众所周知，优势比具有一定的对称性。例如，结果的优势比的倒数。另一方面，风险比率不喜欢这种对称性。但是，风险比率具有可折叠性。因此，调整不是混杂因素的协变量不会改变风险比的大小。考虑可折叠性的更正式定义：
定义。令是任何函数，它测量联合分布和。如果则上是可折叠的
那么在风险比的情况下，会是风险比吗？如果我们不知道怎么办？风险比是两个发病密度的比率，似乎不依赖于任何概率分布。
可折叠性：优势比与风险比
机器算法验证
可能性
流行病学
2022-03-30 10:23:57
2个回答
是和不是。风险比是可折叠的，因此调整与暴露或结果无关的任何变量不应改变风险比的大小。此外，各层的汇总风险比应介于特定层风险比的值之间（与优势比不符）。
但是，在调整了技术上不是混杂因素的变量后，有很多方法可以使风险比产生偏差。例如，调整中间值会导致偏差，尽管可折叠，因为一些关联将被删除。此外，调整暴露和结果的共同影响将导致风险比的偏差——这有时被称为对撞机偏差或选择偏差。最后，在某些情况下，调整仅与结果相关的变量可以改变风险比的大小——在这种情况下，风险比在技术上没有偏差，它只是估计一个不同的数量（暴露对人们结果的影响）这些第三变量具有一定的分布）。
就您为可折叠性给出的正式定义而言，我对此并不完全熟悉，但我相信 g(P(x,y)) 是风险比是正确的。此外，我的理解是，风险比（更重要的是风险比的方差和置信区间）是在每个风险都遵循独立的二项分布的假设下计算的。
众所周知，风险比 (RR) 是可折叠的。因此，如果所有 z 的 RR(|z)<1，那么对于 z 的任何分布，E(RR(|)<1。让我们考虑最初的 Simpson 例子
x 0 1 x 0 1 x 0 1
z=0: Y=0: 5 8 z=1:Y=0: 15 12 Total: Y=0: 20 20
Y=1 3 4 Y=1 3 2 Y=1 6 6.
那么RR(Y=1|z=0) = (4/12)/(3/8) = 8/9, RR(Y=1|z=1) = (2/14)/(3/18) = 6/7 边际 RR(Y=1) = (6/26)/(6/26) = 1 如果 RR 是可折叠的怎么办？
此外，RR 不是严格可折叠的，即 RR(|z) 在 z 上可能是常数，但与边际 RR 不同。例子
x 0 1 x 0 1 x 0 1
z=0: Y=0: 3 2 z=1:Y=0: 2 5 Total: Y=0: 5 7
Y=1 7 1 Y=1 3 2 Y=1: 10 3.
那么RR(Y=1|z=0) = (1/3)/(7/10) = 10/21, RR(Y=1|z=1) = (2/7)/(3/5) = 10/21 边际 RR(Y=1) = (3/10)/(10/15) = 9/20
伊利亚·诺维科夫