RR（相对风险）、OR（比值比）和HR（风险比）

HR（风险比）、OR（比值比）、RR（相对风险）是统计学中衡量 “暴露因素” 与 “疾病结局” 关联强度的核心指标，但三者适用场景完全不同，错用会导致结论偏差。

一、“暴露因素” 和 “结局”

在所有例子里，我们先统一两个概念：

暴露因素：你想研究的 “某个行为 / 特征”（比如 “上午活动”“吸烟”“高血压”）；

结局：你关注的 “疾病或事件”（比如 “房颤”“肺癌”“心梗”）。

二、RR、OR、HR 

1. RR（Relative Risk，相对风险）：队列研究里的 “直接风险对比”

相对风险RR 是最直观的指标，核心是直接对比两组的绝对风险，算倍数关系， 只适用于「队列研究」。

在流行病学中，队列研究（Cohort Study） 是一种用来验证 “暴露因素” 与 “疾病结局” 之间因果关系的核心研究方法，本质是 “按‘是否暴露’分组，追着看未来谁会生病”—— 就像 “跟踪两群人，一群接触了某个因素（比如吸烟、运动），另一群没接触，看几年后哪群人生病更多”，以此判断这个因素是否会导致疾病。“队列（Cohort）” 是指具有相同特征或共同经历的 “一群人”。

研究场景：

想知道 “每天吃 1 份水果（暴露因素）是否能降低未来 5 年中风风险（结局）”，于是做了一项队列研究（先分组，再追踪结局）。

研究设计：

招募 2000 人，按 “是否每天吃水果” 分成两组，随访 5 年，记录每组中风人数：

暴露组（每天吃水果）：1000 人，5 年里有 20 人中风；

非暴露组（从不吃水果）：1000 人，5 年里有 50 人中风。

计算 RR：

RR 的核心是 “两组的‘绝对风险’之比”，步骤如下：

算两组的 “中风绝对风险”（某组发病数 / 该组总人数）：

暴露组风险 = 20/1000 = 2%（100 人里有 2 人中风）；

非暴露组风险 = 50/1000 = 5%（100 人里有 5 人中风）。

算 RR：RR = 暴露组风险 / 非暴露组风险 = 2% / 5% = 0.4。

结果解读：

“每天吃水果的人，5 年内中风的风险是‘从不吃水果的人’的 0.4 倍（即 40%）”—— 换句话说，每天吃水果能让中风风险降低 60%。

RR＞1：暴露会升高结局风险；

RR＜1：暴露会降低结局风险。

当结局发生率很低时（比如罕见病，风险＜5%），RR≈OR（后面会讲）。

2. OR（Odds Ratio，比值比）：病例对照研究里的 “间接暴露对比”

比值比OR 比 相对风险RR 绕一点，核心是对比两组的暴露比值，而不是直接风险， 主要用于「病例对照研究」。

Odds = 「发生某件事的概率」 / 「不发生某件事的概率」

研究场景：

想知道 “长期熬夜（暴露因素）是否与高血压（结局）有关”，但随访多年太耗时，于是做了一项病例对照研究（先找 “有结局的人” 和 “没结局的人”，再回头问暴露史）。

研究设计：

找 100 个高血压患者（病例组）和 100 个健康人（对照组），回顾他们过去 10 年是否 “长期熬夜（每周≥5 天，熬夜到 2 点后）”：

病例组（高血压患者）：45 人有长期熬夜史，55 人没有；

对照组（健康人）：25 人有长期熬夜史，75 人没有。

计算 OR：

OR 的核心是 “两组的‘暴露比值’之比”（先理解 “比值 = 发生数 / 未发生数”），步骤如下：

算两组的 “熬夜暴露比值”（该组熬夜人数 / 该组不熬夜人数）：

病例组暴露比值 = 45/55 ≈ 0.818（高血压患者中，熬夜的人数是不熬夜的 0.818 倍）；

对照组暴露比值 = 25/75 ≈ 0.333（健康人中，熬夜的人数是不熬夜的 0.333 倍）。

OR = 病例组暴露比值 / 对照组暴露比值 = 0.818 / 0.333 ≈ 2.46。

结果解读：

“高血压患者中‘有长期熬夜史’的比值，是健康人中‘有长期熬夜史’比值的 2.46 倍”，反过来理解：“长期熬夜的人，患高血压的‘暴露关联强度’是不熬夜者的 2.46 倍”，提示熬夜可能增加高血压风险。

关键提醒：

OR 是 “比值的比”，不是 “风险的比”， 因为病例对照研究没法算 “总体风险”（不知道所有熬夜的人里多少会得高血压），只能间接反映暴露与结局的关联；

只有当结局是 “罕见病”（比如发病率＜5%）时，OR 才会接近 RR；如果结局常见（比如高血压发病率较高），OR 会比真实 RR “夸大关联”（比如真实 RR=2，OR 可能 = 2.46）。

3. HR（Hazard Ratio，风险比）：随时间变化的瞬时风险比

风险比HR 是 考虑时间因素，对比两组在不同时间点的瞬时风险。

研究场景：

想知道 “每周 3 次规律运动（暴露因素）是否能延缓 2 型糖尿病的发病时间（结局）”，需要关注 “什么时候发病”，于是做了一项生存分析研究（带时间维度的队列研究）。

研究设计：

招募 1500 人（均无糖尿病），按 “是否规律运动” 分组，随访 3 年，记录 “每个人从入组到确诊糖尿病的时间”：

暴露组（规律运动）：750 人，随访期间发病情况：第 1 年 10 人，第 2 年 15 人，第 3 年 15 人；

非暴露组（不运动）：750 人，随访期间发病情况：第 1 年 25 人，第 2 年 30 人，第 3 年 35 人。

HR 的核心是 “两组的‘瞬时风险’之比”（瞬时风险 = 某时间段内发病数 / 该时间段开始时的剩余人数），步骤如下：

算每个时间点的 “瞬时风险”（以 “每年” 为时间段）：

第 1 年：

暴露组瞬时风险 = 10/750 ≈ 1.33%；

非暴露组瞬时风险 = 25/750 ≈ 3.33%；

瞬时风险比 = 1.33% / 3.33% ≈ 0.4；

第 2 年（剩余人数：暴露组 750-10=740 人，非暴露组 750-25=725 人）：

暴露组瞬时风险 = 15/740 ≈ 2.03%；

非暴露组瞬时风险 = 30/725 ≈ 4.14%；

瞬时风险比 = 2.03% / 4.14% ≈ 0.49；

第 3 年（剩余人数：暴露组 740-15=725 人，非暴露组 725-30=695 人）：

暴露组瞬时风险 = 15/725 ≈ 2.07%；

非暴露组瞬时风险 = 35/695 ≈ 5.04%；

瞬时风险比 = 2.07% / 5.04% ≈ 0.41；

通过统计模型（Cox 回归）计算，发现 3 年中 “瞬时风险比” 稳定在 0.45 左右，最终 HR=0.45。

结果解读：

“在整个 3 年随访期间，规律运动组的‘瞬时糖尿病发病风险’，始终是不运动组的 0.45 倍（即 45%）” 意味着：不管是随访第 1 年、第 2 年还是第 3 年，规律运动都能持续降低糖尿病的发病风险（风险降低 55%）。

关键提醒：

HR 只用于 “有时间维度的研究”，能体现 “风险随时间的变化规律”， 如果 “瞬时风险比” 在随访中稳定（比如例子中始终≈0.45），HR 可以近似理解为 “长期风险比”；如果不稳定（比如第 1 年 HR=0.4，第 3 年 HR=0.8），则 HR 代表 “平均的瞬时风险比”。解读方向和 RR/OR 一致：HR＜1 降低风险，HR＞1 升高风险。

三、一张表分清 RR、OR、HR