相對危險度計算器 - 隊列研究風險比

透過 2×2 列聯表計算暴露組與未暴露組的相對危險度(風險比)、95% 信賴區間與歸因風險。

輸入隊列研究 2×2 列聯表的四個格子計數(a、b、c、d),即可立即計算風險比及其信賴區間。

相對危險度計算器 - 隊列研究風險比
透過 2×2 列聯表計算暴露組與未暴露組的相對危險度(風險比)、95% 信賴區間與歸因風險。

請輸入 2×2 列聯表中的四個值:a = 暴露且有結果,b = 暴露且無結果,c = 未暴露且有結果,d = 未暴露且無結果。

暴露組

未暴露組

關於相對危險度計算器

相對危險度(RR),也稱風險比,是隊列研究與隨機對照試驗中常用的關聯性指標。它回答的問題是:暴露組發生結果的可能性是不暴露組的幾倍?RR 為 1.0 表示兩組風險相同;RR 大於 1.0 表示暴露與風險增加相關;RR 小於 1.0 表示暴露具有保護作用。 此計算建立在 2×2 列聯表上,將暴露狀態(是/否)與結果狀態(是/否)交叉分類。四個格子通常記為 a(暴露,結果存在)、b(暴露,結果不存在)、c(未暴露,結果存在)與 d(未暴露,結果不存在)。暴露組風險為 a/(a+b),未暴露組風險為 c/(c+d)。相對危險度就是這兩個發生比例的比值。 RR 的 95% 信賴區間(CI)用來量化抽樣變異造成的估計不確定性。標準方法採用對數常態近似:先計算 log-RR 的標準誤 √(b/(a·nE) + d/(c·nU)),再對區間 [ln(RR) ± 1.96 × SE] 取指數。如果 95% CI 不包含 1.0,則在 α = 0.05 水準下該關聯具有統計學意義。CI 越窄,表示估計越精確;CI 越寬,表示不確定性越大,通常是因為樣本數較小。 歸因風險(也稱風險差,或絕對風險增加/降低)是兩個發生比例之間的算術差:AR = riskExposed − riskUnexposed。與比值形式的相對危險度不同,歸因風險以絕對值表示超額風險。RR 為 3.0 看起來很驚人,但如果基線風險只有 0.1%,0.2% 的 AR 在臨床上可能並不重要。相反,不論 RR 為何,10 個百分點的 AR 都具有臨床意義。要完整解讀流行病學關聯,這兩個指標都很重要。 相對危險度適用於隊列研究與臨床試驗,因為在這些研究中,可以在明確的追蹤期間內直接測量暴露組與未暴露組的結果發生率。它不適用於病例對照研究,因為病例對照研究是依結果狀態而非暴露狀態來選取受試者——在這種設計中,應使用勝算比(Odds Ratio)。一個重要的實務差異是:當結果罕見(發生率 < 10%)時,勝算比在數值上近似相對危險度,因此兩者可跨研究設計比較。當結果常見時,兩者會明顯分歧,不能互相替代。 在臨床醫學中,RR 用於評估治療、疫苗與預防介入的效果。某種疫苗若將感染風險從 4% 降至 1%,其 RR 為 0.25——也就是說,接種者感染的可能性低 75%。在職業健康領域,RR 用於量化接觸化學或物理危害的勞工比未暴露勞工更可能罹患特定疾病的程度。在營養流行病學中,RR 將飲食型態與生活方式因素與大型前瞻性隊列中的疾病結果連結起來。

相對危險度範例

經典流行病學情境,示範如何建立列聯表並解讀得到的風險比。

列聯表關鍵指標解讀
吸菸/肺癌:a=70, b=6930, c=3, d=2997RR = 10.0; 暴露組風險 ≈ 1.0%,未暴露組風險 ≈ 0.1%在 20 年追蹤中,吸菸者罹患肺癌的可能性是不吸菸者的 10 倍。歸因風險約為 0.9 個百分點。
流感疫苗試驗:a=25, b=4975, c=80, d=4920RR ≈ 0.3125; 接種組風險 ≈ 0.5%,安慰劑組風險 ≈ 1.6%接種者感染流感的可能性約低 69%。RR 為 0.31,遠低於 1.0,確認有明顯保護效果。
高脂飲食:a=150, b=1850, c=100, d=2900RR = 2.25; 暴露組風險 ≈ 7.5%,未暴露組風險 ≈ 3.3%高脂飲食者發生心臟病的可能性是 2.25 倍。歸因風險約為 4.2 個百分點。
藥物副作用:a=60, b=940, c=20, d=980RR = 3.0; 藥物組風險 ≈ 6%,安慰劑組風險 ≈ 2%服用該藥的患者出現噁心的可能性正好高 3 倍。應查看 95% CI 以評估統計學顯著性。

如何使用相對危險度計算器

  1. 從 2×2 列聯表中找出四個格子的計數:a = 暴露且發生結果的人數;b = 暴露但未發生結果的人數;c = 未暴露且發生結果的人數;d = 未暴露且未發生結果的人數。
  2. 在暴露組欄位輸入 a 和 b,在未暴露組欄位輸入 c 和 d。
  3. 點擊「計算」。工具會回傳每組風險、相對危險度、95% 信賴區間與歸因風險。
  4. 解讀相對危險度:RR > 1 表示暴露與風險增加相關;RR < 1 表示暴露具有保護作用;RR = 1 表示沒有關聯。
  5. 檢查 95% CI 是否包含 1.0:如果不包含,則在 5% 水準上具有統計學意義。CI 越窄,估計越精確。

相對危險度常見問題

什麼是相對危險度?它與勝算比有何不同?
相對危險度(RR)是暴露組結果發生率與未暴露組結果發生率的比值。勝算比(OR)是各組結果勝算的比值。兩者都用來衡量關聯,但 RR 更直觀,可直接解讀為風險倍數。OR 用於無法測量發生率的病例對照研究;對於罕見結果(<10%),OR ≈ RR。對於常見結果,OR 會高估 RR。
相對危險度可以小於 1 嗎?這代表什麼?
可以。RR 小於 1.0 表示暴露組發生結果的風險低於未暴露組——換句話說,暴露具有保護作用。例如,疫苗試驗可能得到 RR = 0.25,這表示接種者罹病的可能性低 75%。風險降低幅度(1 − RR)有時稱為相對風險降低(RRR)。
如何解讀 95% 信賴區間?
95% CI 提供了基於樣本對真實母體 RR 的一組合理值範圍。如果重複做很多次研究,約 95% 的 CI 會包含真實 RR。實務上:如果 CI 不包含 1.0(例如 1.5–3.2),則在 α = 0.05 下具有統計學意義。若 CI 包含 1.0(例如 0.8–2.5),則不具有統計學意義。
什麼是歸因風險?它什麼時候有用?
歸因風險(AR)是暴露組與未暴露組風險之間的絕對差值:AR = riskExposed − riskUnexposed。它告訴你每人因暴露而多出的病例數。AR 對公共衛生決策最有用,因為它量化了消除該暴露的潛在效益。基線風險很低但 RR 很高時,AR 可能並不大;而基線風險較高且 RR 中等時,即使 RR 不算非常高,AR 也可能更值得介入。
為什麼計算器要求未暴露組結果陽性計數(c)不能為零?
相對危險度是兩個發生率的比值。如果 c = 0,未暴露組發生率為零,分母無法定義,RR 也就無法定義。實際上,c 為零通常表示未暴露組完全受到保護(這非常少見),或者樣本太小,未暴露組沒有觀察到任何事件。在這兩種情況下,都需要採用其他分析方法(例如精確方法)。
相對危險度適用於病例對照研究嗎?
不適用。相對危險度要求能測量各組結果發生率,這只有在研究依暴露狀態招募受試者(隊列設計)或隨機分派受試者(RCT)時才能做到。在病例對照研究中,受試者是依結果狀態選取的,因此無法從樣本中計算發生比例。病例對照研究應使用勝算比;當結果罕見時,它會近似 RR。