ODDS ORAN YÖNTEMLERİ – Epidemiyolojide Biyoistatistiksel Yöntemler – Biyoistatistikler – Epidemiyoloji – Biyoistatistikler Nedir? – İstatistik Fiyatları – Ücretli İstatistik
Ek G’de, R1 / R2 genel olarak HR’ye eşit olmasa da, pratikte R1 / R2 ve HR’nin değer olarak çok yakın olacağını gösteriyoruz. Aşağıda açıklanan sonuçların ışığında, bu, insidans vaka kontrol çalışmaları için kullanılan yöntemler ile Bölüm 8-10’da açık kohort çalışmaları için açıklanan yöntemler arasında bir bağlantı sağlar.
T0 ila t0 + 1 arasındaki süre boyunca, hastalık riski taşıyan maruziyet öyküsü olan kohort üyelerinin yaşadığı kişi-yıl sayısı N1’dır. Bu kişiler arasında (beklenen) vaka sayısı R1N1’dir. Benzer şekilde, hastalık riski taşıyan ve maruziyet öyküsü olmayan kohort üyeleri arasındaki olay vakalarının sayısı R2 N2’dır.
1 ve γ2 sırasıyla durum ve kontrol örnekleme fraksiyonları olsun, burada 0 <γ1 ≤ 1 ve 0 <γ2 ≤ 1. Daha sonra maruz kalan ve maruz kalmayan vakaların (beklenen) sayıları γ1R1N1 ve γ1 R2 N2olur. Bu, Tablo 11.4’ün en üst sırasını verir. Popülasyon sabit olduğu için, herhangi bir t zamanında popülasyonda hastalığı olmayan ve bu nedenle kontrol olmaya uygun N1 + N2 denekleri vardır.
Basit olması için, çalışmanın başlarında seçilen bir kontrolün daha önce belirtilen komplikasyonunun daha sonra bir vaka haline gelmesini önlemek için tüm kontrollerin kohort çalışmasının sonunda örneklendiğini varsayıyoruz. Bu, Tablo 11.4’ün ikinci satırını verir.
Odds oranı hesaplama
Rölatif risk hesaplama
Odds oranı SPSS
Odds oranı pdf
Odds ratio güven aralığı
Rölatif risk Nedir
Düzeltilmiş odds oranı
Odds ratio Nedir tıp
Bu nedenle, insidans vaka-kontrol çalışması için olasılık oranı (Miettinen, 1976) ‘dır. Bu türetmenin hiçbir yerinde hastalığın nadir olduğunu varsaymadık (Greenland ve Thomas, 1982). (11.2) ‘den, tehlike oranlarının oranı hakkında önemli bilgileri içeren vakaların (R1N1) / (R2N2) olasılıkları olduğunu görüyoruz.
Kontrol oranlarına bölmenin amacı, N1 / N2 faktörünü ortadan kaldırmaktır. Vaka kontrol tasarımını göz ardı edersek ve Tablo 11.4’ü “veriler” kapalı bir kohort tasarımı kullanılarak toplanmış gibi ele alırsak, olasılık oranı değişmez.
OR = R1 / R2 olgusu, bir insidans vaka kontrol çalışmasından alınan verileri analiz etmek için aşağıdaki stratejiye yol açar: Verileri, kapalı bir kohort tasarımı kullanılarak toplanmış gibi ele alın, verileri analiz etmek için kapalı kohort çalışmaları için olasılık oranı yöntemlerini kullanın ve sonuçları, popülasyondaki tehlike oranlarının oranı açısından yorumlar.
Uygulamada, olasılık oranı terminolojisini korumak ve tehlike oranlarının oranı açısından yorumlamanın örtük kalmasına izin vermek olağandır. Önceki stratejinin, risk oranına veya risk farkına dayalı analizleri kapsamadığı vurgulanmalıdır. Bu, vaka kontrol verilerinin analizinde olasılık oranı yöntemlerinin popülerliğini açıklar.
Daha önce belirtildiği gibi, orantılı tehlike varsayımı karşılandığında, R1 / R1 değeri genellikle HR’ye çok yakındır ve bu nedenle (11.3) ‘ten itibaren yaklaşık eşitlik OR = HR’ye sahibiz. Pratikte, bir insidans vaka-kontrol çalışmasından olasılık oranını popülasyondaki tehlike oranıyla belirlemek olağandır. Ek G’de, durağan nüfus varsayımı altında, açık bir kohort çalışmasındaki karıştırmanın karşı olgusal tanımının vaka kontrol ortamına uyarlanabileceği belirtilmektedir.
Bir insidans vaka kontrol çalışmasından elde edilen verileri analiz etmek için yukarıda sunulan strateji, Bölüm 2.5.4’te tartışılan standartlaştırılmış etki ölçütlerini kapsamaz. Bunun nedeni, orada sunulan formüllerin yalnızca iç hücre sayımları yerine marjinal toplamları kullanmasıdır. Bununla birlikte, olay vakası kontrol tasarımı için standartlaştırılmış bir etki ölçüsü tanımlamak mümkündür.
Şu an için Bölüm 2’nin deterministik modeline geri dönüyoruz. Tablo 5.1’in gösteriminde, gözlemlenen sayı O = a1’dir ve standartlaştırılmış beklenen sayı olarak tanımlanmıştır (Miettinen, 1972b; Grönland, 1982). Tablo 11.4’ün tabakalı bir versiyonundan ve her tabakada aynı örnekleme fraksiyonlarının kullanıldığını varsayarak yapılır.
Örnek 11.2 (Oral Kontraseptifler – Miyokard Enfarktüsü) Örnek 11.1’de ele alınan vaka kontrol çalışması bir insidans tasarımına sahiptir ve bu nedenle Bölüm 4 ve 5’in yöntemlerini uygulamakta özgürüz. Olasılık oranının yorumlanmasıyla ilgili daha önceki şüphelerimiz, temelsiz olmuştur.
Karıştırıcı olmadığı sürece, yaşa göre kurulmak ayrı bir olasılıktır çünkü bu değişken miyokard enfarktüsü için önemli bir risk faktörüdür ve aynı zamanda oral kontraseptif kullanımla da ilişkilidir. Tablo 11.5 (a), yaş grubuna göre katmanlara ayrılmış durum kontrol verilerini verir ve Tablo 11.5 (b), yaşa özgü asimptotik koşulsuz analizi verir. Mantel – Haenszel tahmini, ORu = 1.68’i tehlike oranının kaba bir tahmini olarak yorumlayabiliriz.
Bununla birlikte, olasılık oranının karıştırılması ORmh = 3.34’tür ve bu, kaba tahminden biraz daha büyüktür. Var’ın (ORmh) RBG tahminine dayalı olarak, OR için% 95 güven aralığı [2.07, 5.38] ‘dir. Mantel – Haenszel testi X2 = 27.21 (p <.001) ve mh Breslow-Day homojenlik testi X 2 = 4.09 (p = .13) olup .00015 düzeltme terimini içerir. Yaşın bir karıştırıcı olduğunu kabul edersek, ORmh = 3.34 tehlike oranının özet bir tahmini olarak yorumlanabilir.
EŞLEŞTİRİLMİŞ ÇİFTLER DURUM KONTROL VERİLERİ İÇİN ODDS ORAN YÖNTEMLERİ
Bir vaka kontrol çalışması için birkaç vaka mevcut olduğunda, basit rastgele örnekleme kullanarak kontrollerin seçilmesi, özellikle birden fazla karıştırıcı olduğunda verimsiz olabilir. Örneğin, 50 vakanın mevcut olduğu ve karıştırıcıların yaş (4), cinsiyet (2), sosyoekonomik durum (3) ve geçmiş tıbbi geçmiş (2) olduğu bir insidans vaka kontrol çalışmasını düşünün.
Parantez içindeki sayılar, her değişkene karşılık gelen kategori sayısıdır. Karıştırıcıları çapraz sınıflandırdıktan sonra, neredeyse vaka sayısı kadar 4 × 2 × 3 × 2 = 48 kategori vardır. Vakaların kategoriler arasında ince bir şekilde dağıldığını varsayalım. Kontrol numunesi nispeten büyük olsa bile, basit bir rastgele kontrol numunesi, birçok tabakada hiç denek içermeyebilir. Bu gerçekleştiğinde, vakaların olduğu ancak kontrollerin olmadığı tabakalar, olasılık oranı analizinden etkin bir şekilde çıkarılır.
İsraf edilen vakalar sorununu önlemenin bir yolu, vakaların karıştırıcı profiline göre kontrolleri vakalarla eşleştirmektir. Önceki örnekte, belirli bir yaş, cinsiyet, sosyoekonomik durum ve geçmiş tıbbi geçmişi olan bir vaka düşünün. Eşleştirilmiş bir tasarımla, aynı karıştırıcı profiline sahip bir veya daha fazla kontrol popülasyondan örneklenir ve eşleşen bir küme oluşturmak için vakaya bağlanır (eşleşir).
Düzeltilmiş odds oranı Odds oranı hesaplama Odds oranı pdf Odds oranı SPSS Odds ratio güven aralığı Odds ratio Nedir tıp Rölatif risk hesaplama Rölatif risk Nedir