循证医学中的常用统计指标

• 该治愈率的95%的可信区间为(3.4%，22.6%)。
9．ARI
• 绝对危险度增加率(absolute risk increase，ARI)，即 试验组中某不利结果发生率EERb与对照组某不利结果发 生率CERb的差值，不利结果（bad outcomes）如：死 亡、复发、无效等，其计算公式为 : ARI =|EERb－CERb|
阿斯匹林治疗心肌梗死的效果
死亡 阿斯匹林治疗组 15（a）
未死亡 110（b）
例数 125（ｎ１）
对照组 合计
30（c） 45
90（d） 200
120（ｎ２） 245（ｎ）
2． RD（率差）及可信区间
阿斯匹林治疗心肌梗死的效果EER= 15/125 =12%， CER =30/120 =25%，两率差的标准误：
• 但是，若在另一研究中，试验组的疾病发生率为0.39/10万，对 照组的疾病发生率为0.50/10万，其RRR仍为22%。
6．RRI
• RRI，相对危险度增加率(relative risk increase， RRI)，试验组中某不利结果的发生率为EERb，对照 组 某 不 利 结 果 的 发 生 率 为 CERb ， RRI 可 按 下 式 计 算： RRI = |EERb－CERb |/ CERb
5
8．ARR及可信区间
ARR 的标准误： SE=
p1 (1-p1) n1
+
p2
(1-p2) n2
ARR 的可信区间：ARR±uαSE = (ARR－uαSE ，ARR+uαSE)
例如：试验组某病发生率为 15/125=12%，
而对照组人群的发生率为 30/120=25%，其 ARR=25%－12% =13%，
3．RR及可信区间
• 阿斯匹林治疗组的病死率p1=15/125；对照组的病死率 p0=30/120，其RR和可信区间为：
RR =
p1 p0
=
15/125 30/120 =0.48
ln(RR)=ln(0.48)= - 0.734
SE(lnRR)= =
1 r1 +
1 r2
－
1 n1
－
1 n2
1 15
+
1 30
2． RD（率差）及可信区间
两率差的标准误：
ቤተ መጻሕፍቲ ባይዱ
SE(p1-p2)=
p1(1-p1) n1
+
p2(1-p2) n2
• 两率差为0时，两组的某事件发生率没有差别。因而两率差的可 信区间不包含0（上下限均大于0或上下限均小于0），则两个率 有差别；反之，两率差的可信区间包含0，则无统计学意义。
2． RD（率差）及可信区间
• RR=P1/P0=EER/CER
3．RR及可信区间
• 当RR＝1时，可认为试验因素与疾病无关； • 当RR＞1时，可认为试验组发生率大于对照组； • 当RR＜1时，可认为试验组发生率小于对照组。
3．RR及可信区间
• RR的可信区间，应采用自然对数进行计算，即应求RR 的自然对数值ln(RR)和ln(RR)的标准误SE (lnRR)，其 计算公式如下：
循证医学中的常用统计指标
寇长贵 吉林大学公共卫生学院
2007-10-10
主要内容
á概述 á分类资料的指标 á数值资料的指标
•本ppt 主要以四川大学华西医院刘关键教授 的课件为参考。
概述—可信区间
• 数据资料可分为数值资料（计量）和分类资料 （计数和等级）两大类。统计指标因而也分为数 值资料指标与分类资料指标两类。
• 该指标可反映采用试验因素处理后，患者的有益结果增加 的绝对值。
11．NNT、NNH及可信区间
• NNT(the number needed to treat)的临床含义为：对病 人采用某种防治措施处理，得到一例有利结果需要防治的 病 例 数 （ the number of patients who need to be treated to achieve one additional favorable outcome，NNT）。其计算公式为： NNT=1/|CER-EER|=1/ARR
15× 90 OR= 30× 110 = 0.409 ln(OR)=ln(0.409)= -0.894
4
4．OR及可信区间
• OR的95%可信区间为： exp[ ln(OR) ±1.96SE(lnOR) ] = exp(-0.894±1.96×0.347） = (0.207，0.807)
• 该例OR的95%可信区间为(0.207，0.807)，可以认 为阿斯匹林治疗心肌梗死有效。
－
1 125
－
1 120
=
0.289
3
3．RR及可信区间
• RR的95%可信区间为： exp[ ln(RR) ±1.96 SE(lnRR) ] = exp（ -0.734 ± 1.96×0.289 ） = (0.272，0.846)
• 该例RR的95%可信区间为0.272～0.846，使用阿斯匹 林治疗的病人，其病死率小于对照组，可认为阿斯匹 林可降低心肌梗死有效。
• 循证医学中常用的是率的可信区间、 RR或OR的 可信区间、均数的可信区间、两均数差值的可信 区间等。
1
分类资料的指标
• 在循证医学的研究与实践中，除了有效率、死亡 率、患病率、发病率等常用率的指标外，相对危 险度（RR）、比值比（OR）及由此导出的其他 指标也是循证医学中富有特色的指标。
• 目前，在循证医学中分类资料常用的描述指标主 要有ERR、CER、OR、RR、RRR、ARR、NNT 等。
4．OR及可信区间
• 当所研究疾病的发病率较低时，即a和c均较小时，OR 近似于RR，故在回顾性研究中可用OR估计RR；
• 由于前瞻性研究中，RR的可信区间与OR的可信区间很 相近，因此，常用OR可信区间的计算来代替RR的可信 区间的计算。
• OR值的解释与RR相同。
4．OR及可信区间
• OR的可信区间同样需要采用自然对数计算，其ln(OR) 的标准误SE (lnOR)按下式计算：
2． RD（率差）及可信区间
• 两个发生率的差即为率差，也称危险差（rate difference，risk difference，RD），如，试验 组 发 生 率 （ ERR ） 与 对 照 组 发 生 率 （ CER ） 的 差，其大小可反映试验效应的大小。
• 两率差的可信区间由下式计算： |p1-p2|±uα SE(p1-p2) = (RD－uα SE(p1-p2)，RD+uα SE(p1-p2))
• 统计指标可用于描述性的统计分析，也是反映数 据基本特征的统计分析方法。并可使人们准确、 全面地了解数据资料所包涵的信息，以便于在此 基础上完成资料的进一步统计分析。
概述—可信区间
• 可信区间（confidence interval，CI）是循证医 学中常用的统计指标之一。
• 可信区间主要用于估计总体参数，从获取的样本 数据资料估计某个指标的总体值（参数）。如： 率的可信区间估计总体率，均数的可信区间估计 总体均数。
标准误为：
SE=
p1 (1-p1) n1
+
p2
(1-p2) n2
0.12 (1-0.12) 0.25 (1-0.25)
=
125 + 120 =0.049
8．ARR及可信区间
• 其95%的可信区间为： ARR±uαSE= (ARR－uαSE ，ARR＋uαSE) = (0.13－1.96×0.049，0.13＋1.96×0.049) = (3.4%，22.6%)
• 该指标可反映采用试验因素处理后，患者的不利结果增 加的绝对值。
10 ．ABI
• 绝对受益增加率(absolute benefit increase，ABI)，即 试验组中某有益结果发生率EERg与对照组某有益结果发 生率CERg的差值，有益结果（good outcomes）如： 治愈、显效、有效等，其计算公式为： ABI=|EERg-CERg|
0.846) ， 其 RRR=1-0.48=0.52 ， RRR 的 95% 可 信 区 间 为(0.154，0.728)。
5．RRR及可信区间
• RRR反映了某试验因素使某结果的发生率增加或减少的相对 量，但是，该指标无法衡量发生率增减的绝对量。
• 如：试验人群中某病的发生率EER=39%，而对照组人群的发 生率CER=50%， RRR=(CER-EER)/CER =(50%-39%)/50%=22%。
• 该指标可反映采用试验因素处理后，患者的不利结 果增加的百分比。
7．RBI
• RBI，相对获益增加率(relative benefit increase， RBI)，试验组中某有益结果的发生率为EERg，对照组 某有益结果的发生率为CERg，RBI可按下式计算： RBI=|EERg-CERg |/ CERg
SE (lnO R )=
1111 a+b+c+d
4．OR及可信区间
• ln(OR)的可信区间为： ln(OR) ± uα SE(lnOR)
• OR的可信区间为： exp[ ln(OR) ±uα SE(lnOR) ]
4．OR及可信区间
例如：前述阿斯匹林治疗心肌梗死的效果 试估计其 OR 的 95%可信区间。
1、ERR与CER
• 循证医学中预防和治疗性试验中，率可细分为EER和CER 两类。
• EER 即 试 验 组 中 某 事 件 的 发 生 率 (experimental event rate，EER)，如对某病采用某些防治措施后该疾病的发生 率。
• CER即对照组中某事件的发生率(control event rate， CER)，如对某病不采取防治措施的发生率。
SE(p1-p2)=
p1(1-p1) n1
+
p2(1-p2) n2
=
0.12(1-0.12) 125
+
0.25(1-0.25) 120
=0.049
2
2． RD（率差）及可信区间
• 该试验两率差（RD）的可信区间为： RD±uα SE(p1-p2) =（0.12-0.25）±1.96×0.049= (-0.23，-0.03)
• 该指标可反映采用试验因素处理后，患者的有益结果 增加的百分比。
8．ARR及可信区间
• 绝对危险度减少率 (absolute risk reduction，ARR)， 其计算公式为： ARR=|CER-EER|
• ARR的可信区间为： ARR±uαSE = (ARR－uαSE ，ARR+uαSE)
SE(lnRR)=
1 a
+
1 c
－
1 a+b
－
1 c+d
3．RR及可信区间
• ln(RR)的1－α可信区间为： ln(RR) ± uα SE(lnRR)
• RR的可信区间为： exp[ ln(RR) ±uα SE(lnRR) ]
• 由于RR=1时为试验因素与疾病无关，故其可信区间不 包含1时为有统计学意义；反之，其可信区间包含1时为 无统计学意义。
• 该例两率差的可信区间为(-0.23，-0.03)，上下 限均小于0（不包含0），两率有差别。可认为 阿斯匹林可降低心肌梗死的病死率。
3．RR及可信区间
• 相对危险度RR（relative risk,RR）是前瞻性研究中较 常用的指标，它是试验组某事件发生率p1与对照组（或 低暴露）的发生率p0之比，用于说明前者是后者的多少 倍，常用来表示试验因素与疾病联系的强度及其在病因 学上的意义大小。 其计算方法为：
5．RRR及可信区间
• RRR为相对危险度减少率 (relative risk reduction)， 其计算公式为： RRR=|CER-EER|/CER = 1-RR
• RRR的可信区间可由1-RR计算得到。 • 如 前 例 RR=0.48 ， 其 95% 的 可 信 区 间 为 (0.272 ，
4．OR及可信区间
• odds1是病例组暴露率p1和非暴露率1- p1的比值，即 odds1 = p1/(1-p1) ，
• odds0是对照组暴露率p0和非暴露率1- p0的比值，即 odds0 = p0/(1-p0) ，
• 以上两个比值之比即为比值比(odds ratio，OR)，又称机 会比、优势比等。公式为： OR=ad/bc
概述—可信区间
• 此外，可信区间还可用于假设检验，尤其是试验组 与对照组某指标差值或比值的可信区间，在循证医 学中更为常用。
• 通常，试验组与对照组某指标差值或比值的95%可 信区间与α为0.05的假设检验等价，99%的CI与α 为0.01的假设检验等价。
概述—可信区间
• 常用的可信区间有：率的可信区间、两率差值的 可信区间、均数的可信区间、两均数差值的可信 区间、相对危险度可信区间等。