Bài viết Chỉ số odd ratio là gì thuộc chủ đề về Giải Đáp đang được rất nhiều bạn quan tâm đúng không nào !! Hôm nay, Hãy cùng https://truonggiathien.com.vn/ tìm hiểu Chỉ số odd ratio là gì trong bài viết hôm nay nha !
Các bạn đang xem nội dung : “Chỉ số odd ratio là gì”

Xem thêm:

+Solvency Ratio Là Gì – Cách Thức Giải Nghĩa Báo Cáo Tài Chính

+P/E Ratio Là Gì – Đặc Điểm Của Chỉ Số P/E

+P/b Là Gì – ý Nghĩa Chỉ Số P/b

+Chỉ Số Octan Là Gì

GS. Nguyễn Văn TuấnGiáo sư y khoa, ĐH New South WalesViện thống kê y khoa Garvan, Sydney, AustraliaTóm tắt:một trong số những hiểu lầm thường nhật trong diễn giải kết quả thống kê lâm sàng là nhầm lẫn giữaodds ratio(OR) vàrelative risk(RR). Nhiều công trình thống kê lâm sàng đối chứng ngẫu nhiên (randomized controlled trial – RCT) thường có chiều hướng báo cáo kết quả qua chỉ sốRR,nhưng cũng có khiORđược dùng để mô tả tác động của một thuật điều trị hay mối LH giữa hai yếu tố. Sự lựa chọn này kéo theo hiểu lầm rằng hai chỉ số này giống nhau, và sự hiểu lầm xảy ra ở ngay cả những nhà thống kê có kinh nghiệm. mặc khác,ORkhông có cùng ý nghĩa vớiRR. Nói ngắn gọn,ORlà một ước số củaRR. Trong điều kiện tần số mắc bệnh thấp hay rất thấp (dưới 1%) thìORRRcũng như nhau, nhưng khi tần số mắc bệnh cao hơn 20% thìORcó chiều hướng ước tínhRRcao hơn thực tế. Bài này sẽ giải thích những khác biệt quan trọng giữa 2 chỉ số này, và trình bày một cách diễn giải đúng hơn.

Bạn đang xem: Odd ratio là gì

Trong một bài báo khoa học về mối LH giữa gene RUNX2 và gãy xương, các tác giả viết: “The risk of fracture in the CC genotype was 45% lower than TT group (OR = 0.55; 95% CI: 0.32 – 0.94; P = 0.03)“. mặc khác cách diễn giải này sai, vì tác giả hiểu lầm khái niệmriskodds. Thật ra, đây là một hiểu lầm rất thường nhật, vì các nhà thống kê thường hiểuORcũng như vớiRR, nhưng hai chỉ số này khác nhau.

Prevalence và incidence

Xem thêm:

+Solvency Ratio Là Gì – Cách Thức Giải Nghĩa Báo Cáo Tài Chính

+P/E Ratio Là Gì – Đặc Điểm Của Chỉ Số P/E

+P/b Là Gì – ý Nghĩa Chỉ Số P/b

+Chỉ Số Octan Là Gì

Trước khi phân biệt khái niệm risk o dds, chúng ta cần phân biệt hai chỉ số thông dụng trong thống kê lâm sàng và dịch tễ học:tỉ lệ lưu hành(prevalence)vàtỉ lệ sinh ra(incidence). Tỉ lệ lưu hành, như tên gọi, là tỉ lệ ca bệnh hiện lưu hành trong một quần thể ngay tại một thời điểm. Tỉ lệ lưu hành phản ảnhqui môcủa một vấn đề y tế, nhưng không cho chúng ta biết về bệnh căn học (etiology). Tỉ lệ sinh ra, có khi được nói đến như làtỉ lệ tấn công(attack rate), là tỉ lệ số ca mới mắc bệnh trong một thời gian theo dõi. Tỉ lệ sinh ra có tổng giá trị khoa học là nó cung cấp cho chúng ta một vài thông tin về bệnh căn học. Chẳng hạn như một quần thể gồm 5 cá nhân (kí hiệu 1, 2, 3, …, 5 trong biểu đồ dưới đây), với 3 người mắc bệnh (đối tượng 1, 3 và 5).

*

Nếu một thống kê cắt ngang được thực hiện nay thời điểm T1 thì tỉ lệ lưu hành ước tính lúc đó là 2/5 = 30%. Nhưng nếu công trình thống kê thực hiện nay thời điểm T2 thì tỉ lệ lưu hành là 3/5 = 60%. Nếu công trình thống kê theo dõi 5 cá nhân đến thời điểm T3, và trong thời gian này có 3 cá nhân mắc bệnh; vì thế, tỉ lệ sinh ra trong thời gian này là 3/5 = 60%.

Khái niệmnguy cơ(risk) vào dds

Xem thêm:

+Solvency Ratio Là Gì – Cách Thức Giải Nghĩa Báo Cáo Tài Chính

+P/E Ratio Là Gì – Đặc Điểm Của Chỉ Số P/E

+P/b Là Gì – ý Nghĩa Chỉ Số P/b

+Chỉ Số Octan Là Gì

Trong y khoa, nguy cơ mắc bệnh thực chất là xác suất. Xác suất, như chúng ta biết, là một biến số giữa 0 và 1. Xác suất thực chất là tỉ lệ, tỉ số, và phần trăm. vì thế, ngôn từrisktrong y khoa khả năng có nghĩa là xác suất, tỉ lệ lưu hành, hay tỉ lệ sinh ra.

Cụm từnguy cơ, dịch từ chữrisktrong tiếng Anh, có rất nhiều nghĩa trong y khoa. Cần phải phân biệtnguy cơ mắc bệnhbệnh. Khi nói đến ung thư, chúng ta muốn nói đến mộtsự kiệncho một cá nhân; nhưng khi nói đếnnguy cơ ung thưhaycancer risk, chúng ta nói đến nguy cơ xảy ra, nguy cơ sinh ra cho một cá nhân hay một quần thể. Xin nhắc lại,sự kiệnkhác vớinguy cơ sự kiện. vì thế,ung thưkhác vớinguy cơ ung thư, vìung thưlà một sự kiện mang tính khẳng định (certainty), cònnguy cơ ung thưlà một biến số liên tục mang tính bất định (uncertainty). Tất cả chúng ta trong bất cứ thời điểm nào đều có nguy cơ bị bệnh; nhưng có người có nguy cơ cao, có người có nguy cơ thấp.

Trong tiếng Anh còn có một chữ nữa mà các ngôn ngữ khác như Pháp, Tây Ban Nha, Đức, và ngay cả tiếng Việt cũng không có: đó là chữodds. Nếu nguy cơ bệnh nhân mắc bệnh làp,thì có một cách nói khác rằngoddsmà bệnh nhân đó mắc bệnh so với không mắc bệnh là

Ví dụ: nếu nguy cơ bệnh nhân bị ung thư không quá 5 năm tới là 0.10 (tức 10%) thìoddsmà bệnh nhân bị ung thư là 0.1/ (1 – 0.1) = 0.11. Theo định nghĩa nàyoddskhông phải lànguy cơhayrisk.

OR và RR: cơ chế tính toán

OR và RR là hai chỉ số thống kê rất thường nhật và có ích trong thống kê lâm sàng, vì cả hai chỉ số kiểm định mối LH giữa một yếu tố nguy cơ và bệnh tật – một mục tiêu gần như căn bản của thống kê y học hiện đại. Cơ chế tính toán của hai chỉ số này cực kì đơn giản.

Bài Nổi Bật  Consent form là gì

Hãy tưởng tượng một công trình thống kê RCT với 2 nhóm: nhóm được điều trị tích cực với một loại thuốc gồmn1bệnh nhân, và một nhóm chứng (placebo) gồmn2bệnh nhân. Sau một thời gian điều trị, cók1bệnh nhân trong nhóm được điều trị mắc bệnh, vàk2bệnh nhân trong nhóm chứng mắc bệnh. Như vậy, tỉ lệ mắc bệnh của nhóm điều trị (kí hiệup1) và nhóm chứng (p2) được ước tính như sau:

 

*

NếuRR> 1 (hay p1> p2), chúng ta khả năng phát biểu rằng yếu tố nguy cơ làm tăng khả năng mắc bệnh; nếuRR= 1 (tức là p1= p2), chúng ta khả năng nói rằng không có mối LH nào giữa yếu tố nguy cơ và khả năng mắc bệnh; và nếuRR12), chúng ta có bằng chứng để thể phát biểu rằng yếu tố nguy cơ khả năng làm sụt giảm khả năng mắc bệnh.

Odds ratio: Thay vì dùng tỉ lệ sinh rapđể đo lường khả năng mắc bệnh, thống kê cung cấp cho chúng ta một chỉ số khác: đó làodds. Odds như đề cập trên là tỉ số của hai xác suất. Nếuplà xác suất mắc bệnh, thì 1 –plà xác suất sự kiện không mắc bệnh. Theo đó, odds được định nghĩa bằng:

Như vậy, nếuodds> 1, khả năng mắc bệnh cao hơn khả năng không mắc bệnh; nếuodds= 1 thì điều này cũng có nghĩa là khả năng bằng với khả năng không mắc bệnh; và nếuodds1) và nhóm chứng (kí hiệuodds2) là:

*

Mối LH giữaRROR. Qua công thức và , chúng ta khả năng thấyORRRcó một mối LH số học. khả năng viết lại công thứcRRnhư là một hàm số củaOR(hay ngược lại), nhưng ở đây, tôi chỉ muốn lưu ý một điểm quan trọng có liên quan đến việc diễn dịchRROR.

Nhìn vào công thức định nghĩaodds, chúng ta đơn giản thấy nếu tỉ lệ mắc bệnhpthấp (chẳng hạn như 0.001 hay 0.01 – tức 0.1% hay 1%), thìodds≈p.Chẳng hạn như nếup =0.01, thì 1 –p= 0.99, và vì thếodds= 0.01 / 0.99 = 0.010101, tức rất gần vớip =0.01. Quay lại với công thức , nếu nguy cơ mắc bệnh (p1hay p2) (hay

*

) thấp hay rất thấp, thìORkhả năng viết như sau:

*

Nói cách khác,nếu nguy cơ mắc bệnh thấp, thìORgần bằng vớiRR. Nhưng nếu nguy cơ mắc bệnh cao (chẳng hạn như trên 10%) thì chỉ sốORcũng cao hơn chỉ sốRR.

khả năng làm một vài tính toán để thấy sự khác biệt giữaRRORqua bảng số liệu sau đây (Bảng 1). Với những trường hợp nguy cơ mắc bệnh dưới 5%,ORRRkhông khác nhau một cách đáng kể. Nhưng nếu nguy cơ mắc bệnh cao hơn 10%, thìORthường ước tínhRRcao hơn thực tế.

Bảng 1. So sánhRRORvới nhiều tỉ lệ khác nhau (số liệu mô phỏng)

Trường hợp Tỉ lệ (nguy cơ) mắc bệnh Oddsmắc bệnh So sánh giữaRROR
Nhóm 1

(p1)

Nhóm 2

(p2)

Nhóm 1

(odds1)

Nhóm 2

(odds2)

RR OR
1 0.001 0.003 0.002 0.003 3 3.01
2 0.01 0.03 0.01 0.03 3 3.06
3 0.02 0.06 0.02 0.06 3 3.13
4 0.05 0.15 0.05 0.18 3 3.35
5 0.10 0.30 0.11 0.43 3 3.86
6 0.15 0.45 0.18 0.82 3 4.64
7 0.20 0.60 0.25 1.50 3 6.00
8 0.25 0.75 0.33 3.00 3 9.00
9 0.30 0.90 0.43 9.00 3 21.0
10 0.33 0.99 0.49 99.0 3 2101.0

Chú ý:Bảng trên đây được mô phỏng sao choRR= 3 để chứng minh rằngORước tính độ tác động cao hơn so với thực tế.

RROR: ứng dụng

Ví dụ 1: truy tìm ung thư vú.Chương trình truy tìm ung thư vú được khuyến khích như là một phương cách y tế công cộng nhằm giảm nguy cơ tử vong từ bệnh này ở phụ nữ. Một nhóm thống kê ở Thụy Điển tiến hành một thống kê lâm sàng đối chứng ngẫu nhiên (RCT), mà trong đó họ tuyển các phụ nữ tuổi 50 trở lên, và chia thành 2 nhóm: nhóm A gồm 66103 phụ nữ được chụp mammography nhiều (mỗi năm một lần), và nhóm B gồm 66105 phụ nữ không chụp mammography mà chỉ theo dõi bình thường (tức nhóm chứng). Sau 5 năm, nhóm A có 183 người tử vong vì ung thư vú và nhóm B có 177 người tử vong. Số liệu được trình bày trong Bảng 2 sau đây:

 

Nhóm Tổng số đối tượng tham gia Số tử vong
A – Mammography 66,103 183
B – Nhóm chứng 66,105 177

Với số liệu này, chúng ta khả năng thấy nguy cơ tử vong trong nhóm A là PA= 183/66103 = 0.002768và nhóm B là PA= 177/66105 = 0.002678. Từ đó,RRkhả năng ước tính bằng công thức như sau:

 

*

 

Như vậy,ORbằngRR. Nhưng cách diễn dịch củaORkhác vớiRR. Bởi vì đơn vị củaRRlà nguy cơ tử vong, cho nên chúng ta khả năng nói rằng nhóm chụp mammography nhiều có nguy cơ tử vong cao hơn nhóm đối chứng khoảng 3.4%. Nhưng đơn vị củaORodds, cho nên chúng ta không thể phát biểu về “nguy cơ tử vong”, mà chỉ khả năng phát biểu rằng “khả năng” hayoddstử vong của nhóm A cao hơn nhóm B khoảng 3.4%. Ở đây, vì nguy cơ tử vong thấp, cho nên như công thức chỉ ra rằng rằng hai chỉ số này giống nhau, và trong thực tế chúng ta khả năng diễn dịch mộtORnhư làRR.

Cách phân biệt trên có vẻ máy móc và lí thuyết, nhưng quan trọng. Để thấy rõ nguy hiểm trong cách diễn dịch OR, tôi sẽ trình bày một ví dụ sau đây:

Bảng 3: Sắc tộc và tỉ lệ thông tim

Nhóm Số bác sĩ đề nghị thông tim Số bác sĩ không đề nghị thông tim
w – Bệnh nhân da trắng 652 68
b – Bệnh nhân da đen 610 110

Các nhà thống kê kết luận rằng tỉ lệ bệnh nhân da đen được thông tim thấp hơn tỉ lệ ở bệnh nhân da trắng đến 40%. Sau khi thống kê này công bố, giới truyền thông rầm rộ bàn về kết quả và ý nghĩa của thống kê. Không cần nói ra, cũng khả năng đoán được trong dư âm và tình trạng kì thị chủng tộc ở Mĩ còn kéo dài, những nhóm đấu tranh chống kì thị chủng tộc lấy kết quả này để làm bằng chứng tố cáo rằng các bác sĩ da trắng kì thị bệnh nhân da đen. Ý nghĩa còn sâu xa hơn: sự kì thị này khả năng kéo theo tử vong. Nói cách khác, có người diễn dịch rằng đây là một sự cố sát!

Nhưng rất tiếc là con số 40% đó đã được diễn dịch cực kì sai. Không những diễn dịch sai mà cách tính toán cũng sai. Để hiểu tại sao cách diễn dịch đó sai, chúng ta hãy bắt đầu bằng cách tínhORcủa các tác giả.Oddsthông tim trong nhóm bệnh nhân da trắng là:

*

Tại sao có sự khác biệt? Tại vì các tác giả và giới truyền thông nhầm lẫn rằngORRR. Trong trường hợp này,ORkhông phải là một chỉ số thích hợp để phân tích số liệu, bởi vì son số tỉ lệ quá cao (84.7% và 90.6%), và vì tỉ lệ quá cao, cho nênORước tínhRRquá cao hơn thực tế.

Xem thêm: Thuế Gtgt Là Gì – Thuế tổng giá trị Gia Tăng

Thật ra, ở đây cách gọi “RR” cũng không chính xác.RRchỉ dùng cho tỉ lệ sinh ra (incidence), nhưng trong trường hợp này không có tỉ lệ sinh ra, mà là tỉ lệ lưu hành (prevalence). vì thế, ngôn từ chính xác để mô tả 0.935 làprevalence ratio (PR).(Đây là một đề tài khác mà tôi hi vọng sẽ có dịp quay lại để bàn thêm). Điều ngạc nhiên là sai sót này lại hiện diện ngay trên giấy trắng mực đen của một tập san y học vào hàng số 1 trên thế giới!

Vấn đề diễn dịch OR

RRlà tỉ số của 2 tỉ lệ hay 2 nguy cơ, và tỉ lệ thì chúng ta khả năng hiểu được khá đơn giản. Nếu nói tỉ lệ mắc bệnh 3%, chúng ta nghĩ ngay đến 3 trong 100 người mắc bệnh. Vì thế, vấn đề diễn dịch RR khá đơn giản. NếuRR= 2, chúng ta khả năng nói rằng tỉ lệ tăng gấp 2 lần. Ai cũng hiểu được mà không chất vấn gì thêm.

ORlà tỉ số của hai odds.Oddsphản ảnh “khả năng” mắc bệnh.Odds= 2 có nghĩa là khả năng mắc bệnh cao hơn khả năng không mắc bệnh 2 lần. Khó hiểu.Oddsđã khó hiểu thì tỉ số của haiodds(hay hai khả năng) lại càng là một đo lường khó hiểu hơn vì nó quá chung chung, khó cảm nhận được. Thật ra, một người bình thường khó khả năng hiểu chính xác nghĩa củaOR. Chúng ta biếtOR= 2 không hẳn có cùng nghĩa vớiRR= 2. Chính vì thế mà gần đây có “phong trào xét lại”ORtrên các tập san y học quốc tế. Nhiều nhà thống kê, dịch tễ học và thống kê học kêu gọi bỏOR!

Nhưng bất cứ đo lường nào cũng lợi thế và khiếm khuyết.RR, dù dễ diễn dịch cũng có khiếm khuyết của nó. Lấy ví dụ đơn giản: nếu tỉ lệ mắc bệnh ung thư trong nhóm A là 1% và nhóm B là 3%, chúng ta đơn giản thấyRR= 3. Nhưng thay vì nói mắc bệnh, chúng ta lật ngược lại vấn đề “không mắc bệnh”: chúng ta có tỉ lệ cho nhóm A là 99% so với nhóm B là 97%, và như thếRR= 0.97 / 0.99 = 0.98, tức là tỉ lệ không mắc bệnh trong nhóm B thấp hơn nhóm A khoảng 2%. (Nhưng nếu dùng “mắc bệnh”, nhóm A mắc bệnh nhiều hơn nhóm B đến 3 lần!) Nói cách khác,RRkhả năng thiếu tính nhất quán (consistency).

NhưngORthì nhất quán. Trong ví dụ trên, nếu lấy chỉ số là “mắc bệnh” làm so sánh,ORlà 3.06. Nhưng nếu lấy “không mắc bệnh” làm chỉ số son sánh, thìORvẫn là 3.06 (bạn đọc khả năng kiểm tra con số này). Trong toán thống kê, người ta gọi đặc tính của OR là symmetric (đối xứng), còn đặc tính củaRRlà asymmetric (bất đối xứng).

OR, PR, RRvà thể loại thống kê

Một khác biệt cơ bản nữa giữaRRORlà sự tùy thuộc vào thể loại thống kê. Nói một cách ngắn gọn,RRchỉ khả năng ước tính từ thống kê xuôi thời gian (cohort prospective study), nhưngORthì khả năng ước tính từ tất cả thể loại thống kê, nhưng chủ yếu là thống kê bệnh – chứng.

Bởi vìORkhả năng dùng cho thống kê cắt ngang nhưng có vấn đề về diễn giải, và thống kê cắt ngang chỉ khả năng ước tínhprevalencehay tỉ lệ lưu hành, nên các nhà thống kê đề nghị dùngprevalence ratio(PR) thay choORđối với các thống kê cắt ngang. Tương tự nhưRRlà tỉ số của haiincidence(tỉ lệ sinh ra),PRlà tỉ số của 2 tỉ lệ lưu hành.

Một chỉ số khác cũng có ý nghĩa tương tự nhưralative riskhazard ratio(HRhay tỉ số rủi ro). Thông thường các thống kê lâm sàng theo dõi đối tượng trong một thời gian khá dài, thay vì tính tỉ lệ sinh ra bệnh trong thời gian đó, thỉnh thoảng các nhà thống kê tính tỉ lệ sinh ra tích lũy (cumulative risk) trong thời gian cho từng nhóm, và tínhHR. Tuy cách tính này, đứng trên phương diện toán học, chính xác hơn cách tính tỉ lệ trên 100 người-năm hay trên 100 đối tượng, nhưng trong thực tế thìHRRRkhông khác nhau một cách đáng kể. Trong trường hợp thời gian theo dõi giữa 2 nhóm cũng như nhau thì gần như không có khác biệt nào giữaRRHR.

Bảng 4: Thể loại thống kê và sự thích hợp của OR, PR, RR

Thể loại thống kê (Study design) Chỉ số thống kê Mô hình phân tích
Bệnh chứng (case-control) Odds ratio (OR) Hồi qui logistic (logistic regression)
Cắt ngang (cross-sectional) Prevalence ratio (PR) hay OR Hồi qui nhị phân (binomial regression) hay Hồi qui logistic
Theo thời gian (prospective) Relative risk (RR) Hồi qui Cox (Cox’s regression model)
Thử nghiệm lâm sàng RCT RR hay Hazard ratio (HR) Hồi qui Cox

Giả dụ chúng ta muốn tìm hiểu mối LH giữa phơi nhiễm chất độc màu da cam (Agent Orange – AO) và bệnh ung thư. Một cách thống kê qui mô là tuyển chọn một nhóm đối tượng, sau đó phân nhóm dựa vào tiền sử có bị phơi nhiễm độc chất hay không. Sau đó, theo dõi cả hai nhóm đối tượng một thời gian (chẳng hạn như 5 năm) và ghi nhận số người bị ung thư. Kết quả của thống kê như thế khả năng tóm lược trongBảng 5sau đây. Trong số 1000 người được thẩm định bị phơi nhiễm lúc ban đầu, có 20 người (hay 2%) bị ung thư trong thời gian theo dõi; trong số 10,000 người không bị phơi nhiễm AO, có 100 người (tức 1%) bị ung thư sau đó. Như vậy,RR= 0.02/0.01 = 2. Nhưng nếu tính bằng odd thìOR= 2.02. Hai chỉ số này không khác nhau một cách đáng kể.

Bảng 5. Một thống kê xuôi thời gian (giả tưởng)

Nhóm Ung thư Không ung thư Tổng số
Phơi nhiễm AO 20 980 1000
Không phơi nhiểm AO 100 9900 10000

Nhưng theo dõi đối tượng một thời gian khá dài thường rất tốn kém. Một phương pháp thống kê khác cũng khả năng đáp ứng mục đích tìm hiểu mối LH giữa AO và ung thư, nhưng cần ít đối tượng hơn và không cần theo dõi một thời gian khá dài: đó là thống kê bệnh – chứng.Bảng 6dưới đây trình bày kết quả một thống kê (giả tưởng) như thế. Trong thống kê này, chúng ta chọn 100 bệnh nhân ung thư và 100 đối tượng không bị ung thư, nhưng hai nhóm này cũng như nhau về các yếu tố nguy cơ. Sau đó, chúng ta tìm hiểu qua giấy tờ bệnh lí (hay phỏng vấn) trong mỗi nhóm có bao nhiêu người bị phơi nhiễm độc chất. Nói cách khác, đây là một thống kê “ngược thời gian” (so với thống kê “xuôi thời gian” như trình bày trongBảng 4. Kết quả thống kê bệnh chứng này được trình bày như sau:

Bảng 6. Một thống kê bệnh – chứng (giả tưởng)

Nhóm Ung thư Không ung thư
Phơi nhiễm AO 10 5
Không phơi nhiểm AO 90 95
Tổng số 100 100

Trong nhóm bệnh nhân, có 10 người (hay 10%) từng bị phơi nhiễm AO; và trong nhóm không ung thư số đối tượng từng bị phơi nhiễm là 5 người (hay 5%). Ở đây, chúng ta không thể tính tỉ lệ sinh ra bệnh (incidence), bởi vì số lượng bệnh nhân và đối chứng đã được xác định trước. Vì không thể ước tính tỉ lệ sinh ra, thống kê bệnh chứng không cho phép chúng ta ước tínhRR. mặc khác, chúng ta khả năng tínhOR, vàORtrong trường hợp này là một ước tính chỉ sốRR.

Số liệuBảng 6chỉ ra rằng rằngoddsbị phơi nhiễm trong nhóm bệnh nhân là: 10/90 = 0.1111, và nhóm đối chứng: 0.05263. vì thế,OR= 0.1111 / 0.05263 = 2.11. Thật ra, khả năng tính đơn giản hơn bằng công thức “giao chéo”:

*

Điểm chính để phân biệt hai cách thức thống kê này là phương pháp chọn mẫu. Với thống kê xuôi thời gian, chúng ta xác định số lượng đối tượng theo yếu tố nguy cơ ngay từ đầu, và số lượng bệnh sinh ra là một vài ghi nhận. Ngược lại, với thống kê ngược thời gian, chúng ta xác định số lượng bệnh nhân và đối tượng ngay từ đầu, và số lượng phơi nhiễm yếu tố nguy cơ là số ghi nhận.

Xem thêm: Fuck Là Gì – Nghĩa Của Từ Fuck

Tuy kết quả thống kê của hai thể loại thống kê được trình bày rất giống nhau: hai cột và hai dòng (2×2 table), nhưng “câu chuyện” đằng sau của các số liệu này rất khác nhau. Không am hiểu câu chuyện đằng sau của một bảng số liệu rất đơn giản sai lầm trong khi phân tích!

Tóm tắt

Tóm lại, cả haiRRORđều là những chỉ số phản ảnh độ tương quan giữa một yếu tố nguy cơ và bệnh; nhưngRRmới là chỉ số chúng ta cần biết (cònORchỉ là ước số củaRR). Cần phải xác định rằngoddskhông phải làriskhay nguy cơ. vì thế, ý nghĩa củaORrất khó diễn giải. Đây chính là lí do mà một vài nhà thống kê đòi “tẩy chai”OR. Nhưng vì tính nhất quán củaORso vớiRRnên việc dùngORcần phải đặt vào bối cảnh thống kê . Trong thống kê cắt ngang hay thống kê theo thời gian, và khi tỉ lệ lưu hành hay tỉ lệ sinh ra bệnh cao thì nên tránh dùngOR.

Chuyên mục: Hỏi Đáp

 

Các câu hỏi về Chỉ số odd ratio là gì

Nếu có bắt kỳ câu hỏi thắc mắt nào vê Chỉ số odd ratio là gì hãy cho chúng mình biết nha, mõi thắt mắt hay góp ý của các bạn sẽ giúp mình nâng cao hơn hơn trong các bài sau nha <3

Bài viết Chỉ số odd ratio là gì ! được mình và team xem xét cũng như tổng hợp từ nhiều nguồn. Nếu thấy bài viết Chỉ số odd ratio là gì Cực hay ! Hay thì hãy ủng hộ team Like hoặc share.
Nếu thấy bài viết Chỉ số odd ratio là gì rât hay ! chưa hay, hoặc cần bổ sung. Bạn góp ý giúp mình nha!!

 

Các Hình Ảnh Về Chỉ số odd ratio là gì

Chỉ số odd ratio là gì

Các từ khóa tìm kiếm cho bài viết #Chỉ #số #odd #ratio #là #gì

Video cực hay về giới thiệu tỉ số Odds bạn nên xem một lần trong đời

Xem thêm thông tin về Chỉ số odd ratio là gì tại WikiPedia

Bạn hãy tham khảo thêm thông tin chi tiết về Chỉ số odd ratio là gì từ trang Wikipedia.◄

Tham Gia Cộng Đồng Tại

💝 Nguồn Tin tại: https://truonggiathien.com.vn/

💝 Xem Thêm Chủ Đề Liên Quan tại : https://truonggiathien.com.vn/hoi-dap/

Bài Nổi Bật  Oce Là Gì - Nghĩa Của Từ Nao Oce Trong Tiếng Việt

Give a Comment