So berechnen Sie ein angepasstes Quotenverhältnis

Ihr Arzt hat Ihnen die Wahl zwischen zwei Medikamenten zur Behandlung von Asthma gegeben. Wenn Sie die Besuche in der Notaufnahme vergleichen, stellen Sie fest, dass 10 Patienten, die Medikament A einnehmen, eine Fahrt ins Krankenhaus gemeldet haben, im Vergleich zu den fünf Patienten, die Medikament B erhalten. Auf den ersten Blick scheint Medikament B die offensichtlich beste Wahl zu sein. Um eine fundierte Entscheidung zu treffen, müssen Sie die Daten jedoch etwas genauer untersuchen. Um festzustellen, welches dieser beiden Asthma-Medikamente für Sie besser geeignet ist, können Sie mithilfe von Statistiken das angepasste Odds Ratio berechnen.

TL; DR (zu lang; nicht gelesen)

Ein Odds Ratio ist ein statistisches Assoziationsmaß, das verwendet wird, um die Beziehung zwischen verschiedenen Expositionssätzen und Ergebnissen zu bestimmen. Ein Odds Ratio wird durch Division der Ergebnisse eines Ergebnisses durch die Ergebnisse eines zweiten Ergebnisses ermittelt und kann Einblicke in die Wirksamkeit experimenteller Behandlungen und mehr geben. Um das angepasste Odds Ratio von zwei Datensätzen zu bestimmen, müssen Sie jedoch verwechslungsfähige Variablen berücksichtigen – was die Ermittlung angepasster Odds-Verhältnisse in vielen Situationen erschwert.

Ein Odds Ratio ist das statistische Maß für den Zusammenhang zwischen einer Exposition und einem Ergebnis. Mit anderen Worten, die Odds Ratio ist die statistische Chance, dass ein Ergebnis unter einer bestimmten Bedingung eintritt: im Fall von In unserem Beispiel stellt die Odds Ratio die Wahrscheinlichkeit dar, dass die Einnahme eines von zwei Asthmamedikamenten dennoch zu einem Krankenhausbesuch führen kann. Odds Ratios sind einfach zu berechnen. Wenn Sie die gemeldeten Krankenhausbesuche für Medikament B durch diejenigen für Medikament A teilen, erhalten Sie das Odds Ratio. In diesem Beispiel beträgt das Odds Ratio 0,5. Das Verhältnis bedeutet, dass Sie bei Einnahme von Medikament A gegenüber Medikament B eine um etwa 50 % höhere Chance haben, ins Krankenhaus zu gehen. Dies bedeutet jedoch nicht unbedingt, dass Medikament B besser ist: Dieses Verhältnis von 0,5 wird als unbereinigte, oder grobe Odds Ratio, weil es nichts außer der gemeldeten Anzahl von Krankenhäusern berücksichtigt besucht.

Der numerische Wert eines Odds Ratio gibt Ihnen eine Vorstellung davon, was passiert, wenn ein Patient etwas ausgesetzt ist – in diesem Fall Asthmamedikamenten. Eine Odds Ratio von 1 bedeutet, dass die Exposition das Ergebnis nicht beeinflusst: Mit anderen Worten, das Medikament wirkt nicht. Ein Odds Ratio von mehr als 1 zeigt eine höhere Wahrscheinlichkeit des Ergebnisses an, während ein Verhältnis von weniger als 1 eine niedrigere Wahrscheinlichkeit des Ergebnisses anzeigt.

Das Problem mit einem groben Odds Ratio ist, dass es vollständig eindimensional ist. Es spiegelt nicht den Einfluss von Störfaktoren wie Alter, andere medizinische Bedingungen oder sogar etwas so Einfaches wie den Zugang zu einer Klinik im Vergleich zu einer Notaufnahme wider. Ihre Odds-Ratio-Interpretation der Medikamente könnte sich ändern, wenn Sie erfahren, dass alle Patienten, die Medikament A einnehmen, auch eine Behandlung gegen Lungenkrebs erhielten und alle Patienten, die Medikament B erhielten, ansonsten bei guter Gesundheit waren, oder wenn Sie herausfanden, dass Patienten, die Medikament A erhielten, 8 km vom Krankenhaus und 100 km vom nächsten Klinik.

Nur sehr wenige Dinge im Leben haben eine klare Ursache-Wirkungs-Beziehung. In der Statistik werden die "anderen" Faktoren, die die Beziehung zwischen zwei Dingen beeinflussen, als Störvariablen bezeichnet. Wenn nur eine Variable die Beziehung beeinflusst, werden Mathematiker eine statistische Anpassung vornehmen, um ein genaueres Verhältnis zu erhalten. Wenn alle Variablen berücksichtigt wurden, gilt das Verhältnis als vollständig angepasst. Da die Anpassung eines Odds Ratio sehr komplex ist, versuchen die Forscher, so viele Variablen wie möglich zu kontrollieren, um genaue Ergebnisse zu gewährleisten. In pharmazeutischen Studien suchen Forscher beispielsweise nach Teilnehmern gleichen Alters und Geschlechts mit ähnlicher Krankengeschichte.