Contenuto
- TL; DR (Too Long; Didnt Read)
- Che cos'è un rapporto quote?
- Esposizioni e risultati
- Vita e variabili confondenti
- Alla ricerca del rapporto di probabilità rettificato
Il tuo medico ti ha dato la scelta tra due farmaci per il trattamento dell'asma. Quando si confrontano le visite al pronto soccorso, si nota che 10 pazienti in terapia A hanno riportato un viaggio in ospedale rispetto ai cinque pazienti in terapia B. A prima vista, sembrerebbe che la terapia B sia la scelta migliore. Per prendere una decisione informata, tuttavia, è necessario esaminare i dati un po 'più da vicino. Per determinare quale di questi due farmaci per l'asma ti servirà meglio, puoi utilizzare le statistiche per calcolare il rapporto di probabilità corretto.
TL; DR (Too Long; Didnt Read)
Un odds ratio è una misura statistica dell'associazione, utilizzata per determinare la relazione tra diversi insiemi di esposizioni ed esiti. Trovato dividendo i risultati di un risultato per i risultati di un secondo, un rapporto di probabilità può fornire informazioni sull'efficacia dei trattamenti sperimentali e altro ancora. Tuttavia, per determinare il rapporto di probabilità aggiustato di due set di dati è necessario tenere conto delle variabili confondenti, rendendo difficile determinare i rapporti di probabilità adeguati in molte situazioni.
Che cos'è un rapporto quote?
Un odds ratio è la misura statistica dell'associazione tra un'esposizione e un risultato. In altre parole, il rapporto di probabilità è la probabilità statistica che si verifichi un risultato in una condizione specifica: nel caso del nostro esempio, il rapporto di probabilità rappresenta la possibilità che l'assunzione di uno dei due farmaci per l'asma possa comunque portare a una visita in ospedale. I rapporti di probabilità sono facili da calcolare. Se dividi le visite ospedaliere riportate per il farmaco B da quelle per il farmaco A, otterrai il rapporto di probabilità. In questo esempio, il rapporto di probabilità è 0,5. Il rapporto indica che hai circa il 50% in più di probabilità di andare in ospedale quando si assumono i farmaci A rispetto ai farmaci B. Tuttavia, ciò non significa necessariamente che il farmaco B sia migliore: questo rapporto 0,5 è noto come un rapporto di probabilità non aggiustato o grezzo , perché non tiene conto di nulla, tranne il numero riportato di visite in ospedale.
Esposizioni e risultati
Il valore numerico di un odds ratio ti dà un'idea di cosa accadrà quando un paziente è esposto a qualcosa - in questo caso, i farmaci per l'asma. Un odds ratio di 1 significa che l'esposizione non influisce sul risultato: in altre parole, il farmaco non funziona. Un rapporto di probabilità maggiore di 1 indica probabilità più alte del risultato, mentre un rapporto inferiore a 1 indica probabilità più basse del risultato.
Vita e variabili confondenti
Il problema con un rapporto di probabilità grezzo è che è interamente monodimensionale. Non riflette l'influenza di fattori confondenti come l'età, altre condizioni mediche o anche qualcosa di semplice come l'accesso a una clinica rispetto a un pronto soccorso. L'interpretazione del rapporto di probabilità dei farmaci potrebbe cambiare se venisse a sapere che tutti i pazienti in terapia con A stavano anche ricevendo un trattamento per il cancro ai polmoni e che tutti i pazienti in terapia con B erano in buona salute, o se avessi scoperto che i pazienti in terapia A viveva a cinque miglia dall'ospedale e 60 miglia dalla clinica più vicina.
Alla ricerca del rapporto di probabilità rettificato
Pochissime cose nella vita hanno una chiara relazione di causa ed effetto. In statistica, gli "altri" fattori che influenzano la relazione tra due cose sono noti come variabili confondenti. Se solo una variabile influenza la relazione, i matematici effettueranno un aggiustamento statistico per fornire un rapporto più accurato. Quando tutte le variabili sono state prese in considerazione, si dice che il rapporto è completamente regolato. Poiché la regolazione di un odds ratio è molto complessa, i ricercatori cercano di controllare quante più variabili possibile per garantire risultati accurati. Negli studi farmaceutici, ad esempio, i ricercatori cercheranno partecipanti della stessa età e sesso con storie mediche simili.