发布时间 : 星期二 文章队列研究相关指标更新完毕开始阅读
队列研究相关指标
RR、AR、OR、HR
一、相对危险度（relative risk , RR）——队列研究中分析暴露因素与发病的关联程度 相对危险度RR（Relative Risk）是前瞻性研究（队列研究）中常用的指标，它是暴露组的发病率与非暴露组的发病率之比，用于说明前者是后者的多少倍，是用来表示暴露与疾病联系强度的指标。RR也叫危险比（risk ratio）或率比（rate ratio），适用于队列研究或随机对照试验。
RR值越大，表明暴露的效应越大，暴露与结局关联的强度越大。即暴露组发病率或死亡率与非暴露组发病率或死亡率之比。当它有统计学意义时： RR=1，说明暴露因素与疾病之间无关联。
RR＞1，说明暴露因素是疾病的危险因素（正相关）。认为暴露与疾病呈\正\关联，即暴露因素是疾病的危险因素。
RR＜1，说明暴露因素是疾病的保护因素（负相关）。认为暴露与疾病呈\负\关联，即暴露因素是保护因素。
临床研究文献中，相对危险度应该是指治疗组发生不良反应（adverse outcome）的危险度除以对照组的危险度（治疗组发生该不良反应是对照组的多少倍）。 二、归因危险度（attributable risk , AR）
归因危险度（AR）是暴露组发病率与对照组发病率相差的绝对值。又叫特异危险度、率差（rate difference, RD）和超额危险度（excess risk），是暴露组发病率与对照组发病率相差的绝对值，它表示危险特异地归因于暴露因素的程度，即由于暴露因素的存在使暴露组人
群发病率增加或减少的部分。 与RR的区别：
RR与AR都是表示关联强度的指标，但其流行病学意义不同。RR说明暴露者与非暴露者比较相应疾病的危险增加的倍数；AR则是暴露人群与非暴露人群比较，所增加的疾病发生数量，如果暴露因素消除，就可减少这个数量的疾病发生。前者具有病因学意义，后者具有疾病预防和公共卫生学上的意义。
三、比值比（odds ratio , OR）——病例对照研究中暴露因素与疾病的关联强度 比值比（OR）也称优势比、比数比、交叉乘积比，是病例对照研究中表示暴露与疾病之间关联强度的指标，比值（odds）是指某事物发生的概率与不发生的概率之比。比值比指病例组中暴露人数与非暴露人数的比值除以对照组中暴露人数与非暴露人数的比值。 与RR的区别和联系：
在回顾性研究（病例对照研究）中，由于无法计算发病率、死亡率等指标，也就无法计算RR。但是可计算病例组的暴露率和非暴露率之比，当所研究疾病的发病率较低时OR近似于RR，故在回顾性研究中可用OR估计RR。OR值的解释与RR相同，指暴露组的疾病危险度为非暴露组的多少倍。当OR>1时，说明暴露使疾病的危险度增加，是疾病的危险因素，叫做“正关联”；当OR<1时，说明暴露使疾病的危险度减少，叫做“负关联”，暴露因素对疾病有保护作用；当OR=1时，表示暴露与疾病无关联。 四、风险比（hazard ratio , HR）
HR风险比/危害比,［HR=暴露组的风险函数h1(t)/非暴露组的风险函数h2(t),t指在相同的时间点上］。而风险函数指危险率函数、条件死亡率、瞬时死亡率。Cox比例风险模型可以得到HR。资料的类型通常是临床治疗性研究，也可以是流行病学的队列观察性研究。 与RR之间的区别和联系：
1、多数认为HR与RR意思一样，但HR有时间因素在内，换句话说，包含了时间效应的RR就是HR；
2、可以这样理解，生存资料中，RR考虑了终点事件的差异，而HR不仅考虑了终点事件的有无，还考虑了到达终点所用的时间及截尾数据；
P值
记得上研究生期间学习医学统计学，统计学老师十分幽默地对我们说：统计学就是个P！因P与虽然“屁”同音，但意思大相径庭，所以在课堂上引发了哄堂大笑。的确，在医学统计学的所有名词术语中，大家最熟悉的莫过于“P值”了。然而，P值到底是什么意思？笔者曾试探性地接触了一些同行，能准确说出P值含义的人不敢说是凤毛麟角，但是个人经验应该不超过30%。因此，笔者在此撰写短文一篇，浅谈自己的P值的理解。 1. 如果没有了统计学，这个世界会咋样？
我们假定在一个没有统计学的世界里，路人甲做了一个关于帕洛西汀治疗抑郁症的研究。他起早贪黑、废寝忘食地收集了100个抑郁者患者，其中50个接受帕洛西汀的治疗，另外50个病人接受安慰剂的治疗（为便于说明问题，此处暂且不考虑医学伦理学问题）。在治疗了1年以后，路人甲发现接受帕洛西汀治疗的50名抑郁症患者中，有40名患者完全康复了，治愈率达80%。而接受安慰剂治疗的患者中，仅有5例康复，治愈率仅为10%。这个结果看起来十分令人兴奋，于是路人甲赶紧将这些结果写成论文，投给了某本学术杂志。杂志邀请了路人乙作为审稿人，路人乙看了文章后就提了一个意见：无法排除治愈率之间的差异可能是抽样误差造成的！帕洛西汀和安慰剂的疗效可能是一样的，都是10%。作者之
所以得到80%的治愈率，完全是运气，不信您再做一遍！做上十万个病人试试？ 这样一个审稿意见恐怕会令这个星球上任何有血有肉的作者欲哭无泪。虽然大多数读者都会认为这不可能是抽样误差，但是问题在于，科学不能靠直觉，必须拿客观证据说事！这就是没有统计学的世界，人们总没有办法排除抽样误差的可能性。
如果有了统计学，结果就不一样了。路人甲完全可以说，我经过统计学分析（Fisher确切概率法），发现P值是小于0.001的。如果路人乙也懂统计学，他就不会再发出任何不和谐的声音了。 2. P值的含义
P值的含义，简单地说就是差异的来源是有抽样误差（随机误差）的可能性。在上述案例中，P值小于0.0001的意思就是：帕洛西汀治疗组和安慰剂治疗组在有效率（80%和10%）上的差异当然可能是由抽样误差造成的，但是这种事情的可能性不到万分之一（0.0001）。我们通常定义P小于0.05表示有统计学意义，实际上就是说：当差异可以用抽样误差来解释的可能性不足5%时，我们就会认为这事跟抽样误差无关的，而是由试验因素造成的了。 再用一句通俗的话来描述这个问题：假定有人闲着无聊用相同的研究方案（研究对象，研究方法，样本量等都相同）去重复了路人甲的研究，理论上讲，每次得出的结果不可能与路人甲完全相同，但是研究结果显示安慰剂的疗效好于帕洛西汀的可能性不足万分之一。 3. 应用P值时需要注意的几个问题 3.1
部分学者可能会错误地认为P<0.05表示差异很显著；P<0.01表示差异十分显著。实际上，P值只是表示结果可以由抽样误差解释的可能性，与差异大小无关，更与差异是否有专业价值无关。打个极端的比方，为研究某降糖药的降糖效果，研究人员招募了10例患者进行研究。这些患者服药前的血糖都是7mmo/L，服药后都变成了6.9mmol/L，如果做统计学分