Bagaimana Menghitung Nisbah Odds Diselaraskan

Posted on
Pengarang: Laura McKinney
Tarikh Penciptaan: 2 April 2021
Tarikh Kemas Kini: 17 Mungkin 2024
Anonim
Tesla VIP Factory Tour Rekap Acara dan Cakupan
Video.: Tesla VIP Factory Tour Rekap Acara dan Cakupan

Kandungan

Doktor anda telah memberikan anda pilihan antara dua ubat untuk merawat asma. Apabila anda membandingkan lawatan jabatan kecemasan, anda dapati bahawa 10 pesakit pada ubat A melaporkan perjalanan ke hospital berbanding lima pesakit yang menggunakan ubat B. Pada pandangan pertama, ubat B adalah pilihan terbaik yang jelas. Untuk membuat keputusan yang tepat, bagaimanapun, anda perlu memeriksa data dengan lebih dekat. Untuk menentukan yang mana kedua-dua ubat asma ini akan memberi anda lebih baik, anda boleh menggunakan statistik untuk mengira nisbah odds diselaraskan.

TL; DR (Terlalu Panjang, Tidak Baca)

Nisbah odds adalah ukuran statistik persatuan, yang digunakan untuk menentukan hubungan antara set eksposur dan hasil yang berbeza. Ditemui dengan membahagikan keputusan satu hasil dengan keputusan yang kedua, nisbah odds dapat memberikan gambaran tentang keberkesanan rawatan eksperimen dan banyak lagi. Walau bagaimanapun, menentukan rasio odds yang diselaraskan dari dua set data memerlukan anda untuk membezakan pembolehubah yang membingungkan - menjadikan rasio odds yang diselaraskan sukar untuk ditentukan dalam banyak situasi.

Apakah nisbah Odds?

Nisbah odds adalah ukuran statistik persatuan antara pendedahan dan hasil. Dalam erti kata lain, nisbah odds adalah peluang statistik daripada hasil yang akan berlaku di bawah keadaan tertentu: dalam contoh kita, nisbah odds mewakili peluang yang mengambil satu daripada dua ubat asma masih boleh menyebabkan kunjungan ke hospital. Nisbah odds mudah dikira. Jika anda membahagikan lawatan hospital yang dilaporkan untuk ubat B oleh mereka untuk ubat A, anda akan mendapat nisbah odds. Dalam contoh ini, nisbah odds adalah 0.5. Nisbah bermakna anda mempunyai kira-kira 50% lebih besar peluang untuk pergi ke hospital ketika mengambil ubat A atas ubat B. Namun, ini tidak bermakna bahawa ubat B lebih baik: nisbah 0.5 ini dikenali sebagai nisbah odds yang tidak disesuaikan atau kasar , kerana ia tidak mengambil kira apa-apa bilangan kunjungan hospital yang dilaporkan.

Pendedahan dan Hasil

Nilai angka rasio odds memberikan anda idea tentang apa yang akan berlaku apabila pesakit terdedah kepada sesuatu - dalam kes ini, ubat asma. Rasio odds 1 bermakna pendedahan tidak menjejaskan hasilnya: Dengan kata lain, ubat tidak berfungsi. Nisbah odds lebih besar daripada 1 menunjukkan kemungkinan yang lebih tinggi dari hasilnya manakala nisbah kurang daripada 1 menunjukkan kemungkinan yang lebih rendah hasilnya.

Pembolehubah Kehidupan dan Pengkomersilan

Masalah dengan nisbah odds kasar ialah ia satu dimensi sepenuhnya. Ia tidak mencerminkan pengaruh faktor yang mengelirukan seperti usia, keadaan perubatan lain atau bahkan sesuatu yang mudah seperti akses ke klinik berbanding jabatan kecemasan. Tafsiran nisbah odds anda terhadap ubat-ubatan mungkin berubah jika anda mengetahui bahawa semua pesakit pada ubat A juga menerima rawatan untuk kanser paru-paru dan semua pesakit pada ubat B berada dalam keadaan kesihatan yang baik, atau jika anda mendapati bahawa pesakit pada ubat Seorang yang tinggal lima batu dari hospital dan 60 batu dari klinik terdekat.

Mencari Nisbah Odds Diselaraskan

Sangat sedikit perkara dalam hidup mempunyai hubungan sebab dan akibat yang jelas. Dalam statistik, faktor "lain" yang menjejaskan hubungan antara dua perkara dikenali sebagai pembolehubah membingungkan. Sekiranya hanya pemboleh ubah mempengaruhi hubungan, ahli matematik akan melakukan pelarasan statistik untuk memberikan nisbah yang lebih tepat. Apabila semua pembolehubah telah diambil kira, nisbah dikatakan diselaraskan sepenuhnya. Oleh kerana menyesuaikan nisbah odds adalah sangat kompleks, penyelidik cuba mengawal seberapa banyak pembolehubah yang mungkin untuk memastikan hasil yang tepat. Dalam ujian farmaseutikal, misalnya, penyelidik akan mencari para peserta umur dan jantina yang sama dengan sejarah perubatan yang serupa.