1.4 Показатели связи
1.4 Measures of Association
В эпидемиологических исследованиях нас обычно интересует, как определенные вмешательства или воздействия связаны с исходами; например, существует ли связь между возрастом отца и ретинобластомой у потомства? [10]. Существует несколько статистических подходов, которые могут быть использованы для количественной оценки связей, либо в виде отношения, либо в виде разности, в зависимости от дизайна исследования и используемого статистического метода (Таблица 1.2).
In epidemiological research, we are usually interested in how certain interventions or exposures are associated with outcomes; for example, is there an association between paternal age and retinoblastoma in the offspring? [10]. There are several statistical approaches that can be used to quantify associations, either as a ratio or as a difference, depending on the study design and statistical method used (Table 1.2).
1.4.1 Относительный риск
1.4.1 Relative Risk
Отношение кумулятивной частоты возникновения событий у подвергшихся воздействию и не подвергшихся воздействию лиц (или между леченными и нелеченными пациентами) является относительным риском (ОР, RR). Например, в Нидерландах ОР ретинобластомы у детей, зачатых путем in vitro fertilization, составляет от 4.9 до 7.2. Это означает, что риск развития ретинобластомы у детей, зачатых после IVF, в 4.9–7.2 раза выше, чем у детей, зачатых естественным путем.
The ratio of cumulative incidences of exposed and unexposed individuals (or between treated and untreated patients) is the relative risk (RR). For example, in the Netherlands, the RR of retinoblastoma in children conceived by in vitro fertilization is between 4.9 and 7.2. This implies that the risk of getting retinoblastoma is between 4.9 and 7.2 times higher for children conceived after IVF than naturally conceived children.
1.4.2 Отношение рисков
1.4.2 Hazard Ratio
Отношение плотности заболеваемости у неподвергнутых воздействию и подвергнутых воздействию пациентов (или между леченными и нелеченными пациентами) представляет собой отношение рисков (HR), которое имеет интерпретацию, аналогичную ОР. Этот показатель часто используется в отношении смертности, поскольку нас обычно интересует не только доля умерших пациентов, но и время от исходного уровня (диагноза или начала лечения) до смерти. Специальным применением HR является отношение наблюдаемого количества случаев к ожидаемому (отношение O/E). В этом случае наблюдаемая плотность заболеваемости рассчитывается для исследуемой популяции и сравнивается с ожидаемой плотностью заболеваемости, полученной из популяционного регистра (например, регистра рака). Например, в исследовании пожизненных рисков распространенных видов рака среди 144 выживших с наследственной ретинобластомой наблюдалось 41 смерть от рака, тогда как ожидалось только 7,58 смертей от рака. Эти данные могут быть выражены как стандартизированное отношение смертности 5,41 [11].
The ratio of incidence densities of unexposed and exposed patients (or between treated and untreated patients) is the hazard ratio (HR), which has a similar interpretation as the RR. This measure is often used in relation to mortality because we are generally interested not only in the proportion of patients that die but also in the time from baseline (diagnosis or start of treatment) until death. A special application of HR is the ratio of the observed to the expected number of cases (O/E ratio). In this case, the observed incidence density is calculated for the study population, and this is compared to the expected incidence density derived from a population registry (e.g. cancer registration). For example, in a study of lifetime risks of common cancers among 144 hereditary retinoblastoma survivors, 41 cancer deaths were observed, whereas only 7.58 deaths due to cancer were expected. This data can be expressed as a standardized mortality ratio of 5.41 [11].
Таблица 1.2 Связь между исходом, показателями связи, дизайном исследования и статистическими методами
Table 1.2 The relation between outcome, measures of association, study designs, and statistical methods
| Исход | Показатель связи | Расчет | Дизайн исследования | Статистические методы |
| Распространенность | Показатель распространенности | P1/P2 | Одномоментное | Критерий хи-квадрат |
| Логистический регрессионный анализ | ||||
| Разница распространенности | P1-P2 | Одномоментное | Критерий хи-квадрат | |
| Шансы воздействия | Отношение шансов | Шансы воздействия группы 1/шансы воздействия группы 2 | Исследование «случай — контроль» (когортное исследование, РКИ (RCT)) | Критерий хи-квадрат |
| Логистическая регрессия | ||||
| Кумулятивная заболеваемость (CI) | Относительный риск | CI1/CI2 | Когортное исследование/РКИ | Критерий хи-квадрат |
| Разность рисков | CI1-CI2 | RCT | ||
| Плотность заболеваемости (ID) | Отношение рисков | ID1/ID2 | Когортное исследование/РКИ | Каплан-Мейер |
| Регрессия Кокса | ||||
| Разность рисков | ID1-ID2 | RCT | Каплан-Мейер | |
| Отношение наблюдаемых/ожидаемых значений | Наблюдаемая ID/ожидаемая ID в общей популяции | Когортное исследование/регистрационное исследование | ||
| Качество жизни | Разность средних баллов | X1-X2 | Когортное исследование/РКИ | Независимый t-критерий |
| Линейный регрессионный анализ |
| Outcome | Measure of association | Computation | Study designs | Statistical methods |
| Prevalence | Prevalence rate | P1/P2 | Cross-sectional | Chi-square test |
| Logistic regression analysis | ||||
| Prevalence difference | P1-P2 | Cross-sectional | Chi-square test | |
| Odds of exposure | Odds ratio | Odds of exposure group 1/odds of exposure group 2 | Case-control study (cohort study, RCT) | Chi-square test |
| Logistic regression | ||||
| Cumulative incidence (CI) | Relative risk | CI1/CI2 | Cohort study/RCT | Chi-square test |
| Risk difference | CI1-CI2 | RCT | ||
| Incidence density (ID) | Hazard ratio | ID1/ID2 | Cohort study/RCT | Kaplan-Meier |
| Cox regression | ||||
| Risk difference | ID1-ID2 | RCT | Kaplan-Meier | |
| O/E ratio | Observed ID/expected ID in general population | Cohort study/registry study | ||
| Quality of life | Difference in mean score | X1-X2 | Cohort study/RCT | Independent t-test |
| Linear regression analyses |
P l группа распространенности 1, P 2 группа распространенности 2, C I кумулятивная заболеваемость, C I l ДИ (CI) группа 1, C I 2 ДИ группа 2, I D плотность заболеваемости, I D l ID группа 1, I D 2 ID группа 2, O / E отношение наблюдаемого к ожидаемому отношению, R C T рандомизированное контролируемое исследование $X _ { 1 } = $ средний балл группа 1; $X _ { 2 } = $ средний балл группа 2
P l prevalence group 1, P 2 prevalence group 2, C I cumulative incidence, C I l CI group 1, C I 2 CI group 2, I D incidence density, I D l ID group 1, I D 2 ID group 2, O / E ratio observed to expected ratio, R C T randomized controlled trial $X _ { 1 } = $ mean score group 1; $X _ { 2 } = $ mean score group 2
1.4.3 Отношение шансов
1.4.3 Odds Ratio
Отношение шансов (ОШ, OR) является наиболее часто представляемым показателем связи в литературе в силу того, что эта статистика может быть получена с помощью популярного логистического регрессионного анализа. ОШ представляет собой отношение шансов исхода, интересующего исследователя, между подвергнутыми воздействию и неподвергнутыми воздействию. Вообще говоря, ОШ является хорошим приближением к ОР или HR.
The odds ratio (OR) is the most commonly reported measure of association in the literature due to the fact that this is the statistic that can be derived from the popular logistic regression analysis. The OR is the ratio of the odds of outcome of interest between the exposed and the unexposed. Generally speaking, the OR is a good approximation of the RR or HR.
1.4.4 Различия в риске
1.4.4 Differences in Risk
Различия в рисках (RD) предпочтительно представляются в качестве исходов в рандомизированных контролируемых исследованиях. RD легко интерпретировать, и его можно использовать для расчета числа пациентов, которых необходимо пролечить (ЧБНЛ, NNT), чтобы предотвратить одно дополнительное событие (например, смерть) по сравнению со стандартным лечением или плацебо. ЧБНЛ может быть рассчитан как величина, обратная RD (1/RD). Связанным понятием является число, которое необходимо проскринировать (NNS). Это относится к числу пациентов, которых необходимо проскринировать, чтобы предотвратить одно дополнительное событие по сравнению с ситуацией без программы скрининга. Таким образом, NNS зависит как от прогностической вероятности скринингового теста, так и от эффективности лечения людей, у которых диагноз был поставлен с помощью этого скринингового теста. Значение рутинного нейровизуализационного скрининга пинобластомы у пациентов с ретинобластомой неопределенно и является предметом дискуссии [12].
Differences in risks (RD) are preferably reported as outcomes in randomized controlled trials. The RD is easy to interpret and can be used to calculate the number of patients needed to treat (NNT) to prevent one extra event (e.g., death) compared to the standard treatment or placebo. The NNT can be calculated as the inverse of RD (1/RD). A related concept is that of the number needed to screen (NNS). This refers to the number of patients needed to be screened to prevent one extra event compared to the situation without a screening program. The NNS, thus, depends on the predictive probability of the screening test as well as on the efficacy of treatment for people that are diagnosed with that screening test. The value of routine neuroimaging screening of pineoblastoma in retinoblastoma patients is uncertain and a point of discussion [12].
1.4.5 Различия в среднем балле
1.4.5 Differences in Mean Score
Для баллов по интервальным шкалам, таким как качество жизни, различия в средних баллах между подвергшимися воздействию и неподвергшимися воздействию участниками являются наиболее важным показателем интереса. Их можно получить с помощью t-критерия для независимых выборок в рамках общих линейных моделей (например, анализа линейной регрессии).
For scores on interval scales, such as quality-of-life, differences in mean scores between exposed and unexposed participants are the most important measure of interest. These can be derived from independent samples t-test of general linear models (e.g., linear regression analysis).
1.5 Точность оценки
1.5 Precision of the Estimate
При интерпретации исхода мы хотим знать не только числовое значение точечной оценки, но и точность, с которой она была оценена. Другими словами, можем ли мы быть уверены, что исход не является просто случайной находкой? Обычным стандартом для признания исхода выходящим за рамки случайности является p (вероятность) < 0.05. Более информативное описание дает 95% доверительный интервал (ДИ). Грубая интерпретация 95% ДИ заключается в том, что существует 95%-ная вероятность того, что истинное значение находится внутри доверительного интервала.
When interpreting an outcome, we do not only want to know the numerical value of the point estimate but also the precision with which it has been assessed. In other words, can we be confident that the outcome is not just a chance finding? The usual standard for accepting an outcome as being beyond chance is p (probability) < 0.05. A more informative description is provided by the 95% confidence interval (CI). The rough interpretation of the 95% CI is that there is a 95% probability that the real value lies within the confidence interval.
Статистическая значимость и ширина доверительных интервалов сильно зависят от размера выборки исследования. Это означает, что в очень больших выборках слабые (и потенциально неважные) связи могут быть статистически значимыми. Напротив, в малых выборках сильные (и потенциально важные) связи иногда не являются статистически значимыми. Такие результаты, конечно, не следует отбрасывать как нерелевантные. Вместо этого их следует воспроизвести на более крупных популяциях исследования. Связи, хотя и являются статистически значимыми, не обязательно должны быть клинически важными. Поэтому интерпретация результатов никогда не должна основываться исключительно на статистической значимости.
Statistical significance and the width of confidence intervals are strongly dependent on the sample size of a study. This means that in very large samples, weak (and potentially unimportant) associations can be statistically significant. In contrast, in small samples, strong (and potentially important) associations are sometimes not statistically significant. Such findings should, of course, not be dismissed as being irrelevant. Instead, they should be replicated in larger study populations. Associations, although statistically significant, need not be clinically important. Therefore, interpretation of findings should never solely rely on statistical significance.