Relatives Risiko: Rechner für Kohortenstudien

Berechnen Sie das relative Risiko (Risikoverhältnis), das 95%-Konfidenzintervall und das zurechenbare Risiko aus einer 2×2-Kontingenztafel für exponierte und nicht exponierte Gruppen.

Geben Sie die vier Zellenwerte (a, b, c, d) Ihrer Kohorten-Kontingenztafel ein, um das Risikoverhältnis und sein Konfidenzintervall sofort zu berechnen.

Relatives Risiko: Rechner für Kohortenstudien
Berechnen Sie das relative Risiko (Risikoverhältnis), das 95%-Konfidenzintervall und das zurechenbare Risiko aus einer 2×2-Kontingenztafel für exponierte und nicht exponierte Gruppen.

Geben Sie die vier Werte aus Ihrer 2×2-Tabelle ein: a = exponiert mit Ereignis, b = exponiert ohne Ereignis, c = nicht exponiert mit Ereignis, d = nicht exponiert ohne Ereignis.

Exponierte Gruppe

Nicht exponierte Gruppe

Über den Rechner für relatives Risiko

Das relative Risiko (RR), auch Risikoverhältnis genannt, ist ein Maß für den Zusammenhang, das in Kohortenstudien und randomisierten kontrollierten Studien verwendet wird. Es beantwortet die Frage: Wie viel wahrscheinlicher tritt das Outcome in der exponierten Gruppe auf als in der nicht exponierten Gruppe? Ein RR von 1,0 bedeutet identisches Risiko in beiden Gruppen; ein RR größer als 1,0 weist auf ein erhöhtes Risiko durch die Exposition hin; ein RR kleiner als 1,0 bedeutet, dass die Exposition schützend wirkt. Die Berechnung basiert auf einer 2×2-Kontingenztafel, die Expositionsstatus (ja/nein) und Outcome-Status (ja/nein) kreuzt. Die vier Zellen werden konventionell als a (exponiert, Outcome vorhanden), b (exponiert, Outcome nicht vorhanden), c (nicht exponiert, Outcome vorhanden) und d (nicht exponiert, Outcome nicht vorhanden) bezeichnet. Das Risiko in der exponierten Gruppe ist a/(a+b), das Risiko in der nicht exponierten Gruppe ist c/(c+d). Das relative Risiko ist einfach das Verhältnis dieser beiden Inzidenzanteile. Das 95%-Konfidenzintervall (KI) für das RR quantifiziert die Unsicherheit der Schätzung aufgrund von Stichprobenvariabilität. Die Standardmethode verwendet die lognormale Approximation: Zuerst wird der Standardfehler des log-RR als √(b/(a·nE) + d/(c·nU)) berechnet, dann wird das Intervall [ln(RR) ± 1.96 × SE] exponentiert. Enthält das 95%-KI nicht 1,0, ist der Zusammenhang auf dem Niveau α = 0,05 statistisch signifikant. Ein schmales KI weist auf eine präzise Schätzung hin; ein breites KI auf erhebliche Unsicherheit, meist wegen kleiner Stichprobe. Das zurechenbare Risiko (auch Risikodifferenz oder absolute Risikoerhöhung/-senkung) ist die arithmetische Differenz der beiden Inzidenzanteile: AR = riskExposed − riskUnexposed. Anders als das relative Risiko, das ein Verhältnis ist, drückt das zurechenbare Risiko den Überschuss an Risiko in absoluten Zahlen aus. Ein RR von 3,0 klingt dramatisch, aber bei einer Ausgangsrisiko von 0,1 % kann ein AR von 0,2 % klinisch trivial sein. Umgekehrt ist ein AR von 10 Prozentpunkten klinisch wichtig, unabhängig vom RR. Beide Kennzahlen sind nötig, um einen epidemiologischen Zusammenhang vollständig zu interpretieren. Das relative Risiko ist geeignet für Kohortenstudien und klinische Studien, in denen die Inzidenz des Outcomes in der exponierten und nicht exponierten Gruppe über einen definierten Nachbeobachtungszeitraum direkt gemessen werden kann. Es ist nicht geeignet für Fall-Kontroll-Studien, bei denen Teilnehmende nach Outcome-Status und nicht nach Exposition ausgewählt werden — in diesem Design verwendet man das Odds Ratio. Ein wichtiger praktischer Unterschied: Wenn das Outcome selten ist (Inzidenz < 10 %), nähert das Odds Ratio das Relative Risiko numerisch an, sodass die beiden Maße über Studiendesigns hinweg vergleichbar sind. Bei häufigen Outcomes weichen sie auseinander und sind nicht austauschbar. In der klinischen Medizin wird RR zur Bewertung der Wirksamkeit von Behandlungen, Impfstoffen und präventiven Interventionen verwendet. Ein Impfstoff, der das Infektionsrisiko von 4 % auf 1 % senkt, hat ein RR von 0,25 — das bedeutet, Geimpfte sind 75 % weniger wahrscheinlich infiziert zu werden. In der Arbeitsmedizin quantifiziert RR, wie viel wahrscheinlicher Beschäftigte, die einem chemischen oder physikalischen Risiko ausgesetzt sind, eine bestimmte Krankheit entwickeln als nicht exponierte Beschäftigte. In der Ernährungs-Epidemiologie verknüpft RR Ernährungsweisen und Lebensstilfaktoren mit Krankheitsendpunkten in großen prospektiven Kohorten.

Beispiele für relatives Risiko

Klassische epidemiologische Szenarien, die zeigen, wie die Kontingenztafel aufgebaut wird und wie das resultierende Risikoverhältnis zu interpretieren ist.

KontingenztafelWichtige KennzahlenInterpretation
Rauchen/Lungenkrebs: a=70, b=6930, c=3, d=2997RR = 10.0; Risiko exponiert ≈ 1.0 %, Risiko nicht exponiert ≈ 0.1 %Raucher entwickeln über 20 Jahre genau 10-mal so häufig Lungenkrebs wie Nichtraucher. Das zurechenbare Risiko beträgt etwa 0,9 Prozentpunkte.
Grippeimpfstoff-Studie: a=25, b=4975, c=80, d=4920RR ≈ 0.3125; Risiko geimpft ≈ 0.5 %, Risiko Placebo ≈ 1.6 %Geimpfte erkranken etwa 69 % seltener an Grippe. Ein RR von 0,31 liegt deutlich unter 1,0 und bestätigt einen starken Schutzeffekt.
Fettreiche Ernährung: a=150, b=1850, c=100, d=2900RR = 2.25; Risiko exponiert ≈ 7.5 %, Risiko nicht exponiert ≈ 3.3 %Menschen mit fettreicher Ernährung entwickeln 2,25-mal so häufig Herzkrankheiten. Das zurechenbare Risiko beträgt etwa 4,2 Prozentpunkte.
Nebenwirkung eines Medikaments: a=60, b=940, c=20, d=980RR = 3.0; Risiko Medikament ≈ 6 %, Risiko Placebo ≈ 2 %Patienten unter dem Medikament haben genau dreimal so häufig Übelkeit. Das 95%-KI sollte zur Beurteilung der statistischen Signifikanz geprüft werden.

So verwenden Sie den Rechner für relatives Risiko

  1. Ermitteln Sie die vier Zellwerte aus Ihrer 2×2-Tabelle: a = Anzahl der exponierten Personen mit Outcome; b = exponierte Personen ohne Outcome; c = nicht exponierte Personen mit Outcome; d = nicht exponierte Personen ohne Outcome.
  2. Geben Sie a und b in die Felder der exponierten Gruppe ein, und c und d in die Felder der nicht exponierten Gruppe.
  3. Klicken Sie auf Berechnen. Das Tool gibt das Risiko in jeder Gruppe, das relative Risiko, das 95%-Konfidenzintervall und das zurechenbare Risiko zurück.
  4. Interpretieren Sie das relative Risiko: RR > 1 bedeutet erhöhtes Risiko durch Exposition; RR < 1 bedeutet Schutzeffekt; RR = 1 bedeutet keine Assoziation.
  5. Prüfen Sie, ob das 95%-KI 1,0 enthält: Falls nicht, ist der Zusammenhang auf dem 5%-Niveau statistisch signifikant. Ein schmales KI weist auf eine präzisere Schätzung hin.

FAQ zum relativen Risiko

Was ist relatives Risiko und wie unterscheidet es sich vom Odds Ratio?
Das relative Risiko (RR) ist das Verhältnis der Inzidenz des Outcomes in der exponierten Gruppe zur Inzidenz in der nicht exponierten Gruppe. Das Odds Ratio (OR) ist das Verhältnis der Odds des Outcomes in jeder Gruppe. Beide messen einen Zusammenhang, aber RR ist intuitiver und direkt als Risikomultiplikator interpretierbar. OR wird in Fall-Kontroll-Studien verwendet, in denen die Inzidenz nicht gemessen werden kann; bei seltenen Outcomes (<10 %) gilt OR ≈ RR. Bei häufigen Outcomes überschätzt OR das RR.
Kann relatives Risiko kleiner als 1 sein? Was bedeutet das?
Ja. Ein RR kleiner als 1,0 bedeutet, dass die exponierte Gruppe ein niedrigeres Outcome-Risiko hat als die nicht exponierte Gruppe — mit anderen Worten: die Exposition wirkt schützend. Eine Impfstoffstudie könnte zum Beispiel RR = 0,25 finden, was bedeutet, dass Geimpfte 75 % seltener erkranken. Die Risikominderung (1 − RR) wird manchmal relative Risikoreduktion (RRR) genannt.
Wie interpretiere ich das 95%-Konfidenzintervall?
Das 95%-KI gibt einen Bereich plausibler Werte für das wahre Populations-RR auf Basis Ihrer Stichprobe an. Würde die Studie oft wiederholt, enthielten etwa 95 % der resultierenden KIs das wahre RR. Praktisch gilt: Enthält das KI 1,0 nicht (z. B. 1,5–3,2), ist der Zusammenhang bei α = 0,05 statistisch signifikant. Ein KI, das 1,0 enthält (z. B. 0,8–2,5), ist nicht statistisch signifikant.
Was ist das zurechenbare Risiko und wann ist es nützlich?
Das zurechenbare Risiko (AR) ist die absolute Risikodifferenz zwischen exponierter und nicht exponierter Gruppe: AR = riskExposed − riskUnexposed. Es sagt aus, wie viele zusätzliche Fälle pro Person durch die Exposition verursacht werden. AR ist besonders nützlich für Entscheidungen im öffentlichen Gesundheitswesen, weil es den potenziellen Nutzen der Beseitigung einer Exposition quantifiziert. Ein hohes RR bei sehr niedrigem Basisrisiko (niedriges AR) kann eine weniger dringliche Intervention rechtfertigen als ein moderates RR bei hohem Basisrisiko (hohes AR).
Warum muss die Zahl der ereignispositiven Fälle in der nicht exponierten Gruppe (c) ungleich null sein?
Das relative Risiko ist als Verhältnis zweier Inzidenzen definiert. Ist c = 0, ist die Inzidenz der nicht exponierten Gruppe null und der Nenner nicht definiert, also auch das RR. In der Praxis bedeutet ein c von null meist entweder, dass die nicht exponierte Gruppe vollständig geschützt ist (sehr ungewöhnlich), oder dass die Stichprobe zu klein ist, um in der nicht exponierten Gruppe Ereignisse zu beobachten. In beiden Fällen ist eine andere Analyse, etwa exakte Methoden, erforderlich.
Ist relatives Risiko für Fall-Kontroll-Studien gültig?
Nein. Relatives Risiko setzt voraus, dass die Inzidenz des Outcomes in jeder Gruppe gemessen werden kann, was nur möglich ist, wenn die Studie nach Exposition rekrutiert (Kohorte) oder die Teilnehmenden randomisiert zuweist (RCT). In einer Fall-Kontroll-Studie werden Teilnehmende nach Outcome-Status ausgewählt, sodass die Inzidenz aus der Stichprobe nicht berechnet werden kann. Verwenden Sie in Fall-Kontroll-Studien das Odds Ratio; bei seltenen Outcomes nähert es das RR an.