484. Ryzyko względne RR – zastosowanie w badaniach kohortowych

Lekcja 484 z 560. Moduł 25: Biostatystyka i epidemiologia.

Ryzyko względne, oznaczane najczęściej jako RR (relative risk) albo risk ratio, jest jedną z podstawowych miar związku między ekspozycją a wystąpieniem zdarzenia zdrowotnego. W badaniu kohortowym badacz rozpoczyna od podziału osób według ekspozycji, a następnie obserwuje, u ilu z nich pojawi się określony wynik, na przykład zachorowanie, powikłanie, hospitalizacja lub zgon. Dzięki temu można obliczyć ryzyko w każdej grupie, a następnie porównać te dwa ryzyka.

RR jest szczególnie intuicyjne, ponieważ odpowiada na pytanie: ile razy ryzyko zdarzenia w grupie eksponowanej jest większe lub mniejsze niż w grupie nieeksponowanej? Właściwe użycie tej miary wymaga jednak rozróżnienia ryzyka od częstości, odróżnienia RR od ilorazu szans oraz uwzględnienia przedziału ufności, błędu losowego, błędów systematycznych i możliwego wpływu czynników zakłócających. Temat ten stanowi naturalne rozwinięcie wcześniejszych lekcji kursu na statystyk.edu.pl dotyczących ryzyka, zapadalności i osoboczasu.

1. Czym jest ryzyko w badaniu kohortowym?

W epidemiologii ryzyko, nazywane także zapadalnością skumulowaną lub incidence proportion, oznacza prawdopodobieństwo wystąpienia nowego zdarzenia w określonej populacji, w określonym przedziale czasu. Oblicza się je jako liczbę nowych zdarzeń podzieloną przez liczbę osób, które na początku obserwacji były zagrożone wystąpieniem tego zdarzenia.

Jeżeli spośród 1000 osób bez choroby na początku obserwacji w ciągu roku zachorowało 50 osób, ryzyko zachorowania wynosi:

R = liczba nowych przypadków / liczba osób zagrożonych na początku obserwacji

R = 50 / 1000 = 0,05 = 5%

Ważne jest, aby mianownik obejmował osoby rzeczywiście zagrożone wystąpieniem zdarzenia. Jeżeli badamy pierwsze wystąpienie udaru, osoby, które przebyły udar przed rozpoczęciem badania, nie powinny znajdować się w mianowniku populacji zagrożonej pierwszym udarem.

Ryzyko różni się od gęstości zachorowań lub współczynnika zapadalności opartego na osoboczasie. Ryzyko odnosi liczbę zdarzeń do liczby osób obserwowanych przez ustalony okres, natomiast współczynnik zapadalności odnosi liczbę zdarzeń do sumy czasu obserwacji. RR omawiane w tej lekcji dotyczy przede wszystkim porównania dwóch ryzyk skumulowanych. Jeżeli badanie opiera się na osoboczasie, właściwą miarą może być współczynnik zapadalności albo iloraz współczynników zapadalności.

2. Wzór na ryzyko względne

W klasycznej tabeli 2 × 2 dane można przedstawić następująco:

Grupa Zdarzenie wystąpiło Zdarzenie nie wystąpiło Razem
Eksponowani a b a + b
Nieeksponowani c d c + d

Ryzyko w grupie eksponowanej wynosi:

RE = a / (a + b)

Ryzyko w grupie nieeksponowanej wynosi:

RU = c / (c + d)

Ryzyko względne obliczamy jako:

RR = RE / RU = [a / (a + b)] / [c / (c + d)]

  • RE oznacza ryzyko zdarzenia w grupie eksponowanej;
  • RU oznacza ryzyko zdarzenia w grupie nieeksponowanej;
  • a to liczba zdarzeń w grupie eksponowanej;
  • b to liczba osób eksponowanych bez zdarzenia;
  • c to liczba zdarzeń w grupie nieeksponowanej;
  • d to liczba osób nieeksponowanych bez zdarzenia.

W badaniach kohortowych oznaczenie „eksponowani” nie musi oznaczać narażenia szkodliwego. Ekspozycją może być także szczepienie, leczenie, udział w programie profilaktycznym, określony styl życia albo korzystanie z konkretnej formy opieki. Dlatego interpretacja zależy od tego, co umieszczono w liczniku i mianowniku.

3. Jak interpretować wartość RR?

RR = 1

Wartość RR równa 1 oznacza, że obserwowane ryzyko zdarzenia jest takie samo w obu grupach. Nie stwierdzamy wówczas różnicy względnej między grupą eksponowaną i nieeksponowaną. Nie oznacza to jednak automatycznie, że ekspozycja na pewno nie ma żadnego wpływu. Wynik może być zgodny z brakiem związku, ale także z niedostateczną liczebnością próby, błędem pomiaru lub nieprecyzyjnym oszacowaniem.

RR > 1

RR większe od 1 wskazuje, że ryzyko w grupie eksponowanej jest większe niż w grupie nieeksponowanej. Na przykład RR = 2 oznacza dwukrotnie większe ryzyko względne w grupie eksponowanej. Nie należy jednak mówić, że ekspozycja „podwaja prawdopodobieństwo u każdej osoby” ani że sama wartość RR dowodzi związku przyczynowego.

RR < 1

RR mniejsze od 1 wskazuje, że ryzyko w grupie eksponowanej jest mniejsze. Można to opisywać jako związek ochronny, jeżeli charakter ekspozycji i projekt badania uzasadniają takie określenie. Dla przykładu RR = 0,70 oznacza, że ryzyko w grupie eksponowanej stanowi 70% ryzyka w grupie nieeksponowanej.

Względną redukcję ryzyka można wyrazić jako:

RRR = 1 − RR

Jeżeli RR = 0,70, to RRR = 0,30, czyli 30%. Warto pamiętać, że względna redukcja ryzyka nie zastępuje różnicy ryzyk. Różnica ryzyk informuje, o ile punktów procentowych zmieniło się ryzyko, i często ma większe znaczenie dla decyzji klinicznych oraz zdrowia publicznego.

4. Przykład 1: ekspozycja zawodowa i infekcja układu oddechowego

Załóżmy, że w kohorcie pracowników ochrony zdrowia oceniano występowanie infekcji układu oddechowego w ciągu sześciu miesięcy. W grupie regularnie narażonej na kontakt z pacjentami z infekcją znalazło się 400 osób, z których 80 zachorowało. W grupie o mniejszym narażeniu było 600 osób, z których 60 zachorowało.

Grupa Zachorowali Nie zachorowali Razem
Wyższa ekspozycja 80 320 400
Niższa ekspozycja 60 540 600

Ryzyko w grupie wyższej ekspozycji:

RE = 80 / 400 = 0,20 = 20%

Ryzyko w grupie niższej ekspozycji:

RU = 60 / 600 = 0,10 = 10%

Ryzyko względne:

RR = 0,20 / 0,10 = 2,0

W tej kohorcie ryzyko infekcji w grupie o wyższej ekspozycji było dwukrotnie większe niż w grupie o niższej ekspozycji. Jednocześnie bezwzględna różnica ryzyka wynosiła 10 punktów procentowych. To istotne uzupełnienie: RR = 2,0 brzmi jednoznacznie, ale dopiero informacja „20% wobec 10%” pokazuje skalę problemu.

Wniosek powinien pozostać ostrożny: zaobserwowano większe ryzyko w grupie o wyższej ekspozycji. Nie można jeszcze stwierdzić, że sam kontakt z pacjentami spowodował infekcje, ponieważ różnice między grupami mogą dotyczyć także szczepień, stosowania środków ochrony osobistej, wieku, rodzaju pracy lub innych czynników.

5. Przykład 2: program profilaktyczny i hospitalizacja

W badaniu kohortowym obserwowano osoby z przewlekłą chorobą układu krążenia. Porównywano uczestników, którzy zostali objęci programem edukacji i monitorowania, z osobami korzystającymi ze standardowej opieki. W ciągu roku hospitalizacji wymagało 30 spośród 300 uczestników programu oraz 60 spośród 300 osób z grupy standardowej opieki.

Ryzyko hospitalizacji w programie wynosiło 30/300 = 0,10, a w grupie kontrolnej 60/300 = 0,20. Zatem:

RR = 0,10 / 0,20 = 0,50

Ryzyko hospitalizacji w grupie programu stanowiło połowę ryzyka w grupie standardowej opieki. Można powiedzieć, że zaobserwowano względną redukcję ryzyka o 50%. Różnica bezwzględna wyniosła jednak 10 punktów procentowych, a liczba potrzebna do objęcia programem, przy bardzo uproszczonym założeniu porównywalności grup i stabilności efektu, wynosiłaby około 10 osób, ponieważ 1/0,10 = 10.

To przykład pokazujący, dlaczego raportowanie samego RR jest niewystarczające. Decydenci potrzebują znać także ryzyko w każdej grupie, różnicę ryzyk, czas obserwacji, niepewność oszacowania oraz koszty i możliwe działania niepożądane programu.

6. RR a iloraz szans OR

RR i OR odpowiadają na podobne, ale nieidentyczne pytania. RR porównuje prawdopodobieństwa zdarzenia, natomiast OR porównuje szanse zdarzenia. Szansa jest ilorazem prawdopodobieństwa zdarzenia i prawdopodobieństwa jego braku:

odds = p / (1 − p)

W badaniu kohortowym można obliczyć zarówno RR, jak i OR, ale nie należy traktować ich jako równoważnych miar. Przy rzadkich zdarzeniach wartości mogą być podobne. Gdy wynik jest częsty, OR może znacznie różnić się od RR, zwykle zawyżając względną wielkość związku, gdy OR przekracza 1 (Zhang i Yu, 1998). Dlatego w badaniach kohortowych, gdy celem jest bezpośrednie opisanie różnicy ryzyka, RR bywa łatwiejsze do interpretacji.

Regresja logistyczna estymuje standardowo ilorazy szans. Jeżeli badacz chce raportować skorygowane RR, może rozważyć między innymi regresję Poissona z odpornym estymatorem wariancji albo model dwumianowy z łączem log, zależnie od danych, celu analizy i właściwości modelu. Nie wolno automatycznie nazywać skorygowanego OR „ryzykiem względnym”.

7. Niepewność oszacowania: przedział ufności

RR obliczone w próbie jest oszacowaniem parametru populacyjnego. Należy więc przedstawić jego niepewność, najczęściej za pomocą 95-procentowego przedziału ufności. Przedział ten nie oznacza, że istnieje 95-procentowe prawdopodobieństwo, iż konkretny parametr populacji znajduje się w tym właśnie przedziale. Jest rezultatem procedury, która przy wielokrotnym powtarzaniu badania i stosowaniu tej samej metody generowałaby przedziały zawierające prawdziwą wartość w około 95% przypadków.

Jeżeli RR wynosi 2,10, a 95% CI wynosi 1,30–3,40, dane wskazują na większe ryzyko w grupie eksponowanej, a przedział nie obejmuje wartości 1. Jeżeli 95% CI wynosi 0,90–4,80, oszacowanie jest mniej precyzyjne i dane są zgodne zarówno z niewielkim efektem ochronnym, jak i ze znacznym wzrostem ryzyka. Szerokość przedziału zależy między innymi od liczebności próby, liczby zdarzeń i zmienności danych.

Wartość p nie jest prawdopodobieństwem prawdziwości hipotezy zerowej. Nie mówi też, czy efekt jest ważny klinicznie. Wnioskowanie powinno uwzględniać wielkość RR, bezwzględne ryzyko w grupach, przedział ufności, znaczenie praktyczne, jakość pomiaru i wiarygodność projektu.

8. Ryzyko względne a wnioskowanie przyczynowe

Badanie kohortowe zachowuje następstwo czasowe: ekspozycja jest oceniana przed pojawieniem się wyniku. Jest to ważna zaleta, ale sama w sobie nie wystarcza do wnioskowania przyczynowego. W badaniu obserwacyjnym grupy eksponowana i nieeksponowana mogą różnić się pod względem wieku, stanu zdrowia, statusu społeczno-ekonomicznego, zachowań zdrowotnych lub dostępu do opieki.

Konfundowanie występuje wtedy, gdy zmienna jest powiązana zarówno z ekspozycją, jak i z wynikiem, a nie znajduje się na ścieżce przyczynowej między nimi. Można je ograniczać na etapie projektu, na przykład przez restrykcję, dopasowanie lub stratyfikację, oraz na etapie analizy, między innymi przez modele wieloczynnikowe. Żadna metoda nie usuwa jednak automatycznie błędu pomiaru, niezmierzonych czynników zakłócających ani błędów selekcji.

W raporcie badania kohortowego trzeba jasno określić definicję ekspozycji, wynik, początek obserwacji, czas obserwacji, kryteria włączenia i wyłączenia, sposób postępowania z utratą obserwacji oraz metody kontroli konfundowania. Zalecenia STROBE wspierają przejrzyste raportowanie badań kohortowych, ale nie zastępują krytycznej oceny ich jakości (Vandenbroucke i in., 2007).

Najczęstsze błędy

  • Mylenie RR z różnicą ryzyka. RR = 2 nie oznacza wzrostu o 2 punkty procentowe. Jeżeli ryzyko wzrosło z 5% do 10%, RR = 2, ale różnica ryzyk wynosi 5 punktów procentowych.
  • Pomijanie mianowników. Sama liczba przypadków nie pozwala obliczyć ryzyka. Trzeba znać liczbę osób zagrożonych w każdej grupie.
  • Traktowanie RR jako dowodu przyczynowości. RR opisuje związek w danych; nie rozstrzyga samodzielnie, czy ekspozycja spowodowała wynik.
  • Automatyczne utożsamianie OR z RR. Jest to szczególnie mylące przy częstych wynikach.
  • Brak określenia czasu. RR bez informacji, czy chodzi o 30 dni, rok czy pięć lat, jest niepełne interpretacyjnie.
  • Interpretowanie RR bez ryzyk bezwzględnych. Duże RR może odpowiadać małej różnicy bezwzględnej, gdy zdarzenie jest rzadkie.
  • Pomijanie utraty uczestników. Jeżeli osoby wypadają z obserwacji w różny sposób w obu grupach, wynik może być obciążony.
  • Wnioskowanie na podstawie samego p. Istotność statystyczna nie jest miarą ważności klinicznej ani praktycznej.

Przykład praktyczny: jak opisać wynik w publikacji?

Załóżmy, że w kohorcie 800 pacjentów po zabiegu obserwowano zakażenie miejsca operowanego w ciągu 30 dni. Zakażenie wystąpiło u 24 spośród 200 osób z cukrzycą i u 36 spośród 600 osób bez cukrzycy.

Ryzyko wynosiło odpowiednio 12% i 6%. RR obliczamy jako 0,12/0,06 = 2,00. Poprawny opis podstawowy mógłby brzmieć: „W ciągu 30 dni po zabiegu zakażenie wystąpiło u 12% pacjentów z cukrzycą i u 6% pacjentów bez cukrzycy; ryzyko w grupie z cukrzycą było dwukrotnie większe (RR = 2,00).”

Jeżeli analiza skorygowana uwzględniała wiek, rodzaj zabiegu i czas operacji, należy osobno podać skorygowane RR oraz 95% CI i dokładnie opisać model. Nie należy pisać, że cukrzyca „spowodowała” zakażenie, jeśli projekt był obserwacyjny i nie wykluczono konfundowania. Lepsze sformułowanie to: „Cukrzyca była związana z większym ryzykiem zakażenia po uwzględnieniu wymienionych zmiennych.”

Co warto zapamiętać?

  • RR jest ilorazem ryzyka w grupie eksponowanej i ryzyka w grupie nieeksponowanej.
  • Wzór to RR = [a/(a+b)] / [c/(c+d)].
  • RR = 1 oznacza brak różnicy względnej, RR > 1 większe ryzyko w liczniku, a RR < 1 mniejsze ryzyko w liczniku.
  • RR należy interpretować razem z ryzykami bezwzględnymi, różnicą ryzyk i przedziałem ufności.
  • W badaniach kohortowych RR jest zwykle bardziej bezpośrednie interpretacyjnie niż OR, zwłaszcza gdy wynik nie jest rzadki.
  • RR nie jest automatycznie dowodem związku przyczynowego.
  • Raport powinien zawierać populację, ekspozycję, wynik, czas obserwacji, liczebności, ryzyka, RR, przedział ufności oraz informacje o konfundowaniu i brakujących danych.

W praktyce epidemiologicznej najważniejsze pytanie nie brzmi wyłącznie „czy RR jest większe od 1?”, lecz także: jak duże jest ryzyko w każdej grupie, jak precyzyjne jest oszacowanie i czy wynik ma znaczenie dla pacjentów, populacji albo organizacji opieki?

Źródła i dalsza lektura

  1. Centers for Disease Control and Prevention (2012). Principles of Epidemiology in Public Health Practice, Third Edition: An Introduction to Applied Epidemiology and Biostatistics. U.S. Department of Health and Human Services, Centers for Disease Control and Prevention. Źródło.
  2. Centers for Disease Control and Prevention (2024). Analyzing and Interpreting Data. CDC Field Epidemiology Manual. Centers for Disease Control and Prevention. Źródło.
  3. Zhang, Jun; Yu, Kai F. (1998). What’s the Relative Risk? A Method of Correcting the Odds Ratio in Cohort Studies of Common Outcomes. JAMA, 280(19), 1690–1691. DOI: 10.1001/jama.280.19.1690.
  4. Vandenbroucke, Jan P.; von Elm, Erik; Altman, Douglas G.; Gøtzsche, Peter C.; Mulrow, Cynthia D.; Pocock, Stuart J.; Poole, Charles; Schlesselman, James J.; Egger, Matthias; 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.
  5. Vandenbroucke, Jan P.; von Elm, Erik; Altman, Douglas G.; Gøtzsche, Peter C.; Mulrow, Cynthia D.; Pocock, Stuart J.; Poole, Charles; Schlesselman, James J.; Egger, Matthias; for the STROBE Initiative (2007). 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.
  6. Bachmann, Lucas M.; Puhan, Milo A.; ter Riet, Gerben; Bärnighausen, Till (2020). Research Techniques Made Simple: Interpreting Measures of Association in Clinical Research. Journal of Investigative Dermatology, 140(1), 14–20.e1. DOI: 10.1016/j.jid.2019.09.007.

Podobne wpisy

3 komentarze

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *