Rasio Risiko dan Rasio Odds: Komputasi dan Interpretasi

Rasio risiko dan rasio odds adalah dua ukuran rasio yang paling sering digunakan untuk menyatakan hubungan antara paparan biner dan hasil biner dari tabel 2×2. Rasio risiko membandingkan probabilitas (risiko) hasil antara kelompok terpapar dan tidak terpapar; rasio odds membandingkan odds. Keduanya bertepatan ketika hasilnya jarang tetapi menyimpang ketika menjadi umum, dan memilih serta membacanya dengan benar merupakan sumber kebingungan yang berulang dalam penelitian kesehatan.

Definition

Rasio risiko adalah risiko hasil pada kelompok terpapar dibagi dengan risiko pada kelompok tidak terpapar; rasio odds adalah odds hasil pada kelompok terpapar dibagi dengan odds pada kelompok tidak terpapar, sama dengan hasil kali silang sel tabel 2×2. Keduanya sama dengan satu jika tidak ada asosiasi.

Scope

Entri ini mencakup bagaimana setiap ukuran dihitung dari empat sel tabel 2×2, perbedaan antara odds dan risiko, mengapa desain studi menentukan ukuran mana yang dapat diestimasi, kondisi di mana rasio odds mendekati rasio risiko, cara-cara rasio odds dapat disalahartikan sebagai rasio risiko untuk hasil umum, dan pendekatan regresi yang digunakan untuk mengestimasi rasio risiko dan prevalensi secara langsung. Ini menyajikan hal-hal tersebut sebagai ukuran efek untuk menginterpretasikan bukti, bukan sebagai panduan klinis.

Core questions

• Bagaimana risiko dan odds didefinisikan untuk hasil biner, dan bagaimana rasio keduanya berbeda?
• Sel mana dari tabel 2×2 yang masuk dalam perhitungan setiap ukuran?
• Mengapa studi kasus-kontrol dapat mengestimasi rasio odds tetapi tidak rasio risiko secara langsung?
• Kapan rasio odds mendekati rasio risiko, dan bagaimana hal itu menyesatkan ketika hasilnya umum?
• Bagaimana rasio risiko atau rasio prevalensi dapat diestimasi secara langsung dalam regresi?

Key concepts

• Risiko versus odds suatu hasil
• Rasio risiko (risiko relatif)
• Rasio odds sebagai hasil kali silang 2×2
• Nilai referensi (nol) satu
• Aproksimasi hasil jarang OR ke RR
• Inflasi OR untuk hasil umum
• Desain studi menentukan ukuran yang dapat diestimasi
• Regresi log-binomial dan Poisson termodifikasi untuk rasio risiko/prevalensi

Mechanisms

Dari tabel 2×2 dengan sel a (kasus terpapar), b (bukan kasus terpapar), c (kasus tidak terpapar) dan d (bukan kasus tidak terpapar), risiko pada kelompok terpapar adalah a/(a+b) dan pada kelompok tidak terpapar adalah c/(c+d), sehingga rasio risiko adalah [a/(a+b)] ÷ [c/(c+d)]. Odds menjadi kasus adalah a/b pada kelompok terpapar dan c/d pada kelompok tidak terpapar, sehingga rasio odds adalah (a/b) ÷ (c/d) = ad/bc, yaitu hasil kali silang. Karena studi kasus-kontrol menetapkan jumlah kasus dan bukan kasus dengan pengambilan sampel, studi ini tidak dapat mengestimasi risiko yang mendasari dan oleh karena itu melaporkan rasio odds, yang dengan simetrinya masih mengestimasi rasio odds penyakit; studi kohort dan potong lintang dapat mengestimasi risiko (atau prevalensi) secara langsung dan oleh karena itu dapat melaporkan rasio risiko atau prevalensi. Ketika hasilnya jarang, odds dan risiko berdekatan, sehingga rasio odds mendekati rasio risiko; ketika hasilnya umum, rasio odds terletak lebih jauh dari satu daripada rasio risiko, sehingga membacanya sebagai risiko relatif melebih-lebihkan efek. Untuk mendapatkan rasio risiko atau prevalensi secara langsung dari analisis yang disesuaikan, regresi log-binomial dan pendekatan Poisson termodifikasi (varians robust) digunakan sebagai pengganti regresi logistik.

Clinical relevance

Rasio risiko dan rasio odds termasuk di antara angka-angka yang paling sering dilaporkan dalam literatur ilmu kesehatan, dan mengacaukan satu dengan yang lain dapat secara material mendistorsi bagaimana suatu hasil dipahami, sehingga menginterpretasikannya berdasarkan seberapa umum hasilnya dan bagaimana studi dirancang sangat penting untuk menilai bukti. Ukuran-ukuran ini mengukur asosiasi untuk menginterpretasikan penelitian dan bukan dasar untuk keputusan diagnostik atau pengobatan individu.

Epidemiology

Pilihan ukuran mengikuti desain: studi kasus-kontrol menghasilkan rasio odds, studi kohort menghasilkan rasio risiko atau laju, dan studi potong lintang menghasilkan rasio prevalensi atau odds. Karena regresi logistik mengembalikan rasio odds bahkan ketika hasilnya umum, literatur metodologis telah menekankan estimasi langsung rasio risiko dan prevalensi melalui model log-binomial dan Poisson termodifikasi untuk menghindari melebih-lebihkan efek.

History

Argumen Cornfield tahun 1951 menetapkan bahwa rasio odds kasus-kontrol mengestimasi rasio odds penyakit dan mendekati risiko relatif untuk hasil yang jarang, menjadi dasar penggunaan rasio odds. Seiring dengan meluasnya regresi logistik, literatur akhir 1990-an (Davies dan rekan; Zhang dan Yu) kembali membahas masalah rasio odds yang disalahartikan sebagai risiko relatif untuk hasil umum, dan pekerjaan selanjutnya (Barros dan Hirakata; Zou) mengembangkan metode regresi yang mengestimasi rasio risiko dan prevalensi secara langsung, dengan panduan selanjutnya tentang mengkomunikasikan rasio odds sebagai risiko relatif yang masuk akal.

Debates

Pelaporan rasio odds untuk hasil umum

Untuk hasil umum, rasio odds melebihi rasio risiko dalam besarnya, sehingga melaporkan rasio odds regresi logistik seolah-olah itu adalah risiko relatif melebih-lebihkan efek; komentator merekomendasikan estimasi langsung rasio risiko/prevalensi atau konversi eksplisit, sementara yang lain mempertahankan sifat matematis rasio odds.

Key figures

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

Seminal works

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

Frequently asked questions

Apa perbedaan antara rasio risiko dan rasio odds?

Rasio risiko membandingkan probabilitas hasil antara kelompok, sedangkan rasio odds membandingkan odds; keduanya berdekatan ketika hasilnya jarang tetapi rasio odds lebih jauh dari satu daripada rasio risiko ketika hasilnya umum.

Mengapa studi kasus-kontrol melaporkan rasio odds daripada rasio risiko?

Karena studi kasus-kontrol menetapkan berapa banyak kasus dan bukan kasus yang diambil sampelnya, studi ini tidak dapat mengestimasi risiko yang mendasari, sehingga melaporkan rasio odds, yang masih dapat dihitung dari tabel dan mengestimasi asosiasi yang diminati.

Bagaimana saya bisa mengestimasi rasio risiko secara langsung dalam analisis yang disesuaikan?

Regresi log-binomial dan pendekatan Poisson termodifikasi dengan varians robust mengestimasi rasio risiko atau prevalensi secara langsung, menghindari inflasi rasio odds yang dihasilkan regresi logistik ketika hasilnya umum.