نسبت‌های خطر و نسبت‌های شانس: محاسبه و تفسیر

نسبت خطر و نسبت شانس دو معیار نسبتی هستند که اغلب برای بیان ارتباط بین یک مواجهه دوتایی و یک پیامد دوتایی از یک جدول ۲×۲ استفاده می‌شوند. نسبت خطر، احتمال (خطر) پیامد را بین گروه‌های در معرض و گروه‌های غیر در معرض مقایسه می‌کند؛ نسبت شانس، شانس را مقایسه می‌کند. این دو زمانی که پیامد نادر است، با هم منطبق می‌شوند، اما با شیوع یافتن پیامد، از هم فاصله می‌گیرند و انتخاب و خوانش صحیح آن‌ها منبعی تکراری از سردرگمی در تحقیقات سلامت است.

Definition

نسبت خطر، خطر پیامد در گروه در معرض تقسیم بر خطر در گروه غیر در معرض است؛ نسبت شانس، شانس پیامد در گروه در معرض تقسیم بر شانس در گروه غیر در معرض است که برابر با حاصل‌ضرب متقاطع خانه‌های جدول ۲×۲ است. هر دو در صورت عدم وجود ارتباط، برابر با یک هستند.

Scope

این مدخل به چگونگی محاسبه هر معیار از چهار خانه یک جدول ۲×۲، تفاوت بین شانس و خطر، چرایی تعیین معیار قابل تخمین توسط طراحی مطالعه، شرایطی که تحت آن نسبت شانس به نسبت خطر نزدیک می‌شود، روش‌هایی که نسبت شانس می‌تواند به اشتباه به عنوان نسبت خطر برای پیامدهای شایع خوانده شود، و رویکردهای رگرسیونی مورد استفاده برای تخمین مستقیم نسبت‌های خطر و شیوع می‌پردازد. این موارد به عنوان معیارهای اثر برای تفسیر شواهد ارائه می‌شوند، نه به عنوان راهنمای بالینی.

Core questions

• خطر و شانس برای یک پیامد دوتایی چگونه تعریف می‌شوند و نسبت‌های آن‌ها چه تفاوتی دارند؟
• کدام خانه‌های جدول ۲×۲ در محاسبه هر معیار وارد می‌شوند؟
• چرا یک مطالعه مورد-شاهدی می‌تواند نسبت شانس را تخمین بزند اما نسبت خطر را مستقیماً نمی‌تواند؟
• چه زمانی نسبت شانس به نسبت خطر نزدیک می‌شود و چرا زمانی که پیامد شایع است، گمراه‌کننده است؟
• چگونه می‌توان نسبت‌های خطر یا نسبت‌های شیوع را مستقیماً در رگرسیون تخمین زد؟

Key concepts

• خطر در مقابل شانس یک پیامد
• نسبت خطر (خطر نسبی)
• نسبت شانس به عنوان حاصل‌ضرب متقاطع ۲×۲
• مقدار مرجع (صفر) یک
• تقریب OR به RR برای پیامد نادر
• افزایش OR برای پیامدهای شایع
• طراحی مطالعه معیار قابل تخمین را تعیین می‌کند
• رگرسیون لگ-دوجمله‌ای و پواسون اصلاح‌شده برای نسبت‌های خطر/شیوع

Mechanisms

از یک جدول ۲×۲ با خانه‌های a (موارد در معرض)، b (غیر موارد در معرض)، c (موارد غیر در معرض) و d (غیر موارد غیر در معرض)، خطر در گروه در معرض a/(a+b) و در گروه غیر در معرض c/(c+d) است، بنابراین نسبت خطر [a/(a+b)] ÷ [c/(c+d)] است. شانس مورد بودن در گروه در معرض a/b و در گروه غیر در معرض c/d است، بنابراین نسبت شانس (a/b) ÷ (c/d) = ad/bc، یعنی حاصل‌ضرب متقاطع است. از آنجا که یک مطالعه مورد-شاهدی تعداد موارد و غیر موارد را با نمونه‌گیری ثابت می‌کند، نمی‌تواند خطرات زمینه‌ای را تخمین بزند و بنابراین نسبت شانس را گزارش می‌کند که به دلیل تقارن خود، همچنان نسبت شانس بیماری را تخمین می‌زند؛ مطالعات کوهورت و مقطعی می‌توانند خطرات (یا شیوع‌ها) را مستقیماً تخمین بزنند و بنابراین می‌توانند نسبت‌های خطر یا شیوع را گزارش کنند. زمانی که پیامد نادر است، شانس و خطر به هم نزدیک هستند، بنابراین نسبت شانس به نسبت خطر نزدیک می‌شود؛ زمانی که پیامد شایع است، نسبت شانس از یک دورتر از نسبت خطر قرار می‌گیرد، بنابراین خواندن آن به عنوان یک خطر نسبی، اثر را بیش از حد نشان می‌دهد. برای به دست آوردن نسبت خطر یا شیوع مستقیماً از تحلیل‌های تعدیل‌شده، رگرسیون لگ-دوجمله‌ای (log-binomial regression) و رویکرد پواسون اصلاح‌شده (واریانس قوی) به جای رگرسیون لجستیک استفاده می‌شوند.

Clinical relevance

نسبت‌های خطر و نسبت‌های شانس از جمله اعدادی هستند که بیشترین گزارش را در ادبیات علوم سلامت دارند، و اشتباه گرفتن یکی با دیگری می‌تواند به طور قابل توجهی نحوه درک یک نتیجه را مخدوش کند، بنابراین تفسیر آن‌ها با توجه به شیوع پیامد و نحوه طراحی مطالعه برای ارزیابی شواهد ضروری است. این معیارها ارتباطات را برای تفسیر تحقیقات کمی‌سازی می‌کنند و مبنایی برای تصمیمات تشخیصی یا درمانی فردی نیستند.

Epidemiology

انتخاب معیار از طراحی مطالعه پیروی می‌کند: مطالعات مورد-شاهدی نسبت‌های شانس، مطالعات کوهورت نسبت‌های خطر یا نرخ، و مطالعات مقطعی نسبت‌های شیوع یا شانس را به دست می‌دهند. از آنجا که رگرسیون لجستیک نسبت‌های شانس را حتی زمانی که پیامدها شایع هستند، بازمی‌گرداند، ادبیات روش‌شناختی بر تخمین مستقیم نسبت‌های خطر و شیوع از طریق مدل‌های لگ-دوجمله‌ای و پواسون اصلاح‌شده برای جلوگیری از اغراق در اثرات تأکید کرده است.

History

استدلال کورنفیلد در سال ۱۹۵۱ نشان داد که نسبت‌های شانس مورد-شاهدی، نسبت شانس بیماری را تخمین می‌زنند و برای پیامدهای نادر، خطر نسبی را تقریب می‌زنند، که استفاده از نسبت شانس را تثبیت کرد. با گسترش رگرسیون لجستیک، ادبیات اواخر دهه ۱۹۹۰ (دیویس و همکاران؛ ژانگ و یو) به مشکل خوانش اشتباه نسبت‌های شانس به عنوان خطرات نسبی برای پیامدهای شایع بازگشت، و کارهای بعدی (باروس و هیراکاتا؛ زو) روش‌های رگرسیونی را توسعه دادند که نسبت‌های خطر و شیوع را مستقیماً تخمین می‌زنند، با راهنمایی‌های بعدی در مورد بیان نسبت‌های شانس به عنوان خطرات نسبی معقول.

Debates

گزارش نسبت‌های شانس برای پیامدهای شایع

برای پیامدهای شایع، نسبت شانس از نظر بزرگی از نسبت خطر فراتر می‌رود، بنابراین گزارش نسبت‌های شانس رگرسیون لجستیک به گونه‌ای که گویی خطرات نسبی هستند، اثرات را اغراق می‌کند؛ مفسران یا تخمین مستقیم نسبت‌های خطر/شیوع یا تبدیل صریح را توصیه می‌کنند، در حالی که دیگران از خواص ریاضی نسبت شانس دفاع می‌کنند.

Key figures

• Jerome Cornfield
• Kenneth Rothman
• Sander Greenland
• Jun Zhang
• Guangyong Zou

Seminal works

• davies-1998
• zhang-yu-1998
• zou-2004

Frequently asked questions

تفاوت بین نسبت خطر و نسبت شانس چیست؟

نسبت خطر، احتمال پیامد را بین گروه‌ها مقایسه می‌کند، در حالی که نسبت شانس، شانس را مقایسه می‌کند؛ زمانی که پیامد نادر است، به هم نزدیک هستند اما زمانی که پیامد شایع است، نسبت شانس از یک دورتر از نسبت خطر است.

چرا مطالعات مورد-شاهدی نسبت‌های شانس را گزارش می‌کنند نه نسبت‌های خطر را؟

از آنجا که یک مطالعه مورد-شاهدی تعداد موارد و غیر موارد نمونه‌برداری شده را ثابت می‌کند، نمی‌تواند خطرات زمینه‌ای را تخمین بزند، بنابراین نسبت شانس را گزارش می‌کند که همچنان می‌تواند از جدول محاسبه شود و ارتباط مورد نظر را تخمین می‌زند.

چگونه می‌توانم نسبت خطر را مستقیماً در یک تحلیل تعدیل‌شده تخمین بزنم؟

رگرسیون لگ-دوجمله‌ای و رویکرد پواسون اصلاح‌شده با واریانس قوی، نسبت‌های خطر یا شیوع را مستقیماً تخمین می‌زنند و از افزایش نسبت شانس که رگرسیون لجستیک زمانی که پیامد شایع است ایجاد می‌کند، جلوگیری می‌کنند.