循证医学中的常用统计指标

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| • 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，
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。
• 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。
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
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：
• RR=P1/P0=EER/CER
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。
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。
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：
p1 RR = = p0 15/125 =0.48 30/120
ln(RR)=ln(0.48)= - 0.734 SE(lnRR)= = 1 1 1 1 + － － r1 r2 n1 n2 1 1 1 1 + － － = 0.289 15 30 125 120
• 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：
SE(lnOR)=
1 1 1 1 + + + a b c d
4．OR及可信区间
• ln(OR)的可信区间为： ln(OR) ± u SE(lnOR)
• OR的可信区间为：
exp[ ln(OR) ±u SE(lnOR) ]
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。
5．RRR及可信区间
• RRR为相对危险度减少率 (relative risk reduction)，
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。
ARR 的可信区间：ARR±uSE = (ARR－uSE ，ARR+uSE) 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%， 标准误为： SE= = p1 (1-p1) p2 (1-p2) + n1 n2 0.12 (1-0.12) 0.25 (1-0.25) + =0.049 125 120
计算公式如下：
SE(lnRR)=
1 a
1 1 1 + － － c a+b c+d
3．RR及可信区间
• ln(RR)的1－可信区间为： ln(RR) ± u SE(lnRR)
• RR的可信区间为：
exp[ ln(RR) ±u SE(lnRR) ]
• 由于 RR=1时为试验因素与疾病无关，故其可信区间不
2． RD（率差）及可信区间
两率差的标准误： SE(p1-p2)=
•
p1(1-p1) p2(1-p2) + n1 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
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
8．ARR及可信区间
• 其95%的可信区间为：
ARR±uSE= (ARR－uSE ，ARR＋uSE) = (0.13－1.96×0.049，0.13＋1.96×0.049) = (3.4%，22.6%) • 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
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±uSE
= (ARR－uSE ，ARR+uSE)
8．ARR及可信区间
ARR 的标准误： SE= p1 (1-p1) p2 (1-p2) + n1 n2
循证医学中的常用统计指标
寇长贵 流行病与卫生统计学教研室
Leabharlann Baidu要内容
概述
分类资料的指标
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。
• 统计指标可用于描述性的统计分析，也是反映数
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 • 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。
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。 15×90 OR= = 0.409 30×110 ln(OR)=ln(0.409)= -0.894 SE(lnOR)= (1/30+1/90+1/15+1/110) =0.347
4．OR及可信区间
• OR的95%可信区间为：
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 为 0.05 的假设检验等价， 99% 的 CI 与
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
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EER、CER、OR、RR、RRR、ARR、NNT
等。
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
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| • 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
• 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%。
•
但是，若在另一研究中，试验组的疾病发生率为0.39/10万，对
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
• 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。
=
0.12(1-0.12) 0.25(1-0.25) + =0.049 125 120
2． RD（率差）及可信区间
• 该试验两率差（RD）的可信区间为： RD±u SE(p1-p2) =（0.12-0.25）±1.96×0.049= (-0.23，-0.03) • 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。
OR=ad/bc
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
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(0.272，0.846)， 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
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。
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（EER）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|±u SE(p1-p2) = (RD－u SE(p1-p2)，RD+u SE(p1-p2))
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：
阿斯匹林治疗心肌梗死的效果 死亡 未死亡 例数
阿斯匹林治疗组 15（a）
对照组 合计 30（c） 45
110（b）
90（d） 200
125（ｎ１）
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=12% ，CER=25% 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： 两率差的标准误： SE(p1-p2)= p1(1-p1) p2(1-p2) + n1 n2