相對風險置信區間的計算

我正在使用 R 中的 Epitools 來計算相對風險的置信區間。

http://bm2.genes.nig.ac.jp/RGM2/R_current/library/epitools/man/riskratio.html

裡面有三種計算方法：Wald、Small和Boot。

我想找一些描述這三種方法的文章，但我找不到，誰能幫忙？謝謝！

提出的三個選項是riskratio()指漸近或大樣本方法、小樣本近似方法、重採樣方法（漸近引導，即不基於百分位數或偏差校正）。前者在 Rothman 的書（在聯機幫助中引用）第 1 章中有所描述。14，第 241-244 頁。後者相對微不足道，所以我將跳過它。小樣本方法只是對估計的相對風險計算的調整。

如果我們考慮下表根據暴露和疾病狀態交叉分類的受試者的計數表，

         Exposed  Non-exposed  Total
Cases          a1           a0     m1
Non-case       b1           b0     m0
Total          n1           n0      N

風險比 (RR) 的 MLE，， 是. 在大樣本方法中，得分統計量（用於測試，或等效地，） 用來，，其中分子反映暴露病例的觀察計數和預期計數之間的差異，以及是方差. 現在，這就是計算-value 因為我們知道服從卡方分佈。事實上，這三個-值（中，Fisher 精確檢驗，以及-test) 返回的值riskratio()在tab2by2.test()函數中計算。有關中期的更多信息, 你可以參考

貝瑞和阿米蒂奇 (1995)。Mid-P 置信區間：簡要回顧。統計學家，44（4），417-423。

現在，為了計算CIs，這種漸近方法產生一個近似的 SD 估計的，並且發現 Wald 極限為， 在哪裡是標準正態分佈的對應分位數。

小樣本方法使用調整後的 RR 估計量：我們只需替換分母經過.

至於如何決定是依賴大樣本還是小樣本，主要是檢查預期的細胞頻率；為了有效，,,和應該.

通過羅斯曼的例子（第 243 頁），

sel <- matrix(c(2,9,12,7), 2, 2)
riskratio(sel, rev="row")

產生

$data
         Outcome
Predictor  Disease1 Disease2 Total
 Exposed2        9        7    16
 Exposed1        2       12    14
 Total          11       19    30

$measure
         risk ratio with 95% C.I.
Predictor  estimate    lower    upper
 Exposed2 1.000000       NA       NA
 Exposed1 1.959184 1.080254 3.553240

$p.value
         two-sided
Predictor  midp.exact fisher.exact chi.square
 Exposed2         NA           NA         NA
 Exposed1 0.02332167   0.02588706 0.01733469

$correction
[1] FALSE

attr(,"method")
[1] "Unconditional MLE & normal approximation (Wald) CI"

用手，我們會得到 ,,,,,.

以下論文還討論了 RR 或 OR 的檢驗統計量的構建：

1. 米蒂寧和努爾米寧 (1985)。兩種費率對比分析。*醫學統計學，4：213-226。
2. 貝克爾（1989）。在單個 2 × 2 表中比較最大似然和 Jewell 估計的優勢比和相對風險。醫學統計，8（8）：987-996。
3. 田、唐、吳和陳（2008 年）。逆抽樣下風險比的置信區間。醫學統計，27（17），3301-3324。
4. 沃爾特和庫克 (1991)。比較單個 2 x 2 列聯表中優勢比的幾個點估計量。生物識別，47（3）：795-811。

筆記

1. 據我所知，Selvin 的書中沒有提及相對風險（在線幫助中也有提及）。
2. Alan Agresti 也有一些相對風險的代碼。

引用自：https://stats.stackexchange.com/questions/3112