SPSS详细教程:相对危险度(RR)的计算
一、问题与数据
研究者想探索吸烟与肺癌间的关联,即吸烟者患肺癌的风险是否比不吸烟者高以及高多少。研究者从一般人群中随机抽样700名调查对象建立前瞻性队列研究。调查对象的吸烟状态为吸烟或不吸烟。在研究开始时,所有调查对象均未患肺癌。研究者随访10年记录调查对象是否患肺癌。
因此,研究者可以分别得到患肺癌的吸烟者、未患肺癌的吸烟者、患肺癌的不吸烟者和未患肺癌的不吸烟者的人数,据此可以计算吸烟组与不吸烟组的风险差异。
本例中代表吸烟状态的变量为smoking_status,吸烟赋值为1,不吸烟赋值为2;代表随访期肺癌发病与否的变量为lung_cancer,患肺癌赋值为1,未患肺癌赋值为2。
部分数据截图如下,左侧为原始数据,右侧为按不同吸烟状态和患肺癌与否统计的汇总数据。
二、对问题的分析
为计算相对危险度(RR),需要满足以下假设:
假设1:因变量和自变量均为二分类变量。
假设2:各观测间相互独立。
接下来将详细介绍如何计算相对危险度。
三、SPSS操作
1. 数据准备
如果研究者使用原始数据,则跳过数据准备步骤,直接计算相对危险度;如果使用按不同吸烟状态和患肺癌与否来统计得到汇总数据,则需要添加权重,步骤如下。
(1)点击主菜单Data > Weight Cases,如下图:
点击后出现Weight Cases对话框,如下图:
(2)勾选Weight cases by选项,激活 键和Frequency Variable: 框,如下图:
(3)将变量freq选入Frequency Variable框,如下图:
(4)点击OK键,为数据加权。
2. 相对危险度的SPSS操作
(1)点击主菜单Analyze > Descriptive Statistics > Crosstabs,如下图:
点击后出现Crosstabs对话框,如下图:
注意:如果使用频数统计的数据文件,Crosstabs对话框如下图:
(2)将自变量smoking_status选入Row(s)框,因变量lung_cancer选入Column(s)框,如下图:
注意:如果使用频数统计的数据文件,Crosstabs对话框如下图:
(3)点击Statistics键,出现Crosstabs:Statistics对话框,如下图:
(4)勾选Risk,如下图:
(5)点击Continue键,返回Crosstabs对话框。
(6)点击Cells键,出现Crosstabs:Cell Display对话框,如下图:
(7)勾选Percentanges区域的Row,如下图:
(8)点击Continue键,返回Crosstabs对话框。
(9)点击OK键,生成结果。
四、结果解释
1. 描述性统计分析
在报告相对危险度前,研究者应该先查看基本的一些统计量,了解数据特征。本例中在smoking_status*lung_cancer Crosstabulation表,如下图:
首先,表中可看到在350名吸烟者中患肺癌的人数,如下图高亮:
随访期间29名吸烟者患肺癌,即8.3%(29÷350*100%=8.3%)的吸烟者患肺癌。
注意:表中仅保留了一位小数,SPSS会自动计算相对危险度;如果研究者想得到更多小数位数手动计算的相对危险度,则双击smoking_status*lung_cancer Crosstabulation表,如下图。可观察到8.3%变为8.285714%。
其次,还能看到350名不吸烟者中患肺癌的人数,如下图:
随访期间9名不吸烟者患肺癌,即2.6%(9÷350*100%=2.6%)的不吸烟者患肺癌。研究者想得到更多小数位数手动计算的相对危险度,也可以如上操作,2.6%变为2.571429%,如下图:
从smoking_status*lung_cancer Crosstabulation表中可以得到初步结论:与不吸烟者相比,吸烟者患肺癌的风险更高。
研究者可以汇报:本研究随机抽样700名调查对象,吸烟者和不吸烟者各350名,吸烟者患肺癌的比例(8.3%)高于不吸烟者(2.6%)。
当然,研究者也可以选择分别汇报患肺癌的吸烟者、未患肺癌的吸烟者、患肺癌的不吸烟者和未患肺癌的不吸烟者的人数。
2. 相对危险度
相对危险度结果可以在Risk Table表中查看,如下图高亮显示。
注意:表中高亮显示的为“For cohort lung_cancer=Yes”行,不是“For cohort lung_cancer=No”,因为研究者感兴趣的是吸烟对患肺癌的影响。
吸烟者患肺癌的相对危险度是3.222,95%置信区间为1.548到6.707。95%置信区间说明研究者有95%的把握说明人群中真实的相对危险度在1.548和6.707间。
如果研究者手动计算相对危险度,则需要吸烟者患肺癌的比例即0.08285714和不吸烟者患肺癌的比例即0.02571429。将两个比例输入到相对危险度计算公式,如下图:
如果相对危险度大于1且95%置信区间不包括1,说明暴露组发生疾病的风险高于非暴露组,是结局的危险因素。本例中相对危险度3.222说明吸烟者患肺癌的风险高出不吸烟者222%。研究者还可以计算超额危险度,公式如下,其中RR为相对危险度。
本例中,超额危险度则为:
如果相对危险度小于1且95%置信区间不包括1,则意味着暴露组患病风险降低,是结局的保护因素。例如,相对危险度为0.34,代表与非暴露组相比,暴露组研究对象发生疾病的风险降低66%,计算如下。负号代表发生疾病的风险降低。
如果相对危险度的95%置信区间包括1,说明暴露组与非暴露组发生疾病的风险差异无统计学意义。
提示:研究者必须把自变量smoking_status选入Row(s),因变量lung_cancer选入Column(s)。如果选反,则会出现如下结果。
上表中相对危险度为1.574,95%置信区间上下限也分别变为1.297和1.910。因此,研究者需注意选对自变量和因变量。
综上,研究者可以汇报:本研究随机抽样700名调查对象,吸烟者和不吸烟者各350名,吸烟者患肺癌的比例(8.3%)高于不吸烟者(2.6%)。与不吸烟者相比,吸烟者患肺癌的相对危险度为3.222(95%置信区间为1.548-6.707)。
五、撰写结论
如果相对危险度95%置信区间不包括1,可以汇报:
本研究随机抽样700名调查对象,吸烟者和不吸烟者各350名,吸烟者患肺癌的比例(8.3%)高于不吸烟者(2.6%)。与不吸烟者相比,吸烟者患肺癌的相对危险度为3.222(95%置信区间为1.548-6.707),且有统计学意义。
如果相对危险度95%置信区间包括1,可以汇报(另外列举一个例子):
有900名永久性房颤病人随机分配至两组,每组450名,一组使用降低脑卒中风险的新药,另外一组使用常规药物。使用新药的房颤病人中11人(2.4%)患脑卒中,使用常规药物病人24人(4.7%)患脑卒中。与使用常规药物的房颤病人相比,使用新药的病人患脑卒中的相对危险度为0.524(95%置信区间为0.256-1.074),没有统计学意义。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14