正如其他答案已明确阐明的那样，您不能将优势比表示为事件发生的简单百分比增加或减少，因为该值取决于基本比率。但是，如果您有一个有意义的基本比率，您可以计算相对于该比率的成功（或失败）百分比。

例如，如果我们的干预效果的优势比为 0.75，并且我们知道失败（例如，对照组的失败）的基础率为 20%，那么治疗组的失败率基于0.75 的优势比为：

$$p_{treatment} = \frac{OR \times p_{control}}{1 + OR \times p_{control} - p_{control}} = \frac{.75 \times .2}{1 + (.75 \times .2) - .2} = .158$$

因此，0.75 的优势比转化为治疗组 15.8% 的失败率，而对照组的假设失败率为 20%。

这种将优势比转换为易于理解的指标的方法通常用于优势比的荟萃分析。

如果我们假设基础率为 0.50，这将简化：

$$p_{treatment} = \frac{OR}{1+OR}$$

概率和几率都衡量某事发生的可能性。显示每次失败的预期成功次数的几率和显示每次试验的预期成功次数的概率（是的，我是常客）。所以严格来说，两种解释都是正确的。然而，危险在于读者可能会将可能性等同于概率，从而误解结果。你的第一句话避免了这种危险。

您可以将优势比解释为条件概率。发生的几率。如果我理解正确，这似乎是所有的情况，因为您说在发生的概率仍然是。但这将是统计独立性的概念，因此这意味着您的事件发生的几率在所有情况下都是，因此，您的两个陈述都是错误的。$Y$$P(Y=True|X=x)= 0.8$$x \in X$$X$$Y$$0.8$$P(Y|X)=P(Y)=0.8$$Y$$0.8$

如果统计概念都可以简化为简单的百分比并保留正确的信息，那就太好了。然而，这种情况并非如此。

将优势比效应构建为百分比减少或增加完全将 OR 测量与与用户对分析的期望一致的解释分离。

在口语解释中，20% 的减少与某些基线无关，但意味着从 100% 减少到 80% 或 20% 的减少。然而，OR 是相对减少的量度，但不是绝对减少的内在描述。对于锚定于绝对值的解释，即我们更容易预期和观察到的解释，需要计算事件在平均或有意义条件下的平均概率，然后用风险因素或治疗修改该概率以获得新的，绝对概率。只有这样，才能衡量和判断因素的重要性。

因此，您的第一个解释是最安全的，但是这两个答案都没有很好地建立在人类思维操作的绝对概率上，尽管很脆弱。