관련성을 평가할 때 많이 쓰는 교차비(odds ratio)는 엄밀하게는 위험비(risk ratio)와 다르다. 교차비와 위험비가 비슷하려면 (1) 관심 질환의 유병률이 낮거나(희귀 질환 가정), (2) 잘 설계된 환자-대조군 연구에서 산출됐을 경우이다. 실제 데이터에서는 이 두 가지 가정 어느 쪽도 만족하지 않는데도 교차비를 제시한 경우가 흔하다. 의학보건학 연구에서 교차비가 많이 쓰이는 이유는 범주형 결과 변수를 분석할 때 로지스틱 회귀분석을 주로 이용하고, 그 결과로 교차비를 쉽게 산출할 수 있기 때문이다. 위험비는 푸아송(Poisson)^[각주:1] 회귀분석을 적용해서 계산할 수 있는데 많은 연구자들이 익숙치 않다. Joseph Hilbe가 Logistic Regression Models 책 에서 제시한 oddsrisk 명령어로 교차비와 위험비를 둘다 산출해보고 비교해보도록 하자. (명령어는 findit oddsrisk로 찾아서 설치할 수 있고, 데이터셋은 링크한 CRC Press 책 소개 사이트에서 다운로드할 수 있다.)

. use anterior

. list

     +--------------------------+

     | count   death   anterior |

     |--------------------------|

  1. |   120       1          1 |

  2. |    67       1          0 |

  3. |  2005       0          1 |

  4. |  2504       0          0 |

     +--------------------------+

. oddsrisk death anterior [fw=count]

---------------------------------------------------------------------

Incidence for unexposed risk group =     0.0261

---------------------------------------------------------------------

Predictor    Odds Ratio   Risk Ratio     [95% Conf. Interval]

---------------------------------------------------------------------

anterior        2.2368       2.1670       1.6220       2.8807

---------------------------------------------------------------------

비노출군에서 발생 위험이 2.6%=67/(67+2504)로 낮으므로 교차비와 위험비가 비슷할 것이라는 예상을 해볼 수 있고, 실제 결과도 교차비가 2.24, 위험비가 2.17로 큰 차이가 없다.

poisson 명령어를 이용하여 푸아송 회귀분석을 수행하여 산출한 위험비와 비교해보자.

계산된 위험비가 2.17로 같음을 알 수 있다.

. webuse lowbirth
 
. unitab low age lwt, c(ptd smoke ht ui)

unitab 명령어 바로 뒤는 결과 변수이고 연속형 변수는 결과 변수 뒤에, 범주형 변수는 옵션으로 c( )에 넣으면 끝. 연속형 변수의 low=1 (%)는 low 변수가 1로 코딩된 빈도와 백분율이다.

. eclpci 40 30, format(%3.2f)

SMR: 1.33  95% CI[0.95, 1.82]

SMR: 1.33이므로 연구 집단은 (기대 사망자수를 산출한 인구 집단에 비해) 사망이 33% 높지만, (95% 신뢰구간이 1을 포함하고 있으므로) 5% 유의수준에서 통계적으로 뚜렷한 차이는 없다.

. eclpci 20 50, format(%3.2f)

SMR: 0.40  95% CI[0.24, 0.62]