相对危险度i

nullnull相对危险度的数学模型配合 （相对危险度的多因素）报告人 余松林 null一、流行病学调查方法与危险度分析指标1、队列研究：相对危险度(relative risk, RR)是两个发病率之比, incidence rate rationull2、横断面研究： 相对危险度 (relative risk,RR)是两个患病率之比，prevalence rate ratio发病率比与患病率比等价，概率型指标null3、病例-对照研究：优势比 (odds ratio,OR)是两个暴露率之比， 无流行病学意义是病例组暴露优势比对照 组暴露优势非概率型指标优势比:null二、优势比与相对危险度的关系当发病率很低时，两者相等。否则，两者不等。1. 发病率越高，两者相差越大。 2. 发病率差别越大，两者相差越大。null相差越大。相差越大。Adopted from: Occupational & Environmental Medicine 1994;51:143-144.不同发病率与不同暴露率下的相对危险度与优势比关系的曲线图null三、多因素分析的优势比统计模型由于疾病发生与否属于2分类（0/1）资料，通常用logistic regression 作因素筛选。logistic regression 模型：当暴露x为0/1分类时参数的解释为OR型nulllogistic regression 的概率计算公式为：可以利用这一公式计算不同暴露水平下的概率（p1(x=1), p0(x=0）)后，再计算相对危险度。 但这一公式有３个弱点： 1. 不适用于病例-对照研究的资料； 没有误，故估计不出可信区间。 对参数估计值的解释为“优势比”，不便理解．null四、多因素的相对危险度数学模型1. 修改的logistic regression: GEE-logistic regression。 如为病例对照研究，可将观察资料中的所有病例复制成非病例，使非病例人数变成为全部观察人数。再用logistic regression配合得到的参数估计值b就是相对危险度的对数，即由 由于病例和复制的非病例间存在相关性，用GEE（广义估计方程，generalized estimation equation）求解方程，得到参数估计值及其标准误。GEE-logistic regressionnull2. 对数二项分布回归模型：log-binomial regression.对上式的等式两边取反对数，得到：如果 x1 是（0/1）分类的自变量，其对数相对危险度的计算为：null3. Breslow-Cox 比例风险回归 （Breslow-Cox proportional hazard regression）Cox 比例风险回归模型是用于临床病人治疗效果随访资料分析的多因素生存分析模型。模型结构为：如果 x1 是（0/1）分类的自变量，其相对风险度的计算为：Breslow 证明，当t等于一个常数时，模型中的 b 就是相对危险度。null因此，有三个多因素分析的相对危险度模型:1. 修改的logistic regression: GEE-logistic regression。2. 对数二项分布回归模型：log-binomial regression.3. Breslow-Cox 比例风险回归模型:null五、例子：外伤与性别、年龄、永久残疾的关系null PROC FORMAT; VALUE sexfmt 0='Male' 1='Female'; VALUE agefmt 0='18-64 years' 1='65 over'; VALUE disabfmt 0='No' 1='Yes'; DATA injury; INPUT sex age disabled injury freq @@; DATALINES; 0 0 0 0 11683 0 0 0 1 2710 0 1 0 0 2634 0 1 0 1 327 0 0 1 0 459 0 0 1 1 120 0 1 1 0 57 0 1 1 1 7 1 0 0 0 15476 1 0 0 1 2706 1 1 0 0 4161 1 1 0 1 672 1 0 1 0 636 1 0 1 1 178 1 1 1 0 109 1 1 1 1 31 ;SAS 程序：第一部分：资料步。null /*Fitting general logistic model */ /* with original injury data */ PROC LOGISTIC DATA=injury DESCENDING; CLASS sex age disabled; MODEL injury=sex age disabled; WEIGHT freq; FORMAT sex sexfmt. age agefmt. disabled disabfmt.; RUN;SAS 程序：第二部分：过程步。配合模型null/* Data reorganized for Fitting GEE-logistic model (1) */ DATA injury_2; DO i=1 TO 11683;sex=0;age=0; disabled=0; injury=0;OUTPUT;END; DO i=1 TO 2710; sex=0;age=0; disabled=0; injury=1;OUTPUT;END; DO i=1 TO 2634; sex=0;age=1; disabled=0; injury=0;OUTPUT;END; DO i=1 TO 327; sex=0;age=1; disabled=0; injury=1;OUTPUT;END; DO i=1 TO 459; sex=0;age=0; disabled=1; injury=0;OUTPUT;END; DO i=1 TO 120; sex=0;age=0; disabled=1; injury=1;OUTPUT;END; DO i=1 TO 57; sex=0;age=1; disabled=1; injury=0;OUTPUT;END; DO i=1 TO 7; sex=0;age=1; disabled=1; injury=1;OUTPUT;END; DO i=1 TO 15476;sex=1;age=0; disabled=0; injury=0;OUTPUT;END; DO i=1 TO 2706; sex=1;age=0; disabled=0; injury=1;OUTPUT;END; DO i=1 TO 4161; sex=1;age=1; disabled=0; injury=0;OUTPUT;END; DO i=1 TO 672; sex=1;age=1; disabled=0; injury=1;OUTPUT;END; DO i=1 TO 636; sex=1;age=0; disabled=1; injury=0;OUTPUT;END; DO i=1 TO 178; sex=1;age=0; disabled=1; injury=1;OUTPUT;END; DO i=1 TO 109; sex=1;age=1; disabled=1; injury=0;OUTPUT;END; DO i=1 TO 31; sex=1;age=1; disabled=1; injury=1;OUTPUT;END; ;null/* Data reorganized for Fitting GEE-logistic model (2) */ DATA a1; SET injury_2; sub+1; RUN; DATA a2; SET a1; IF injury=1; injury=0; RUN; DATA bbb; SET a1 a2; RUN; null /*Fitting GEE-logistic model with renewed data */ PROC GENMOD DATA=bbb DESCENDING; CLASS sub sex age disabled; MODEL injury=sex age disabled /LINK=LOGIT DIST=BINOMIAL; REPEATED SUBJECT=sub; FORMAT sex sexfmt. age agefmt. disabled disabfmt.; RUN;null配合两种logistic回归模型的结果1. 当RR>1.0时，有OR>RR 2. 当RR<1.0时，有OR1时，OR>RR； 当RR<1时，OR