Hoe odds ratio's in r te berekenen (met voorbeeld)

In de statistieken vertelt een odds ratio ons de verhouding tussen de kans dat een gebeurtenis zich voordoet in een behandelgroep en de kans dat een gebeurtenis zich voordoet in een controlegroep.

We berekenen vaak een oddsratio bij het uitvoeren van analyses op een tafel van 2 bij 2, die het volgende formaat heeft:

Om een odds ratio in R te berekenen, kunnen we de oddsratio() functie uit het epitools pakket gebruiken.

Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.

Voorbeeld: Bereken een oddsratio in R

Laten we zeggen dat 50 basketbalspelers een nieuw trainingsprogramma gebruiken en 50 spelers een oud trainingsprogramma gebruiken. Aan het einde van het programma testen we elke speler om te zien of hij of zij slaagt voor een bepaalde vaardigheidstest.

De volgende tabel toont het aantal spelers dat wel of niet slaagde, gebaseerd op het programma dat ze gebruikten:

Laten we zeggen dat we een oddsratio willen berekenen om de kansen te vergelijken dat een speler de vaardigheidstest haalt met het nieuwe programma en met het oude programma.

Zo maakt u deze matrix in R:

 #create matrix
program <- c(' New Program ', ' Old Program ')
outcome <- c(' Pass ', ' Fail ')
data <- matrix(c(34, 16, 39, 11), nrow= 2 , ncol= 2 , byrow= TRUE )
dimnames(data) <- list(' Program '=program, ' Outcome '=outcome)

#view matrix
data

             Outcome
Program Pass Fail
  New Program 34 16
  Old Program 39 11

En hier ziet u hoe u de odds ratio kunt berekenen met behulp van de oddsratio() functie uit het epitools- pakket:

 install. packages (' epitools ')

library (epitools)

#calculate odds ratio
oddsratio(data)

$measure
             odds ratio with 95% CI
Program estimate lower upper
  New Program 1.0000000 NA NA
  Old Program 0.6045506 0.2395879 1.480143

$p.value
             two-sided
Program midp.exact fisher.exact chi.square
  New Program NA NA NA
  Old Program 0.271899 0.3678219 0.2600686

$correction
[1] FALSE

attr(,"method")
[1] “median-unbiased estimate & mid-p exact CI”

De oddsratio blijkt 0,6045506 te zijn.

Wij interpreteren dit zo dat de kans dat een speler slaagt voor de test met het nieuwe programma slechts 0,6045506 keer groter is dan de kans dat een speler de test haalt met het oude programma.

Met andere woorden: de kans dat een speler de test doorstaat, wordt door het gebruik van het nieuwe programma feitelijk met ongeveer 39,6% verkleind.

We kunnen de waarden in de onderste en bovenste kolommen van het resultaat ook gebruiken om het volgende 95% betrouwbaarheidsinterval voor de odds ratio te construeren:

95% betrouwbaarheidsinterval voor de oddsratio: [0,24, 1,48] .

We zijn er 95% zeker van dat de werkelijke odds ratio tussen het nieuwe en het oude trainingsprogramma binnen dit interval ligt.

De kolom midp.exact in de uitvoer geeft ook de p-waarde weer die is gekoppeld aan de odds ratio.

Deze p-waarde blijkt 0,271899 te zijn. Aangezien deze waarde niet minder dan 0,05 bedraagt, kunnen we concluderen dat de odds ratio niet statistisch significant is.

Met andere woorden: we weten uit de odds ratio dat de kans op succes van een speler bij gebruik van het nieuwe programma kleiner is dan de kans op succes bij gebruik van het oude programma, maar het verschil tussen deze kansen is feitelijk niet statistisch significant.

Aanvullende bronnen

De volgende tutorials bieden aanvullende informatie over oddsratio’s:

Odds ratio versus relatief risico: wat is het verschil?
De complete gids: Hoe u oddsratio’s kunt rapporteren
Hoe u een betrouwbaarheidsinterval voor een oddsratio kunt berekenen