Konfidenciaintervallumok és p-értékek
a statisztikai elemzés bármilyen megvitatása érdekében fontos, hogy először megértsük a népességstatisztika fogalmát. Nyilvánvaló, hogy a népességstatisztika az érdeklődésre számot tartó népességen belüli bármely intézkedés értéke, és ezek becslése a legtöbb tanulmány célja ., Például, egy tanulmány nézi az elhízás, a betegek egy bizonyos gyógyszert, a lakosság statisztika lehet, hogy az átlagos elhízás aránya, mind a betegek a gyógyszert.
ennek az értéknek az azonosításához azonban minden egyes, ebbe a kategóriába tartozó személy számára adatokra lenne szükség, ami nem praktikus. Ehelyett egy randomizált mintát lehet összegyűjteni, amelyből minta statisztikákat lehet beszerezni. Ezeket minta statisztikák szolgálnak becslések a megfelelő lakosság statisztika, valamint lehetővé teszi, hogy a kutató, hogy következtetéseit arról, hogy a lakosság érdekeit.,
jelentős korlátozás van abban, hogy ezeknek az épített mintáknak reprezentatívnak kell lenniük a nagyobb érdeklődésre számot tartó populációra. Bár sok lépést lehet tenni ennek a korlátozásnak a csökkentése érdekében, néha annak hatásai (úgynevezett mintavételi torzítás ) túlmutatnak a kutató ellenőrzésén. Továbbá, még egy elméleti helyzetben nincs mintavételi elfogultság, randomizáció vezethet téves minta. Az előző példában tegyük fel, hogy a gyógyszerre jogosult felnőttek körében az elhízás népességi aránya 25% volt., Egy egyszerű, 30 betegből álló, véletlenszerű mintában ebből a populációból 19, 7% esély van arra, hogy legalább 10 beteg elhízott lesz, ami 33, 3% – os vagy még magasabb elhízási arányt eredményez. Még akkor is, ha nincs kapcsolat a gyógyszeres kezelés és az elhízás aránya között, még mindig lehetséges olyan sebességgel találkozni, amely eltér a teljes elhízási aránytól, amely csak a mintavétel véletlenszerűségével történt. Ez a hatás az oka annak, hogy a klinikai kutatás során konfidencia intervallumokat és p-értékeket kell jelenteni.
a konfidencia intervallumok olyan intervallumok, amelyekben a populációs statisztika hazudhat., Ezeket a mintastatisztika és a minta bizonyos jellemzői alapján állítják össze, amelyek felmérik, hogy mennyire valószínű, hogy reprezentatív, és egy bizonyos küszöbértékre jelentik őket . A 95% – os konfidencia intervallum olyan intervallum, amelyet úgy alakítottak ki, hogy a véletlenszerű minták átlagosan 95% – a tartalmazza a valódi populációs statisztikát a 95% – os konfidencia intervallumon belül. Így a jelentős eredmények küszöbértékét gyakran 95% – nak tekintik, azzal a megértéssel, hogy a bejelentett tartományon belüli összes érték ugyanolyan érvényes, mint a lehetséges populációs statisztika.,
A p-érték hasonló információkat más módon jelent. Ahelyett, hogy egy mintavételi statisztika körüli intervallumot építene fel, egy p-érték azt a valószínűséget jelenti, hogy a minta statisztikát egy populáció véletlenszerű mintavételéből állították elő, mivel a populációra vonatkozó feltételezések halmaza, “null hipotézisnek” nevezik ., Figyelembe véve a példa tanulmány elhízás aránya ismét, az elhízás aránya a minta között (a minta a betegek a gyógyszeres kezelés) lehetne jelenteni mellett p-érték meghatározására annak az esélye, hogy egy ilyen arány lehetne előállítani véletlenszerűen mintavétel a teljes betegpopuláció jogosult a gyógyszert. A vizsgálat esetében a nullhipotézis az, hogy a gyógyszeres kezelésben részesülő betegek körében az elhízás populációs aránya megegyezik a gyógyszeres kezelésre jogosult betegek körében az elhízás általános arányával, azaz 25% – kal., Az egyfarkú p-érték Akkor használható, ha okkal feltételezhető, hogy egy hatás csak egy irányban fordul elő (például okkal feltételezhető, hogy a gyógyszer növeli a súlygyarapodást, de nem csökkenti azt), míg a Kétfarkú p-értéket minden más esetben fel kell használni. Szimmetrikus Eloszlás, például a normál eloszlás használata esetén a Kétfarkú p-értékek egyszerűen kétszerese az egyfarkú p-értéknek.
tegyük fel ismét, hogy a gyógyszeren lévő 30 betegből álló minta 12 elhízott személyt tartalmaz. Egyfarkú teszttel a p-értékünk 0,0216 (a binomiális eloszlás használatával)., Így azt mondhatjuk, hogy a megfigyelt 40% – os arányunk jelentősen különbözik a feltételezett 25% – os aránytól, 0,05-ös szignifikanciaszinten. Más értelemben a megfigyelt arány 95% – os konfidencia intervalluma 25,6% – 61,07%. A konfidencia-intervallumok Kétfarkú vizsgálatoknak felelnek meg, ahol a Kétfarkú tesztet elutasítják, ha és csak akkor, ha a konfidencia-intervallum nem tartalmazza a null-hipotézishez kapcsolódó értéket (ebben az esetben 25%).
Ha egy számított p-érték kicsi, akkor valószínű, hogy a populáció nem a nullhipotézisben eredetileg megadott módon van felépítve., Ha alacsony p-értéket kapunk, bizonyítékunk van arra, hogy a megfigyelt különbség valamilyen hatása vagy oka volt – a gyógyszer, ebben az esetben. Jellemzően 0,05-ös küszöbértéket (vagy 5% – os küszöbértéket) alkalmaznak, a P-értéknek ezen küszöbérték alatt kell lennie ahhoz, hogy a megfelelő attribútum statisztikailag szignifikáns legyen.
kockázati arány
a kockázat, a valószínűség másik kifejezése, a statisztikai elemzés másik alapelve. A valószínűség egy olyan esemény megfigyelésének összehasonlítása, amely a teljes egyedi eredményhez vezet., A pénzfeldobás triviális példa: a fejek megfigyelésének kockázata ½ vagy 50%, mivel az összes lehetséges egyedi kísérlet (egy flip, amely fejeket vagy flip-et eredményez), csak az egyik érdekes esemény (fej).
csak a kockázat használata lehetővé teszi az egyetlen populációra vonatkozó előrejelzéseket. Például az Egyesült Államok népességének elhízási arányát tekintve a CDC arról számolt be, hogy a felnőttek 42, 4% – a elhízott volt 2017-2018-ban. Tehát az Egyesült Államokban az egyén elhízásának kockázata körülbelül 42,4% . A legtöbb tanulmány azonban egy adott beavatkozás vagy más elem (például halálozás) hatását vizsgálja egy másikra., Korábban azt feltételeztük, hogy a támogatható betegek elhízási aránya 25% volt, de itt fogjuk használni az Egyesült Államok felnőtt lakosságához kapcsolódó 42.4% – ot. Tegyük fel, hogy 25% – os kockázatot észlelünk a gyógyszeres kezelésben részesülő betegek véletlenszerű mintájában is. A gyógyszer elhízásra gyakorolt hatásának megfogalmazása érdekében logikus következő lépés lenne az elhízás kockázatának megosztása az Egyesült Államok lakosságában a gyógyszerre, az elhízás kockázatával az Egyesült Államok lakosságában, ami 0, 590 kockázati arányt eredményez.,
Ez a számítás-két kockázat aránya-a névadó kockázati arány (RR) statisztika, más néven relatív kockázat. Ez lehetővé teszi egy adott szám megadását arra vonatkozóan, hogy az egyik kategóriába tartozó egyén mennyivel nagyobb kockázatot hordoz, mint egy másik kategóriába tartozó személy. A példában a gyógyszert szedő egyén 0, 59-szer annyi kockázatot hordoz, mint az Egyesült Államok általános lakosságának felnőttje., Feltételeztük azonban, hogy a gyógyszerre jogosult népesség elhízási aránya 25% volt – talán csak egy fiatal felnőtt csoport, akik átlagosan egészségesebbek lehetnek, jogosultak a gyógyszer szedésére. A gyógyszer elhízásra gyakorolt hatásának vizsgálata során ez az arány, amelyet nullhipotézisként kell használni. Ha megfigyeljük az elhízás mértéke a gyógyszert, 40% – os, a p-érték kisebb, mint a szignifikancia szint 0,05, ez bizonyíték arra, hogy a gyógyszer növeli az elhízás (egy RR, ebben az esetben az 1.6)., Mint ilyen, fontos, hogy gondosan válassza ki a null hipotézist, hogy releváns statisztikai előrejelzéseket készítsen.
az RR-vel az 1 eredménye azt jelenti, hogy mindkét csoportnak azonos a kockázata, míg az 1-vel nem egyenlő eredmények azt jelzik, hogy az egyik csoport több kockázatot hordoz, mint a másik, olyan kockázat, amelyet feltételezhetően a vizsgálat által vizsgált beavatkozás okoz (formálisan az ok-okozati irány feltételezése).
szemléltetésül a Journal of Stroke and cerebrovascularis Diseases című folyóiratban megjelent 2009-es tanulmány eredményeit tekintjük meg., A vizsgálati jelentések, hogy a betegek egy hosszabb elektrokardiográfiai QTc volt, nagyobb valószínűséggel halnak meg 90 napon belül a betegekhez képest, anélkül, hogy egy hosszabb intervallum (relatív kockázat =2.5; 95% – os konfidencia-intervallum 1.5-4.1) . A kockázati arány 1,5-4,1 közötti konfidencia intervalluma azt jelzi, hogy az elhúzódó QTc-intervallumban szenvedő betegek 90 nap alatt 1,5-4,1-szer nagyobb valószínűséggel halnak meg, mint azok, akiknek nincs hosszabb QTc-intervalluma.,
A második példa – egy mérföldkő papír, amelyek igazolják, hogy a vérnyomás-görbe az akut ischaemiás stroke U-alakú inkább, mint a J-alakú , a nyomozók megállapították, hogy a RR növekedett közel két-szeres a betegek jelenti, artériás vérnyomás (TÉRKÉP) >140 hgmm vagy <100 hgmm (RR=1.8, 95% CI 1.1-2.9, p=0,027). Miután a CI 1,1 – 2,9 az RR azt jelenti, hogy a betegek egy térkép tartományon kívül 100-140 Hgmm voltak 1,1-2,9-szer nagyobb valószínűséggel halnak meg, mint azok, akik a kezdeti térkép ezen a tartományon belül.,
egy másik példa, egy 2018-ig szóló tanulmány Ausztrál tengerészeti újonc úgy találta, hogy azok, akik előre gyártott orthoses (a típusú láb támogatás) volt 20.3% kockázat, a szenvedés, legalább az egyik káros hatása, míg azok, anélkül, hogy volt egy kockázatát 12.4% . A kockázati arányt itt 0,203/0,124 vagy 1,63 adja, ami arra utal, hogy a láb ortézisével rendelkező újoncok 1,63-szor nagyobb kockázatot hordoznak, mint valamilyen káros következmény (például láb buborékfólia, fájdalom stb.).), mint a nélküliek. Ugyanez a vizsgálat azonban 95% – os konfidencia intervallumot jelent a 0, 96-2, 76 kockázati arányra, 0, 068 p-értékkel., A konfidencia intervallumot tekintve a 95% – os jelentett tartomány (az általánosan elfogadott szabvány) az 1, 1 alatti értékeket, az 1 feletti értékeket tartalmazza. Emlékezve arra, hogy minden érték egyformán valószínű, hogy a népességstatisztika, 95% – os bizalommal, nincs mód kizárni annak lehetőségét, hogy a láb ortéziseknek nincs hatásuk, jelentős előnyük van, vagy jelentős hátrányuk van. Ezenkívül a p-érték nagyobb, mint a 0,05-ös szabvány, ezért ezek az adatok nem mutatnak jelentős bizonyítékot arra, hogy a láb ortézisei bármilyen következetes hatást gyakorolnának a nemkívánatos eseményekre, például hólyagokra és fájdalomra., Mint korábban megírtuk, ez nem véletlen-ha azonos vagy hasonló módszerekkel számolják őket, és a p-érték Kétfarkú, akkor a konfidencia intervallumok és a p-értékek ugyanazt az eredményt jelentik.
ha helyesen használják, a kockázati arányok erőteljes statisztika, amely lehetővé teszi a kockázat változásának becslését egy populációban, amelyet az egyik populáció visel a másik felett., Nagyon könnyű megérteni őket (az érték az, hogy az egyik csoport hányszor viseli a kockázatot a másik felett), és az ok-okozati irány feltételezésével gyorsan megmutatja, hogy egy beavatkozás (vagy más tesztelt változó) hatással van-e az eredményekre.
azonban vannak korlátozások. Először is, az RRs nem alkalmazható minden esetben. Mivel a mintában a kockázat egy populációban a kockázat becslése, a mintának ésszerűen reprezentatívnak kell lennie a populációra nézve. Mint ilyen, az esettanulmányok, egyszerű tekintettel arra, hogy az eredmények arányát ellenőrzik, nem jelenthetnek kockázati arányt., Másodszor, mint az itt tárgyalt összes statisztika esetében, az RR relatív intézkedés, amely információt nyújt az egyik csoport kockázatáról a másikhoz képest. A probléma itt az, hogy egy olyan tanulmány, amelyben két csoport 0,2% – os és 0,1% – os kockázattal rendelkezett, ugyanazt az RR-T, 2-et viseli, mint az egyik, ahol két csoportban 90% – os és 45% – os kockázat volt. Bár mindkét esetben igaz, hogy az intervencióval rendelkezők kétszer nagyobb kockázatnak voltak kitéve, ez egy esetben csak 0, 1% – kal nagyobb kockázatot jelent, míg egy másik esetben 45% – kal nagyobb kockázatot jelent., Így a jelentés csak az RR eltúlozza a hatást az első fokon, miközben potenciálisan minimalizálja a hatást (vagy legalábbis dekontextualizálva azt) a második esetben.
Odds raties
míg a kockázat a vizsgálatok teljes számához viszonyított érdekes események számát jelenti, az odds az érdeklődésre számot tartó események számát jelenti a nem érdekes események számához viszonyítva. Másképp kijelentve, az események számát jelenti a nem eseményeknek., Míg a kockázat, mint korábban meghatároztuk, essek egy érmét, hogy fejek 1:2 vagy 50%, az esélye essek egy érmét, hogy fejek 1: 1, mivel van egy kívánt eredmény (esemény), és egy nem kívánt eredmény (nonevent) (ábra 1).
Figure1:Valószínűsége (P) vs Esélye (O), ahol p=a siker valószínűsége, q=a kudarc valószínűsége
csakúgy, mint a RR, ahol az arány a két kockázatok készült, két külön csoportok aránya két esélye lehet venni két különálló csoportban, hogy készítsen egy esélyhányados (VAGY)., Ahelyett, hogy beszámol arról, hogy az egyik csoport hányszor viseli a kockázatot a másikhoz képest, beszámol arról, hogy hányszor viseli az egyik csoport esélyeit a másikhoz.
a legtöbb, ez egy nehezebb statisztika megérteni. A kockázat gyakran intuitívabb fogalom, mint az esélyek, így a relatív kockázatok megértése gyakran előnyös a relatív esélyek megértése szempontjából. Azonban, vagy nem szenved azonos ok-okozati feltételezés korlátozások RR, így szélesebb körben alkalmazható.,
például az esélyek egy szimmetrikus intézkedés, ami azt jelenti, hogy míg a kockázat csak az adott beavatkozások eredményeit vizsgálja, az esélyek megvizsgálhatják az adott kimenetelű beavatkozásokat is. Így egy olyan tanulmány készíthető, ahol a próbacsoportok és a mérési eredmények kiválasztása helyett az eredmények kiválaszthatók, és más tényezők is elemezhetők. A következő példa egy esettanulmányra, olyan helyzetre, amikor az RR nem használható, de nem is használható.
egy 2019-es esettanulmány jó példát mutat., Arra törekszik, hogy megtalálja a lehetséges összefüggés a hepatitis a vírus (HAV) fertőzés kiemelkedő Kanadában néhány okozó tényező, egy tanulmány épült alapján az eredmény (más szavakkal, az egyének voltak alapján kategorizált a HAV állapot, mivel a “beavatkozás”, vagy ok-okozati esemény, ismeretlen volt). A vizsgálat azokat vizsgálta, akik HAV-val rendelkeztek, és azokat, akik nem voltak, és milyen ételeket fogyasztottak a HAV-fertőzés előtt . Ebből, több esély arányok épültek összehasonlítva egy adott élelmiszer tétel HAV állapot., Például, a talált adatok, hogy a témák között, aki expozíció rákot/garnélarák, nyolc pozitív volt HAV, miközben hét nem volt, míg azok számára, anélkül, hogy az expozíció két pozitív volt HAV, míg 29 nem voltak. Egy esély Arány veszik (8:7)/(2:29) ami körülbelül 16,6-nak felel meg. A vizsgálati adatok 15, 75-ös vagy annál kisebb eltérést jelentettek, amely valószínűleg a tanulmányban nem tárgyalt zavaró változók előzetes számítási kiigazításaiból származik. 0,01 p-értéket jelentettek, így statisztikai bizonyítékot szolgáltattak erre vagy jelentősre.,
Ez két egyenlő módon értelmezhető. Először is, a garnélarák / garnélarák expozíciójának esélye a HAV-val rendelkezők számára 15,75-szer nagyobb, mint a nélküliek esetében. Ekvivalens módon a HAV-positve és a HAV-negatív esélye 15,75-szer nagyobb a garnélaráknak/garnélaráknak kitett személyek esetében, mint a nem kitett személyek esetében.
összességében, vagy két változó közötti összefüggés erősségének mérését biztosítja az 1 skálán, mivel nincs társulás, az 1 felett pozitív társulás, az 1 alatt pedig negatív társulás., Míg az előző két értelmezés helyes, ezek nem olyan közvetlenül érthetőek, mint egy RR lett volna, ha meg lehetett volna határozni egyet. Egy másik értelmezés szerint a garnéla/garnéla expozíció és a HAV között erős pozitív korreláció áll fenn.
emiatt egyes konkrét esetekben helyénvaló közelíteni az RR – t a vagy. Ilyen esetekben a ritka betegség feltételezésének meg kell felelnie. Vagyis a betegségnek rendkívül ritkanak kell lennie egy populáción belül., Ebben az esetben a betegség kockázata a populáción belül (p/(p+q)) megközelíti a betegség esélyét a populáción belül (p/q), mivel p jelentéktelenül kicsi a q-hoz képest. így az RR és vagy konvergál, amikor a populáció nagyobb lesz. Ha azonban ez a feltételezés kudarcot vall, a különbség egyre inkább eltúlzott. Matematikailag, a P+q vizsgálatokban a csökkenő p növeli a q-t, hogy fenntartsa ugyanazt a teljes vizsgálatot. Kockázattal csak a számláló változik, míg az esélyekkel mind a számláló, mind a nevező ellentétes irányba változik., Ennek eredményeként azokban az esetekben, amikor az RR vagy mindkettő 1 alatt van, az OR alábecsüli az RR-t, míg azokban az esetekben, amikor mindkettő 1 felett van, az OR túlbecsüli az RR-t.
A vagy mint RR téves jelentése gyakran eltúlozza az adatokat. Fontos megjegyezni, hogy vagy egy relatív intézkedés, mint RR, így néha egy nagy, vagy megfelelhet egy kis különbség esélye.
a leghűségesebb jelentéstétel esetében, akkor vagy nem szabad RR-ként bemutatni, és csak az RR közelítéseként kell bemutatni, ha a ritka betegség feltételezése ésszerűen fennáll., Ha lehetséges, mindig RR-t kell jelenteni.
Veszélyességi arányok
a két RR VAGY aggodalom beavatkozások eredmények, így beszámolási át egy teljes tanulmányi időszakban. Egy hasonló, de különálló intézkedés, a relatív hazárd (HR) azonban a változás mértékére vonatkozik (1.táblázat).
| RR | vagy | |||||
| alapján néhány változó . | határozza meg a két változó közötti társulást., | határozza meg, hogyan változik az egyik csoport a másikhoz képest. | ||||
| Use | elmondja, hogy egy beavatkozás hogyan változtatja meg a kockázatokat. | megmondja, hogy van-e összefüggés a beavatkozás és a kockázat között; becsüli, hogy ez a társulás hogyan érvényes. | elmondja nekünk, hogy egy beavatkozás hogyan változtatja meg az esemény tapasztalásának sebességét. | |||
| korlátozások | csak akkor alkalmazható, ha a vizsgálati terv a populációra jellemző. Nem használható esettanulmányokon. | általában mindenhol alkalmazható, de nem mindig hasznos statisztika. Eltúlozza a kockázatokat., | ahhoz, hogy általában hasznos legyen, a két csoporton belüli változás arányának viszonylag konzisztensnek kell lennie. | |||
| idővonal | statikus – nem veszi figyelembe az árakat. Összefoglalja egy átfogó tanulmányt. | statikus-nem veszi figyelembe az árakat. Összefoglalja egy átfogó tanulmányt. | az árak alapján. Információt nyújt arról, hogyan halad a tanulmány az idő múlásával. |
Table1: Relative risk (RR) vs. Odds Ratio (OR) vs., A relatív hazárd (HR)
óra együtt van a túlélési görbékkel, amelyek egy adott esemény időbeli progresszióját mutatják egy csoporton belül, függetlenül attól, hogy az esemény halál vagy betegség. Egy túlélési görbében a függőleges tengely megfelel az érdekes eseménynek,a vízszintes tengely pedig az időnek. A veszély az esemény akkor egyenértékű a lejtőn a grafikon, vagy az események egy időben.
a relatív hazárd egyszerűen két veszély összehasonlítása., Megmutatja, hogy a görbék lejtőinek összehasonlításával milyen gyorsan tér el két túlélési görbe. Az 1 HR-je nem mutat eltérést – mindkét görbén belül az esemény valószínűsége azonos volt egy adott időpontban. Az 1-gyel nem egyenlő HR azt jelzi, hogy két esemény nem fordul elő azonos sebességgel, és az egyik csoportban az egyén kockázata eltér az egyén kockázatától egy másikban egy adott időintervallumban.
fontos feltételezés, hogy a HRs teszi az arányos arányokat feltételezés., Az egyedi relatív hazárd jelentéséhez azt kell feltételezni, hogy a két veszélyességi arány állandó. Ha a gráf meredeksége megváltozik, akkor az arány az idő múlásával is megváltozik, így a valószínűség összehasonlításaként nem alkalmazható egy adott időpontban.
fontolja meg egy új kemoterápiás szer vizsgálatát, amely egy adott rákban szenvedő betegek várható élettartamát kívánja meghosszabbítani. Mind a beavatkozásban, mind a kontrollcsoportban 25% halt meg a 40.hétre., Mivel mindkét csoport 100%-os túlélésről 75% – os túlélésre csökkent a 40 hetes időszak alatt, a veszélyességi arány egyenlő, így a veszélyességi arány 1. Ez arra utal, hogy a gyógyszert kapó egyén ugyanolyan valószínűséggel hal meg, mint az, aki soha nem kapja meg a gyógyszert.
lehetséges azonban, hogy az intervenciós csoportban mind a 25% a hat-10.hét között halt meg, míg a kontrollcsoport esetében mind a 25% az egy-hat héten belül meghalt. Ebben az esetben a mediánok összehasonlítása magasabb várható élettartamot mutatna a kábítószer-használók számára, annak ellenére, hogy a HR nem mutat különbséget., Ebben az esetben az arányos veszélyek feltételezése sikertelen, mivel a veszélyességi arányok idővel (meglehetősen drámaian) változnak. Ilyen esetekben a HR nem alkalmazható.
egy értékelő vizsgálat prognosztikai teljesítmény A Gyors Sürgősségi Pontszám (REMS), valamint a Worthing Élettani Pontozási rendszer (WPSS), a nyomozók megállapították, hogy a kockázat 30 napos halálozás 30% – kal emelkedett, minden további REMS egység (HR: 1.28; 95% – os konfidencia-intervallum (CI): 1.23-1.34), illetve 60% – kal minden további WPSS egység (HR: 1.6; 95% CI: 1.5-1.7). Ebben az esetben a halálozási arány nem változott, hanem a pontozási rendszer, hogy megjósolja, így a HR használható. Konfidencia intervallum 1,5-1 között van.,7 a wpss veszélyességi arány azt jelzi, hogy a magasabb WPS-vel rendelkezők halálozási görbéje gyorsabb ütemben csökken (körülbelül 1, 5-1, 7-szer). Mivel az intervallum alsó vége még mindig 1 felett van, biztosak vagyunk abban, hogy a halál valódi veszélye 30 napon belül magasabb a magasabb WPS-vel rendelkező csoportnál .
A 2018-as tanulmány a mértéktelen ivás között egyének bizonyos kockázati tényezők, a túlélési görbe épült tervez az arány elérése a mértéktelen ivás ellenőrzéseket, azok egy család története, férfi, szex, magas impulzivitás, valamint a magasabb válasz, hogy az alkohol., A férfiak, valamint azok, akiknek a családjában, statisztikailag jelentős bizonyítékok egy magasabb arány elérése a mértéktelen ivás jelentették (egy HR-es a 1.74 a férfiak, mind a 1.04 azok számára, akiknek a családjában) . A magas impulzivitással rendelkezők esetében azonban, bár a HR 1,17 volt, a 95% – os konfidencia intervallum 1,00-1,37 között mozgott. Így 95% – os bizalmi szintre lehetetlen kizárni, hogy a HR 1.00 volt.,
a jelen túlzás miatt fontos elkerülni a ORs-t mint RRs-t, és hasonlóképpen fontos felismerni, hogy egy jelentett vagy ritkán jó közelítést biztosít a relatív kockázatokhoz, hanem egyszerűen csak a korreláció mértékét biztosítja.
a határozott következtetések és érthetőség képessége miatt az RR-T lehetőség szerint jelenteni kell, azonban azokban az esetekben, amikor az ok-okozati feltételezést megsértik (például esettanulmányok és logisztikai regresszió), vagy felhasználhatók.,a
órát túlélési görbékkel együtt alkalmazzák, és feltételezik, hogy a veszélyességi arány idővel egyenlő. Bár hasznos összehasonlítani két arány, azokat jelenteni kell a medián alkalommal, hogy igazolja az arányos veszély feltételezés.
végül, függetlenül a HR/RR/vagy statisztika értékétől, értelmezést csak annak meghatározása után szabad végezni, hogy az eredmény statisztikailag szignifikáns bizonyítékot szolgáltat-e a következtetés felé (a p-érték vagy a konfidencia intervallum határozza meg)., Emlékezés ezeket az alapelveket, valamint a keret a HR/RR/VAGY minimálisra csökkenti a megtévesztés illetve megakadályozza, hogy az egyik rajz helytelen következtetések az eredmények közzétett tanulmány vonatkozó különböző mintákat. A 2. ábra a különböző kockázati arányok helyes és helytelen használatát foglalja össze.
