단순한 형태에서,위험 비율로 해석될 수 있는 기회가 사건의 발생에서 치료를 팔로 나누는 기회의에서 발생하는 이벤트가 통제 arm,또는 그 반대의 연구이다. 이러한 엔드 포인트의 해상도는 일반적으로 Kaplan-Meier 생존 곡선을 사용하여 묘사됩니다. 이러한 곡선은 끝점에 도달하지 않은 각 그룹의 비율과 관련이 있습니다., 끝점이 될 수 있는 모든 종속변수와 관련된 공변량(독립 변수),예를 들어,죽음,사함의 질병 또는 수축 질병이 없어야 한다는 것입니다. 곡선은 각 시점(위험)에서 종점이 발생한 확률을 나타냅니다. 위험 비율은 단순히 두 그룹의 순간 위험 사이의 관계이며 단일 숫자로 Kaplan-Meier 플롯 사이의 거리 크기를 나타냅니다.

위험 비율은 연구의 시간 단위를 반영하지 않습니다., 위험 기반 측정과 시간 기반 측정의 차이는 경주에서 우승 할 확률과 승리 마진의 차이와 비슷합니다. 한 연구에서 기간 당 하나의 위험 비율을보고하면 그룹 간의 차이가 비례한다고 가정합니다. 위험 비율은 비례성에 대한이 가정이 충족되지 않을 때 무의미 해집니다.

경우에 비례한 위험을 가정하 보유하고,위험 비율의 의미한 동등성에서 위험을 평가의 두 그룹이는 반면,위험 비율이 다른 것보다 하나의 차이를 나타내에서는 위험 요금이 그룹입니다., 연구원은 일부 테스트 통계와 관련된 확률을보고하여이 샘플 차이가 기회에 기인 할 확률을 나타냅니다. 예를 들어,β{\displaystyle\베타}에서 콕스 모델거나 로그 순위를 테스트하는 데 사용할 수 있습의 중요성을 평가 어떤 차이가 관찰에서 이러한 생존 곡선이 있습니다.

전통적으로,확률이 낮은 0.05 주 중요하고 연구원을 제공하는 95%의 신뢰도 간격에 대 위험 비율,예를 들어에서 파생되는 표준 편차의 콕스 모델을 회귀계수,즉, β{\displaystyle\beta}. 통계적으로 유의미한 위험 비율은 신뢰 구간에 단일성(하나)을 포함 할 수 없습니다.

비례 위험 가정

위험 비율 추정에 대한 비례 위험 가정은 강하고 종종 불합리합니다. 합병증,부작용 및 후기 영향은 시간 경과에 따른 위험 비율의 변화의 모든 가능한 원인입니다. 예를 들어,수술 절차는 조기 위험이 높지만 장기적인 결과가 우수 할 수 있습니다.

그룹 간의 위험 비율이 일정하게 유지되면 해석에 문제가되지 않습니다., 그러나 위험 비율의 해석은 그룹간에 선택 편향이 존재할 때 불가능 해집니다. 예를 들어,특히 위험한 수술이 발생할 수 있습에서의 생존을 체계적으로 더욱 강력한 그룹의 누가 더 좋은 결과를 얻었는 어떠한 경쟁 처리 조건을 만들고,그것으로 보이는 경우 위험한 절차를 더했다. 후속 조치 시간도 중요합니다. 더 나은 완화율과 관련된 암 치료는 추적 관찰에서 더 높은 재발률과 관련이있을 수 있습니다., 후속 조치시기에 대한 연구원의 결정은 임의적이며보고 된 위험 비율이 매우 다를 수 있습니다.

위험 비율과 survivalEdit

동안 위험 비율은 허용을 위한 가설 검정,그들이 고려되어야 함 다른 조치에 대한 해석의 치료효과,예를 들어 비율의 평균 시간(평균 비율)을 처리하고 통제 그룹 참가자들은 일부에서 끝점입니다., 는 경우 비유의 경쟁 적용 위험 비율에 해당하는 확률에서 개인과 그룹이 높은 위험의 끝에 도달 경쟁 처음이다. 확률의 첫 번째 파생될 수 있는 가능성에서는 가능성의 첫 번째 분할 확률에 의해되지 않는 먼저:

• HR=P/(1−P);P=HR/(1+HR).

앞의 예에서 위험 비율 2 는 조기 사망의 67%확률에 해당합니다. 위험 비율은 사망이 얼마나 빨리 발생할지에 대한 정보를 전달하지 않습니다.,

대 위험 비율,치료효과와 시간을 기반으로 endpointsEdit

치료 효과에 따라 근본적인 질병에 관련된 생존 기능뿐만 아 위험 비율이 있습니다. 때문에 위험 비율을 우리에게 제공하지 않습니다 직접적인 시간 이벤트 정보,연구자들은 보고서 중간 끝점 시간을 계산한 평균 endpoint 시간 비율을 나누어 컨트롤 그룹 평균 값에 의해 처리 그룹 평균 값이다.

중간 끝점 비율은 상대 속도 측정 값이지만 위험 비율은 그렇지 않습니다., 치료 효과와 위험 비율 사이의 관계는 e β{\displaystyle e^{\beta}}로 주어진다. 통계적으로 중요하지만,실질적으로 중요하지 효과를 생산할 수 있다는 큰 위험 비율,예를 들어 처리의 수를 증가해 사용자의 인구 중 하나에서 10,000 에서 하나 1,000 는 위험 비율의 10. 그것은 그러한 처리했을 것이다에 많은 영향 평균 endpoint 시간 비율이었을 것이 가까운 unity,즉 사망률은 크게 관계없이 동일하의 그룹 멤버 및 임상적으로하지 않습니다.,대조적으로,감염의 50%가 1 주일 후에 해결되는 치료군(대조군에서 25%대)은 2 의 위험 비율을 산출합니다. 면 그것은 주를 위해 모든 경우에서 치료한 그룹과의 절반을 경제를 해결하려면,열 주 위험 비율에 남아 있는 두지만,그 중간 끝점 시간 비율은,임상적으로 상당한 차이가 있습니다.