310. Przedział ufności dla ilorazu szans
Iloraz szans, oznaczany najczęściej jako OR (odds ratio), jest jedną z podstawowych miar związku między dwiema zmiennymi jakościowymi, zwłaszcza wtedy, gdy wynik ma charakter dychotomiczny, na przykład: choroba wystąpiła lub nie wystąpiła, pacjent przeżył lub zmarł, respondent udzielił odpowiedzi „tak” lub „nie”. Sam pojedynczy OR jest jednak tylko estymacją punktową. Nie informuje, jak precyzyjnie wynik został oszacowany. Tę informację dostarcza przedział ufności, najczęściej 95%.
W tej lekcji, będącej częścią szkolenia metodologicznego na statystyka.edu.pl, prześledzimy konstrukcję i interpretację przedziału ufności dla ilorazu szans. Szczególną uwagę poświęcimy temu, dlaczego obliczenia prowadzi się na skali logarytmicznej, jak odczytywać granice przedziału oraz dlaczego OR nie powinien być automatycznie utożsamiany z ryzykiem względnym.
1. Czym jest iloraz szans?
Najpierw trzeba odróżnić prawdopodobieństwo od szansy. Jeżeli prawdopodobieństwo wystąpienia zdarzenia wynosi p, to szansa wystąpienia tego zdarzenia jest równa:
szansa = p / (1 − p)
Jeżeli choroba wystąpiła u 20% osób, to jej prawdopodobieństwo wynosi 0,20, natomiast szansa wynosi 0,20 / 0,80 = 0,25. Iloraz szans porównuje dwie takie szanse.
Rozważmy tabelę 2×2:
| Wynik dodatni | Wynik ujemny | |
|---|---|---|
| Ekspozycja obecna | a | b |
| Ekspozycja nieobecna | c | d |
Iloraz szans obliczamy ze wzoru:
OR = (a / b) / (c / d) = ad / bc
- a – liczba osób z ekspozycją i wynikiem dodatnim,
- b – liczba osób z ekspozycją i wynikiem ujemnym,
- c – liczba osób bez ekspozycji i wynikiem dodatnim,
- d – liczba osób bez ekspozycji i wynikiem ujemnym.
Wartość OR = 1 oznacza równe szanse w obu grupach. OR większy od 1 wskazuje na wyższe szanse wyniku w grupie eksponowanej, a OR mniejszy od 1 – na niższe szanse. Nie jest to jednak automatycznie dowód przyczynowości. W badaniu obserwacyjnym OR opisuje związek, który może być obciążony przez czynniki zakłócające, błąd selekcji lub błąd pomiaru (Bland i Altman, 2000; von Elm i in., 2007).
2. Po co obliczać przedział ufności dla OR?
Dwie próby mogą dać ten sam OR, ale różnić się precyzją. OR = 2,0 uzyskany w badaniu obejmującym kilka tysięcy osób może mieć stosunkowo wąski przedział, na przykład 1,7–2,4. Ten sam OR w małym badaniu może mieć przedział 0,7–5,8. Punktowa wartość estymatora jest identyczna, lecz zakres zgodnych z danymi wartości populacyjnego OR jest w drugim przypadku znacznie większy.
Przedział ufności pokazuje więc nie tylko kierunek związku, ale także jego niepewność estymacji. W klasycznej interpretacji częstościowej procedura konstruowania 95% przedziału ufności ma taką właściwość, że przy wielokrotnym powtarzaniu badania około 95% przedziałów utworzonych tą samą metodą obejmowałoby prawdziwą wartość parametru. Nie oznacza to, że dla konkretnego już obliczonego przedziału prawdopodobieństwo zawarcia parametru wynosi 95%.
W raporcie naukowym należy podawać OR razem z przedziałem ufności, a nie zamiast niego. Zalecenia STROBE wskazują, że wyniki badań obserwacyjnych powinny zawierać estymaty oraz miary ich precyzji, na przykład 95% przedziały ufności, a także jasno określać, które zmienne uwzględniono w modelu (von Elm i in., 2007).
3. Dlaczego stosuje się skalę logarytmiczną?
Iloraz szans może przyjmować wartości od 0 do nieskończoności. Jego rozkład jest zwykle asymetryczny: od 1 do 2 jest tylko jeden jednostkowy krok, natomiast wartości większe od 10 nie mają analogicznej górnej granicy. Z tego powodu klasyczny przedział nie jest konstruowany bezpośrednio wokół OR.
Najpierw stosuje się logarytm naturalny:
log(OR) = ln(OR)
Na skali logarytmicznej punkt neutralny nie wynosi 1, lecz 0, ponieważ ln(1) = 0. Następnie oblicza się przybliżony błąd standardowy logarytmu OR. Dla tabeli 2×2 wzór ma postać:
SE[ln(OR)] = √(1/a + 1/b + 1/c + 1/d)
gdzie SE oznacza błąd standardowy, a symbole a, b, c, d odnoszą się do liczebności komórek tabeli. Przy przybliżeniu normalnym 95% przedział dla logarytmu OR wynosi:
ln(OR) ± 1,96 × SE[ln(OR)]
Otrzymane granice należy następnie przekształcić z powrotem na pierwotną skalę za pomocą funkcji wykładniczej:
95% PU dla OR = [exp(L), exp(U)]
- L – dolna granica przedziału dla ln(OR),
- U – górna granica przedziału dla ln(OR),
- exp – funkcja wykładnicza.
W rezultacie przedział dla OR jest na ogół niesymetryczny względem estymaty punktowej. Jest to właściwe, ponieważ skala ilorazu szans również jest multiplikatywna. Metodę tę przedstawiali między innymi Bland i Altman (2000) oraz Kirkwood i Sterne (2012).
4. Przykład obliczeniowy z tabeli 2×2
Załóżmy, że w badaniu dotyczącym związku palenia papierosów z zaostrzeniem przewlekłej choroby układu oddechowego uzyskano następujące dane:
| Zaostrzenie | Brak zaostrzenia | |
|---|---|---|
| Palacze | 40 | 60 |
| Niepalący | 20 | 80 |
W tym przypadku a = 40, b = 60, c = 20, a d = 80. Iloraz szans wynosi:
OR = (40 × 80) / (60 × 20) = 3200 / 1200 = 2,67
Szanse zaostrzenia były zatem około 2,67 raza większe u palaczy niż u osób niepalących. Jest to opis względnych szans, a nie stwierdzenie, że palenie zwiększyło ryzyko dokładnie 2,67 raza.
Teraz obliczamy:
SE[ln(OR)] = √(1/40 + 1/60 + 1/20 + 1/80) ≈ 0,319
Logarytm ilorazu szans wynosi:
ln(2,67) ≈ 0,981
Przedział na skali logarytmicznej:
0,981 ± 1,96 × 0,319 = 0,981 ± 0,625
Otrzymujemy granice około 0,356 i 1,606. Po eksponencjacji:
95% PU dla OR ≈ 1,43–4,98
Raport można więc zapisać następująco: palacze mieli wyższe szanse zaostrzenia choroby niż osoby niepalące, OR = 2,67, 95% PU 1,43–4,98. Ponieważ przedział nie obejmuje wartości 1, dane są zgodne z istnieniem związku różnego od braku związku przy przyjętym modelu i procedurze analitycznej. Nie należy jednak przedstawiać samego faktu, że przedział nie obejmuje 1, jako dowodu znaczenia klinicznego. Zakres 1,43–4,98 obejmuje zarówno związek umiarkowany, jak i bardzo silny, dlatego ważna jest również ocena konsekwencji zdrowotnych.
5. Przykład z regresji logistycznej
OR często pochodzi z regresji logistycznej. Załóżmy, że badacze analizują, czy obecność objawów depresyjnych wiąże się z nieprzestrzeganiem zaleceń dotyczących leczenia u osób z nadciśnieniem. W modelu uwzględniono wiek, płeć, liczbę przyjmowanych leków oraz czas trwania choroby.
Dla objawów depresyjnych uzyskano współczynnik regresji β = 0,51 oraz błąd standardowy SE = 0,18. Iloraz szans jest równy:
OR = exp(β) = exp(0,51) ≈ 1,67
Przedział dla współczynnika na skali logitowej:
0,51 ± 1,96 × 0,18 = 0,51 ± 0,353
Granice wynoszą około 0,157 i 0,863. Po przekształceniu:
95% PU dla OR ≈ 1,17–2,37
Interpretacja: przy stałych wartościach pozostałych zmiennych w modelu osoby z objawami depresyjnymi miały szanse nieprzestrzegania zaleceń około 1,67 raza większe niż osoby bez tych objawów; 95% przedział ufności wynosił 1,17–2,37.
Zwrot „przy stałych wartościach pozostałych zmiennych” jest kluczowy. Jest to OR skorygowany, zależny od specyfikacji modelu. Nie wolno interpretować go jako prostego porównania dwóch grup, jeżeli model obejmuje dodatkowe predyktory. Nie należy też używać języka przyczynowego, jeśli badanie było przekrojowe lub obserwacyjne.
6. OR a ryzyko względne
Iloraz szans i ryzyko względne nie są tym samym. Ryzyko względne porównuje prawdopodobieństwa, natomiast OR porównuje szanse. Gdy zdarzenie jest rzadkie, wartości OR i ryzyka względnego mogą być podobne. Przy częstym zdarzeniu OR może jednak znacznie silniej sugerować związek.
Przykład: jeżeli ryzyko wynosi 40% w grupie eksponowanej i 20% w grupie nieeksponowanej, to ryzyko względne wynosi 2,0. Szanse wynoszą odpowiednio 0,40/0,60 = 0,667 oraz 0,20/0,80 = 0,25, więc OR wynosi 2,67. Zastąpienie jednego wskaźnika drugim prowadziłoby do odmiennego opisu wielkości związku.
OR jest naturalnym parametrem regresji logistycznej i bywa szczególnie użyteczny w badaniach kliniczno-kontrolnych. W badaniu kohortowym lub przekrojowym należy rozważyć, czy dla odbiorcy bardziej zrozumiałe nie byłoby przedstawienie również ryzyka, częstości zdarzeń lub różnicy ryzyk.
7. Jak interpretować granice przedziału?
Interpretacja powinna obejmować trzy elementy: kierunek, możliwą wielkość związku oraz precyzję.
- OR = 1,80; 95% PU 1,05–3,10: związek jest dodatni, ale przedział jest dość szeroki i dopuszcza zarówno niewielki, jak i ponadtrzykrotny wzrost szans.
- OR = 1,80; 95% PU 0,95–3,40: dane są zgodne zarówno z niewielkim spadkiem, jak i znacznym wzrostem szans; przedział obejmuje 1.
- OR = 0,60; 95% PU 0,45–0,80: ekspozycja wiąże się z niższymi szansami wyniku; można opisać ją jako około 40% niższe szanse, ponieważ 1 − 0,60 = 0,40.
Przedział obejmujący 1 nie dowodzi braku związku. Może wskazywać na małą próbę, dużą zmienność, rzadkie zdarzenie, niedostateczną jakość pomiaru albo rzeczywiście niewielki efekt. Analogicznie, przedział nieobejmujący 1 nie rozstrzyga samodzielnie, czy wynik jest ważny klinicznie lub społecznie. Problematyczne jest także redukowanie interpretacji do komunikatu „istotne” albo „nieistotne”. Przedział powinien być czytany jako informacja o zakresie wartości zgodnych z danymi i przyjętymi założeniami, a nie jako alternatywa dla oceny merytorycznej (Greenland i in., 2016).
Najczęstsze błędy
- Interpretowanie OR jako ryzyka względnego. Sformułowanie „ryzyko było 2,67 raza większe” jest niepoprawne, jeśli obliczono OR i zdarzenie nie jest rzadkie.
- Budowanie symetrycznego przedziału wokół OR. Przedział 2,67 ± wartość nie jest standardową metodą. Obliczenia prowadzi się zwykle dla ln(OR), a następnie wraca na skalę OR.
- Odczytywanie 95% PU jako prawdopodobieństwa dla konkretnego parametru. W ujęciu częstościowym nie mówi się, że „prawdopodobieństwo, że prawdziwy OR znajduje się w tym przedziale, wynosi 95%”.
- Traktowanie wartości p jako miary wielkości efektu. Mała wartość p nie informuje, czy OR jest klinicznie istotny. O wielkości związku informuje OR, a o precyzji – przedział ufności.
- Pomijanie zerowych komórek. Gdy jedna z komórek tabeli ma wartość zero, klasyczny wzór może prowadzić do nieskończonego OR lub braku możliwości obliczenia. Należy rozważyć metody dokładne, korekty lub modele dostosowane do rzadkich danych.
- Niejasne definiowanie kategorii referencyjnej. OR zależy od tego, która grupa została przyjęta jako odniesienie. W publikacji trzeba wskazać kategorię referencyjną i sposób kodowania predyktora.
- Nadmierna interpretacja OR skorygowanego. Korekta statystyczna nie usuwa automatycznie wszystkich zakłóceń. Wynik zależy od doboru zmiennych, jakości danych i poprawności modelu.
Przykład praktyczny: analiza przypadku
W badaniu ratowników medycznych analizowano, czy praca w systemie zmianowym wiąże się z występowaniem objawów wypalenia zawodowego. Objawy stwierdzono u 72 spośród 180 osób pracujących zmianowo oraz u 38 spośród 160 osób pracujących wyłącznie w dzień.
OR wynosi:
OR = (72 × 122) / (108 × 38) ≈ 2,14
Załóżmy, że 95% przedział ufności obliczony metodą logarytmiczną wyniósł 1,34–3,42. Wynik można opisać następująco: w analizowanej próbie praca zmianowa wiązała się z około dwukrotnie większymi szansami występowania objawów wypalenia, OR = 2,14, 95% PU 1,34–3,42.
Nie należy jednak pisać, że praca zmianowa „spowodowała” wypalenie, jeśli badanie miało charakter przekrojowy. Możliwe są między innymi odwrotne zależności, selekcja do określonego systemu pracy, różnice w obciążeniu obowiązkami lub wpływ snu i stażu pracy. Warto także podać liczebności bezwzględne: 40,0% w grupie zmianowej i 23,8% w grupie dziennej. Dzięki temu odbiorca nie musi opierać interpretacji wyłącznie na OR.
Co warto zapamiętać?
- Iloraz szans porównuje szanse, a nie bezpośrednio prawdopodobieństwa.
- Dla tabeli 2×2: OR = ad/bc.
- Standardowy 95% przedział ufności wyznacza się zwykle na skali ln(OR), a następnie przekształca funkcją wykładniczą.
- Wartością neutralną dla OR jest 1, nie 0.
- Przedział ufności opisuje niepewność i możliwą skalę efektu; nie zastępuje oceny klinicznej, społecznej ani metodologicznej.
- OR z regresji logistycznej wymaga wskazania kategorii referencyjnej oraz zmiennych uwzględnionych w modelu.
- Nie należy utożsamiać OR z ryzykiem względnym, zwłaszcza gdy wynik nie jest rzadki.
- Najlepszy raport zawiera OR, 95% PU, liczebności lub częstości, definicję wyniku, grupę referencyjną oraz opis schematu badania.
Przedział ufności dla ilorazu szans jest użytecznym narzędziem estymacji, ale jego poprawna interpretacja wymaga połączenia rachunku, znajomości skali pomiaru i rozumienia projektu badania. Sama liczba OR nie mówi, czy wynik jest ważny; dopiero zestawienie wielkości efektu, przedziału ufności, częstości bezwzględnych i kontekstu badania pozwala sformułować odpowiedzialny wniosek.
Źródła i dalsza lektura
- J. M. Bland; D. G. Altman (2000). The odds ratio. BMJ, 320(7247), 1468. DOI: 10.1136/bmj.320.7247.1468.
- Betty R. Kirkwood; Jonathan A. C. Sterne (2012). Essential Medical Statistics. 2nd edition. Wiley-Blackwell. Informacja wydawcy / źródło.
- Erik von Elm; Douglas G. Altman; Matthias Egger; Stuart J. Pocock; Peter C. Gøtzsche; Jan P. Vandenbroucke; for the STROBE Initiative (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. The Lancet, 370(9596), 1453–1457. DOI: 10.1016/S0140-6736(07)61602-X.
- Sander Greenland; Stephen J. Senn; Kenneth J. Rothman; John B. Carlin; Charles Poole; Steven N. Goodman; Douglas G. Altman (2016). Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations. European Journal of Epidemiology, 31(4), 337–350. DOI: 10.1007/s10654-016-0149-3.
- Jan P. Vandenbroucke; Erik von Elm; Douglas G. Altman; Peter C. Gøtzsche; Cynthia D. Mulrow; Stuart J. Pocock; Charles Poole; James J. Schlesselman; Matthias Egger; for the STROBE Initiative (2007). Strengthening the Reporting of Observational Studies in Epidemiology (STROBE): explanation and elaboration. PLoS Medicine, 4(10), e297. DOI: 10.1371/journal.pmed.0040297.
Więcej kolejnych lekcji publicznego szkolenia znajdziesz na statystyk.edu.pl.