相对风险计算器

流行病学与队列研究

该工具计算暴露组中某一结局发生概率与非暴露组中该结局发生概率的比值。请输入2x2列联表的数据。

暴露组

非暴露组

实际案例

探索相对风险计算器在真实场景中的应用。

吸烟与肺癌

医学研究

一项队列研究跟踪吸烟者和非吸烟者20年,以评估患肺癌的风险。

暴露组事件: 70

未发生事件: 6930

非暴露组事件: 3

未发生事件: 2997

流感疫苗试验

疫苗有效性

一项测试新型流感疫苗有效性的临床试验。

暴露组事件: 25

未发生事件: 4975

非暴露组事件: 80

未发生事件: 4920

高脂饮食研究

饮食与心脏病

一项研究高脂饮食与心脏病发病率之间关系的研究。

暴露组事件: 150

未发生事件: 1850

非暴露组事件: 100

未发生事件: 2900

新药副作用

药物副作用

观察服用新药与安慰剂患者出现特定副作用(如恶心)的风险。

暴露组事件: 60

未发生事件: 940

非暴露组事件: 20

未发生事件: 980

其他标题
理解相对风险:全面指南
了解相对风险的概念、计算方法及其在统计分析中的应用。

什么是相对风险(RR)?

  • RR定义
  • 风险比与比值比
  • 何时使用RR
相对风险(RR),又称风险比,是流行病学和循证医学中的基本概念。它量化了暴露组与非暴露组发生某一结局(如患病)的风险。通过两组结局发生率计算,直接衡量暴露与结局之间的关联。
关键区别
虽然常与比值比(OR)混用,但RR有其独特性。相对风险用于可计算发病率的队列研究和随机对照试验。比值比通常用于无法直接计算发病率的病例对照研究。RR回答的问题是:暴露者患病的可能性是非暴露者的多少倍?

数学推导与公式

  • 2x2列联表
  • RR公式
  • 置信区间计算
相对风险的计算基于2x2列联表,将暴露状态与结局状态交叉分类。
列联表结构:
暴露组:结局发生 (a),结局未发生 (b)
非暴露组:结局发生 (c),结局未发生 (d)
公式
暴露组的风险(发病率)为 Risk_exp = a / (a + b)
非暴露组的风险(发病率)为 Risk_unexp = c / (c + d)
相对风险为这两个风险的比值:RR = Risk_exp / Risk_unexp = [a / (a + b)] / [c / (c + d)]
置信区间(CI)
95%置信区间给出了总体真实RR可能落入的范围。其计算基于RR的自然对数及其标准误(SE):SE(ln(RR)) = sqrt(1/a - 1/(a+b) + 1/c - 1/(c+d))。置信区间为 exp(ln(RR) ± 1.96 * SE(ln(RR)))

计算器使用分步指南

  • 输入数据
  • 执行计算
  • 结果解读
1. 收集数据
您需要四项关键信息:暴露且发生结局人数 (a)、暴露未发生结局人数 (b)、未暴露但发生结局人数 (c)、未暴露且未发生结局人数 (d)。
2. 输入数值
将这四个数值输入到计算器指定字段。暴露组填写“结局阳性 (a)”和“结局阴性 (b)”,非暴露组填写对应数值。
3. 解读结果
点击“计算”后,工具将给出相对风险(RR)及其95%置信区间。例如RR为2.5,表示暴露组风险为非暴露组的2.5倍。若95%置信区间不包含1.0,则结果具有统计学意义。

相对风险的实际应用

  • 公共卫生政策
  • 临床决策
  • 健康干预评估
流行病学与公共卫生
RR对于识别疾病危险因素至关重要。例如,某化学品暴露人群癌症RR高,可促使公共卫生警示和政策调整。
临床试验
在临床试验中,RR用于衡量疫苗有效性或新疗法效果。若新药RR显著小于1,说明其对不良结局有保护作用。

常见误区与正确解读

  • 相对风险与绝对风险
  • 相关不等于因果
  • 置信区间的重要性
相对风险与绝对风险
若绝对风险极低,即使RR很高也可能意义有限。例如RR为2.0,但风险仅从百万分之一升至二百万分之一,实际影响很小。需同时关注两者。
相关性不等于因果性
相对风险仅表明暴露与结局之间存在关联,并不代表因果关系。混杂因素可能导致观察到的关系。
95%置信区间非常关键。如果区间包含1.0(如0.8到2.1),则结果在5%显著性水平下不具统计学意义,无法确定两组风险有真实差异。