349. Iloraz szans OR – intuicyjna i poprawna interpretacja

Iloraz szans, oznaczany skrótem OR od angielskiego odds ratio, należy do najczęściej stosowanych miar związku między ekspozycją a wynikiem. Pojawia się między innymi w badaniach kliniczno-kontrolnych, regresji logistycznej, analizach epidemiologicznych oraz metaanalizach. Jednocześnie jest jedną z miar najczęściej błędnie interpretowanych. Najpoważniejszy błąd polega na traktowaniu OR tak, jakby zawsze oznaczał ryzyko względne, czyli stosunek prawdopodobieństw zdarzenia w dwóch grupach. Celem tej lekcji jest zbudowanie intuicji, która pozwala rozumieć OR, ale nie prowadzi do nadinterpretacji.

Czym są szanse?

Aby zrozumieć iloraz szans, trzeba najpierw odróżnić prawdopodobieństwo od szansy. Jeżeli prawdopodobieństwo wystąpienia zdarzenia wynosi p, to prawdopodobieństwo jego niewystąpienia wynosi 1 − p. Szansa wystąpienia zdarzenia jest ilorazem tych dwóch wartości:

szansa = p / (1 − p)

Jeżeli prawdopodobieństwo powikłania wynosi 0,20, to szansa powikłania wynosi 0,20 / 0,80 = 0,25. Można powiedzieć, że na każde 1 zdarzenie przypadają 4 przypadki bez zdarzenia, czyli szansa wynosi 1 do 4. Dla prawdopodobieństwa 0,50 szansa wynosi 1, ponieważ zdarzenie i jego brak są wtedy jednakowo prawdopodobne. Dla prawdopodobieństwa 0,80 szansa wynosi 4.

Szansa nie jest więc tym samym co prawdopodobieństwo. Prawdopodobieństwo zawsze mieści się między 0 a 1, natomiast szansa może przyjmować wartości od 0 do nieskończoności. Ta różnica jest niewielka przy bardzo rzadkich zdarzeniach, ale staje się duża, gdy zdarzenie występuje często (Bland i Altman, 2000; Viera, 2008). ([pubmed.ncbi.nlm.nih.gov])

Definicja i wzór na iloraz szans

Iloraz szans porównuje szansę wystąpienia wyniku w jednej grupie z szansą wystąpienia tego wyniku w drugiej grupie. W najprostszym przypadku, gdy porównujemy osoby eksponowane i nieeksponowane, wzór można zapisać następująco:

OR = [p₁ / (1 − p₁)] / [p₀ / (1 − p₀)]

• p₁ – prawdopodobieństwo wyniku w grupie eksponowanej, leczonej albo poddanej interwencji;
• p₀ – prawdopodobieństwo wyniku w grupie nieeksponowanej, kontrolnej albo niepoddanej interwencji;
• 1 − p₁ i 1 − p₀ – prawdopodobieństwa braku wyniku w obu grupach;
• OR – stosunek szans, a nie bezpośredni stosunek prawdopodobieństw.

W tabeli 2 × 2 wzór przyjmuje często używaną postać:

	Wynik wystąpił	Wynik nie wystąpił
Ekspozycja obecna	a	b
Ekspozycja nieobecna	c	d

Wtedy:

OR = (a / b) / (c / d) = ad / bc

Wartość OR równa 1 oznacza równość szans w obu grupach. OR większy od 1 wskazuje na większe szanse wyniku w grupie pierwszej, a OR mniejszy od 1 – na mniejsze szanse wyniku. Nie oznacza to jednak automatycznie, że wynik występuje odpowiednio „OR razy częściej” albo że ryzyko wzrosło o „OR × 100%”.

Jak intuicyjnie interpretować OR?

OR równe 1

Jeśli OR = 1, szanse wyniku są takie same w obu porównywanych grupach. Jest to wartość odpowiadająca brakowi związku na skali ilorazu szans. Nie oznacza ona, że badane grupy są identyczne pod każdym względem ani że wykluczono każdy możliwy efekt. Wnioskowanie powinno uwzględniać przedział ufności, projekt badania, jakość pomiaru i możliwe czynniki zakłócające.

OR większe od 1

Jeśli OR = 2, szanse wyniku są dwukrotnie większe w grupie pierwszej niż w grupie odniesienia. Precyzyjne zdanie powinno zawierać słowo szanse: „szanse hospitalizacji były dwukrotnie większe”, a nie: „ryzyko hospitalizacji było dwukrotnie większe”. Drugie sformułowanie jest poprawne tylko w przybliżeniu albo wtedy, gdy autor wyraźnie uzasadnił, że OR może być traktowany jako przybliżenie RR.

OR mniejsze od 1

Jeśli OR = 0,50, szanse wyniku w grupie pierwszej stanowią połowę szans w grupie odniesienia. Można też powiedzieć, że były o 50% mniejsze na skali szans, ponieważ:

redukcja szans = (1 − OR) × 100%

Dla OR = 0,50 redukcja szans wynosi 50%. Nadal nie jest to automatycznie 50-procentowa redukcja ryzyka. Przy częstych zdarzeniach różnica między tymi interpretacjami może być znaczna.

OR a ryzyko względne

Ryzyko względne (RR) jest ilorazem prawdopodobieństw:

RR = p₁ / p₀

OR i RR są sobie bliskie przede wszystkim wtedy, gdy wynik jest rzadki w obu grupach. W praktyce często przywołuje się regułę, że przy częstości wyniku poniżej około 10% w grupie nieeksponowanej OR może być rozsądnym przybliżeniem RR, ale nie jest to uniwersalne prawo. Znaczenie mają zarówno częstość wyniku, jak i wielkość efektu (Viera, 2008).

Dla OR większego od 1 OR zwykle zawyża wartość RR, jeśli zostanie odczytany tak, jakby był ryzykiem względnym. Dla OR mniejszego od 1 OR zwykle zaniża wartość RR w sensie numerycznym, przez co redukcja może wydawać się większa. Altman, Deeks i Sackett (1998) podkreślali, że rozbieżność rośnie wraz z częstością zdarzenia i wielkością efektu. ([pmc.ncbi.nlm.nih.gov](https://pmc.ncbi.nlm.nih.gov/articles/PMC1114216/?utm_source=openai))

Przykład 1: rzadkie powikłanie po ekspozycji

Załóżmy, że w badaniu kohortowym oceniano występowanie rzadkiego powikłania po ekspozycji zawodowej. W grupie eksponowanej powikłanie wystąpiło u 8 osób na 1000, a w grupie nieeksponowanej u 4 osób na 1000.

• p₁ = 0,008, więc szansa wynosi 0,008 / 0,992 = 0,00806;
• p₀ = 0,004, więc szansa wynosi 0,004 / 0,996 = 0,00402;
• OR ≈ 0,00806 / 0,00402 = 2,00;
• RR = 0,008 / 0,004 = 2,00.

W tym przypadku OR i RR są niemal identyczne, ponieważ zdarzenie jest bardzo rzadkie. Poprawna interpretacja brzmi: „szanse powikłania były około dwukrotnie większe w grupie eksponowanej”. Można dodać, że ryzyko było również około dwukrotnie większe, ponieważ w tym konkretnym układzie OR stanowi bardzo dobre przybliżenie RR. Nie wolno jednak przenosić tej swobody interpretacyjnej na częste wyniki.

Przykład 2: częsty wynik i zawyżenie efektu

W badaniu oceniano, czy program edukacji zdrowotnej wiąże się z osiągnięciem prawidłowego ciśnienia tętniczego. W grupie programu prawidłowe ciśnienie uzyskało 60% osób, a w grupie kontrolnej 30%.

• szansa w grupie programu = 0,60 / 0,40 = 1,50;
• szansa w grupie kontrolnej = 0,30 / 0,70 ≈ 0,43;
• OR = 1,50 / 0,43 ≈ 3,50;
• RR = 0,60 / 0,30 = 2,00.

Stwierdzenie, że program „dwukrotnie zwiększył szanse” byłoby poprawne tylko wtedy, gdyby OR wynosił 2. Tutaj szanse osiągnięcia prawidłowego ciśnienia były około 3,5 raza większe, natomiast prawdopodobieństwo osiągnięcia celu było dwukrotnie większe. Gdyby autor napisał, że program „zwiększył prawdopodobieństwo 3,5 raza”, zawyżyłby efekt.

Ten przykład pokazuje także, dlaczego czytelnik powinien znać częstości bezwzględne. Sama wartość OR nie mówi, czy różnica oznacza zmianę z 1% do 2%, z 20% do 35% czy z 30% do 60%. Do oceny znaczenia praktycznego potrzebne są między innymi ryzyko w grupie odniesienia, różnica ryzyka i ewentualnie liczba osób potrzebnych do uzyskania dodatkowego korzystnego wyniku.

Przykład praktyczny: interpretacja modelu regresji logistycznej

Załóżmy, że w badaniu pielęgniarek analizowano związek pracy zmianowej z występowaniem objawów wypalenia zawodowego. W modelu regresji logistycznej skorygowanym o wiek, staż pracy i liczbę godzin tygodniowo otrzymano OR = 1,80, 95% CI [1,20; 2,70].

Najbardziej precyzyjna interpretacja brzmi: „Po uwzględnieniu wieku, stażu pracy i liczby godzin tygodniowo szanse występowania objawów wypalenia były 1,80 raza większe u osób pracujących zmianowo niż u osób niepracujących zmianowo; 95-procentowy przedział ufności dla OR wynosił od 1,20 do 2,70”.

Można także powiedzieć, że szanse były o około 80% większe, ponieważ (1,80 − 1) × 100% = 80%. Nie należy jednak pisać, że praca zmianowa „zwiększa wypalenie o 80%” bez dodatkowych warunków. Jeśli badanie jest obserwacyjne, taki język sugeruje przyczynowość, której sam model regresji nie dowodzi. Bezpieczniej mówić o związku lub wyższych skorygowanych szansach.

Przedział ufności nie jest dodatkiem kosmetycznym. Informuje o precyzji oszacowania i pokazuje zakres wartości zgodnych z danymi oraz przyjętym modelem. Jeżeli przedział dla OR obejmuje 1, wynik jest zgodny zarówno z brakiem związku, jak i z pewnymi efektami dodatnimi lub ujemnymi. Nie należy jednak sprowadzać interpretacji do samego „istotne” albo „nieistotne”. Wielkość efektu, jego niepewność i znaczenie praktyczne powinny być omawiane razem.

OR w badaniach kliniczno-kontrolnych

Iloraz szans jest szczególnie naturalną miarą w badaniu kliniczno-kontrolnym, ponieważ w takim projekcie badacz dobiera osoby na podstawie statusu wyniku, na przykład choroby, a następnie porównuje częstość wcześniejszej ekspozycji. Nie można wtedy bezpośrednio obliczyć ryzyka zachorowania w populacji, ponieważ liczba przypadków i kontroli wynika z planu badania. OR umożliwia jednak porównanie szans ekspozycji w obu grupach, a algebraicznie jest równoważny ilorazowi szans choroby u eksponowanych i nieeksponowanych.

W badaniu kliniczno-kontrolnym nie należy pisać, że „osoby z chorobą miały OR razy większe ryzyko zachorowania”, ponieważ choroba była kryterium doboru uczestników. Poprawniej jest stwierdzić, że „ekspozycja była związana z wyższymi szansami choroby” albo że „iloraz szans choroby dla ekspozycji wynosił…”. Przy rzadkich chorobach OR może przybliżać RR, ale warunek rzadkości i sposób doboru kontroli muszą być merytorycznie uzasadnione (Bland i Altman, 2000; Viera, 2008).

Logarytm OR i porównywanie efektów

W analizie statystycznej często pracuje się nie bezpośrednio z OR, lecz z logarytmem naturalnym OR, czyli ln(OR). Wynika to z symetryczności skali logarytmicznej: OR = 2 i OR = 0,5 są przeciwstawnymi efektami, ponieważ ln(0,5) = −ln(2). W regresji logistycznej współczynniki modelu są zwykle logarytmami ilorazów szans, a ich eksponenty daje się interpretować jako OR.

W metaanalizie logarytm OR jest wygodną skalą obliczeniową. Chinn (2000) opisał również przybliżoną konwersję logarytmu OR do standaryzowanej różnicy średnich: d ≈ ln(OR) / 1,81. Takie przeliczenie jest przybliżeniem i nie powinno zacierać różnic między typami wyników ani sugerować, że każda miara efektu ma identyczne znaczenie kliniczne. ([pubmed.ncbi.nlm.nih.gov](?utm_source=openai))

Najczęstsze błędy

• Mylenie OR z RR. OR opisuje stosunek szans, nie stosunek prawdopodobieństw.
• Interpretowanie OR = 2 jako „ryzyko wzrosło o 100%”. Takie zdanie może być mocno zawyżone, gdy wynik jest częsty.
• Pomijanie ryzyka bazowego. Ta sama wartość OR może odpowiadać różnym różnicom bezwzględnym.
• Traktowanie OR = 0,5 jako zawsze 50-procentowej redukcji ryzyka. 50% dotyczy redukcji szans, a niekoniecznie ryzyka.
• Odwracanie kategorii bez sprawdzenia grupy odniesienia. OR = 2 dla „ekspozycji obecnej względem nieobecnej” odpowiada OR = 0,5 po odwróceniu porównania.
• Pomijanie przedziału ufności. Sama wartość punktowa nie pokazuje niepewności oszacowania.
• Wnioskowanie przyczynowe z obserwacyjnego OR. Związek skorygowany statystycznie nie jest automatycznie efektem przyczynowym.
• Opisywanie OR jako „prawdopodobieństwa”. OR nie jest prawdopodobieństwem i może być większy od 1 bez górnej granicy.
• Używanie progów „mały–średni–duży” bez kontekstu. Znaczenie OR zależy od dziedziny, wyniku, ryzyka bazowego i kosztów błędnej decyzji.

Jak raportować OR odpowiedzialnie?

Dobre sprawozdanie powinno podać: kierunek porównania, grupę odniesienia, wartość OR, 95-procentowy przedział ufności, sposób uzyskania oszacowania oraz – gdy to możliwe – liczebności i ryzyka w grupach. Warto również wyjaśnić, czy OR pochodzi z tabeli 2 × 2, modelu regresji logistycznej czy metaanalizy.

Przykładowy zapis: „W porównaniu z grupą kontrolną interwencja wiązała się z wyższymi szansami osiągnięcia celu leczenia (OR = 2,10; 95% CI [1,35; 3,27]). Odsetek osób osiągających cel wynosił 42% w grupie interwencji i 26% w grupie kontrolnej, co odpowiadało RR = 1,62 oraz różnicy ryzyka równej 16 punktów procentowych”. Taki zapis jest znacznie bardziej informacyjny niż samo „OR = 2,10”.

W szkoleniu na statystyk.edu.pl traktujemy OR jako jedną z kilku miar, a nie jako uniwersalny zamiennik wszystkich innych wskaźników. W zależności od pytania badawczego lepsze mogą być RR, różnica ryzyka, iloraz częstości, hazard ratio albo miara absolutnego efektu.

Co warto zapamiętać?

• OR porównuje szanse, a nie bezpośrednio prawdopodobieństwa.
• OR = 1 oznacza równość szans; OR > 1 wskazuje na wyższe szanse, a OR < 1 na niższe.
• Przy rzadkich wynikach OR może być dobrym przybliżeniem RR, lecz przy częstych wynikach często zawyża względną siłę związku.
• OR = 2 oznacza dwukrotnie większe szanse, niekoniecznie dwukrotnie większe ryzyko.
• Interpretację zawsze należy uzupełniać o ryzyko bazowe, przedział ufności i znaczenie praktyczne.
• W badaniach obserwacyjnych OR opisuje związek; sam w sobie nie dowodzi przyczynowości.
• Najlepszy raport łączy względną miarę efektu z wartościami bezwzględnymi w porównywanych grupach.

Źródła i dalsza lektura

1. Bland, J. M.; Altman, D. G. (2000). Statistics notes. The odds ratio. BMJ, 320(7247), 1468. DOI: 10.1136/bmj.320.7247.1468.
2. Altman, D. G.; Deeks, J. J.; Sackett, D. L. (1998). Odds ratios should be avoided when events are common. BMJ, 317(7168), 1318. DOI: 10.1136/bmj.317.7168.1318.
3. Viera, A. J. (2008). Odds ratios and risk ratios: what’s the difference and why does it matter?. Southern Medical Journal, 101(7), 730–734. DOI: 10.1097/SMJ.0b013e31817a7ee4.
4. Szumilas, M. (2010). Explaining odds ratios. Journal of the Canadian Academy of Child and Adolescent Psychiatry, 19(3), 227–229. Pełny opis źródła.
5. Chinn, S. (2000). A simple method for converting an odds ratio to effect size for use in meta-analysis. Statistics in Medicine, 19(22), 3127–3131. DOI: 10.1002/1097-0258(20001130)19:22<3127::AID-SIM784>3.0.CO;2-M.