Python SciPy contingency.relative_risk用法及代码示例

本文简要介绍 python 语言中 scipy.stats.contingency.relative_risk 的用法。

用法:

scipy.stats.contingency.relative_risk(exposed_cases, exposed_total, control_cases, control_total)#

计算相对风险(也称为风险比)。

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)。不接受表格作为参数，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“exposed”案例以及哪一列对应于“control”案例的歧义。与优势比不同，相对风险在行或列的交换下不是不变的。

参数 ：：

exposed_cases： 非负int

“exposed” 个体样本中“cases” 的数量(即发生疾病或其他感兴趣的事件)。

exposed_total： 正int

样本中“exposed” 个个体的总数。

control_cases： 非负int

“control” 样本或未暴露个体中“cases” 的数量。

control_total： 正int

样本中“control” 个个体的总数。

返回 ：：

result： RelativeRiskResult 的实例

该对象具有浮点数属性 relative_risk ，即：

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

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

注意：

R 包 Epitools 具有函数 riskratio，它接受具有以下布局的表：

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

对于上述格式的 2x2 表，当给出参数 method=”wald” 时，CI 的估计值由 Riskratio 计算，或者使用函数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，“exposed” 类别对应于“is a smoker”，“disease” 类别对应于“患有或患有肺癌”。

要将相同的数据传递给 relative_risk ，请使用：

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

参考：

[1]

Alan Agresti，分类数据分析简介(第二版)，威利，霍博肯，新泽西州，美国(2007 年)。

[2] (1,2)

Hardeo Sahai 和 Anwer Khurshid，流行病学统计，CRC Press LLC，博卡拉顿，佛罗里达州，美国(1996 年)。

例子：

>>> from scipy.stats.contingency import relative_risk

此示例来自 [2] 的示例 3.1。下表总结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

CHD是冠心病，CAT是指循环儿茶酚胺的水平。 CAT 是“exposure” 变量，高 CAT 是“exposed” 类别。所以表中要传递给relative_risk的数据是：

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

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

求相对风险的置信区间。

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

区间不包含 1，因此数据支持高 CAT 与更高的 CHD 风险相关的说法。