Python SciPy contingency.odds_ratio用法及代碼示例

本文簡要介紹 python 語言中 scipy.stats.contingency.odds_ratio 的用法。

用法:

scipy.stats.contingency.odds_ratio(table, *, kind='conditional')#

計算 2x2 列聯表的優勢比。

參數 ：：

table： 數組 整數

一個 2x2 列聯表。元素必須是非負整數。

kind： str，可選

要計算哪種優勢比，樣本優勢比 (kind='sample') 或條件優勢比 (kind='conditional')。默認為 'conditional' 。

返回 ：：

result： OddsRatioResult 實例

返回的對象有兩個計算屬性：

統計 浮點數

• 如果種類是'sample'，這是樣本(或無條件)估計，由下式給出table[0, 0]*table[1, 1]/(table[0, 1]*table[1, 0]).

• 如果種類是'conditional'，這是優勢比的條件最大似然估計。它是費舍爾非中心超幾何分布的非中心參數，其超幾何參數與表格其均值是table[0, 0].

該對象具有計算優勢比置信區間的方法confidence_interval。

注意：

Fisher 討論了條件比值比(參見 [1] 的“示例 1”)。涵蓋優勢比的文本包括 [2] 和 [3]。

參考：

[1]

R. A. Fisher (1935)，歸納推理的邏輯，皇家統計學會雜誌，卷。 98，第 1 期，第 39-82 頁。

[2]

布雷斯洛 NE，戴 NE (1980)。在癌症研究中的統計方法。第一卷 - case-control 研究分析。 IARC 科學出版物。 (32)：5-338。 PMID：7216345。(參見第 4.2 節。)

[3]

H. Sahai 和 A. Khurshid (1996)，《流行病學統計：方法、技術和應用》，CRC Press LLC，佛羅裏達州博卡拉頓。

[4]

傑弗裏·S·伯傑等人。 “阿司匹林用於女性和男性心血管事件的一級預防：Sex-Specific Meta-analysis 隨機對照試驗。” 《美國醫學會雜誌》，295(3)：306-313，DOI:10.1001/jama.295.3.306，2006 年。

例子：

在流行病學中，根據某些因子或治療方法，個體被分類為“exposed”或“unexposed”。如果研究某種疾病的發生，則患有這種疾病的人通常被歸類為“cases”，而沒有這種疾病的人被歸類為“noncases”。這些類出現的次數給出了一個列聯表：

exposed    unexposed
cases          a           b
noncases       c           d

樣本優勢比可以寫為 (a/c) / (b/d) 。 a/c可以解釋為在暴露組中發生病例的幾率，而b/d可以解釋為在未暴露組中發生病例的幾率。樣本優勢比是這些優勢的比值。如果優勢比大於 1，則表明暴露與成為病例之間存在正相關關係。

交換列聯表的行或列會反轉優勢比，因此在解釋優勢比時了解表的行和列的標簽含義非常重要。

在[4]中，研究了使用阿司匹林預防女性和男性心血管事件的情況。該研究特別得出結論：

…aspirin therapy reduced the risk of a composite of cardiovascular events due to its effect on reducing the risk of ischemic stroke in women […]

文章列出了各種心血管事件的研究。讓我們關注女性缺血性中風。

下表總結了參與者多年來定期服用阿司匹林或安慰劑的實驗結果。記錄了缺血性中風病例：

Aspirin   Control/Placebo
Ischemic stroke     176           230
No stroke         21035         21018

我們要問的問題是“有證據表明阿司匹林可以降低缺血性中風的風險嗎？”

計算優勢比：

>>> from scipy.stats.contingency import odds_ratio
>>> res = odds_ratio([[176, 230], [21035, 21018]])
>>> res.statistic
0.7646037659999126

對於這個樣本，服用阿司匹林的人患缺血性中風的幾率是服用安慰劑的人的 0.76 倍。

為了對所研究的人群進行統計推斷，我們可以計算優勢比的 95% 置信區間：

>>> res.confidence_interval(confidence_level=0.95)
ConfidenceInterval(low=0.6241234078749812, high=0.9354102892100372)

條件比值比的 95% 置信區間約為 (0.62, 0.94)。

整個 95% 置信區間低於 1 這一事實支持了作者的結論，即阿司匹林與統計學上顯著減少缺血性中風有關。