482. Ryzyko i częstość zdarzeń – jak je rozróżniać?
W epidemiologii liczba nowych zachorowań, urazów lub innych zdarzeń sama w sobie rzadko wystarcza do oceny sytuacji. Informacja, że w badanej grupie odnotowano 40 przypadków, nie mówi jeszcze, czy jest to dużo, jeśli nie znamy liczebności grupy ani czasu obserwacji. Dlatego stosuje się miary względne, takie jak ryzyko, oraz miary uwzględniające czas obserwacji, określane jako częstość zdarzeń lub gęstość zapadalności. Choć pojęcia te bywają używane zamiennie, opisują różne wielkości. Ich rozróżnienie jest szczególnie ważne w badaniach kohortowych, analizach rejestrów, zdrowiu publicznym i interpretacji wyników klinicznych.
1. Od czego zaczyna się pomiar zdarzeń?
Najpierw trzeba precyzyjnie określić trzy elementy:
- zdarzenie – na przykład rozpoznanie depresji, hospitalizacja, udar, upadek albo zgon;
- populację zagrożoną zdarzeniem – osoby, które na początku obserwacji mogą doświadczyć badanego wyniku;
- okres obserwacji – na przykład 12 miesięcy, pięć lat albo 10 000 osobodni.
Właściwy mianownik zależy od pytania badawczego. Jeśli pytamy: „Jaki odsetek pacjentów zachorował w ciągu roku?”, interesuje nas prawdopodobieństwo wystąpienia zdarzenia w określonym przedziale czasu. Jeśli pytamy: „Jak szybko pojawiają się nowe przypadki w obserwowanej populacji?”, potrzebujemy miary opartej na czasie-osobowym. W literaturze epidemiologicznej odróżnia się zatem incidence proportion, czyli skumulowane ryzyko, od incidence rate, czyli częstości opartej na osoboczasie (Rothman, Greenland i Lash, 2008; Kirkwood i Sterne, 2003).
2. Ryzyko, czyli skumulowane prawdopodobieństwo zdarzenia
Ryzyko, nazywane także zapadalnością skumulowaną lub incidence proportion, jest proporcją osób, u których zdarzenie wystąpiło w określonym przedziale czasu, w stosunku do liczby osób zagrożonych na początku obserwacji.
Wzór można zapisać następująco:
Ryzyko = liczba nowych zdarzeń w okresie / liczba osób zagrożonych na początku okresu
Jeżeli oznaczymy:
- D – liczbę nowych zdarzeń w czasie obserwacji,
- N0 – liczbę osób zagrożonych na początku obserwacji,
- R – ryzyko wystąpienia zdarzenia,
to:
R = D / N0
Ryzyko jest bezwymiarową proporcją. Można je przedstawić jako ułamek, odsetek albo wartość na 100, 1000 czy 100 000 osób. Przykładowo wartość 0,08 oznacza ryzyko równe 8% w rozpatrywanym okresie. Należy zawsze podać przedział czasu, ponieważ ryzyko bez horyzontu czasowego jest niepełną informacją.
Warunki poprawnej interpretacji ryzyka
Prosty wzór na ryzyko najlepiej działa w tak zwanej zamkniętej kohorcie, czyli grupie, której skład w czasie obserwacji nie zmienia się znacząco. Każda osoba powinna mieć możliwość wystąpienia zdarzenia, a uczestnicy powinni być obserwowani przez podobny okres. Jeśli część osób dołącza do badania później, opuszcza je przed końcem albo ma bardzo różny czas obserwacji, zwykła proporcja może być myląca.
Ryzyko dotyczy zwykle pierwszego wystąpienia zdarzenia. Jeśli badamy pierwszy zawał serca, osoba, która przebyła zawał, przestaje być osobą zagrożoną pierwszym zawałem. W przypadku zdarzeń powtarzających się, takich jak kolejne upadki lub zaostrzenia astmy, potrzebne są inne miary i często inne modele analityczne.
3. Częstość zdarzeń oparta na osoboczasie
Częstość zdarzeń, określana też jako wskaźnik zapadalności albo incidence rate, uwzględnia łączny czas, przez który osoby pozostawały pod obserwacją i były zagrożone wystąpieniem zdarzenia.
Wzór ma postać:
Częstość zdarzeń = liczba nowych zdarzeń / łączny osoboczas obserwacji
Po oznaczeniu:
- D – liczba nowych zdarzeń,
- PT – łączny osoboczas, na przykład osobolata, osobomiesiące lub osobodni,
- IR – częstość zdarzeń,
otrzymujemy:
IR = D / PT
Jednostką nie jest procent, lecz na przykład „7 przypadków na 1000 osobolat”. Częstość może być większa niż 1 w jednostce osoboczasu, ponieważ ta sama osoba może mieć więcej niż jedno zdarzenie albo dlatego, że jednostka czasu jest mała. Nie należy więc interpretować częstości jako bezpośredniego prawdopodobieństwa.
Dlaczego osoboczas jest ważny?
Załóżmy, że dwóch pacjentów obserwowano odpowiednio przez 12 miesięcy i 3 miesiące. Obaj wnieśli do badania różną ilość informacji. Pierwszy dostarczył jednego osoboroku obserwacji, a drugi – jednej czwartej osoboroku. Sumowanie osoboczasu pozwala uwzględnić takie różnice.
Osoboczas kończy się zazwyczaj w chwili wystąpienia zdarzenia, utraty z obserwacji, wycofania zgody, zakończenia badania albo wystąpienia innego zdarzenia uniemożliwiającego dalsze obserwowanie badanego wyniku. W analizie trzeba jasno opisać te reguły cenzorowania i wyłączenia z mianownika.
4. Najważniejsza różnica: prawdopodobieństwo a tempo zdarzeń
Najkrócej można ująć różnicę następująco:
| Cecha | Ryzyko | Częstość zdarzeń |
|---|---|---|
| Podstawowy mianownik | Liczba osób zagrożonych na początku | Łączny osoboczas |
| Interpretacja | Odsetek osób, u których zdarzenie wystąpiło w okresie | Tempo pojawiania się nowych zdarzeń |
| Jednostka | Proporcja lub procent | Przypadki na jednostkę osoboczasu |
| Typowa kohorta | Zamknięta i względnie stabilna | Otwarta, dynamiczna lub z różnym czasem obserwacji |
Ryzyko i częstość mogą prowadzić do podobnych wniosków, lecz nie są matematycznie tym samym. Przy stałej częstości i odpowiednio krótkim czasie można przybliżyć ryzyko wzorem R ≈ IR × t, gdzie t oznacza czas. Dokładniejsze powiązanie, przy założeniu stałej częstości i niezależnego procesu zdarzeń, ma postać R = 1 − e−IR×t. W praktyce nie należy jednak automatycznie przeliczać jednej miary na drugą bez sprawdzenia założeń dotyczących stałości częstości, cenzorowania i struktury obserwacji.
5. Przykład medyczny: zakażenia po zabiegu
W badaniu obserwacyjnym śledzono 500 pacjentów po operacji przez 30 dni. U 25 osób wystąpiło zakażenie miejsca operowanego, a wszyscy mieli pełną obserwację.
Ryzyko wynosi:
R = 25 / 500 = 0,05 = 5%
Interpretacja: w tej kohorcie 5% pacjentów doświadczyło zakażenia w ciągu 30 dni po zabiegu. Nie oznacza to, że każdy pacjent miał 5% ryzyka w dowolnym momencie ani że wynik można bezpośrednio uogólnić na wszystkie szpitale.
Jeżeli jednak część pacjentów była obserwowana krócej, a łączny osoboczas wyniósł 12 000 osobodni, częstość zdarzeń wyniosłaby:
IR = 25 / 12 000 = 0,00208 na osobodzie
Po przeskalowaniu otrzymujemy około 2,08 zakażenia na 1000 osobodni. Ta miara jest użyteczna, gdy pacjenci mają różny czas pobytu lub obserwacji.
6. Przykład z ratownictwa i zdrowia publicznego: urazy podczas dyżurów
W analizie bezpieczeństwa pracy ratowników medycznych odnotowano 18 urazów podczas 90 000 godzin pracy. Częstość wynosi:
IR = 18 / 90 000 = 0,0002 na godzinę
Po przeliczeniu: 0,2 urazu na 1000 godzin pracy. Taki wynik można porównywać między zespołami, jeśli mianowniki są zdefiniowane w podobny sposób, a identyfikacja urazów przebiega według tych samych kryteriów.
Nie wolno jednak nazwać wartości 0,2 na 1000 godzin „ryzykiem 0,2% dla każdego ratownika”. Ryzyko wymaga zdefiniowania jednostki osoby i okresu, na przykład ryzyka urazu w ciągu jednego roku pracy. Przeliczenie częstości na ryzyko wymaga informacji o czasie pracy pojedynczych osób oraz założeń dotyczących stabilności częstości.
7. Porównywanie grup: różnica ryzyka i iloraz ryzyka
W badaniach często porównuje się grupę eksponowaną i nieeksponowaną, na przykład pacjentów otrzymujących określone leczenie z pacjentami z grupy kontrolnej.
Jeśli R1 oznacza ryzyko w grupie pierwszej, a R0 ryzyko w grupie odniesienia, można obliczyć:
- różnicę ryzyka:
RD = R1 − R0; - iloraz ryzyka:
RR = R1 / R0.
Przykładowo, jeśli ryzyko rehospitalizacji wynosi 12% w grupie interwencji i 20% w grupie standardowej, różnica ryzyka wynosi −8 punktów procentowych, a iloraz ryzyka 0,60. Można powiedzieć, że w badanym okresie ryzyko było o 8 punktów procentowych niższe, a ryzyko względne stanowiło 60% ryzyka w grupie odniesienia. Nie należy natomiast mówić, że „ryzyko zmniejszyło się o 60%”, jeśli nie doprecyzujemy, że chodzi o względne porównanie. Względne zmniejszenie ryzyka wynosiłoby tutaj 40%.
W przypadku miar opartych na osoboczasie odpowiednikiem jest zwykle iloraz częstości, na przykład IRR = IR1 / IR0. Iloraz częstości opisuje relację tempa zdarzeń, a nie bezpośrednio różnicę prawdopodobieństw.
8. Jak wybrać właściwą miarę?
- Zdefiniuj wynik: czy liczysz pierwsze zdarzenie, wszystkie zdarzenia czy osobę z co najmniej jednym zdarzeniem?
- Określ populację zagrożoną: kto rzeczywiście mógł doświadczyć wyniku?
- Ustal horyzont czasowy: 7 dni, 30 dni, rok czy cały okres obserwacji?
- Sprawdź, czy czas obserwacji jest podobny u wszystkich uczestników.
- Jeśli czas jest różny lub kohorta jest dynamiczna, rozważ osoboczas i częstość zdarzeń.
- Raportuj licznik, mianownik, jednostkę czasu oraz sposób postępowania z utratą obserwacji.
Zgodnie z zaleceniami STROBE publikacja badania obserwacyjnego powinna umożliwiać czytelnikowi ocenę sposobu doboru uczestników, definicji zmiennych, czasu obserwacji oraz analizy danych (von Elm i in., 2007; Vandenbroucke i in., 2007). Sama wartość procentowa bez informacji o populacji i czasie jest niewystarczająca.
Najczęstsze błędy
- Używanie słowa „ryzyko” dla każdej proporcji. Proporcja osób chorych w danym momencie może opisywać chorobowość, a nie ryzyko nowych zachorowań.
- Pomijanie czasu. Ryzyko 10% może oznaczać 10% w ciągu tygodnia, roku albo 20 lat – są to zupełnie różne informacje.
- Mylenie częstości z procentem. „5 przypadków na 1000 osobolat” nie jest równoznaczne z „0,5% ryzyka”, chyba że spełnione są odpowiednie założenia i jasno określono okres.
- Włączanie do mianownika osób, które nie były zagrożone zdarzeniem. Na przykład osoby z już rozpoznaną chorobą nie powinny zwiększać mianownika w analizie nowych zachorowań.
- Ignorowanie różnych czasów obserwacji. Zwykły odsetek może być nieadekwatny, gdy część uczestników obserwowano przez kilka dni, a część przez kilka lat.
- Liczenie zdarzeń zamiast osób bez wyjaśnienia. Jedna osoba może mieć kilka hospitalizacji. Trzeba wskazać, czy jednostką analizy jest osoba, czy zdarzenie.
- Wyciąganie wniosków przyczynowych z samej miary. Niższe ryzyko w jednej grupie nie dowodzi, że ekspozycja lub leczenie spowodowały różnicę, zwłaszcza w badaniu obserwacyjnym.
- Koncentrowanie się wyłącznie na wartości p. Istotność statystyczna nie mówi, czy efekt jest duży ani czy ma znaczenie kliniczne. Należy raportować oszacowanie efektu oraz przedział ufności.
Przykład praktyczny: analiza dwóch oddziałów
Oddział A obserwował 100 pacjentów przez 30 dni; wystąpiło 10 upadków, po jednym u każdego pacjenta. Oddział B obserwował 200 pacjentów, ale średni czas obserwacji wynosił tylko 15 dni; wystąpiło 12 upadków. Porównanie samych liczebności byłoby niepoprawne, ponieważ grupy różnią się liczebnością i czasem obserwacji.
W oddziale A ryzyko upadku w ciągu 30 dni wynosi 10/100, czyli 10%. W oddziale B można obliczyć prostą proporcję 12/200 = 6%, ale nie jest ona bezpośrednio porównywalna z 30-dniowym ryzykiem, ponieważ pacjenci byli średnio obserwowani krócej. Jeśli znamy dokładny osoboczas, na przykład 3000 osobodni w A i 3000 osobodni w B, częstość w A wynosi 10/3000, a w B 12/3000. Wówczas oddział B ma wyższe tempo zdarzeń, mimo że prosty odsetek osób z upadkiem był niższy.
Ten przykład pokazuje, dlaczego wybór mianownika nie jest technicznym dodatkiem, lecz częścią definicji wyniku. W raporcie należy podać nie tylko liczbę upadków, ale też liczbę pacjentów, łączny czas obserwacji, regułę liczenia powtarzających się upadków oraz sposób uwzględnienia różnic w charakterystyce pacjentów.
Co warto zapamiętać?
- Ryzyko to odsetek osób, u których zdarzenie wystąpiło w określonym czasie.
- Częstość zdarzeń to liczba nowych zdarzeń podzielona przez łączny osoboczas.
- Ryzyko jest interpretowane jako prawdopodobieństwo w zdefiniowanym okresie, a częstość jako tempo występowania zdarzeń.
- W mianowniku trzeba uwzględnić wyłącznie osoby zagrożone albo właściwie zdefiniowany osoboczas.
- Nie należy automatycznie zamieniać częstości na procent ryzyka.
- Każdy wynik powinien zawierać licznik, mianownik, okres obserwacji i jednostkę miary.
- Różnica ryzyka, iloraz ryzyka i iloraz częstości odpowiadają na różne pytania.
- W interpretacji zawsze oddzielaj wielkość efektu, niepewność statystyczną i znaczenie praktyczne.
Rozróżnienie ryzyka i częstości zdarzeń jest jednym z podstawowych warunków poprawnego czytania literatury epidemiologicznej. W publicznym szkoleniu na statystyk.edu.pl warto ćwiczyć nie tylko rachunki, lecz także dobór mianownika i formułowanie interpretacji zgodnej z projektem badania. To właśnie sposób zdefiniowania populacji, czasu i zdarzenia decyduje o tym, czy uzyskana liczba będzie użyteczna klinicznie i epidemiologicznie.
Źródła i dalsza lektura
- Betty R. Kirkwood; Jonathan A. C. Sterne (2003). Essential Medical Statistics. 2nd edition. Blackwell Science. Informacja wydawcy / źródło.
- Kenneth J. Rothman; Sander Greenland; Timothy L. Lash (2008). Modern Epidemiology. 3rd edition. Lippincott Williams & Wilkins / Wolters Kluwer Health. 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. PLoS Medicine, 4(10), e296. DOI: 10.1371/journal.pmed.0040296.
- 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.
- International Olympic Committee; Margo Mountjoy; Jiri Junge; Jiri Bergeron; Markos C. B. A. et al. (2020). International Olympic Committee consensus statement: methods for recording and reporting of epidemiological data on injury and illness in sport 2020 (including STROBE Extension for Sport Injury and Illness Surveillance (STROBE-SIIS). British Journal of Sports Medicine, 54(7), 372–389. DOI: 10.1136/bjsports-2019-101969.
3 komentarze