免费相对风险计算器

流行病学研究常旨在比较两组之间结局的可能性——一组暴露于某种因素，另一组作为参照。本相对风险计算器（也称风险比计算器）即为此目的设计：它快速计算风险比，同时确定相应的置信区间。从事队列研究的研究人员、医疗专业人员和生物统计学家经常依赖这类工具来评估关联的强度。

什么是相对风险？

相对风险（risk ratio）是一种度量，比较事件在暴露人群中发生的概率（风险）与未暴露（或对照）组中相同事件发生的概率。从流行病学角度，如果事件是疾病，相对风险量化了暴露组相比对照组患该疾病的风险高多少倍（或低多少倍）。

一个经典例子：假设研究人员猜想每天饮酒超过两杯会增加肝衰竭风险。他们招募100人进入暴露组（重度饮酒者），100人进入对照组（饮酒不超过两杯的人）。研究发现8名重度饮酒者发生了肝衰竭，而对照组仅有1人。所得相对风险为8——意味着重度饮酒者面临8倍的肝衰竭风险。

相对风险公式

计算公式基于一个简单的列联表：

• $a$ = 暴露组中患病人数；
• $b$ = 暴露组中未患病人数；
• $c$ = 对照组中患病人数；
• $d$ = 对照组中未患病人数。

相对风险公式为：

$$RR = \frac{a/(a+b)}{c/(c+d)}$$

或等价地：

$$RR = \frac{a \cdot (c+d)}{c \cdot (a+b)}$$

将肝衰竭例子的数字代入：

$$RR = \frac{8/(8+92)}{1/(1+99)} = \frac{8/100}{1/100} = 8$$

因此暴露组发生肝衰竭的风险是对照组的8倍。

解读风险比

RR的值直接表明关联方向：

• RR = 1: 两组间风险无差异。在例子中，表明酒精摄入对肝衰竭无影响。
• RR < 1: 暴露组风险低于对照组——保护效应。
• RR > 1: 暴露组风险更高，表明正关联，如酒精例子。

关联强度随着RR远离1而增强。

相对风险的置信区间

单一点估计的RR很少足够；我们还需要置信区间（CI）来评估估计的精确度。例如95% CI包含真实相对风险的概率为95%。

界限的计算使用RR的自然对数以及所需置信水平的Z分数（$Z_{c}$）：

$$\text{CI}_{\text{lower}} = \exp\left[\ln(RR) - Z_{c} \times \sqrt{ \frac{1}{a} + \frac{1}{c} - \frac{1}{a+b} - \frac{1}{c+d} }\right]$$ $$\text{CI}_{\text{upper}} = \exp\left[\ln(RR) + Z_{c} \times \sqrt{ \frac{1}{a} + \frac{1}{c} - \frac{1}{a+b} - \frac{1}{c+d} }\right]$$

常用置信水平及其对应的$Z_{c}$值：

置信水平	$Z_{c}$
90%	1.645
95%	1.960
99%	2.576

将95%的Z分数应用于酒精例子（a=8, b=92, c=1, d=99, RR=8），得到95% CI约从1.02到62.7。这个很宽的区间警告真实相对风险可能远低于或远高于8——结果具有统计学显著性，因为CI不包含1，但远谈不上精确。

样本量的影响

置信区间的宽度很大程度上取决于样本量。假设我们重复研究，每组各有1000人，保持相同比例（暴露组80个事件，对照组10个事件）。RR仍为8，但95% CI缩小到约4.17–15.34。这表明更大的样本量会缩小置信区间，提供更可靠的估计。

这里提供的相对风险计算器可同时即时处理RR计算和CI计算，让您可以尝试不同的数字和置信水平。它是任何队列研究分析以及流行病学和公共卫生中循证决策的重要工具。