胜算比计算器 - 2×2表的OR、CI和P值
根据2×2列联表计算胜算比、置信区间、Z值和P值,适用于病例对照和流行病学研究。
输入2×2表中的四个单元格计数,选择置信水平,即可立即获得带完整统计推断的胜算比。
胜算比计算器 - 2×2表的OR、CI和P值
根据2×2列联表计算胜算比、置信区间、Z值和P值,适用于病例对照和流行病学研究。
填写暴露组和未暴露组的计数。单元格必须为非负整数。当任一单元格为零时,将自动应用 Haldane-Anscombe 校正(每个单元格加 0.5)。
暴露组
未暴露组
关于胜算比计算器
胜算比(OR)是生物医学研究、流行病学和社会科学中最常用的关联指标之一。它通过比较暴露组中结局发生的胜算与未暴露组中结局发生的胜算,来量化暴露与二元结局之间关系的强度。OR 等于 1 表示没有关联;OR 大于 1 表示暴露会增加结局的胜算;OR 小于 1 则表示暴露具有保护作用。
胜算比基于 2×2 列联表计算,这是病例对照研究数据的标准呈现格式。该表有四个单元格:(a) 有结局的暴露者,(b) 无结局的暴露者,(c) 有结局的未暴露者,以及 (d) 无结局的未暴露者。公式非常简单:OR = (a × d) / (b × c),也就是该表的交叉乘积比。
OR 的统计推断是在其自然对数上进行的,因为 ln(OR) 的抽样分布近似正态,即使样本量中等也是如此。ln(OR) 的标准误为 SE = √(1/a + 1/b + 1/c + 1/d)。据此可计算 Z 值:Z = ln(OR) / SE;在“无关联”(OR = 1)的原假设下,它服从标准正态分布。双侧 p 值为 p = 2 × Φ(−|Z|),其中 Φ 为标准正态分布的累积分布函数。如果 p 值低于你选择的显著性水平(通常为 0.05),则该胜算比与 1 存在统计学显著差异。
OR 的置信区间(CI)通过对 ln(OR) 周围的区间取指数得到:CI = [exp(ln OR − Z_α/2 × SE), exp(ln OR + Z_α/2 × SE)]。对于 95% CI,Z_α/2 = 1.96。如果 CI 不包含 1.0,则结果在 5% 水平上具有统计学显著性。CI 的宽度反映了估计的精度;样本量较小或单元格稀疏时,区间会更宽。
当 2×2 表中的任一单元格为 0 时,会出现一个实际问题,这会使标准 OR 公式无定义(除以零或对零取对数)。常见的处理方法是 Haldane-Anscombe 校正:在计算 OR 和 SE 之前,给每个单元格都加上 0.5。此计算器会自动应用该校正,并在使用时提示你。虽然该校正会带来轻微偏倚,但总比无法得到结果要好得多。
OR 是病例对照研究中的自然指标,因为这类研究的抽样设计固定的是病例和对照的数量,而不是暴露率。在队列研究和随机试验中,通常更偏好相对风险(RR),因为它更直观。对于罕见结局(患病率低于约 10%),OR ≈ RR;但对于常见结局,OR 总是比对应的 RR 更远离 1,因此把 OR 当作 RR 来解释可能会夸大关联强度。务必说明你使用的是哪种指标,并检查你的数据是否满足罕见病假设。
示例演示
三个经典研究场景,展示如何解读胜算比输出并判断统计学显著性。
| 研究场景 | 胜算比 | 解读 |
|---|---|---|
| 吸烟与肺癌:a=650, b=350, c=100, d=900(95% CI) | OR = 16.71 (CI: 13.07 – 21.38) | 与不吸烟者相比,吸烟者患肺癌的胜算约高 16.7 倍。CI 不包含 1.0,因此这种关联具有高度显著性。 |
| 新药 vs. 安慰剂:a=38, b=162, c=85, d=115(95% CI) | OR = 0.318 (CI: 0.196 – 0.516) | 该药物使疾病胜算降低约 68%。OR < 1 表示具有保护作用;CI 完全低于 1。 |
| 疫苗研究:a=15, b=485, c=55, d=445(95% CI) | OR = 0.250 (CI: 0.138 – 0.454) | 接种疫苗者的感染胜算低 75%。这是一个强保护性关联,且置信区间较窄并具有统计学显著性。 |
如何使用胜算比计算器
- 将数据整理成 2×2 表:单元格 (a) = 暴露且有结局,(b) = 暴露且无结局,(c) = 未暴露且有结局,(d) = 未暴露且无结局。
- 在“暴露组”和“未暴露组”下方对应的输入框中输入四个非负计数。
- 从下拉菜单中选择所需的置信水平(90%、95% 或 99%)。大多数已发表研究使用 95%。
- 点击计算。工具会返回 OR、置信区间、Z 值和 p 值。如果任一单元格为零,会显示校正提示。
- 解读结果:OR > 1 表示暴露增加胜算;OR < 1 表示暴露降低胜算。检查 CI 是否包含 1,以及 p 是否 ≤ α。
常见问题
什么是胜算比?它与相对风险有何不同?
胜算比比较的是两个组的结局胜算,而相对风险(RR)比较的是概率。对于罕见结局(患病率 < 10%),OR ≈ RR;对于常见结局,OR 会比 RR 更远离 1.0。病例对照研究只能有效估计 OR,而不能估计 RR,因为其抽样是基于结局的。
我该如何解读 OR = 2.5?
OR = 2.5 表示暴露组结局胜算是未暴露组的 2.5 倍。除非结局很罕见,否则这不意味着风险高 2.5 倍。对于常见结局,真实的风险比会小于 2.5。
置信区间告诉我什么?
95% 置信区间表示:如果在相同条件下重复研究很多次,约 95% 的计算区间会包含真实总体 OR。实际中,如果 CI 不包含 1.0,则结果在 α = 0.05 水平上具有统计学显著性。较宽的 CI 表示精度较低,通常是因为样本量较小。
Haldane-Anscombe 校正什么时候使用?
当任一单元格等于 0 时,校正会给每个单元格加 0.5。零单元格会使标准 OR 公式无定义(对零取对数或除以零)。该校正可以继续进行估计,是最常见的处理方式,但会引入轻微偏倚。计算器会在使用时高亮提示。
我可以把这个计算器用于随机对照试验吗?
可以,但建议同时报告相对风险(RR)或用 RR 替代 OR,因为对于常见结局,RR 更直观,也更符合临床指南的偏好。对于结局罕见的 RCT,或者在荟萃分析中跨研究设计合并时,OR 仍然适用。
为什么 p 值和置信区间有时看起来矛盾?
它们其实不应矛盾:不包含 1.0 的 95% CI 一定对应双侧检验中 p < 0.05。看似矛盾通常来自四舍五入、将单侧 p 值与双侧 CI 比较,或对 CI 和检验的 alpha 采用了不同的水平。两者应保持一致。
相关工具
期望值计算器
计算离散概率分布的期望值、方差和标准差,输入结果与概率即可立即得到 E[X]。
风险计算器:相对风险、绝对风险和 NNT
计算相对风险(RR)、绝对风险降低(ARR)和需治疗人数(NNT)。适用于临床试验与流行病学。
样本比例抽样分布计算器
样本比例抽样分布计算器。即时求均值、标准误、正态性检查、Z 分数和累计概率。
合并标准差计算器 - 两个样本
使用两个样本的样本量、均值和标准差计算合并标准差,为 t 检验和统计分析提供准确结果。
ROC曲线与AUC计算器
输入二分类模型的预测分数和真实标签,计算AUC、绘制ROC曲线,并查看灵敏度、特异度和最佳阈值。
比例常数计算器(y = kx)
输入一组或多组 (x, y) 值,快速求出 y = kx 中的 k 并验证是否成正比例。
标准差计算器:样本与总体
计算样本和总体数据的标准差。输入数字列表,即可快速得到标准差、方差、平均值、总和和范围。
两方差相等 F 检验计算器
执行两方差相等的 F 检验。输入样本方差和样本量,获得 F 统计量、p 值以及拒绝或不拒绝的判断。