队列研究中，最常见的模式是这样的：
RR: 暴露人群与非暴露人群患病概率之比
在良好的队列研究中，我们能够直接得到暴露与分暴露人群最终的患病率，因此在队列研究中，我们常使用RR值来估计暴露因素对患病风险增加的实际效应。 说起来，其实使用RR值还有个非常重要的前提条件，就是我们能准确计算暴露组的患病率P和非暴露组的患病率。那么问题来了，队列研究都能计算出这两个值，进而得到RR值么?对此不同的专家都曾在论著中发表过意见，让我们一起看看。(由于意见不一致，在此我们不一一指出出处了，真感兴趣的话，可以私下讨论~)
观点1：回顾性队列研究不能计算RR值?
有专家在著作中提出，是否为“回顾性队列”是判断能否使用RR值评价暴露效应的条件。的确，在前瞻性队列研究中，我们能更完善的记录患者的信息，研究对象的观察起点、终点也很明确，得到准确的P和并不困难。但是在回顾性队列中，则可能出现一些情况导致我们对两个概率的估计出现偏差。但是也并非所有的回顾性队列都无法准确计算这两个概率，比如基于某医院的孕妇产检队列完成的研究，各项信息和最终生产结局记录完整，当然可以准确计算两个概率和RR值。
观点2：基于医院患者建立的队列不能计算RR值?
基于社区人群的队列，其人群代表性比较可靠。而基于医院的队列并不能完整的代表社区人群，毕竟其中非健康状态人群比例较大。此时用医院队列得到的某危险因素RR值来估计该因素的实际效应，就有可能存在错误估计。但是如果我们的外推仅仅是对医院的患者呢?当我们仅外推到医院这个大人群时，并不存在无法计算RR值的问题。
观点3：当潜在偏倚存在的可能性较大时，队列研究的RR值可能存在偏差!
其实从上两个观点各有道理，却又都有局限性。但是他们背后的规律都是潜在偏倚导致了对效应的错误估计。基于回顾性队列计算RR值时，其RR值可能受到信息偏倚(比如失访不均)的影响而发生偏离;基于医院人群的队列计算RR值时，其RR值可能受到选择偏倚的影响而发生偏离。总之，偏倚本身的效应就是导致我们对危险因素效应的估计存在偏差，当然也会影响到RR值本身。
RR是如何受到影响的呢?
我们不妨来个糖炒栗子。假设我们有一个队列研究，研究开始选取没有发生结局的暴露组100人，非暴露组100人。
理想情况下，患者不会出现失访，随访1年后两组患者的患病率相同，均为50%。此时的真实RR值应该等于1。
实际上失访是不可避免的，随访一段时间后一些患者陆续失访了，两组仍能随访到的人数分别为75人(暴露组)和60人(非暴露组)。
同时，暴露组与非暴露组中，失访对象中患病率并不相同。比如观察新药A和传统药物B的不良反应，因为A刚上市，因而医生和患者都更关注其不良反隐，因此以一旦出现不良反应的倾向都会及时随访并记录;失访的患者通常没有什么大问题。而老药B上市很多年了，即便出现了不良反应患者和医生也都习以为常了，甚至患者出现不良反应后认为医生水平不高，反而更倾向于失访。就形成了这样的尴尬局面。
此时估计的RR值已经不再是真实的1了，到底偏了多远呢?让我们来算算看。
可见，潜在的偏倚会直接影响效应的估计。因此在计算RR值之前，我们首先还是要估计一下偏倚的种类、方向和水平，从而为我们估计真实效应奠定基础。当然RR值还是可以算的，但是RR值是否是真实的RR值，还要看P和P-的估计是否准确。