关联性测量
关联性测量是流行病学用来表示暴露或干预与结果关联强度的数据。它们将疾病和暴露的计数转化为一个单一的可比较的数字——一个比率或一个差异——捕捉效应的大小和方向，并允许对研究进行总结、比较和汇总。
Definition
关联性测量是一种统计量，用于量化暴露（或治疗）与结果之间关系的强度，表示为两个风险、优势或率的比率，或它们的算术差。
Scope
本领域旨在向读者介绍流行病学和临床研究中使用的效应测量家族：相对（比率）测量，如相对风险、优势比和风险比；绝对（差异）测量，如风险差；以及面向患者的倒数，即需要治疗的人数。它解释了这些测量之间如何相互关联，以及何时适合使用每种测量，将它们视为方法学工具而非临床指导。
Sub-topics
Core questions
- 暴露或治疗与结果的关联强度如何？
- 何时应使用相对（比率）测量而非绝对（差异）测量？
- 风险比、优势比、风险比和风险差之间有何关系？
- 相同的效应如何根据报告的测量方式显得大或小？
Key concepts
- 相对（比率）测量
- 绝对（差异）测量
- 风险、优势和率
- 参照组和效应方向
- 事件发生时间与风险
- 基线风险和临床解释
Mechanisms
效应测量分为两大类。比率测量（相对风险、优势比、风险比）将暴露组或治疗组的结果频率除以对照组的结果频率，因此值为1表示无关联；它们捕捉关联的强度，并且在基线风险不同的群体中具有良好的可比性。差异测量（风险差）将一个结果频率减去另一个结果频率，因此0表示无关联；它们捕捉绝对的公共卫生或临床影响，并取决于基线风险。需要治疗的人数是风险差的倒数，以患者术语重新表达了绝对效应。在这些测量中进行选择，并同时报告相对和绝对形式，对于诚实的证据评估至关重要，因为一个恒定的相对效应可能对应于非常不同的绝对效应，这取决于结果的普遍程度。
Clinical relevance
关联性测量是试验、队列研究和系统评价报告其结果的语言，因此理解它们是批判性评估证据的基础。它们描述了证据如何强烈地将暴露与结果联系起来；它们是解释研究的工具，而不是个体诊断或治疗的处方。
Epidemiology
这些测量广泛用于观察性流行病学和实验性流行病学，并构成荟萃分析的输出。测量的选择部分取决于研究设计——队列和试验数据支持风险比和风险差，病例对照数据自然产生优势比，生存数据产生风险比——部分取决于沟通目标，因为相对测量传达强度，而绝对测量传达影响。
History
效应测量的正式词汇随着20世纪流行病学和生物统计学的发展而形成：优势比及其与相对风险的联系在中世纪癌症流行病学中得到阐明，比例风险模型于1972年引入了事件发生时间数据的风险比，而需要治疗的人数于1988年被提出，以使绝对效应更容易沟通。现代教科书将这些整合为一个连贯的相对和绝对测量系统。
Debates
- 相对测量与绝对测量
- 相对测量传达关联的强度，但在基线风险较低时可能夸大感知的重要性；广泛建议同时报告绝对测量，以避免对效应的实际影响产生误判。
- 优势比何时会产生误导
- 优势比仅在结果罕见时才近似于风险比；对于常见结果，两者会产生分歧，将优势比视为风险比会夸大效应。
Key figures
- Kenneth Rothman
- Sander Greenland
- David Sackett
- Jerome Cornfield
Related topics
Seminal works
- rothman-2008
- cook-sackett-1995
- davies-1998
Frequently asked questions
- 关联性测量的相对测量和绝对测量之间有什么区别？
- 相对测量（如风险比）将一组的结果频率除以另一组的结果频率，表示结果发生的可能性是前者的多少倍；绝对测量（如风险差）将它们相减，表示每人口的额外结果数量，这取决于基线风险。
- 研究应该报告哪种关联性测量？
- 良好的实践是同时报告相对测量和绝对测量，因为相对测量传达关联的强度，而绝对测量传达其公共卫生或临床影响；适当的比率测量也取决于研究设计。