met steeds grotere impact op de uiteindelijke berekening) als het aantal (slechte) uitkomsten afneemt.

wanneer een auteur zegt “6 keer de kans” voor de laatste, Hij is ofwel liegen, of onwetend. (Ik ben beide tegengekomen.,)

hetzelfde geldt voor RRS en ORs <1, waar de slechte resultaten afnemen, bijvoorbeeld; voor een RR van 0,5, kan de OR zeer vergelijkbaar zijn, bij 0,49, bijvoorbeeld-of zeer verschillend, bij 0,16, gebruikmakend van de inverse van dezelfde voorbeelden van boven.

de Betekenis van OR is niet op afstand intuïtief, dus het uitdrukken in termen die suggereren wat we begrijpen door een relatieve kans op A vs B is ongepast — en afhankelijk van de specifieke kenmerken, kan zeer misleidend zijn.

terug naar “Tips for Understanding Studies”