PMC (Suomi)

Arvostelu

luottamusvälit ja p-arvot

jotta viihdyttää mitään keskustelua tilastollinen analyysi, on tärkeää ensin ymmärtää käsitteen väestötilastot. Selvästi, väestötilastot ovat arvoja tahansa toimenpide väestön kiinnostusta, ja arvioimalla niitä on tavoite useimmissa tutkimuksissa ., Esimerkiksi tutkimuksessa tarkastellaan lihavuuden potilaille tiettyjä lääkkeitä, väestö-tilasto voisi olla keskimäärin lihavuus korko kaikilla potilailla lääkitys.

tämän arvon tunnistaminen edellyttäisi kuitenkin tietojen antamista jokaisesta tähän luokkaan kuuluvasta yksilöstä, mikä on epäkäytännöllistä. Sen sijaan voidaan kerätä satunnaistettu otos, josta saadaan otostilastoja. Nämä näyte tilastot toimivat arviot vastaavat väestön tilastoja ja jotta tutkija voi tehdä johtopäätöksiä väestön etua.,

merkittävä rajoitus on, että nämä on rakennettu näytteiden on edustettava suurempi väestö kiinnostaa. Vaikka rajoituksen vähentämiseksi voidaan toteuttaa monia toimia, joskus sen vaikutukset (niin sanottu näytteenottoharha ) menevät tutkijan ulottumattomiin. Lisäksi jopa teoreettisessa tilanteessa, jossa ei ole näytteenottoharhaa, satunnaistaminen voisi johtaa vääristelevään näytteeseen. Otaksukaamme edellisessä esimerkissä, että kaikkien lääkkeeseen oikeutettujen aikuisten lihavuusaste oli 25 prosenttia., Yksinkertaisella satunnaisotannalla 30 potilaita väestöstä, on 19.7% mahdollisuus, että vähintään 10 potilasta tulee lihavia, jolloin näyte lihavuus korko 33,3% tai jopa korkeampi. Vaikka ei ole mitään suhdetta lääkitys ja lihavuuden hinnat, se on edelleen mahdollista kohdata korko, joka näyttää olevan erilainen yleinen lihavuus korko, joka tapahtui läpi satunnaisuuden näytteenotto yksin. Tämä vaikutus on syy raportoida luottamusvälit ja p-arvot kliinisessä tutkimuksessa.

luottamusvälit ovat intervalleja, joissa väestötilasto voisi olla., Ne ovat rakennettu perustuu näytteen tilastotieto ja tietyt piirteet näytettä arvioida, kuinka todennäköistä on olla edustava ja raportoidaan tietyn raja-arvon . 95% luottamusväli on väli on rakennettu niin, että keskimäärin 95% satunnaisotos olisi oltava totta, väestö-tilasto niiden 95%: n luottamusväli. Näin ollen kynnys merkittäviä tuloksia on usein otettu kuin 95%, ymmärtäen, että kaikki arvot sisällä raportoitu alue ovat yhtä päteviä kuin mahdollista, väestö-tilasto.,

p-arvo raportoi samankaltaista tietoa eri tavalla. Sijaan rakentaa välein noin otoksen tunnusluku, p-arvo ilmoittaa todennäköisyyden sille, että otoksessa tilasto on tuotettu satunnainen otanta väestöstä, koska joukko oletuksia väestön, kutsutaan ”nolla-hypoteesi” ., Otetaan esimerkiksi tutkimus lihavuuden uudelleen, lihavuus korko yksi näyte (näyte potilaiden lääkitys) voisi olla raportoitu rinnalla p-arvo määritetään mahdollisuus, että tällainen muutos voisi olla tuotetun satunnaisesti otanta koko väestöstä, ja potilaiden oikeutettu lääkitys. Siinä tapauksessa, että tutkimuksen nollahypoteesi on, että väestön määrä lihavuuden potilailla lääkitys on yhtä yleistä verokantaa lihavuus kaikkien potilaiden saada lääkitys, joka on 25%., One-tailed p-arvoa voidaan käyttää, jos on syytä uskoa, että vaikutus tapahtuu vain yhteen suuntaan (esimerkiksi, voi olla syytä uskoa, että lääkitys olisi lisätä painonnousua, mutta ei vähennä sitä), kun taas kaksi-tailed p-arvo olisi käytettävä kaikissa muissa tapauksissa. Kun käytössä on symmetrinen jakauma, esimerkiksi normaalijakauma, kaksi-tailed p-arvot ovat yksinkertaisesti kahdesti yksisuuntainen p-arvo.

Oletetaan jälleen, että näyte 30-potilailla lääkitys sisältää 12 lihavia yksilöitä. Yksipyrstöisellä testillä p-arvomme on 0,0216 (binomijakauman avulla)., Näin voimme sanoa, että meidän havaittu osuus 40% on merkittävästi erilainen arveltu, osuus 25%, kun merkitsevyystaso 0,05. Toisessa mielessä havaitun osuuden 95 prosentin luottamusväli on 25,6 – 61,07 prosenttia. Luottamusvälit vastaavat kaksitahoiset testit, joissa kaksi-tailed testi hylätään, jos ja vain jos luottamusväli ei sisällä arvoa, joka liittyy nollahypoteesi (tässä tapauksessa 25%).

Jos laskettu p-arvo on pieni, on todennäköistä, väestö ei ole rakenteeltaan alun perin mainittu nollahypoteesi., Jos saamme alhaisen p-arvon, meillä on näyttöä siitä, että havaitulla erolla oli jokin vaikutus tai syy – lääkitys, tässä tapauksessa. Tyypillisesti käytetään kynnysarvoa 0,05 (tai 5%), ja p-arvon on oltava tämän kynnysarvon alapuolella, jotta sen vastaava ominaisuus olisi tilastollisesti merkitsevä.

riskisuhteet

riski, toinen todennäköisyyden termi, on toinen tilastollisen analyysin perusperiaate. Todennäköisyydellä tarkoitetaan tietyn tapahtuman havainnoinnin vertailua, joka tapahtuu tuloksena ainutlaatuiseen kokonaissuoritukseen., Kolikon flip on triviaali esimerkki: riski havainnoimalla päät on ½ tai 50%, kuten kaikki mahdolliset ainutlaatuinen tutkimuksissa (flip tuloksena kruuna vai flip jolloin hännät), vain yksi on tapahtuma kiinnostaa (päät).

pelkän riskin avulla voidaan ennustaa yhtä populaatiota. Esimerkiksi Yhdysvaltain väestön lihavuusasteita tarkastellessaan CDC kertoi, että 42,4 prosenttia aikuisista oli lihavia vuosina 2017-2018. Yhdysvalloissa on siis noin 42,4 prosentin riski siitä, että ihminen on ylipainoinen . Useimmissa tutkimuksissa tarkastellaan kuitenkin tietyn intervention tai muun esineen (kuten kuolleisuuden) vaikutusta toiseen., Aiemmin, meidän pitäisi, että lihavuus korko soveltuvista potilaista oli 25%, mutta tässä käytämme 42,4 prosenttia liittyy YHDYSVALTAIN aikuisväestöstä. Oletetaan havaitsemme riski 25% satunnaisotannalla potilaiden lääkitys samoin. Käsitteellistää vaikutus lääkitystä lihavuus, seuraava looginen askel olisi jakamalla riskiä lihavuuden YHDYSVALTAIN väestöstä lääkitys riski lihavuuden YHDYSVALTAIN väestöstä, joka johtaa riskin suhde 0.590.,

tätä laskelmaa – kahden riskin suhdetta – tarkoitetaan eponyymisen riskisuhteen (RR) tilastolla, joka tunnetaan myös suhteellisena riskinä. Sen avulla tietty määrä annetaan, kuinka paljon enemmän riskiä yksilön yksi luokka karhut verrattuna yksittäisen vuonna toinen luokka. Esimerkiksi yksittäisen lääkitystä kantaa 0.59 kertaa niin paljon riskiä kuin aikuinen yleisen YHDYSVALTAIN väestöstä., Olemme kuitenkin olettaa, että väestön oikeutettuja lääkitys oli lihavuus korko 25% – ehkä vain ryhmä nuoria aikuisia, jotka saattavat olla terveempiä keskimäärin, ovat oikeutettuja ottamaan lääkettä. Kun tutkitaan lääkkeen vaikutusta lihavuuteen, tämä on osuus, jota tulisi käyttää nollahypoteesina. Jos me tarkkailla lihavuus korko lääkitys 40%, p-arvo on pienempi kuin merkitsevyystaso 0,05, tämä on näyttöä siitä, että lääkitys lisää riskiä lihavuuden (jossa on RR, tässä skenaariossa, 1.6)., Siksi on tärkeää valita huolellisesti nollahypoteesi, jotta voidaan tehdä asiaankuuluvia tilastollisia ennusteita.

RR: n Kanssa, tulos 1 tarkoittaa, että molemmissa ryhmissä on saman verran riskiä, kun tulokset ei vastaa 1 osoittavat, että yksi ryhmä kantoi enemmän riskiä kuin toinen, on riski, että oletetaan johtuvan interventio tarkastellut tutkimus (virallisesti, oletus syy-suuntaan).

havainnollistaa Journal of Stroke and Serebrovaskulaarinen Diseases-lehdessä vuonna 2009 julkaistun tutkimuksen tuloksia., Tutkimus raportoi, että potilailla, joilla on pidentynyt QTc-aika ekg oli todennäköisempää kuolla 90 päivän kuluessa verrattuna potilaisiin ilman pitkittynyt aikaväli (suhteellinen riski =2.5; 95% luottamusväli 1.5-4.1) . Ottaa luottamusväli 1,5 ja 4.1 riski-suhde osoittaa, että potilailla, joilla on pidentynyt QTc-aika olivat 1,5-4,1 kertaa suurempi todennäköisyys kuolla 90 päivän kuin ilman pidentynyt QTc-aika.,

toinen esimerkki – maamerkki paperi, joka osoittaa, että verenpaine käyrä akuutti iskeeminen aivohalvaus on U-muotoinen pikemminkin kuin J-muotoinen , tutkijat havaitsivat, että RR lisääntynyt lähes kaksi-kertaiseksi potilailla, joilla on tarkoittaa valtimoiden verenpaine (MAP) >140 mmHg tai <100 mmHg (RR=1.8, 95% CI 1.1-2.9, p=0.027). Kun RR: n luottamusväli oli 1,1-2,9, potilaat, joiden kartta oli alueen 100-140 mmHg ulkopuolella, kuolivat 1,1-2,9 kertaa todennäköisemmin kuin potilaat, joilla oli alkuperäinen kartta tällä alueella.,

toinen esimerkki, 2018 tutkimus Australian merivoimien alokkaita todettiin, että ne, joilla on tehdasvalmisteiset ortoosit (tyyppi jalka tuki) oli 20,3 prosenttia riskiä sairastua vähintään yksi haittavaikutus, kun taas ne, ilman, että oli vaarana, 12,4% . Riski-suhde täällä on antanut 0.203/0.124, tai 1.63, mikä viittaa siihen, että rekrytoi jalka ortoosit kantoi 1.63 kertaa riski ottaa joitakin haitallisia seuraamuksia (esim. jalka rakkuloita, kipu, jne.) kuin ilman. Samassa tutkimuksessa riskisuhteen 95 prosentin luottamusväli on kuitenkin 0,96-2,76 ja p-arvo 0,068., Kun tarkastellaan luottamusväliä, 95%: n ilmoitettu vaihteluväli (yleisesti hyväksytty standardi) sisältää arvot alle 1, 1 ja arvot yli 1. Muistaa, että kaikki arvot ovat yhtä todennäköisesti väestön tilasto, 95% luottamusväli, ei ole mitään keinoa sulkea pois mahdollisuutta, että jalka ortoosit ei ole vaikutusta, on merkittävää hyötyä, tai on merkittävää haittaa. Lisäksi p-arvo on suurempi kuin standardi 0,05, joten tämä tieto ei tarjoa merkittävää näyttöä siitä, että jalka ortoosit, joilla on jokin johdonmukainen vaikutus haittavaikutusten, kuten rakkuloita ja kipu., Kuten aiemmin on todettu, tämä ei ole sattumaa – jos ne lasketaan käyttämällä samoja tai samankaltaisia menetelmiä ja p-arvo on kaksi-tailed, luottamusvälit ja p-arvot on ilmoitettava samat tulokset.

Kun sitä käytetään oikein, riski-suhde on tehokas tilasto, joka antaa arvio väestön muutoksen riski väestöstä kantaa toiseen., Ne ovat melko helppo ymmärtää (arvo on, kuinka monta kertaa riski yksi ryhmä kantaa toiseen), ja olettaen, syy suuntaan, nopeasti osoittaa, onko interventio (tai muu testattu muuttuja) on vaikutusta tuloksiin.

kuitenkin rajoituksia on. Ensinnäkin RRs-sääntöjä ei voida soveltaa kaikissa tapauksissa. Koska riski näytteessä on arvio riskin populaation, otoksen on oltava riittävän edustava otos. Tapauskontrollitutkimuksissa ei voida raportoida riskisuhdetta pelkästään sen vuoksi, että tulosten suhde on hallinnassa., Toiseksi, kuten kaikissa tässä käsitellyissä tilastoissa, RR on suhteellinen toimenpide, joka antaa tietoa riskistä yhdessä ryhmässä suhteessa toiseen. Ongelma tässä on se, että tutkimuksessa, jossa kahden ryhmän riski oli 0,2% ja 0,1%, on sama RR, 2, kuin tutkimuksessa, jossa kahden ryhmän riski oli 90% ja 45%. Vaikka molemmissa tapauksissa on totta, että interventioon osallistuneilla oli kaksinkertainen riski, tämä merkitsee yhdessä tapauksessa vain 0,1 prosenttia suurempaa riskiä ja toisessa tapauksessa 45 prosenttia suurempaa riskiä., Näin ollen raportointi vain RR liioittelee vaikutus ensimmäisessä tapauksessa, vaikka mahdollisesti jopa minimoimalla vaikutus (tai ainakin dekontekstualisointi se) toisessa tapauksessa.

Kertoimet suhdeluvut

Vaikka riski raportoi useita tapahtumia etua suhteessa kokonaismäärä tutkimuksissa, kertoimet kertomuksen tapahtumien määrä kiinnostavia suhteessa tapahtumien määrä ei ole kiinnostusta. Toisin sanoen se ilmoittaa tapahtumien määrän muille kuin asianomaisille., Kun riskit, kuten määritelty aiemmin, flipping kolikon kruuna on 1:2 tai 50%, kertoimet flipping kolikon kruuna on 1:1, koska siellä on yksi haluttu lopputulos (tapahtuma), ja yksi ei-toivottuja tuloksia (ei mitään) (Kuva 1).

Aivan kuten RR: n kanssa, jossa suhde kaksi riskiä oli otettu kaksi erillistä ryhmää, suhde kahden kertoimet voidaan ottaa kaksi erillistä ryhmää tuottamaan odds ratio (OR)., Sen sijaan, raportointi, kuinka monta kertaa riski yksi ryhmä kantaa suhteessa muihin, se kertoo, kuinka monta kertaa kertoimet yksi ryhmä kantaa muihin.

useimmille tämä on vaikeampi tilasto ymmärtää. Riski on usein todennäköisyyksiä intuitiivisempi käsite, ja siksi suhteellisen riskin ymmärtäminen on usein parempana kuin suhteellisten todennäköisyyksien ymmärtäminen. Kuitenkin tai ei kärsi samoista syy-oletuksen rajoituksista kuin RR, joten se on laajemmin sovellettavissa.,

esimerkiksi kertoimet ovat symmetrinen mittari, eli vaikka riski tutkii vain annettuja interventioita, kertoimet voivat tutkia myös annettuja tuloksia. Näin ollen tutkimuksen voidaan rakentaa, jos sen sijaan valitset oikeudenkäyntiä ryhmien ja mittaamalla tuloksia, tuloksia voidaan valita, ja muita tekijöitä voidaan analysoida. Seuraavassa on esimerkki tapauskontrollitutkimuksesta, tilanteesta, jossa RR: ää ei voi käyttää vaan tai voi.

vuoden 2019 tapauskontrollitutkimus on hyvä esimerkki., Etsien löytää mahdollinen korrelaatio hepatiitti A-virus (HAV) – infektio merkittävä Kanadassa ja jotkut aiheuttaa tekijä, tutkimus oli rakennettu perustuu tulos (toisin sanoen henkilöt olivat luokiteltu perustuu niiden HAV tila, kuten ”intervention”, tai syy tapahtuma, oli tuntematon). Tutkimuksessa tarkasteltiin niitä, joilla oli HAV ja niitä, joilla ei ollut ja mitä ruokia he olivat syöneet ennen HAV-tartuntaa . Tästä muodostettiin useita kertoimia, joissa verrattiin tiettyä ruoka-ainetta HAV-statukseen., Esimerkiksi tiedot totesi, että niiden potilaiden joukossa, jotka oli altistuminen katkarapu/katkarapuja, kahdeksan oli positiivinen HAV kun taas seitsemän ei ollut, kun taas ne, ilman altistumista kaksi oli positiivinen HAV kun taas 29 ei. Odds ratio on ottanut (8:7)/(2:29) joka vastaa noin 16.6. Tutkimuksen tiedot on raportoitu TAI 15,75, pieni ristiriita todennäköisesti peräisin pre-laskelman oikaisut sekoittavia muuttujia ei käsitelty paperi. P-arvo oli 0,01, joten siitä saatiin tilastollista näyttöä tai se oli merkittävä.,

Tämä voidaan tulkita kahdella yhtäläisellä tavalla. Ensinnäkin, kertoimet katkarapujen/katkarapu altistuminen niille, joilla HAV ovat 15.75 kertaa suurempi kuin ilman. Vastaavasti hav-positven ja HAV-Negativen todennäköisyys on 15,75 kertaa suurempi katkaravuille altistuneilla kuin altistumattomilla.

Kaiken kaikkiaan, TAI tarjoaa mitata vahvuus yhdistyksen välillä kaksi muuttujaa asteikolla 1 ei ole association, yli 1 on positiivinen yhteys, ja alle 1 on negatiivinen assosiaatio., Vaikka kaksi edellistä tulkintaa ovat oikeita, ne eivät ole niin suoraan ymmärrettäviä kuin RR olisi ollut, jos sellainen olisi ollut mahdollista määrittää. Vaihtoehtoinen tulkinta on, että katkarapu – /katkarapualtistuksen ja HAV: n välillä on vahva positiivinen korrelaatio.

tämän vuoksi joissakin erityistapauksissa on aiheellista likimääräistä RR-arvoa n tai: n kanssa. Tällöin harvinaisen sairauden oletuksen on säilyttävä. Toisin sanoen taudin on oltava väestössä tavattoman harvinainen., Tässä tapauksessa, riski taudin väestön sisällä (p/(p+q)) lähestyy kertoimet taudin väestön sisällä (p/q), niin p on merkityksettömän pieni suhteessa q. Niinpä, RR ja / TAI samansuuntaisia kuin väestö saa suurempia. Jos tämä oletus kuitenkin epäonnistuu, ero muuttuu yhä liioitellummaksi. Matemaattisesti, p+q tutkimuksissa, vähentää p lisää q säilyttää sama yhteensä tutkimuksissa. Riskillä vain Osoittaja muuttuu, kun taas kertoimilla sekä Osoittaja että nimittäjä muuttuvat vastakkaisiin suuntiin., Seurauksena, varten tapauksissa, joissa RR ja or ovat molemmat alle 1 TAI aliarvioida RR: n, kun taas tapauksissa, joissa molemmat ovat edellä 1 TAI yliarvioida RR.

Virheellisinä TAI kuten RR, sitten, voi usein liioitella tiedot. On tärkeää muistaa, että TAI on suhteellinen toimenpide, aivan kuten RR, ja siten joskus suuri TAI voi vastaa pieni ero kertoimet.

kaikkein uskollinen raportointi, sitten, TAI ei tulisi esittää kuin RR: n, ja pitäisi vain olla esitetty arvio RR-jos harvinainen sairaus olettamus voi kohtuudella järjestää., Jos mahdollista, RR-arvo on aina ilmoitettava.

Hazard ratio

Molemmat, RR ja / TAI koskevat toimenpiteet ja tulokset raportoimme siten koko tutkimuksen ajan. Samanlainen mutta erillinen toimenpide, riskisuhde (HR), koskee kuitenkin muutosasteita (Taulukko 1).

Tuntia ovat yhdessä survivorship käyrät, jotka osoittavat ajallisen etenemisen jokin tapahtuma ryhmässä, onko kyseinen tapahtuma on kuolema tai sairastua tautiin. Vuonna survivorship käyrä, pystysuora akseli vastaa tapahtuman korko-ja vaaka-akseli vastaa aikaa. Tällöin tapahtuman vaara vastaa kuvaajan kaltevuutta eli tapahtumia per aika.

riskisuhde on vain kahden vaaran vertailu., Se voi osoittaa, kuinka nopeasti kaksi selviytymiskäyrää eroavat toisistaan vertaamalla käyrien rinteitä. HR-arvo 1 ei osoita eroa-molemmissa käyrissä todennäköisyys tapahtumalle oli yhtä todennäköinen milloin tahansa. HR ei ole yhtä suuri kuin 1 tarkoittaa, että kaksi tapahtumaa eivät tapahtuvat yhtä korko, ja riski yksittäistä yksi ryhmä on erilainen kuin riski yksittäisen toisessa milloin tahansa välein.

tärkeä oletus, että H on suhteellinen hinnat oletus., Ilmoitettaessa yksittäisestä riskisuhteesta on oletettava, että nämä kaksi riskisuhdetta ovat vakio. Jos kuvaajan kaltevuuden halutaan muuttuvan, suhdeluku muuttuu myös ajan myötä, eikä sitä näin ollen sovelleta todennäköisyyden vertailuna milloinkin.

harkitse tutkimusta uudesta solunsalpaajasta, jolla pyritään pidentämään tietyn syöpäpotilaan elinajanodotetta. Sekä interventiossa että verrokkiryhmässä 25 prosenttia oli kuollut viikkoon 40 mennessä., Koska molemmat ryhmät laski 100% survival 75% selviytymisen yli 40 viikon aikana, vaaran hinnat olisivat tasa-arvoisia ja näin hazard rate yhtä suuri kuin 1. Tämä viittaa siihen, että lääkettä saava henkilö kuolee yhtä todennäköisesti kuin se, joka ei saa lääkettä milloinkaan.

on kuitenkin mahdollista, että interventioryhmässä kaikki 25% kuolivat viikkojen 6-10 välillä, kun verrokkiryhmässä kaikki 25% kuolivat viikkojen 1-6 aikana. Tässä tapauksessa, vertaamalla mediaanit näyttää korkeampi elinajanodote niille huumeiden huolimatta HR ei näy mitään eroa., Tässä tapauksessa suhteellinen vaara-oletus epäonnistuu, koska riskiprosentit muuttuvat (melko dramaattisesti) ajan myötä. Tällaisissa tapauksissa korkea edustaja ei ole sovellettavissa.

Koska se on joskus vaikea määrittää, onko suhteellisen vaaran oletus kohtuudella soveltaa, ja koska ottaen HR-nauhat alkuperäinen arvostaminen (hazard hinnat) ajan yksikkö, se on yleinen käytäntö raportin HR yhdessä mediaani kertaa.,

tutkimuksessa, jossa arvioitiin ennusteen suorituskyky Nopea Emergency Medicine Pisteet (REMS) ja Worthing Fysiologinen Pisteytysjärjestelmä (UNIVERSAALIT), tutkijat havaitsivat, että riski on 30-päivän kuolleisuus oli kasvanut 30% jokaista REMS-yksikkö (HR: 1.28; 95%: n luottamusväli (CI): 1.23-1.34) ja 60% jokaista HITSAUSOHJEET yksikkö (HR: 1.6; 95% CI 1.5-1.7). Tässä tapauksessa kuolleisuus ei muuttunut, vaan pisteytysjärjestelmä ennustaa sen teki, joten HR voidaan käyttää. Joiden luottamusväli on 1,5-1.,7 HITSAUSOHJEET vaarat suhde osoittaa, että kuolleisuus käyrä niille, joilla on korkeampi WPS laskee nopeammin (noin 1,5-1,7 kertaa). Koska alhainen lopussa väli on edelleen yli 1, olemme varmoja, että todellinen vaara kuoleman 30 päivän kuluessa on suurempi ryhmä, joilla on korkeampi WPS .

Vuonna 2018 tutkimuksen humalahakuinen juominen keskuudessa yksilöitä, joilla on tiettyjä riskitekijöitä, selviytymisen käyrä oli rakennettu piirtämistä määrä saavuttaa humalahakuinen juominen tarkastukset niille, joiden suvussa, miessukupuoli, ne, joilla on korkea impulsiivisuus, ja ne, joilla on korkeampi vastaus alkoholia., Miehille ja niille, joilla on perhe historia, tilastollisesti merkittävää näyttöä siitä, että suurempi määrä saavuttaa humalahakuinen juominen oli todettu (HR 1,74 miesten ja 1.04 niille, joilla on suvussa) . Korkean impulsiivisuuden omaavilla 95 prosentin luottamusväli oli kuitenkin 1,00-1,37, vaikka HR oli 1,17. Näin ollen 95 prosentin luottamustasolle on mahdotonta sulkea pois, että HR olisi ollut 1,00.,

Koska liioittelua hetkellä, se on tärkeää välttää eli ORs kuten RRs, ja samoin se on tärkeää tunnistaa, että ilmoitettu TAI harvoin tarjoaa hyvän lähentämisestä suhteellinen riskejä, vaan yksinkertaisesti tarjoaa mitata korrelaatio.

Koska sen kyky tehdä päätelmiä ja ymmärrettävyys, RR olisi ilmoitettava, jos mahdollista, kuitenkin tapauksissa, joissa sen syy olettamus on rikottu (kuten tapaus-verrokki-tutkimukset ja logistinen regressio), TAI voidaan käyttää.,

HR-arvoja käytetään elossaolokäyrien kanssa ja oletetaan, että riskiprosentit ovat ajan mittaan yhtä suuret. Vaikka hyödyllistä vertailla kahta hintoja, ne pitäisi ilmoittaa mediaani kertaa perustella suhteellisen vaaran oletus.

Lopulta, riippumatta arvosta HR/RR/TAI tilastollinen tulkinta olisi tehtävä vain, kun määritetään, onko tulos antaa tilastollisesti merkittävää näyttöä kohti johtopäätös (määritetty p-arvon tai luottamusvälin)., Näiden periaatteiden ja HR/RR/ – viitekehyksen muistaminen minimoi vääristelyn ja estää tekemästä virheellisiä johtopäätöksiä julkaistun, eri näytteitä koskevan tutkimuksen tuloksista. Kuvassa 2 esitetään yhteenveto näiden eri riskisuhteiden oikeasta ja virheellisestä käytöstä.