위험비와 오즈비: 계산 및 해석

위험비와 오즈비는 이분형 노출과 이분형 결과 간의 연관성을 2×2 표로부터 표현하는 데 가장 자주 사용되는 두 가지 비율 측정치입니다. 위험비는 노출군과 비노출군 간의 결과 발생 확률(위험)을 비교하며, 오즈비는 오즈를 비교합니다. 결과가 드물 때는 두 측정치가 일치하지만, 결과가 흔해질수록 차이가 벌어지며, 이를 올바르게 선택하고 해석하는 것은 보건 연구에서 반복적으로 혼란을 야기하는 원인입니다.

Definition

위험비는 노출군에서의 결과 위험을 비노출군에서의 위험으로 나눈 값이며, 오즈비는 노출군에서의 결과 오즈를 비노출군에서의 오즈로 나눈 값으로, 2×2 표 셀의 교차곱과 같습니다. 연관성이 없을 때는 둘 다 1과 같습니다.

Scope

이 항목은 각 측정치가 2×2 표의 네 칸으로부터 어떻게 계산되는지, 오즈와 위험의 차이점, 연구 설계가 어떤 측정치를 추정할 수 있는지 결정하는 이유, 오즈비가 위험비를 근사하는 조건, 흔한 결과에 대해 오즈비를 위험비로 오독할 수 있는 방식, 그리고 위험비와 유병률비를 직접 추정하는 데 사용되는 회귀 접근법을 다룹니다. 이는 임상적 지침이 아닌 증거 해석을 위한 효과 측정치로 제시됩니다.

Core questions

• 이분형 결과에 대한 위험과 오즈는 어떻게 정의되며, 그 비율은 어떻게 다른가요?
• 2×2 표의 어떤 셀이 각 측정치의 계산에 사용되나요?
• 환자-대조군 연구는 왜 위험비가 아닌 오즈비를 직접 추정할 수 있나요?
• 오즈비는 언제 위험비를 근사하며, 결과가 흔할 때 어떻게 오해를 불러일으킬 수 있나요?
• 회귀 분석에서 위험비 또는 유병률비를 직접 추정하는 방법은 무엇인가요?

Key concepts

• 결과의 위험 대 오즈
• 위험비 (상대 위험)
• 2×2 교차곱으로서의 오즈비
• 1의 기준(영) 값
• 드문 결과에 대한 오즈비의 위험비 근사
• 흔한 결과에 대한 오즈비의 과장
• 연구 설계가 추정 가능한 측정치를 결정함
• 위험비/유병률비를 위한 로그-이항 및 수정-포아송 회귀

Mechanisms

a (노출된 사례), b (노출된 비사례), c (비노출된 사례), d (비노출된 비사례) 셀로 구성된 2×2 표에서, 노출군에서의 위험은 a/(a+b)이고 비노출군에서의 위험은 c/(c+d)이므로, 위험비는 [a/(a+b)] ÷ [c/(c+d)]입니다. 사례가 될 오즈는 노출군에서 a/b이고 비노출군에서 c/d이므로, 오즈비는 (a/b) ÷ (c/d) = ad/bc, 즉 교차곱입니다. 환자-대조군 연구는 표본 추출을 통해 사례와 비사례의 수를 고정하므로, 기저 위험을 추정할 수 없으며 따라서 오즈비를 보고합니다. 오즈비는 그 대칭성으로 인해 여전히 질병 오즈비를 추정합니다. 코호트 연구와 단면 연구는 위험(또는 유병률)을 직접 추정할 수 있으므로 위험비 또는 유병률비를 보고할 수 있습니다. 결과가 드물 때는 오즈와 위험이 비슷하므로 오즈비는 위험비를 근사합니다. 결과가 흔할 때는 오즈비가 위험비보다 1에서 더 멀리 떨어져 있으므로, 이를 상대 위험으로 읽으면 효과를 과대평가하게 됩니다. 조정된 분석에서 위험비 또는 유병률비를 직접 얻기 위해서는 로지스틱 회귀 대신 로그-이항 회귀와 수정-포아송(강건-분산) 접근법이 사용됩니다.

Clinical relevance

위험비와 오즈비는 보건 과학 문헌에서 가장 자주 보고되는 수치 중 하나이며, 이 둘을 혼동하면 결과가 이해되는 방식이 실질적으로 왜곡될 수 있으므로, 결과의 흔함 정도와 연구가 어떻게 설계되었는지를 고려하여 해석하는 것이 증거를 평가하는 데 필수적입니다. 이러한 측정치는 연구 해석을 위한 연관성을 정량화하며, 개별적인 진단 또는 치료 결정의 근거가 아닙니다.

Epidemiology

측정치 선택은 연구 설계에 따릅니다. 환자-대조군 연구는 오즈비를 산출하고, 코호트 연구는 위험비 또는 발생률비를 산출하며, 단면 연구는 유병률비 또는 오즈를 산출합니다. 로지스틱 회귀는 결과가 흔할 때도 오즈비를 반환하므로, 방법론 문헌에서는 효과의 과대평가를 피하기 위해 로그-이항 및 수정-포아송 모델을 통한 위험비 및 유병률비의 직접 추정을 강조해왔습니다.

History

콘필드(Cornfield)의 1951년 주장은 환자-대조군 오즈비가 질병 오즈비를 추정하고 드문 결과에 대한 상대 위험을 근사한다는 것을 확립하여 오즈비 사용의 기반을 마련했습니다. 로지스틱 회귀가 확산되면서, 1990년대 후반 문헌(Davies와 동료들; Zhang과 Yu)은 흔한 결과에 대해 오즈비가 상대 위험으로 오독되는 문제에 다시 주목했으며, 이후 연구(Barros와 Hirakata; Zou)는 위험비와 유병률비를 직접 추정하는 회귀 방법을 개발했고, 나중에는 오즈비를 그럴듯한 상대 위험으로 전달하는 지침이 나왔습니다.

Debates

흔한 결과에 대한 오즈비 보고

흔한 결과의 경우 오즈비는 위험비보다 크기가 더 크므로, 로지스틱 회귀 오즈비를 상대 위험인 것처럼 보고하면 효과를 과장하게 됩니다. 평론가들은 위험비/유병률비의 직접 추정 또는 명시적 변환을 권장하는 반면, 다른 이들은 오즈비의 수학적 특성을 옹호합니다.

Key figures

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

Seminal works

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

Frequently asked questions

위험비와 오즈비의 차이점은 무엇인가요?

위험비는 집단 간 결과의 확률을 비교하는 반면, 오즈비는 오즈를 비교합니다. 결과가 드물 때는 비슷하지만, 결과가 흔할 때는 오즈비가 위험비보다 1에서 더 멀리 떨어져 있습니다.

환자-대조군 연구는 왜 위험비 대신 오즈비를 보고하나요?

환자-대조군 연구는 표본 추출되는 사례와 비사례의 수를 고정하기 때문에 기저 위험을 추정할 수 없습니다. 따라서 표에서 계산할 수 있고 관심 있는 연관성을 추정하는 오즈비를 보고합니다.

조정된 분석에서 위험비를 직접 추정하려면 어떻게 해야 하나요?

로그-이항 회귀와 강건 분산을 사용한 수정-포아송 접근법은 위험비 또는 유병률비를 직접 추정하여, 결과가 흔할 때 로지스틱 회귀가 생성하는 오즈비 과장을 피할 수 있습니다.