487. Różnica ryzyka i bezwzględny efekt interwencji
W poprzednich lekcjach omawiano ryzyko, ryzyko względne i iloraz szans. Kolejnym krokiem jest przejście od pytania „ile razy ryzyko jest mniejsze lub większe?” do pytania bardziej bezpośredniego klinicznie: „o ile punktów procentowych zmieniła się częstość zdarzenia?”. Odpowiedzią jest różnica ryzyka, nazywana także bezwzględną różnicą ryzyka. Jest to jedna z najważniejszych miar bezwzględnego efektu interwencji, ponieważ pozwala ocenić nie tylko kierunek i względną siłę działania, lecz także jego rozmiar w konkretnej populacji.
W praktyce badawczej różnicę ryzyka należy interpretować razem z ryzykiem w obu grupach, przedziałem ufności, czasem obserwacji oraz znaczeniem klinicznym wyniku. Zasada ta jest zgodna z zaleceniami CONSORT, według których dla wyników binarnych należy przedstawiać zarówno miary względne, jak i bezwzględne (Moher et al., 2010). W ramach publicznego szkolenia na statystyka.edu.pl warto traktować tę miarę jako pomost między obliczeniami statystycznymi a komunikowaniem wyników pacjentom, klinicystom i decydentom zdrowia publicznego.
Czym jest różnica ryzyka?
Załóżmy, że badanie porównuje dwie grupy: grupę otrzymującą interwencję oraz grupę kontrolną. Wynikiem jest zdarzenie binarne, na przykład wystąpienie udaru, zgonu, zakażenia, nawrotu objawów albo hospitalizacji w ustalonym okresie.
Niech:
- RI oznacza ryzyko zdarzenia w grupie interwencji;
- RK oznacza ryzyko zdarzenia w grupie kontrolnej.
Różnicę ryzyka można zapisać jako:
RD = RI − RK
Skrót RD pochodzi od angielskiego określenia risk difference. Wynik jest wyrażony w punktach proporcji albo, po pomnożeniu przez 100, w punktach procentowych.
Jeżeli interwencja zmniejsza ryzyko niekorzystnego zdarzenia, często stosuje się również określenie bezwzględna redukcja ryzyka (absolute risk reduction, ARR). Wtedy wzór zapisuje się najczęściej jako:
ARR = RK − RI
W tej konwencji korzystny efekt ma wartość dodatnią. Różnica między RD i ARR nie dotyczy danych, lecz sposobu zapisu znaku. RD jest ogólną miarą różnicy, natomiast ARR podkreśla, że ryzyko niekorzystnego zdarzenia zostało zmniejszone.
Jak interpretować znak wyniku?
Jeżeli obliczamy RD jako RI − RK, interpretacja jest następująca:
- RD = 0 oznacza identyczne ryzyko w obu grupach;
- RD < 0 oznacza mniejsze ryzyko zdarzenia w grupie interwencji;
- RD > 0 oznacza większe ryzyko zdarzenia w grupie interwencji.
Jeżeli wynik przedstawiono jako ARR, korzystna redukcja ryzyka ma wartość dodatnią, a wzrost ryzyka może być opisany jako bezwzględny wzrost ryzyka (absolute risk increase, ARI). W publikacji trzeba jasno wskazać zastosowaną konwencję, aby uniknąć nieporozumień.
Przykład 1: profilaktyka zakażeń po zabiegu
W randomizowanym badaniu oceniano, czy program profilaktyczny zmniejsza częstość zakażeń rany pooperacyjnej. W grupie interwencji zakażenie wystąpiło u 24 spośród 400 osób, a w grupie kontrolnej u 40 spośród 400 osób.
| Grupa | Liczba osób | Liczba zakażeń | Ryzyko |
|---|---|---|---|
| Interwencja | 400 | 24 | 24/400 = 0,06 = 6% |
| Kontrola | 400 | 40 | 40/400 = 0,10 = 10% |
Różnica ryzyka wynosi:
RD = 0,06 − 0,10 = −0,04
Oznacza to, że ryzyko zakażenia w grupie interwencji było o 4 punkty procentowe niższe niż w grupie kontrolnej. W zapisie ARR otrzymamy:
ARR = 0,10 − 0,06 = 0,04 = 4%
Można więc powiedzieć: „Program wiązał się z bezwzględnym zmniejszeniem ryzyka zakażenia o 4 punkty procentowe”. W badaniu randomizowanym, przy właściwym przeprowadzeniu i analizie, taki wynik może być interpretowany jako efekt przypisania do interwencji w badanej populacji. Nadal trzeba jednak uwzględnić niepewność oszacowania i charakter konkretnego punktu końcowego.
Porównanie z ryzykiem względnym
Dla tych samych danych:
RR = 0,06 / 0,10 = 0,60
Ryzyko względne wynosi 0,60, czyli ryzyko w grupie interwencji stanowiło 60% ryzyka w grupie kontrolnej. Względna redukcja ryzyka wynosi zatem 40%. Obie informacje są poprawne, ale każda odpowiada na inne pytanie:
- RR = 0,60 opisuje proporcjonalną zmianę ryzyka;
- ARR = 4% opisuje zmianę bezwzględną, czyli różnicę 4 zdarzeń na 100 leczonych osób w porównaniu z kontrolą.
Samo „zmniejszenie ryzyka o 40%” może brzmieć bardzo przekonująco. Dopiero informacja o ryzykach 10% i 6% pokazuje rzeczywisty kontekst kliniczny.
Bezwzględny efekt a liczba potrzebna do leczenia
Na podstawie ARR można obliczyć liczbę potrzebną do leczenia (number needed to treat, NNT). Jest to szacunkowa liczba osób, które należy poddać interwencji zamiast postępowania kontrolnego, aby zapobiec jednemu dodatkowemu niekorzystnemu zdarzeniu w określonym czasie obserwacji.
Wzór ma postać:
NNT = 1 / ARR
ARR musi być wyrażona jako proporcja, a nie jako liczba procentowa. W przykładzie ARR = 0,04, więc:
NNT = 1 / 0,04 = 25
Interpretacja brzmi: trzeba objąć programem około 25 osób, aby zapobiec jednemu dodatkowemu zakażeniu w warunkach tego badania i w analizowanym okresie.
NNT nie jest stałą właściwością interwencji. Zależy od ryzyka podstawowego, czasu obserwacji, definicji punktu końcowego i populacji. Ta sama interwencja może mieć podobny RR w dwóch populacjach, ale różne ARR i NNT, jeśli wyjściowe ryzyko zdarzenia jest inne (Altman, 1998).
Dlaczego przedział ufności jest ważny?
Estymowana ARR jest obarczona losową niepewnością. W publikacji należy podać jej przedział ufności, najlepiej 95%. Jeżeli przedział dla RD obejmuje zero, dane są zgodne zarówno z niewielkim zmniejszeniem, jak i z niewielkim zwiększeniem ryzyka, zależnie od jego szerokości i położenia.
Przykładowo ARR = 4 punkty procentowe z 95% przedziałem ufności od 1 do 7 punktów procentowych wskazuje na stosunkowo precyzyjny wynik zgodny z redukcją ryzyka. Natomiast ARR = 4 punkty procentowe z przedziałem od −3 do 11 punktów procentowych oznacza znacznie większą niepewność. Nie należy wtedy przedstawiać „4%” jako dokładnego efektu.
Przedziały ufności dla NNT bywają trudne do interpretacji, zwłaszcza gdy przedział dla ARR obejmuje zero. W takiej sytuacji NNT może przechodzić przez nieskończoność, a po drugiej stronie zera pojawia się liczba potrzebna do leczenia szkodą (number needed to harm, NNH). Zagadnienie to szczegółowo omawiał Altman (1998).
Przykład 2: interwencja psychologiczna i nawrót objawów
Załóżmy, że w badaniu pacjentów po epizodzie depresyjnym oceniano program terapii podtrzymującej. Po sześciu miesiącach nawrót wystąpił u 18% osób w grupie terapii oraz u 27% osób w grupie kontrolnej.
Różnica ryzyka wynosi:
RD = 0,18 − 0,27 = −0,09
Bezwzględna redukcja ryzyka wynosi 9 punktów procentowych, a NNT:
NNT = 1 / 0,09 = 11,11
Po zaokrągleniu w górę otrzymujemy NNT = 12. W praktycznym języku oznacza to, że objęcie terapią 12 osób zamiast postępowania kontrolnego wiązałoby się ze średnim zapobiegnięciem jednemu dodatkowemu nawrotowi w ciągu sześciu miesięcy, o ile wynik jest wiarygodny i można go uogólnić na podobną populację.
Nie oznacza to, że dokładnie co dwunasta osoba odniesie korzyść ani że terapia „działa u jednej osoby na dwanaście” w sensie indywidualnej prognozy. NNT jest miarą populacyjną, wynikającą z różnicy średnich ryzyk. Nie powinno się używać jej do przewidywania losu konkretnego pacjenta bez uwzględnienia jego charakterystyki, preferencji i ryzyka wyjściowego.
Różnica ryzyka w badaniach obserwacyjnych
Różnicę ryzyka można obliczać także w badaniach kohortowych, w których porównuje się osoby narażone i nienarażone albo grupy o różnym poziomie ekspozycji. W takim przypadku sama różnica ryzyka nie dowodzi jednak, że ekspozycja lub interwencja spowodowała obserwowaną zmianę.
Wynik może być zniekształcony przez zakłócenie, błąd selekcji, błąd pomiaru lub odwrotną przyczynowość. Jeżeli osoby korzystające z programu profilaktycznego mają na przykład lepszy dostęp do opieki, większą wiedzę zdrowotną i częściej przestrzegają zaleceń, to niższa częstość zdarzeń może częściowo wynikać z tych różnic, a nie wyłącznie z samego programu.
W analizie obserwacyjnej należy zatem ostrożnie formułować wnioski: „ryzyko było niższe o 4 punkty procentowe w grupie uczestników programu” jest zdaniem opisowym; „program zmniejszył ryzyko o 4 punkty procentowe” jest zdaniem przyczynowym i wymaga uzasadnienia schematem badania oraz metodami kontroli zakłóceń.
Bezwzględny efekt dla korzyści i szkód
Pełna ocena interwencji wymaga zestawienia korzyści i szkód. Jeżeli leczenie zmniejsza ryzyko udaru o 2 punkty procentowe, ale zwiększa ryzyko poważnego krwawienia o 1 punkt procentowy, obie informacje są niezbędne do oceny bilansu klinicznego.
W przypadku niekorzystnego działania interwencji można obliczyć:
ARI = RI − RK
Jeżeli ryzyko działania niepożądanego wynosi 3% w grupie interwencji i 1% w grupie kontrolnej, ARI = 2 punkty procentowe. Odpowiada temu:
NNH = 1 / ARI = 1 / 0,02 = 50
Oznacza to, że dodatkowe poważne zdarzenie może wystąpić średnio u jednej osoby na każde 50 osób otrzymujących interwencję zamiast kontroli. NNT i NNH trzeba interpretować w tym samym okresie obserwacji i dla jasno zdefiniowanych zdarzeń.
Wytyczne CONSORT podkreślają, że raportowanie powinno obejmować wyniki w każdej grupie, miarę efektu i jej precyzję, a także istotne szkody i niezamierzone skutki (Moher et al., 2010; Page et al., 2023).
Przykład praktyczny: jak opisać wynik w publikacji
Załóżmy, że badanie randomizowane porównuje standardową opiekę z programem wczesnej edukacji pacjentów z niewydolnością serca. Po 12 miesiącach hospitalizacja wystąpiła u 15% osób w grupie programu i u 21% osób w grupie standardowej.
Dobrze sformułowany opis może brzmieć:
W ciągu 12 miesięcy hospitalizacja wystąpiła u 15% uczestników programu edukacyjnego oraz u 21% uczestników standardowej opieki. Różnica ryzyka wyniosła −6 punktów procentowych, co odpowiada bezwzględnej redukcji ryzyka o 6 punktów procentowych i NNT około 17. Wynik należy interpretować łącznie z 95% przedziałem ufności oraz z częstością działań niepożądanych i rezygnacji z udziału.
Taki zapis jest lepszy niż samo stwierdzenie, że „program zmniejszył hospitalizacje o 29%”, ponieważ pokazuje ryzyko w obu grupach i bezwzględny rozmiar efektu. W raporcie należy także określić, czy analiza była zgodna z przydziałem randomizacyjnym, jak potraktowano brakujące dane oraz czy wszyscy uczestnicy byli obserwowani przez pełne 12 miesięcy.
Różnica ryzyka a dane czasu do zdarzenia
Prosty wzór RD jest najbardziej naturalny wtedy, gdy każda osoba ma porównywalny okres obserwacji albo gdy analizowany jest odsetek osób, u których zdarzenie wystąpiło do określonego punktu czasowego. Jeżeli obserwacja ma różną długość, a część uczestników zostaje ocenzurowana, zwykłe porównanie odsetków może być niewystarczające.
W badaniach czasu do zdarzenia można szacować ryzyko skumulowane w określonym czasie, na przykład roczne ryzyko zgonu, a następnie obliczać różnicę tych ryzyk. Nie należy jednak automatycznie utożsamiać różnicy ryzyka skumulowanego z różnicą współczynników hazardu. Hazard ratio jest miarą względną dotyczącą chwilowej intensywności zdarzenia i nie daje się bezpośrednio przeliczyć na jedną stałą ARR bez dodatkowych założeń. Altman i Andersen (1999) wskazywali, że NNT dla danych czasu do zdarzenia wymaga uwzględnienia czasu, dla którego ma być interpretowany.
Najczęstsze błędy
- Mylenie punktów procentowych z procentami. Spadek ryzyka z 10% do 6% to redukcja o 4 punkty procentowe, ale względnie o 40%.
- Pomijanie ryzyka wyjściowego. Sama względna redukcja ryzyka nie pokazuje, czy zdarzenie było częste, czy rzadkie.
- Niejasna konwencja znaku. Trzeba wskazać, czy raportowana jest RD = RI − RK, czy ARR = RK − RI.
- Raportowanie NNT bez czasu. NNT zawsze odnosi się do określonego czasu obserwacji i konkretnego punktu końcowego.
- Zaokrąglanie NNT w dół. NNT zaokrągla się w górę do najbliższej liczby całkowitej, ponieważ chodzi o liczbę osób potrzebnych do uzyskania jednego dodatkowego efektu.
- Traktowanie p < 0,05 jako dowodu dużego efektu. Istotność statystyczna nie mówi sama przez się o ważności klinicznej. Należy ocenić wielkość RD, przedział ufności, korzyści, szkody i koszty.
- Wnioskowanie przyczynowe z badania obserwacyjnego. Różnica ryzyka może opisywać związek, ale bez odpowiedniego schematu i kontroli zakłóceń nie musi oznaczać efektu przyczynowego.
- Pomijanie szkód. Bezwzględny efekt korzyści powinien być zestawiony z bezwzględnym efektem działań niepożądanych.
- Interpretowanie NNT jako indywidualnej prognozy. NNT jest miarą średniego efektu w populacji, nie dosłownym prawdopodobieństwem dla pojedynczej osoby.
Co warto zapamiętać?
- Różnica ryzyka porównuje dwa ryzyka odejmowane od siebie: RD = RI − RK.
- Gdy interwencja zmniejsza ryzyko niekorzystnego zdarzenia, wygodną dodatnią miarą jest ARR = RK − RI.
- ARR opisuje bezwzględną zmianę w punktach procentowych, a RR opisuje zmianę względną.
- NNT oblicza się jako 1/ARR, gdy ARR jest zapisana jako proporcja.
- Każda interpretacja musi uwzględniać czas obserwacji, przedział ufności i punkt końcowy.
- Wyniki korzyści należy raportować razem z wynikami szkód.
- Istotność statystyczna nie jest tym samym co wielkość efektu ani jego znaczenie praktyczne.
- W badaniach obserwacyjnych różnica ryzyka nie uzasadnia automatycznie wniosku przyczynowego.
Różnica ryzyka jest prosta obliczeniowo, lecz wymaga dojrzałej interpretacji. Jej największą wartością jest przełożenie wyniku badania na skalę zrozumiałą w praktyce: ile zdarzeń wystąpiło lub nie wystąpiło na 100 osób, a nie tylko jak zmienił się iloraz ryzyka. Dlatego powinna być podstawowym elementem raportowania efektów interwencji obok RR, przedziału ufności, NNT oraz informacji o szkodach.
Źródła i dalsza lektura
- Altman, D. G. (1998). Confidence intervals for the number needed to treat. BMJ, 317(7168), 1309–1312. DOI: 10.1136/bmj.317.7168.1309.
- Altman, D. G.; Andersen, P. K. (1999). Calculating the number needed to treat for trials where the outcome is time to an event. BMJ, 319(7223), 1492–1495. DOI: 10.1136/bmj.319.7223.1492.
- Moher, D.; Hopewell, S.; Schulz, K. F.; Montori, V.; Gøtzsche, P. C.; Devereaux, P. J.; Elbourne, D.; Egger, M.; Altman, D. G.; CONSORT Group (2010). CONSORT 2010 Explanation and Elaboration: updated guidelines for reporting parallel group randomised trials. BMJ. BMJ Publishing Group. Źródło.
- Page, M. J.; McKenzie, J. E.; Bossuyt, P. M.; Boutron, I.; Hoffmann, T. C.; Mulrow, C. D.; Shamseer, L.; Tetzlaff, J. M.; Akl, E. A.; Brennan, S. E.; Chou, R.; Glanville, J.; Grimshaw, J. M.; Hróbjartsson, A.; Lalu, M. M.; Li, T.; Loder, E. W.; Mayo-Wilson, E.; McDonald, S.; McGuinness, L. A.; Stewart, L. A.; Thomas, J.; Tricco, A. C.; Welch, V. A.; Whiting, P.; Moher, D. (2023). The CONSORT 2022 statement: updated guideline for reporting randomised trials. BMJ. BMJ Publishing Group. Źródło.
- Kirkwood, B. R.; Sterne, J. A. C. (2012). Essential Medical Statistics. 2nd edition. Wiley-Blackwell. Informacja wydawcy / źródło.
- Agency for Healthcare Research and Quality (2010). Methods Guide for Comparative Effectiveness Reviews. Agency for Healthcare Research and Quality. Źródło.
Więcej kolejnych lekcji publicznego szkolenia znajdziesz na statystyk.edu.pl.
Jeden komentarz