Riesgo relativo

Medida de asociación utilizada en epidemiología.

El grupo expuesto al tratamiento (izquierda) tiene la mitad de riesgo (RR = 4/8 = 0,5) de un resultado adverso (negro) en comparación con el grupo no expuesto (derecha).

El riesgo relativo (RR) o índice de riesgo es la relación entre la probabilidad de un resultado en un grupo expuesto y la probabilidad de un resultado en un grupo no expuesto. Junto con la diferencia de riesgos y el odds ratio , el riesgo relativo mide la asociación entre la exposición y el resultado. ^[1]

Uso y significado estadístico

El riesgo relativo se utiliza en el análisis estadístico de los datos de estudios ecológicos , de cohorte , médicos y de intervención, para estimar la fuerza de la asociación entre exposiciones (tratamientos o factores de riesgo) y resultados. ^[2] Matemáticamente, es la tasa de incidencia del resultado en el grupo expuesto, dividida por la tasa del grupo no expuesto . ^[3] Como tal, se utiliza para comparar el riesgo de un resultado adverso al recibir un tratamiento médico versus ningún tratamiento (o placebo), o para factores de riesgo ambientales. Por ejemplo, en un estudio que examinó el efecto del fármaco apixaban sobre la aparición de tromboembolismo, el 8,8% de los pacientes tratados con placebo experimentaron la enfermedad, pero sólo el 1,7% de los pacientes tratados con el fármaco la experimentaron, por lo que el riesgo relativo es 0,19 ( 1,7/8,8): los pacientes que recibieron apixaban tuvieron un 19% más de riesgo de enfermedad que los pacientes que recibieron placebo. ^[4] En este caso, apixaban es un factor protector más que un factor de riesgo , porque reduce el riesgo de enfermedad. ${\displaystyle I_{e}}$ ${\displaystyle I_{u}}$

Suponiendo el efecto causal entre la exposición y el resultado, los valores de riesgo relativo pueden interpretarse de la siguiente manera: ^[2]

• RR = 1 significa que la exposición no afecta el resultado
• RR < 1 significa que el riesgo del resultado disminuye por la exposición, que es un " factor protector "
• RR > 1 significa que el riesgo del resultado aumenta por la exposición, que es un " factor de riesgo "

Como siempre, correlación no significa causalidad; la causalidad podría revertirse o ambas podrían ser causadas por una variable de confusión común . El riesgo relativo de tener cáncer en el hospital versus en casa, por ejemplo, sería mayor que 1, pero eso se debe a que tener cáncer hace que las personas vayan al hospital.

Uso en informes

El riesgo relativo se utiliza comúnmente para presentar los resultados de ensayos controlados aleatorios. ^[5] Esto puede ser problemático si el riesgo relativo se presenta sin las medidas absolutas, como el riesgo absoluto o la diferencia de riesgo. ^[6] En los casos en que la tasa base del resultado es baja, los valores grandes o pequeños de riesgo relativo pueden no traducirse en efectos significativos, y la importancia de los efectos para la salud pública puede sobreestimarse. De manera equivalente, en los casos en que la tasa base del resultado es alta, los valores del riesgo relativo cercanos a 1 aún pueden generar un efecto significativo y sus efectos pueden subestimarse. Por tanto, se recomienda la presentación de medidas tanto absolutas como relativas. ^[7]

Inferencia

El riesgo relativo se puede estimar a partir de una tabla de contingencia de 2×2 :

La estimación puntual del riesgo relativo es

${\displaystyle RR={\frac {IE/(IE+IN)}{CE/(CE+CN)}}={\frac {IE(CE+CN)}{CE(IE+IN)}}.}$

La distribución muestral de es más cercana a la normal que la distribución de RR, ^[8] con error estándar ${\displaystyle \log(RR)}$

${\displaystyle SE(\log(RR))={\sqrt {{\frac {IN}{IE(IE+IN)}}+{\frac {CN}{CE(CE+CN)}}}}.}$

El intervalo de confianza para es entonces ${\displaystyle 1-\alpha }$ ${\displaystyle \log(RR)}$

${\displaystyle CI_{1-\alpha }(\log(RR))=\log(RR)\pm SE(\log(RR))\times z_{\alpha },}$

¿Dónde está la puntuación estándar para el nivel de significancia elegido ? ^{[9] [10]} Para encontrar el intervalo de confianza alrededor del propio RR, los dos límites del intervalo de confianza anterior se pueden exponenciar . ^[9] ${\displaystyle z_{\alpha }}$

En los modelos de regresión, la exposición suele incluirse como una variable indicadora junto con otros factores que pueden afectar el riesgo. El riesgo relativo generalmente se informa calculado para la media de los valores muestrales de las variables explicativas. ^{[ cita necesaria ]}

Comparación con el odds ratio

Razón de riesgo versus razón de probabilidades

El riesgo relativo es diferente del odds ratio , aunque el odds ratio se aproxima asintóticamente al riesgo relativo para probabilidades pequeñas de resultados. Si IE es sustancialmente menor que IN , entonces IE/(IE + IN) IE/IN. De manera similar, si CE es mucho menor que CN, entonces CE/(CN + CE) CE/CN. Por lo tanto, bajo el supuesto de enfermedad rara ${\displaystyle \scriptstyle \approx }$ ${\displaystyle \scriptstyle \approx }$

${\displaystyle RR={\frac {IE(CE+CN)}{CE(IE+IN)}}\approx {\frac {IE\cdot CN}{IN\cdot CE}}=OR.}$

En la práctica, el odds ratio se utiliza comúnmente para estudios de casos y controles , ya que no se puede estimar el riesgo relativo. ^[1]

De hecho, el odds ratio tiene un uso mucho más común en estadística, ya que la regresión logística , a menudo asociada con ensayos clínicos , funciona con el registro del odds ratio, no con el riesgo relativo. Debido a que el registro natural de las probabilidades de un registro se estima como una función lineal de las variables explicativas, la razón de probabilidades estimada para las personas de 70 y 60 años asociada con el tipo de tratamiento sería la misma en Modelos de regresión logística donde el resultado se asocia con la droga y la edad, aunque el riesgo relativo podría ser significativamente diferente. ^{[ cita necesaria ]}

Dado que el riesgo relativo es una medida más intuitiva de efectividad, la distinción es importante especialmente en casos de probabilidades medias a altas. Si la acción A conlleva un riesgo del 99,9% y la acción B un riesgo del 99,0%, entonces el riesgo relativo es un poco más de 1, mientras que las probabilidades asociadas con la acción A son más de 10 veces mayores que las probabilidades con B. ^{[ cita necesaria ]}

En el modelado estadístico, enfoques como la regresión de Poisson (para recuentos de eventos por unidad de exposición) tienen interpretaciones de riesgo relativo: el efecto estimado de una variable explicativa es multiplicativo sobre la tasa y, por lo tanto, conduce a un riesgo relativo. La regresión logística (para resultados binarios, o recuentos de éxitos de una serie de ensayos) debe interpretarse en términos de odds ratio: el efecto de una variable explicativa es multiplicativo sobre las probabilidades y, por tanto, conduce a un odds ratio. ^{[ cita necesaria ]}

Interpretación bayesiana

Podríamos suponer una enfermedad notada por y ninguna enfermedad notada por , una exposición notada por y ninguna exposición notada por . El riesgo relativo se puede escribir como ${\displaystyle D}$ ${\displaystyle \neg D}$ ${\displaystyle E}$ ${\displaystyle \neg E}$

${\displaystyle RR={\frac {P(D\mid E)}{P(D\mid \neg E)}}={\frac {P(E\mid D)/P(\neg E\mid D)}{P(E)/P(\neg E)}}.}$

De esta manera, el riesgo relativo puede interpretarse en términos bayesianos como la relación posterior de la exposición (es decir, después de ver la enfermedad) normalizada por la relación anterior de la exposición. ^[11] Si la proporción posterior de exposición es similar a la anterior, el efecto es aproximadamente 1, lo que indica que no hay asociación con la enfermedad, ya que no cambió las creencias sobre la exposición. Si, por otro lado, la proporción posterior de exposición es menor o mayor que la proporción anterior, entonces la enfermedad ha cambiado la visión del peligro de exposición, y la magnitud de este cambio es el riesgo relativo.

Ejemplo numérico

Ver también

• riesgo absoluto
• Reducción relativa del riesgo
• Falacia de la tasa base
• Estadísticas de Cochran-Mantel-Haenszel para la agregación de índices de riesgo en varios estratos
• Medida de impacto poblacional
• AbrirEpi
• Razón de tasas

Referencias

1. Sistrom CL, Garvan CW (enero de 2004). "Proporciones, probabilidades y riesgos". Radiología . 230 (1): 12–9. doi :10.1148/radiol.2301031028. PMID  14695382.
2. Carneiro, Ilona. (2011). Introducción a la epidemiología. Howard, Natasha. (2ª ed.). Maidenhead, Berkshire: Open University Press. pag. 27.ISBN​ 978-0-335-24462-1. OCLC  773348873.
3. Bruce, Nigel, 1955- (29 de noviembre de 2017). Métodos cuantitativos para la investigación en salud: una guía práctica interactiva de epidemiología y estadística. Pope, Daniel, 1969-, Stanistreet, Debbi, 1963- (Segunda ed.). Hoboken, Nueva Jersey. pag. 199.ISBN​ 978-1-118-66526-8. OCLC  992438133.{{cite book}}: Mantenimiento CS1: falta la ubicación del editor ( enlace ) Mantenimiento CS1: varios nombres: lista de autores ( enlace ) Mantenimiento CS1: nombres numéricos: lista de autores ( enlace )
4. Motulsky, Harvey (2018). Bioestadística intuitiva: una guía no matemática para el pensamiento estadístico (Cuarta ed.). Nueva York. pag. 266.ISBN​ 978-0-19-064356-0. OCLC  1006531983.{{cite book}}: Mantenimiento CS1: falta el editor de la ubicación ( enlace )
5. Nakayama T, Zaman MM, Tanaka H (abril de 1998). "Informe de riesgos atribuibles y relativos, 1966-97". Lanceta . 351 (9110): 1179. doi :10.1016/s0140-6736(05)79123-6. PMID  9643696. S2CID  28195147.
6. Noordzij M, van Diepen M, Caskey FC, Jager KJ (abril de 2017). "Riesgo relativo versus riesgo absoluto: uno no se puede interpretar sin el otro". Nefrología, Diálisis, Trasplantes . 32 (suplemento_2): ii13–ii18. doi : 10.1093/ndt/gfw465 . PMID  28339913.
7. Moher D, Hopewell S, Schulz KF, Montori V, Gøtzsche PC, Devereaux PJ, Elbourne D, Egger M, Altman DG (marzo de 2010). "Explicación y elaboración de CONSORT 2010: directrices actualizadas para informar ensayos aleatorios de grupos paralelos". BMJ . 340 :c869. doi :10.1136/bmj.c869. PMC 2844943 . PMID  20332511. 
8. "Errores estándar, intervalos de confianza y pruebas de significancia". StataCorp LLC .
9. Szklo, Moisés; Nieto, F.Javier (2019). Epidemiología: más allá de lo básico (4ª ed.). Burlington, Massachusetts: Jones & Bartlett Learning. pag. 488.ISBN​ 9781284116595. OCLC  1019839414.
10. Katz, D.; Bautista, J.; Azen, SP; Pike, MC (1978). "Obtención de intervalos de confianza para el riesgo relativo en estudios de cohortes". Biometría . 34 (3): 469–474. doi :10.2307/2530610. JSTOR  2530610.
11. Armitage P , Berry G, Matthews JN (2002). Armitage P, Berry G, Matthews J (eds.). Métodos estadísticos en la investigación médica . vol. 64 (Cuarta ed.). Blackwell Science Ltd. pag. 1168. doi : 10.1002/9780470773666. ISBN 978-0-470-77366-6. PMC  1812060 . {{cite book}}: |journal=ignorado ( ayuda )

enlaces externos

• Calculadora en línea de riesgo relativo