från US Agency for Healthcare Research och Quality website sida på odds ratios:

Definition: risken för en händelse som inträffar i en grupp jämfört med risken för att det inträffar i en annan grupp. Oddsförhållandet (eller) är ett mått på effektstorlek och används ofta för att jämföra resultat i kliniska prövningar.

exempel: till exempel jämförde en forskningsstudie två grupper av kvinnor som utvecklade diabetes under sina graviditeter. En grupp behandlades med metformin och den andra gruppen behandlades med insulin., Forskarna registrerade hur många mödrar som levererade sina barn tidigare än förväntat (mindre än 37 veckor efter att ha blivit gravid). När de beräknade oddsen för en tidig leverans var oddsförhållandet (eller) för metformin 1, 06. Detta innebär att de kvinnor som tog metformin hade en liten ökning (1, 06 gånger) av oddsen för tidig förlossning jämfört med de kvinnor som tog insulin.

Jag frågade Jerome R Hoffman, MA, MD, Professor i medicin Emeritus, UCLA School of Medicine att skriva en kort primer på oddsförhållanden., Jag berättade för honom att en journalist nyligen hade frågat mig:

”vad ska jag göra med oddsförhållanden i studier?

från vad jag har läst är oddsförhållandena inte samma som relativ risk, men journalister och läsare antar vanligtvis att de är: de tror att något är dubbelt så troligt om oddsförhållandet är 2.0. Men det är inte vad det betyder.

jag skriver om studier dagligen och undviker att citera oddsförhållanden. Istället försöker jag få forskare att dölja dem till mer begripliga siffror när det är möjligt., Om forskare inte kan eller kommer inte att göra det — vissa av dem verkar så förvirrade om begreppet odds förhållanden som någon annan — Jag använder vagt språk som ”X är betydligt mer sannolikt än Y.”

men det är inte riktigt bra för läsarna. Och om forskare och journalister inte kan förstå odds förhållanden, Jag vet inte hur jag kan lära läsarna att räkna ut dem.

vad tycker du? Ska odds nyckeltal rapporteras som samma som relativ risk? Ska de rapporteras alls?”

Så här är vad Dr.Hoffman skrev.,

När vi tänker på den relativa effekten av två konkurrerande tillvägagångssätt (test, droger, interventioner etc.) tänker vi intuitivt på vad som matematiskt kallas riskförhållandet. Om ett läkemedel botar 80% av människor, och det andra läkemedlet botar 90%, skärs den relativa risken (RR) av ett dåligt resultat i hälften. RR är därför 0,5 och den relativa riskreduktionen (RRR) = 50%. Detta presenteras naturligtvis i de flesta fall bättre som absolut riskreduktion (ARR), vilket skulle vara 10% i detta exempel. (NNT är inversen av ARR, så i det här fallet skulle det vara 1/10 eller 10.,

För vissa typer av studier, där storleken på de grupper som får var och en av interventionerna inte är naturlig, utan i stället fastställs av studiedesignen (till exempel i en fallkontrollstudie, när man godtyckligt har valt att göra kontrollgruppens storlek densamma som För fallen), skulle det vara statistiskt olämpligt att presentera resultat när det gäller RR; i sådana fall är det bra att använda oddsration (eller) som en surrogat för RR – så länge man inte sedan låtsas att de betyder samma sak (eller ännu värre, då presentera resultaten när det gäller det tyder på att de utgör en riskförändring.,) Naturligtvis vissa människor använder eller ens när rr är statistiskt lämpligt — vilket är lite som fusk; de gör detta eftersom eller alltid ser mer imponerande än rr.

För vissa typer av resultat (när resultatet är sällsynt för båda grupperna) eller ganska nära approximerar RR (det är bara lite bättre); ju vanligare resultaten desto mer skiljer sig dessa två åtgärder (och eller börjar se mycket mer imponerande ut).

Jag kan visa detta för dig med mycket enkel matematik.,

RR beräknas som förhållandet mellan grupperna som jämförs med de % som har resultatet av intresse. Således om det finns ett dåligt resultat i 10% vs 5% i 2 grupper av 100 patienter vardera, är rr 5/100 dividerat med 10/100, eller 5/10, eller en halv.,

detta matematiska fenomen uppstår eftersom för både RR och eller täljaren helt enkelt är antalet personer med resultatet i fråga, men medan för RR är nämnaren alltid densamma — den totala n i gruppen — för eller det fortsätter att minska (med större och större inverkan på den slutliga beräkningen) som antalet (dåliga) resultat minskar.

När en författare säger ”6 gånger chansen” för den senare, ljuger han antingen eller okunnig. (Jag har stött på båda.,)

detsamma gäller för RRs och ORs <1, där dåliga resultat minskar, till exempel; för en rr på 0,5 kan den eller vara mycket likartad, vid 0,49, till exempel – eller mycket annorlunda, vid 0,16, med hjälp av inversen av samma exempel ovanifrån.

betydelsen av eller är inte på distans intuitiv, så att uttrycka det i termer som tyder på vad vi förstår med en relativ chans att en vs B är olämpligt-och beroende på detaljerna, kan vara extremt vilseledande.

tillbaka till ”Tips för att förstå studier”