scipy.stats.contingency.relative_risk¶

scipy.stats.contingency.relative_risk(exposed_cases, exposed_total, control_cases, control_total)[源代码]¶

计算相对风险(也称为风险比率)。

此函数计算与2x2列联表相关的相对风险 ([1], 第2.2.3节； [2], 第3.1.2节)。不接受表作为参数，而是将用于计算相对风险的各个数字作为单独的参数给出。这是为了避免列联表的哪一行或哪一列对应于“暴露的”情况以及哪一行或哪一列对应于“控制”情况的模棱两可。与比方说赔率比不同，相对风险在行或列的互换下不是一成不变的。

参数

exposed_cases非负整数: “暴露”个人样本中的“病例”数量(即疾病或其他感兴趣的事件的发生)。
exposed_total正整数: 样本中“暴露”的个人总数。
control_cases非负整数: “对照”或非暴露个体样本中的“病例”数量。
control_total正整数: 样本中“对照”个体的总数。

退货

结果：实例 RelativeRiskResult实例

该对象具有Float属性 relative_risk ，即：

rr = (exposed_cases/exposed_total) / (control_cases/control_total)

该对象还具有方法 confidence_interval 计算给定置信水平的相对风险的置信区间。

注意事项

R包外延具有以下功能 riskratio ，它接受具有以下布局的表格：

                disease=0   disease=1
exposed=0 (ref)    n00         n01
exposed=1          n10         n11

对于上述格式的2x2表，CI的估计值通过以下方式计算 riskratio 当给定参数method=“wald”时，或使用函数 riskratio.wald 。

例如，在对吸烟者和非吸烟者样本中肺癌发病率的测试中，“暴露”类别对应于“是吸烟者”，而“疾病”类别对应于“患有或患有肺癌”。

将相同的数据传递到 relative_risk ，使用：

relative_risk(n11, n10 + n11, n01, n00 + n01)

1.7.0 新版功能.

参考文献

1: 艾伦·埃格斯蒂，“分类数据分析导论”(第二版)，威利，新泽西州霍博肯，美国(2007)。
2(1,2): 哈迪奥·萨海和安沃尔·库尔希德，流行病学统计学，CRC出版社有限责任公司，博卡拉顿，美国佛罗里达州(1996)。

示例

>>> from scipy.stats.contingency import relative_risk

此示例来自的示例3.1 [2]. 下表汇总了一项心脏病研究的结果：

         High CAT   Low CAT    Total
         --------   -------    -----
CHD         27         44        71
No CHD      95        443       538

Total      122        487       609

冠心病是冠心病，CAT是指循环中的儿茶酚胺水平。CAT是“曝光”变量，HIGH CAT是“曝光”类别。因此，要传递到的表中的数据 relative_risk 是：：

exposed_cases = 27
exposed_total = 122
control_cases = 44
control_total = 487

>>> result = relative_risk(27, 122, 44, 487)
>>> result.relative_risk
2.4495156482861398

找出相对风险的置信区间。

>>> result.confidence_interval(confidence_level=0.95)
ConfidenceInterval(low=1.5836990926700116, high=3.7886786315466354)

该区间不包含1，因此该数据支持高CAT与更高的冠心病风险相关的说法。

scipy.stats.contingency.margins

scipy.stats.contingency.association