Inhoud
- TL; DR (te lang; niet gelezen)
- Wat is een odds ratio?
- Blootstellingen en resultaten
- Leven en verwarrende variabelen
- De aangepaste odds-ratio zoeken
Uw arts heeft u de keuze gegeven tussen twee medicijnen voor de behandeling van astma. Wanneer u bezoeken van de spoedeisende hulp vergelijkt, merkt u dat 10 patiënten met medicatie A een reis naar het ziekenhuis meldden versus de vijf patiënten met medicatie B. Op het eerste gezicht lijkt medicatie B de voor de hand liggende beste keuze. Om een weloverwogen beslissing te nemen, moet u de gegevens echter wat nader onderzoeken. Om te bepalen welke van deze twee astma-medicijnen u beter van dienst kunnen zijn, kunt u statistieken gebruiken om de aangepaste odds-ratio te berekenen.
TL; DR (te lang; niet gelezen)
Een odds ratio is een statistische maat voor associatie, gebruikt om de relatie tussen verschillende sets van blootstellingen en uitkomsten te bepalen. Gevonden door de resultaten van één uitkomst te delen door de resultaten van een seconde, kan een odds-ratio inzicht geven in de effectiviteit van experimentele behandelingen en meer. Voor het bepalen van de aangepaste odds-ratio van twee gegevenssets moet u echter rekening houden met verwarrende variabelen - waardoor het moeilijk is om in veel situaties aangepaste odds-ratio's te bepalen.
Wat is een odds ratio?
Een odds ratio is de statistische maatstaf voor een blootstelling en een uitkomst. Met andere woorden, de odds-ratio is de statistische kans dat er onder een specifieke voorwaarde een uitkomst zal optreden: in ons voorbeeld vertegenwoordigt de odds-ratio de kans dat het nemen van een van twee astma-medicijnen nog steeds kan leiden tot een ziekenhuisbezoek. Odds ratio's zijn eenvoudig te berekenen. Als je de gerapporteerde ziekenhuisbezoeken voor medicatie B deelt door die voor medicatie A, bedenk je de odds ratio. In dit voorbeeld is de odds-ratio 0,5. De verhouding betekent dat u ongeveer 50% meer kans heeft om naar het ziekenhuis te gaan wanneer u medicatie A inneemt boven medicatie B. Dit betekent echter niet noodzakelijkerwijs dat medicatie B beter is: deze 0,5-ratio staat bekend als een niet-gecorrigeerde of ruwe odds-ratio , omdat het nergens rekening mee houdt, behalve het gerapporteerde aantal ziekenhuisbezoeken.
Blootstellingen en resultaten
De numerieke waarde van een odds-ratio geeft u een idee van wat er zal gebeuren wanneer een patiënt aan iets wordt blootgesteld - in dit geval astma-medicatie. Een odds ratio van 1 betekent dat blootstelling de uitkomst niet beïnvloedt: met andere woorden, het medicijn werkt niet. Een odds ratio groter dan 1 duidt op hogere odds van de uitkomst, terwijl een ratio kleiner dan 1 duidt op lagere odds van de uitkomst.
Leven en verwarrende variabelen
Het probleem met een ruwe odds-ratio is dat deze volledig eendimensionaal is. Het weerspiegelt niet de invloed van verwarrende factoren zoals leeftijd, andere medische aandoeningen of zelfs zoiets eenvoudigs als toegang tot een kliniek versus een afdeling spoedeisende hulp. Je odds ratio-interpretatie van de medicijnen kan veranderen als je erachter komt dat alle patiënten met medicatie A ook worden behandeld voor longkanker en alle patiënten met medicatie B in een verder goede gezondheid verkeren, of als je ontdekt dat patiënten met medicatie A woonde vijf mijl afstand van het ziekenhuis en 60 mijl afstand van de dichtstbijzijnde kliniek.
De aangepaste odds-ratio zoeken
Zeer weinig dingen in het leven hebben een duidelijke oorzaak en gevolg relatie. In de statistiek staan de "andere" factoren die de relatie tussen twee dingen beïnvloeden bekend als verwarrende variabelen. Als slechts één variabele de relatie beïnvloedt, zullen wiskundigen een statistische aanpassing uitvoeren om een nauwkeurigere verhouding te geven. Wanneer alle variabelen in aanmerking zijn genomen, zou de verhouding volledig zijn aangepast. Omdat het aanpassen van een odds-ratio erg complex is, proberen onderzoekers zoveel mogelijk variabelen te beheersen om nauwkeurige resultaten te garanderen. In farmaceutische onderzoeken zoeken onderzoekers bijvoorbeeld naar deelnemers van dezelfde leeftijd en hetzelfde geslacht met vergelijkbare medische geschiedenissen.