Il medico ti ha dato la scelta tra due farmaci per il trattamento dell'asma. Quando si confrontano le visite del pronto soccorso, si nota che 10 pazienti sul farmaco A hanno riferito di un viaggio in ospedale rispetto ai cinque pazienti in terapia. A prima vista, sembrerebbe che il farmaco B sia la scelta migliore. Per prendere una decisione informata, tuttavia, è necessario conoscere un po 'di più sulle statistiche e il modo in cui vengono calcolati gli odds ratio calcolati.

Prime impressioni

Se si dividono le visite ospedaliere segnalate per farmaco B da quelli per la medicina A, ti verrà in mente il rapporto di probabilità. In questo esempio, il rapporto di probabilità è 0,5. Il rapporto significa che hai circa il 50% in più di possibilità di andare in ospedale quando prendi il farmaco A sul farmaco B. Questo rapporto è noto come un rapporto non aggiustato o grezzo perché non tiene conto di nulla tranne il numero riportato di ospedale visite.

Esposizione e risultato

Il valore numerico di un rapporto di probabilità ti dà un'idea di cosa accadrà quando un paziente è esposto a qualcosa - in questo caso, farmaci per l'asma. Un odds ratio di 1 significa che l'esposizione non influisce sul risultato: in altre parole, il farmaco non funziona. Un odds ratio maggiore di 1 indica quote più alte del risultato, mentre un rapporto inferiore a 1 indica quote più basse del risultato.

La vita succede

Il problema con un rapporto di probabilità grezzo è che è interamente monodimensionale. Non riflette l'influenza di fattori confondenti come l'età, altre condizioni mediche o anche qualcosa di semplice come l'accesso a una clinica rispetto a un pronto soccorso. La tua opinione sui farmaci potrebbe cambiare se hai appreso che tutti i pazienti sul farmaco A ricevevano anche un trattamento per il cancro del polmone e tutti i pazienti sul farmaco B erano in buona salute, o se hai scoperto che i pazienti sul farmaco A vivevano a cinque miglia di distanza dall'ospedale ea 60 miglia dalla clinica più vicina.

Variabili di confusione

Pochissime cose nella vita hanno una chiara relazione di causa ed effetto. Nella statistica, gli "altri" fattori che influenzano la relazione tra due cose sono noti come variabili di confondimento. Se solo una variabile influenza la relazione, i matematici eseguiranno un aggiustamento statistico per fornire un rapporto più accurato. Quando tutte le variabili sono state prese in considerazione, si dice che il rapporto sia completamente adeguato. Poiché la regolazione di un rapporto di probabilità è molto complessa, i ricercatori cercano di controllare quante più variabili possibili per garantire risultati accurati. Nei trial farmaceutici, ad esempio, i ricercatori cercheranno partecipanti della stessa età e sesso con storie mediche simili.