w najprostszej formie współczynnik ryzyka można interpretować jako szansę wystąpienia zdarzenia w ramieniu leczenia podzieloną przez szansę wystąpienia zdarzenia w ramieniu kontrolnym lub odwrotnie w badaniu. Rozdzielczość tych punktów końcowych jest zwykle przedstawiana za pomocą krzywych przeżycia Kaplana–Meiera. Krzywe te odnoszą się do odsetka każdej grupy, w której punkt końcowy nie został osiągnięty., Punktem końcowym może być Dowolna zmienna zależna związana z współzmiennością (zmienna niezależna), np. śmierć, remisja choroby lub jej skurcz. Krzywa przedstawia szanse wystąpienia punktu końcowego w każdym punkcie w czasie (zagrożenie). Współczynnik ryzyka jest po prostu relacją pomiędzy chwilowymi zagrożeniami w obu grupach i reprezentuje w pojedynczej liczbie wielkość odległości między wykresami Kaplana–Meiera.

współczynniki ryzyka nie odzwierciedlają jednostki czasu badania., Różnica między środkami zależnymi od ryzyka i czasu jest podobna do różnicy między szansami na wygranie wyścigu a marginesem zwycięstwa. Gdy w badaniu podaje się jeden współczynnik ryzyka na okres czasu, zakłada się, że różnica między grupami była proporcjonalna. Współczynniki ryzyka stają się bez znaczenia, gdy takie założenie proporcjonalności nie jest spełnione.

Jeżeli przyjęte jest proporcjonalne założenie o zagrożeniu, współczynnik ryzyka o jeden oznacza równoważność współczynnika ryzyka dla dwóch grup, podczas gdy współczynnik ryzyka inny niż jeden oznacza różnicę w współczynniku ryzyka między grupami., Badacz wskazuje prawdopodobieństwo tej różnicy próbki jest ze względu na przypadek, zgłaszając prawdopodobieństwo związane z pewną statystykę testu. Na przykład, β {\displaystyle \ beta} z modelu Coxa lub testu log-rank mogą być wykorzystane do oceny znaczenia wszelkich różnic obserwowanych w tych krzywych przeżycia.

konwencjonalnie prawdopodobieństwo niższe niż 0,05 uważa się za znaczące, a badacze podają 95% przedział ufności dla współczynnika ryzyka, np. wynikający z odchylenia standardowego współczynnika regresji modelu Coxa, tj., β {\displaystyle \ beta}. Statystycznie istotne współczynniki ryzyka nie mogą obejmować jedności (jeden) w swoich przedziałach ufności.

przewidywanie zagrożeń proporcjonalnychedytuj

założenie zagrożeń proporcjonalnych dla estymacji współczynnika ryzyka jest silne i często nieuzasadnione. Powikłania, działania niepożądane i późne skutki są wszystkie możliwe przyczyny zmiany wskaźnika zagrożenia w czasie. Na przykład, procedura chirurgiczna może mieć wysokie wczesne ryzyko, ale doskonałe wyniki długoterminowe.

Jeśli współczynnik ryzyka pomiędzy grupami pozostaje stały, nie stanowi to problemu dla interpretacji., Interpretacja współczynników ryzyka staje się jednak niemożliwa, gdy między grupami występuje tendencja doboru. Na przykład, szczególnie ryzykowna operacja może skutkować przetrwaniem systematycznie silniejszej grupy, która radziłaby sobie lepiej w którymkolwiek z konkurencyjnych warunków leczenia, sprawiając, że wygląda to tak, jakby ryzykowna procedura była lepsza. Ważny jest również czas obserwacji. Leczenie raka związane z lepszym odsetkiem remisji może być związane z wyższym odsetkiem nawrotów., Decyzja naukowców o tym, kiedy należy podjąć działania następcze, jest arbitralna i może prowadzić do bardzo różnych wskaźników ryzyka.

współczynnik ryzyka i współczynnik przeżywalności

chociaż współczynniki ryzyka pozwalają na testowanie hipotez, należy je rozważyć wraz z innymi środkami interpretacji efektu leczenia, np. stosunek mediany czasu (median ratio), przy którym uczestnicy leczenia i grupy kontrolnej znajdują się w pewnym punkcie końcowym., Jeśli stosuje się analogię do wyścigu, współczynnik ryzyka jest równoważny szansom, że osoba z grupy o wyższym ryzyku dotrze do końca wyścigu jako pierwsza. Prawdopodobieństwo bycia pierwszym może być wyprowadzone z kursów, które jest prawdopodobieństwem bycia pierwszym podzielonym przez Prawdopodobieństwo nie bycia pierwszym:

• HR = P/(1 − P); P = HR/(1 + HR).

w poprzednim przykładzie współczynnik ryzyka wynoszący 2 odpowiada 67% szans na przedwczesną śmierć. Współczynnik ryzyka nie przekazuje informacji o tym, jak szybko nastąpi zgon.,

współczynnik ryzyka, efekt leczenia i punkt końcowy zależny od czasu

efekt leczenia zależy od choroby podstawowej związanej z funkcją przeżycia, a nie tylko od współczynnika ryzyka. Ponieważ współczynnik ryzyka nie daje nam bezpośrednich informacji o czasie do zdarzenia, naukowcy muszą zgłosić medianę czasów punktu końcowego i obliczyć medianę wskaźnika czasu punktu końcowego, dzieląc medianę wartości grupy kontrolnej przez medianę wartości grupy leczonej.

, Zależność między efektem leczenia a współczynnikiem ryzyka podano jako e β {\displaystyle E^{\beta}}. Statystycznie istotny, ale praktycznie nieistotny efekt może powodować duży współczynnik ryzyka, np. leczenie zwiększające liczbę ocalałych w ciągu jednego roku w populacji z jednego na 10 000 do jednego na 1 000 ma współczynnik ryzyka 10. Jest mało prawdopodobne, aby takie leczenie miało duży wpływ na medianę wskaźnika czasu punktu końcowego, który prawdopodobnie byłby Bliski jedności, tzn. śmiertelność była w dużej mierze taka sama bez względu na przynależność do grupy i klinicznie nieistotna.,

natomiast w grupie leczonej, w której 50% zakażeń ustępuje po tygodniu (w porównaniu z 25% w grupie kontrolnej), współczynnik ryzyka wynosi dwa. Jeśli ustępowanie wszystkich przypadków w grupie leczonej trwa dziesięć tygodni i połowę przypadków w grupie kontrolnej, dziesięciotygodniowy współczynnik ryzyka pozostaje na poziomie dwóch, ale mediana wskaźnika czasu punktu końcowego wynosi dziesięć, co jest klinicznie istotną różnicą.