计算OR值（odds ratio、比值比、优势比）

2014/04/28来源：Kai评论36,095

Odds ratio(OR)从字面上可看出，是两个odds的ratio，其用于：

在病例对照研究（case-control study）中，分析暴露风险因素与疾病（或者用药）的关联程度；主要是反映暴露与疾病之间关联强度的指标，OR常适用于病例对照研究，也可以运用于前瞻性的研究（当观察时间相等时）

与其相似的有个指标relative risk(RR)，其可以理解为risk ratio，用于：

在队列研究（cohort study）中，分析暴露因素与发病的关联程度；主要是反映暴露与发病（死亡）关联强度的最有用的指标，RR适用于队列研究或随机对照试验。

以一个例子来说明两者的区别，数据表格如下（Mutated gene对应暴露风险因素，Cancer对应疾病）：

	Cancer	Normal	Total
Mutated gene	23	117	140
No mutated gene	6	210	216
Total	29	327	356

则OR = (23/117) / (6/210) = 6.88，RR = (23/140) / (6/216) = 5.91

从上可看出，OR表明暴露组的疾病风险程度是非暴露组的6.88倍，RR表明暴露组发病的风险是非暴露组的5.91倍

OR值的统计学意义：

OR>1，暴露与疾病的危险度增加，两者呈正相关
OR<1，暴露与疾病的危险度减少，两者呈负相关
OR=1，暴露与疾病的危险度无关，两者呈不相关

RR值的统计学意义：

OR>1，暴露因素是疾病的危险因素，两者呈正相关
OR<1，暴露因素是疾病的保护因素，两者呈负相关
OR=1，暴露因素与疾病无关，两者呈不相关

注意点：

当疾病的incidence rate较低时，OR近似于RR，故当疾病很罕见时，常用OR来作为RR的近似值；然而当incidence rate高于10%的时候，OR与RR的差距会变得越来越大，从而使得在这些情况下使用OR就变得并不那么合适了(OR会倾向于给出一个暴露 vs. 非暴露间差距更明显的值，因此导致临床意义不足)

为什么在病例对照研究（case-control study）中无法计算RR值？

因为我们一开始选定的人群是基于他们发没发生event来定的，所以这时候我们这个研究群体里的的incidence rate并不是target population里真实的incidence rate (事实上，case-control study里的incidence rate一般会远大于实际的incidence rate，因为做case-control study的初衷就是因为target population里的event rate太低)，所以我们没法计算RR

Odds ratio(OR)的计算方法

StatQuest教程中StatQuest: Odds Ratios and Log(Odds Ratios)这节讲到了如何计算OR值以及P值（statistical significance），大致可以分为3种方法：

Fisher’s Exact Test
Chi-Square Test
The Wald Test （对应常用的logistic regression）

以上述数据表格为例：

dat <- matrix(c(23, 6, 117, 210), nrow = 2, ncol = 2)
rownames(dat) <- c("Mutated gene", "No mutated gene")
colnames(dat) <- c("Cancer", "Normal")

Fisher’s Exact Test

使用fisher.test函数即可计算P值及OR值，以及置信区间

> fisher.test(dat)
 
    Fisher's Exact Test for Count Data
 
data:  dat
p-value = 1.099e-05
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
  2.613152 21.139349
sample estimates:
odds ratio 
  6.842952

Chi-Square Test

使用chisq.test函数，不对P值做校正的话，加上correct = F参数

> chisq.test(dat, correct = F)
 
    Pearson's Chi-squared test
 
data:  dat
X-squared = 21.154, df = 1, p-value = 4.237e-06

epitools package

如果想同时看Fisher’s Exact Test和Chi-Square Test的结果，并计算OR值的话，可以考虑用epitools包（注意原始输入数据的格式，需要先翻转下），如：

dat2 <- matrix(c(6, 23, 210, 117), nrow = 2, ncol = 2)
rownames(dat2) <- c("No mutated gene", "Mutated gene")
colnames(dat2) <- c("Normal", "Cancer")
 
library(epitools)
> epitools::oddsratio(dat2, correction = F, rev = "c")
$data
                Cancer Normal Total
No mutated gene    210      6   216
Mutated gene       117     23   140
Total              327     29   356
 
$measure
                        NA
odds ratio with 95% C.I. estimate    lower    upper
         No mutated gene 1.000000       NA       NA
         Mutated gene    6.717846 2.805078 18.87268
 
$p.value
                 NA
two-sided           midp.exact fisher.exact   chi.square
  No mutated gene           NA           NA           NA
  Mutated gene    6.572274e-06 1.098703e-05 4.237152e-06
 
$correction
[1] FALSE
 
attr(,"method")
[1] "median-unbiased estimate & mid-p exact CI"

其同样也可以计算RR值

epitools::riskratio(dat2, correction = F, rev = "c")

fmsb package

还可以用fmsb包计算OR值及置信区间（跟SAS结果一致。。。）

library(fmsb)
> fmsb::oddsratio(dat)
           Disease Nondisease Total
Exposed         23        117   140
Nonexposed       6        210   216
Total           29        327   356
 
    Odds ratio estimate and its significance probability
 
data:  dat
p-value = 4.371e-06
95 percent confidence interval:
  2.724202 17.377236
sample estimates:
[1] 6.880342

logistic regression

logistic regression，即假设error terms服从binomial distribution，并使用logit作为link function；然后通过model计算出变量对应的logit(p)，即logodds，odds则是等于exp(logodds)，而p（predict probabilities ）则是odds/(1+odds)

对于Odd Ratios在Logistic regression中的理解可以看：

通过glm函数对数据进行拟合（观察female变量与hon之间的影响）

data <- read.csv("https://stats.idre.ucla.edu/wp-content/uploads/2016/02/sample.csv")
> head(data)
  female read write math hon femalexmath  predicted predicted2
1      0   57    52   41   0           0 -1.4708517 -3.3839875
2      1   68    59   53   0          53 -0.8780695 -1.5079033
3      0   44    33   54   0           0 -1.4708517 -1.3515629
4      0   63    44   47   0           0 -1.4708517 -2.4459454
5      0   47    52   57   0           0 -1.4708517 -0.8825418
6      0   44    52   51   0           0 -1.4708517 -1.8205840
 
f1<-glm(hon~female,data = data,family = binomial)
# summary(f1)$coeff
> summary(f1)
 
Call:
glm(formula = hon ~ female, family = binomial, data = data)
 
Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-0.8337  -0.8337  -0.6431  -0.6431   1.8317  
 
Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)  -1.4709     0.2690  -5.469 4.53e-08 ***
female        0.5928     0.3414   1.736   0.0825 .  
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
 
(Dispersion parameter for binomial family taken to be 1)
 
    Null deviance: 222.71  on 199  degrees of freedom
Residual deviance: 219.61  on 198  degrees of freedom
AIC: 223.61
 
Number of Fisher Scoring iterations: 4

从上可看出，每一单位female的变化（在此例子中相当于从0变成1），hon的log adds增加0.5928，即回归系数（logistic regression coefficients）

查看回归系数以及对应的显著性P值（默认是用）

coef(summary(g))["g2",c("Estimate","Pr(>|z|)")]

从回归系数可计算出OR值（1.8090145）以及置信区间（0.9362394 - 3.5929859）

> exp(cbind(OR = coef(f1), confint(f1)))
Waiting for profiling to be done...
                   OR     2.5 %    97.5 %
(Intercept) 0.2297297 0.1312460 0.3792884
female      1.8090145 0.9362394 3.5929859
# confint.default(f1)

按照公式，OR值也可以手动计算：

data$predicted<-predict(f1)
# Calculate log odds
s1 <-data$predicted[data$female==0][1]
s2 <-data$predicted[data$female==1][1]
odd_ratio<-exp(s1-s2)

predict probabilities从公式上可得是odds/(1+odds)，从上述可的female变量对应的log odds，然后转化成odds后即可计算，如：

exp(s2)/(1 + exp(s2))
# exp(s1)/(1 + exp(s1))

或者通过下述函数也可直接出结果

predict(f1, type = "response")

绘制拟合曲线散点图（这个示例数据不太合适展示，拟合效果有点差，因此不展示了）

# f2<-glm(hon~math,data = data,family = binomial)
# 
# library(dplyr)
# dt <-data %>%
#   group_by(math,hon) %>%
#   summarise(freq=n()) %>%
#   mutate(all=sum(freq),prob=freq/all,odds=prob/(1-prob),logodds=log(odds)) %>%
#   round(.,5)
# 
# data$fit <- predict(f2, data, type = "response")
# 
# dt <- left_join(dt, data[,c("math", "fit")])
# library(ggplot2)
# ggplot(dt, aes(x=math, y=prob)) + 
#   geom_point() +
#   geom_line(aes(x=math, y=fit))