机器算法验证 - 将调整后的赔率比转换为其 RR 对应值 - 吾爱随笔录

将调整后的赔率比转换为其 RR 对应值

机器算法验证荟萃分析优势比相对风险调整

2022-04-12 04:09:17

我正在对研究进行荟萃分析，这些研究有时将他们的估计报告为 OR，有时报告为 RR。我想将 OR 转换为 RR，以便将它们汇集在一起。我知道我可以将这个公式用于未调整的赔率

Relative Risk = \frac{Odds Ratio}{(1 - p_{0}) + (p_{0} * Odds Ratio)}

$\text{Relative Risk} = {\text{Odds Ratio} \over (1–p_0)+(p_0 *\text{Odds Ratio}) }$

其中 $p_0$ 是非暴露组中感兴趣的结果的发生率。

可以使用相同的公式将调整后的 OR 转换为其 RR 等效值吗？

1个回答

您可以对调整后的 OR（我假设从逻辑回归）到 RR 进行此计算，但最终结果可能对您的荟萃分析目标没有用处。本质问题是调整后的 OR $exp(\beta_1)$ 从逻辑回归不是人口的“平均值”。因此，无法从逻辑回归 OR 中计算总体平均相对风险。简单地使用人口基线风险来转换 $exp(\beta_1)$ 到 RR 将是不正确的。

相反，您只能计算固定协变量集的相对风险。假设你有：

g (Y) = β_{0} + β_{1} T r e a t m e n t + β_{2} A g e + β_{3} G e n d e r

$g(Y) = \beta_0 + \beta_1 Treatment + \beta_2 Age + \beta_3 Gender$ 然后

e x p (β_{1})

$exp(\beta_1)$ 表示给定固定值的几率的乘法变化

A g e

$Age$ 和

G e n d e r

$Gender$ . 你基本上有不同的

p_{0}

$p_0$ 对于不同的协变量集，因此您最终会遇到不同的相对风险，例如（40，女性）与（30，男性）。

因此，除非您关心比较一组非常具体的固定协变量，否则这可能对荟萃分析没有用处。将分析分为报告 RR 的分析和报告 OR 的分析可能是最好的选择，如此处所建议的。

其它你可能感兴趣的问题

上一篇如何计算 Precision & Recall 的置信区间（来自信号检测矩阵）？下一篇我需要多个随机斜率吗？