i sin enklaste form kan riskförhållandet tolkas som risken för att en händelse inträffar i behandlingsarmen dividerad med risken för att händelsen inträffar i kontrollarmen, eller vice versa, av en studie. Upplösningen av dessa endpoints avbildas vanligtvis med Kaplan-Meier survival curves. Dessa kurvor relaterar till andelen av varje grupp där slutpunkten inte har nåtts., Endpointen kan vara vilken beroende variabel som helst i samband med kovariaten (oberoende variabel), t.ex. död, sjukdomsremission eller sjukdomskontraktion. Kurvan representerar oddsen för att en slutpunkt har inträffat vid varje tidpunkt (faran). Riskförhållandet är helt enkelt förhållandet mellan de momentana farorna i de två grupperna och representerar, i ett enda nummer, storleken på avståndet mellan Kaplan–Meier-tomterna.

riskförhållanden återspeglar inte en tidsenhet i studien., Skillnaden mellan riskbaserade och tidsbaserade åtgärder liknar skillnaden mellan oddsen att vinna ett lopp och segermarginalen. När en studie rapporterar ett riskförhållande per tidsperiod antas skillnaden mellan grupperna vara proportionell. Riskkvoterna blir meningslösa när detta antagande om proportionalitet inte är uppfyllt.

om det proportionella faroantagandet gäller betyder ett farokvot för en ekvivalens i de två gruppernas farokvot, medan ett annat farokvot än ett indikerar skillnad i farokvot mellan grupper., Forskaren indikerar sannolikheten för att denna provskillnad beror på slumpen genom att rapportera sannolikheten i samband med viss teststatistik. Till exempel kan β {\displaystyle \ beta } från Cox-modellen eller log-rank-testet användas för att bedöma betydelsen av eventuella skillnader som observerats i dessa överlevnadskurvor.

konventionellt anses sannolikheter som är lägre än 0,05 vara signifikanta och forskare ger ett 95% konfidensintervall för riskkvoten, t. ex. härrörande från standardavvikelsen för Cox-modellens regressionskoefficient, dvs., β {\displaystyle \beta } . Statistiskt signifikanta riskförhållanden kan inte inkludera enhet (en) i deras konfidensintervall.

proportional hazards assumptionEdit

proportional hazards assumption for hazard ratio estimation är stark och ofta orimlig. Komplikationer, biverkningar och sena effekter är alla möjliga orsaker till förändring av farofrekvensen över tiden. Till exempel kan ett kirurgiskt ingrepp ha hög tidig risk, men utmärkta långsiktiga resultat.

om riskförhållandet mellan grupper förblir konstant är detta inte ett problem för tolkning., Tolkning av farokvoter blir emellertid omöjlig när urvalsfördomar finns mellan grupper. Till exempel kan en särskilt riskabel operation leda till överlevnad hos en systematiskt mer robust grupp som skulle ha klarat sig bättre under något av de konkurrerande behandlingsförhållandena, vilket gör att det ser ut som om det riskabla förfarandet var bättre. Uppföljningstiden är också viktig. En cancerbehandling i samband med bättre remissionsfrekvens kan vid uppföljning associeras med högre återfallsfrekvens., Forskarnas beslut om när man ska följa upp är godtyckligt och kan leda till mycket olika rapporterade riskförhållanden.

hazard ratio och survivalEdit

medan hazard ratio möjliggör hypotesprovning, bör de övervägas tillsammans med andra åtgärder för tolkning av behandlingseffekten, t. ex. förhållandet mellan mediantider (medianförhållande) vid vilken behandlings-och kontrollgruppen deltagarna är vid någon slutpunkt., Om analogin av en ras tillämpas, är riskförhållandet ekvivalent med oddsen att en individ i gruppen med den högre faran når slutet av loppet först. Sannolikheten att vara först kan härledas från oddsen, vilket är sannolikheten att först divideras med sannolikheten att inte vara först:

• HR = P/(1 − p); P = HR / (1 + HR).

i föregående exempel motsvarar ett riskförhållande på 2 en riskkvot på 67% för tidig död. Riskförhållandet förmedlar inte information om hur snart döden kommer att inträffa.,

riskkvoten, behandlingseffekten och tidsbaserade endpointsEdit

behandlingseffekten beror på den underliggande sjukdomen relaterad till överlevnadsfunktionen, inte bara riskkvoten. Eftersom riskkvoten inte ger oss direkt information om tid till händelse, måste forskare rapportera medianendpointttider och beräkna medianendpointttidsförhållandet genom att dividera kontrollgruppens medianvärde med behandlingsgruppens medianvärde.

medan median Endpoint-förhållandet är ett relativt hastighetsmått är riskkvoten inte., Förhållandet mellan behandlingseffekten och riskförhållandet ges som e β {\displaystyle E^{\beta }}. En statistiskt viktig, men praktiskt taget obetydlig effekt kan ge ett stort riskförhållande, t. ex.en behandling som ökar antalet ettåriga överlevande i en population från en av 10 000 till en av 1 000 har ett riskförhållande på 10. Det är osannolikt att en sådan behandling skulle ha haft stor inverkan på medianendpoint-tidsförhållandet, vilket sannolikt skulle ha varit nära enighet, d.v. s. dödligheten var i stort sett densamma oavsett gruppmedlemskap och kliniskt obetydlig.,

däremot ger en behandlingsgrupp där 50% av infektionerna upphör efter en vecka (mot 25% i kontrollen) ett riskförhållande på två. Om det tar tio veckor för alla fall i behandlingsgruppen och hälften av fallen i kontrollgruppen att lösa, förblir tio veckors hazard ratio vid två, men median endpoint Time ratio är tio, en kliniskt signifikant skillnad.