比值比
比值比
在數據統計中，比值比是量化在統計學群體中，屬性A與屬性B之間關係強弱的三個主要方法之一。如果在統計學群體中每一個個體存在（或不存在）屬性A（例如“高血壓”），並且存在（或不存在）屬性B（例如“適度飲酒”）。在這兩個屬性被適當定義的情況下，可以形成一個比率，定量描述人群中存在/不存在“A”（高血壓）和存在/不存在“B”（適度飲酒）的關係。這個比率是比值比（OR），可以遵循這些步驟j進行計算：
1、對於一個給定“B”的個體，計算同一個體有“A”的比率。
2、對於一個沒有“B”的給定個體，計算同一個體有“A”的比率。
3、從第1步的比率與步驟2的比率相除，以獲得比值比（OR）。
比值比（Odds ratio, OR）：又名機會比，優勢比，交叉乘積比（ Cross-product Ratio），相對比值（ Relative Odds ），兩個比值的比。暴露因素與疾病的關係 在進行暴露因素和疾病關係的研究時，暴露和疾病的關係可以總結為下列四格表：
| 暴露 | 無暴露 | |
| 病例 | a | b |
| 對照 | c | d |
比值比OR=ad/bc。①在病例對照研究中，比值比指病例組中暴露與非暴露人數的比值(a/b)和對照組中暴露與非暴露人數的比值 c/d) 的比，得出OR=ad/bc，所以又叫交叉乘積比，該值用作相對危險度的估計值。②在隊列研究中，指的是暴露組中患病與非患病者的比值(a/c)和非暴露組中患病與非患病者的比值(b/d)的比。也用作相對危險度的估計值。在隊列研究中，可以計算相對危險度，所以一般不計算比值比，但是有的時候根據需要也應用OR作為聯繫的強度的指標，例如在應用logistic回歸模型對隊列研究的資料進行多因素分析時，即應用OR值。
來源：王翔朴，王營通，李珏聲 主編.《衛生學大辭典》.青島：青島出版社.2000.第26-27頁.
由於廣泛使用邏輯回歸，這個幾率比是廣泛應用於醫學和社會科學研究的許多領域。常用的比值比調查研究，在流行病學和表達的結果臨床試驗，比如在病例對照研究。通常縮寫”或“在報告。當數據從多個調查相結合時，它通常會被表示為“池或“。
在臨床研究中，以及在其他一些設置，通常是最受關注的參數相對風險而不是優勢比。相對風險最好使用人口樣本估計，但如果罕見疾病的假設持有的優勢比是一個很好的近似相對風險幾率p / (1−p),所以當p走向零,1 p走向−1,這意味著風險的概率方法，相對風險的比值比的方法。罕見疾病的假設並不持有時，比值比可以高估的相關風險。
優勢比經常在醫學文獻與相對風險混淆。non-statisticians的優勢比是一個難以理解的概念，並給出了一個圖的效果更令人印象深刻。然而，大多數作者認為相對風險很容易理解。在一項研究中，國家疾病基金會的成員實際上是3.5倍比非會員聽說過一種常見的治療疾病，但優勢比24,該報指出，成員的超過20倍更有可能聽說過“治療。在兩個期刊上刊登的論文的一項研究報告說,26%的文章，使用一個優勢比解釋風險率。
這可能反映了簡單的過程不了解的作者選擇最讓人印象深刻的和可發布的數字。但是它的使用在某些情況下可能會故意欺騙。有人建議，給出的優勢比只能作為衡量影響的大小當風險率不能直接估計。
直接的優勢比另一個獨特的屬性數學可逆分析還是疾病生存或疾病發作的發病率或生存直接互惠1 /或風險。這就是所謂的“不變性的優勢比”。相比之下，相對風險並不擁有這個數學可逆財產當研究疾病的生存與發作的發病率。這種現象或可逆性與RR non-invertibility最好是用一個例子說明:
假設在一項臨床試驗中，有4/100的不良事件風險藥物組，在安慰劑和2/100…收益率RR = 2,或= 2.04166 drug-vs-placebo不良風險。然而，如果分析倒和不良事件而不是分析風平浪靜生存，那麼毒品集團將有96/100的速度，和安慰劑組的速度98/100-yielding drug-vs-placebo RR = 0.9796為生存，但OR = 0.48979。一個人可以看到,RR 0.9796顯然不是的倒數2的RR。相比之下,0.48979的確是直接的或互惠的或2.04166。
這又是所謂的優勢比的不變性，以及為什麼RR為生存不一樣的RR風險，而或有對稱屬性在分析生存或不良的風險。危險的臨床解釋或時副反應率並不罕見，從而誇大差異或罕見疾病的假設不滿足。另一方面，當疾病是罕見的，使用RR為生存(例如上面的RR = 0.9796)在臨床上可以隱藏和掩蓋與藥物相關的不良風險的一個重要加倍或曝光。
樣本比值比n11n00 / n10n01容易計算，和溫和的和大樣本進行估計的人口優勢比。當一個或多個細胞在列聯表可以有一個小值，樣本比值比有偏見的表現出高方差。大量的替代優勢比的估計提出了解決這一問題。另一個估計量是有條件的極大似然估計量，條件的行和列的利潤率時形成的可能性最大化(如確切概率法).估計是另一個選擇Mantel-Haenszel估計量.
以下四個應急表包含觀察細胞計數，連同相應的樣本比值比(或)和示例日誌比值比(生氣):
| 或= 1,啦= 0 | 或= 1,啦= 0 | 或= 4,啦= 1.39 | 或= 0.25,啦=−1.39 | |||||
| Y = 1 | Y = 0 | Y = 1 | Y = 0 | Y = 1 | Y = 0 | Y = 1 | Y = 0 | |
| X = 1 | 10 | 10 | 100年 | 100年 | 20 | 10 | 10 | 20 |
| x = 0 | 5 | 5 | 50 | 50 | 10 | 20 | 20 | 10 |
下面的聯合概率分佈包含人口細胞概率以及相應的人口優勢比(或)和人口日誌比值比(生氣):
| 或= 1,啦= 0 | 或= 1,啦= 0 | 或= 16日啦= 2.77 | 或= 0.67,啦=−0.41 | |||||
| Y = 1 | Y = 0 | Y = 1 | Y = 0 | Y = 1 | Y = 0 | Y = 1 | Y = 0 | |
| X = 1 | 0.2 | 0.2 | 0.4 | 0.4 | 0.4 | 0.1 | 0.1 | 0.3 |
| x = 0 | 0.3 | 0.3 | 0.1 | 0.1 | 0.1 | 0.4 | 0.2 | 0.4 |
| 示例1:風險降低 | 示例2:風險增加 | |||||
| 實驗組(E) | 對照組(c) | 總 | (E) | (c) | 總 | |
| 事件(E) | EE = 15 | CE = 100 | 115年 | EE = 75 | CE = 100 | 175年 |
| 有驚無險(N) | EN = 135 | CN = 150 | 285年 | EN = 75 | CN = 150 | 225年 |
| 總課題(年代) | ES = EE + = 150 | CS = CE + CN = 250 | 400年 | ES = 150 | CS = 250 | 400年 |
| 事件率(ER) | 無論何時= EE / ES = 0.1點，漲幅10% | cer= CE / CS = 0.4點，漲幅40% | 無論何時= 0.5(50%) | CER = 0.4(40%) |
| 方程 | 變數 | 的縮寫 | 示例1 | 示例2 |
| 無論何時−CER | < 0:絕對風險降低 | arr | 0.3(−)或(−)30% | N / |
| > 0:絕對風險增加 | 阿里 | N / | 0.1點，跌幅10% | |
| (無論何時−CER)/ CER | < 0:相對風險降低 | 存款準備金率 | 0.75(−)或(−)75% | N / |
| > 0:相對風險增加 | rri | N / | 0.25點，跌幅25% | |
| 1 /(無論何時−CER) | < 0:數量需要治療 | NNT | (−)3.33 | N / |
| > 0:數量需要傷害 | nnh | N / | 10 | |
| 無論何時/陶瓷 | 相對風險 | RR | 0.25 | 1.25 |
| (EE / EN)/(CE / CN) | 優勢比 | 或 | 0.167 | 1.5 |
| 無論何時−CER | 由於風險 | 基於“增大化現實”技術 | 0.30(−)或(−)30% | 0.1點，跌幅10% |
| (RR−1)/ RR | 由於風險百分比 | ARP | N / | 20% |
| 1−RR(或1−) | 預防分數 | pf | 0.75點，跌幅75% | N / |
基本信息
- 中文名
- 比值比
- 外文名
- Odds ratio
- 別名
- 機會比
- 出處
- 統計學
- 簡稱
- OR