Epidemiologic perspectives & innovations : EP+I, 2005; 2: 1-1 (más artículos en esta revista)

Interacción de distribución: Interpretational problemas al utilizar las odds ratio de incidencia a fin de evaluar la interacción

BioMed Central
Ulka B Campbell (uvb2@columbia.edu) [1], Nicolle M Gatto (nmg22@columbia.edu) [1], Sharon Schwartz (sbs5@columbia.edu) [1]
[1] Departamento de Epidemiología, Escuela Mailman de Salud Pública en la Universidad de Columbia, Nueva York, EE.UU.

Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons License (http://creativecommons.org/licenses/by/2.0], que permite el uso irrestricto, la distribución y reproducción en cualquier medio, siempre que la obra original sea debidamente citada.

Resumen

Es bien sabido que la incidencia odds ratio se aproxima a la razón de riesgo cuando la enfermedad de interés es raro, pero cada vez más sobrevalora el riesgo de la enfermedad se hace más común. Sin embargo, cuando la evaluación de la interacción, la odds ratio de incidencia no podrá aproximados relaciones de riesgo, incluso cuando la enfermedad es rara. Utilizamos el término "interacción de distribución" para referirse a la interacción que aparece al utilizar odds ratio de incidencia que no aparece, o aparece en menor grado, al utilizar los coeficientes de riesgo. Los problemas de interpretación que surgen de esta discrepancia puede tener importantes implicaciones en la investigación epidemiológica. Por lo tanto, la cuantificación de la relación entre la razón de posibilidades de interacción, y la interacción se justifica la razón de riesgo.

En este trabajo, ofrecemos una fórmula para cuantificar las diferencias entre las odds ratio de incidencia y relaciones de riesgo cuando se utilizan para estimar la modificación efecto multiplicativo sobre una escala. Utilizando esta fórmula, examinamos las condiciones en las que estas dos estimaciones divergentes. Por otra parte, ampliar el debate a las consecuencias de la utilización de odds ratio de incidencia para evaluar efecto de la modificación de un aditivo escala. Por último, se expone cómo se plantea la interacción de distribución y los problemas que causa el uso de ejemplo de la literatura.

Cada vez que el riesgo de la variable de resultado no es despreciable, es posible la interacción de distribución. Esto es así incluso cuando la enfermedad es rara (por ejemplo, el riesgo de enfermedad es inferior al 5%). Por lo tanto, al evaluar la interacción, ya sea sobre un aditivo o multiplicativo escala, debe tenerse precaución en la interpretación de estimaciones basadas en la interacción odds ratio de incidencia.

Introducción

Es bien sabido que la incidencia odds ratio se aproxima a la razón de riesgo cuando la enfermedad de interés es raro, pero cada vez más sobrevalora el riesgo de la enfermedad se hace más común. Por lo tanto, puede que no sea sorprendente que las odds ratio puede dar la impresión de modificación de efecto cuando no existe ninguno entre las correspondientes relaciones de riesgo. A pesar de esa intuición, hay poca discusión formal de este fenómeno en la literatura epidemiológica. En lo que sigue, abordar esta cuestión en un esfuerzo para mejorar nuestra comprensión de la influencia de la medida de efecto de selección sobre la interpretación de los resultados del estudio.

La razón de riesgo, que compara la probabilidad de enfermedad en los expuestos y los no expuestos, es un atractivo conceptualmente medida de efecto. Un riesgo relativo (RR) de 2, por ejemplo, es fácil de entender como una duplicación del riesgo. Esto está en marcado contraste con la oscuridad interpretativa de la incidencia odds-ratio (OR) [1]. Cuando utilizamos el término "odds ratio de incidencia," nos estamos refiriendo a la OR calculada a partir de datos obtenidos sobre el estado de la enfermedad al final del período de observación. Este es el tipo de odds ratio fijo calculado a partir de estudios de cohortes y estudios de casos y controles que utilizan métodos de muestreo acumulativo (véase nota 1). A pesar de este problema de interpretación, la OR se utiliza con frecuencia debido a sus atractivas propiedades estadísticas. La interpretación no es obstáculo a superar por el tratamiento de la O como si se tratara de un RR, de la comprensión un OR de 2, por ejemplo, como una duplicación del riesgo (véase la nota 2). Esta interpretación no es inocua licencia siempre y cuando el RR es razonablemente pequeño y la probabilidad de enfermedad en los no expuestos es razonablemente bajo. Varias fórmulas se han desarrollado para cuantificar las discrepancias entre el RR y el OR y evitar así malas interpretaciones [2 - 5]. El principio general de que la O se aproxima a la RR bajo el supuesto de enfermedad rara es bien conocida.

Las consecuencias de la "enfermedad rara hipótesis" para la interpretación de la interacción (es decir, el efecto de la modificación) en la escala multiplicativo o aditivo cuando se utiliza RUP han recibido menos atención. Sin embargo, la interpretación de la OR como si se tratase de un RR puede ser engañosa, en particular cuando examinen los efectos de modificación [6], tal como se ilustra en el hipotético estudio de cohortes presentan en la Tabla 1. Para simplificar, que construyó este y todos nuestros ejemplos de confusión y sin ningún error de medición y muestreo.

En este ejemplo, el RR de la relación entre la baja ingesta de aspirina y la presencia de pólipos es el mismo para los individuos con y sin el alto riesgo de la COX-2 genotipo. Es decir, el RR no proporcionan pruebas para la modificación efecto multiplicativo sobre una escala. Entre las personas sin el genotipo de alto riesgo, para los que la incidencia de la enfermedad es baja, la O es una estrecha aproximación de las RR. Entre las personas con el genotipo de alto riesgo, sin embargo, donde la enfermedad es común, la O no es una buena aproximación de las RR. Esto lleva a una considerable heterogeneidad de la O que se interpretaría como una prueba de efecto modificación. Morabia et al. A que se refiere esta discrepancia como "la interacción falacia" [7]. Sin embargo, como señala Walter, no se trata de una falacia estadística, ya que en efecto es, en efecto, la modificación de la O [8]. Sin embargo, hay una falacia interpretativa si llegó a la conclusión sobre la base de estos resultados es que la baja ingesta de aspirina aumenta el riesgo (en una escala multiplicativo) de los pólipos más para los individuos con alto riesgo de la COX-2 que el genotipo de los individuos sin el alta Genotipo de riesgo. El efecto de los factores de riesgo parece variar entre los estratos debe únicamente a una diferencia en el riesgo de enfermedades entre los estratos. Es decir, este artefacto parece porque la enfermedad se distribuye entre todos los estratos. Por lo tanto, se refieren a este fenómeno como "la interacción de distribución" (ver nota 3).

Para evitar este problema de interpretación, tenemos que conocer las condiciones en las que efecto de la modificación de la O es probable que la aproximación de efecto modificación de las RR y cuando no lo es. Esta comprensión requiere la clarificación de los elementos que causan esta discrepancia. Aunque Morabia et al. Informó de la existencia de este fenómeno, estos elementos no han sido explicated previamente en la literatura. Por otra parte, este debate no se ha extendido a la interacción aditivo. Para abordar este problema, 1) proporcionar una cuantificación de la relación entre el efecto de la modificación de la OR y RR en ambas escalas multiplicativo y aditivo, 2) examinar la sensibilidad de estas relaciones a las variaciones en sus determinantes, y 3) usar un ejemplo De la literatura para poner de relieve las causas y consecuencias de la interacción de distribución, ya sea en la escala multiplicativo o aditivo.

Análisis

Interacción multiplicativa se evaluó mediante la comparación de las estimaciones de efecto relativo de un factor de riesgo a través de los estratos de otro factor de riesgo. La heterogeneidad de los efectos a través de los estratos es una prueba de interacción. En este caso, se utilizará un método equivalente de la evaluación de interacción multiplicativa que se encuentra conceptualmente más significativa. Esta noción de interacción se refiere a la medida en que el efecto conjunto de los dos factores de riesgo de enfermedad es diferente de los efectos independientes de ambos factores. El efecto conjunto es el efecto de la presencia de ambos factores sobre la enfermedad. Cada factor de efecto es independiente de su efecto en ausencia del otro factor. Una comparación entre el conjunto de productos y el efecto de los efectos independientes proporciona una medida de la interacción multiplicativa. Este cálculo de la interacción multiplicativa (es decir, la relación de la unión a efecto el producto de los efectos independientes) utilizando los RR se muestra a continuación.

A lo largo de este documento, nos referimos a la interacción entre genética y un factor ambiental, como en el ejemplo de la COX-2 en el genotipo y la aspirina causan pólipos se ha descrito anteriormente. Este debate se podría extrapolarse a una interacción entre los dos factores (es decir, dos factores genéticos, dos de los factores ambientales, etc.)

Notación

Aquí, G representa el factor genético, E representa el factor ambiental y D representa la enfermedad. Los tres factores son dicotómicos. Por estos factores, letras en mayúsculas indican la presencia del factor y minúsculas indican la ausencia del factor. Suponiendo un multiplicativo escala, el efecto causal de la interacción de GE D medido utilizando los RR se denominará GxE RR. Del mismo modo, el efecto causal de la interacción de GE D medido utilizando RUP será denominado O GxE. El riesgo de enfermedad está representado por p (D | ge). Esto se refiere a la probabilidad de enfermedad [p (D)] de los que no tienen ni la genética, ni el factor de riesgo ambiental.

Evaluación de la interacción multiplicativa

Población N es una población que subyace en un hipotético estudio de cohortes. Los miembros de esta población se clasifican de acuerdo a su exposición a G y E y seguida por incidente enfermedad. Debido a estas dos exposiciones son dicotómicos, las personas se clasifican de acuerdo a cuatro categorías de exposición. Este hipotético estudio de cohortes se ilustra en la figura 1.

En este estudio de cohortes, de los que están expuestos a los dos G E y están representados por N 11, N 10 sub-representa a la población que está expuesta a G y no expuestas a la E, N 01 corresponde a la sub-población que no expuestas y expuestos a G Al E, 00 y N corresponde a la sub-población que no expuestas a los dos factores. Estas personas pueden ser clasificadas de acuerdo a su condición D. Las células de la etiqueta a 1 d 1 representan a los que están expuestos a las células G y etiquetados a 2 d 2 representan a los no expuestos a G.

Para demostrar el cálculo de la interacción entre el G E y usando RR, hemos organizado las células de 1 a 2 d en los dos-por-dos cuadros presentados en la figura 2 bis. El conjunto e independiente de los efectos y G E, y el cálculo de la interacción entre genes y medio ambiente se muestran en la figura 2b. El riesgo inicial de la enfermedad, o el riesgo de la enfermedad atribuible a factores distintos de G y / o E, está representado por (c 2 / N 00). El RR para el efecto de conjunto y G E (RR GE) se calcula al comparar el riesgo de la enfermedad entre los que están expuestos a la vez G E y al riesgo. El RR para el efecto independiente de G (RR Ge) se compara el riesgo de enfermedad entre los que están expuestas y no expuestas a G E a la línea de base a los riesgos. Del mismo modo, el RR para el efecto independiente de E (gE RR) se compara el riesgo de enfermedad entre los que están y no expuestas a G E expuestos a los riesgos para la base de referencia. El uso de estos componentes, la interacción entre genes y medio ambiente basado en los RR (GxE RR) se mide por el coeficiente de la unión RR al producto independiente de los RR.

Utilizando la misma notación y de dos por dos cuadros que figuran en las partes a y b de la figura 2, el conjunto e independiente de los efectos y G E mide por RUP también pueden ser derivados (véase la figura 2c]. Así como el conjunto de efectos e independiente medida por los RR son utilizados para calcular el GxE RR, el conjunto e independiente efectos medidos por RUP se utilizan para calcular el GxE O.

Relación entre el GxE RR y la GxE O

Varios algebraica equivalente formulaciones de la relación entre el OR y el RR se han discutido en la literatura [2 - 5]. Esta relación puede expresarse en términos de dos componentes - el tamaño de la RR y la magnitud del riesgo, es decir, el riesgo de la enfermedad en los que no expuestas (equation1) [4].

Del mismo modo, la relación entre el GxE OR y el RR GxE depende en parte de la magnitud de la GxE RR y el riesgo de enfermedad. La ecuación 1 se puede utilizar para calcular el OR para cada uno de los tres componentes de la GxE RR, lo que resulta en la O GE, y Ge O O gE. En consecuencia, la relación entre el GxE RR y la GxE O puede ser descrito utilizando la ecuación 2, se muestra a continuación.

Una reordenación de esta fórmula se muestra a continuación en la ecuación 3.

Ecuación 3 ilustra los factores que determinan la relación entre el GxE RR y la GxE O: el tamaño de la GxE RR, de la magnitud del riesgo de enfermedad, y la fuerza de los efectos independientes.

A título de ejemplo, los datos de la relación entre la aspirina, la COX-2 genotipo y pólipos muestra en el cuadro 1 se puede reordenará de acuerdo con los tres cuadros ilustra en el gráfico 2. En este ejemplo, la GxE RR es 1 y el riesgo de enfermedad (es decir, la probabilidad de enfermedad entre los individuos sin el genotipo de alto riesgo y con una alta ingesta de aspirina) es de 10%. Además, el RR para el efecto independiente de la baja ingesta de aspirina (entre las personas sin el genotipo de alto riesgo) es de 3 (Ge RR = 3), el RR para el efecto independiente de la de alto riesgo genotipo de la COX-2 (uno de los que tiene Alta ingesta de aspirina) es de 2,5 (gE RR = 2,5) y el RR para el efecto combinado de una baja ingesta de aspirina y el alto riesgo de la COX-2 genotipo es de 7,5 (GE RR = 7,5). Cuando estos cuatro elementos se introducen en la ecuación 3, la GxE O es de 2,3.

Efecto de la Salud sobre la Relación entre GxE OR y RR GxE

En ausencia de efectos independientes, la ecuación 2 reduce a la ecuación 1. Es decir, la relación entre el GxE O GxE y el RR es equivalente a la relación entre el OR y el RR GE GE. Esta relación puede expresarse en términos de la RR y GE el riesgo. Cuando el RR es 1, la O es también 1, con independencia del riesgo basal de la enfermedad. Del mismo modo, cuando el GxE RR es de 1 y no hay efectos independientes, la GxE O es también 1, con independencia del riesgo basal de la enfermedad. En ausencia de efectos independientes, como la magnitud de los aumentos GxE RR, la GxE O diverge de la GxE RR. En una constante GxE RR, la diferencia aumenta, ya que el riesgo de la enfermedad aumenta y se convierte en la línea de base como apreciable riesgo de la enfermedad el 10%. Por lo tanto, cuando no existen efectos independientes, la relación entre el GxE O GxE y el RR es precisamente la misma que la relación entre el OR y el RR utilizado para calcular los efectos principales.

Cuando hay efectos independientes, la relación entre el GxE OR y RR GxE es más compleja. Figura 3 ilustra la situación en la que el RR para cada efecto es independiente 2. Como se muestra en este gráfico, la GxE O es una buena aproximación de las GxE RR cuando la enfermedad es muy rara [p (D | ge) = 1%], independientemente de la magnitud de la GxE RR. Sin embargo, como el riesgo de enfermedad, 5%, la GxE O empieza a sobrestimar considerablemente la GxE RR. En general, cuanto más grande es el riesgo de la enfermedad, la peor de la aproximación, incluso a moderada fuertes de interacción. De hecho, cuando el riesgo de la enfermedad es del 20%, la GxE O indica una fuerte interacción cuando el RR no proporcionan pruebas para la interacción.

Figura 4 se destacan las situaciones en las que un investigador podría razonablemente concluir que no hay pruebas de una importante interacción multiplicativa sobre la base de los RR (es decir, el GxE RR va de 1,0 a 1,5). En este caso, la GxE O es una buena aproximación a la GxE RR cuando la enfermedad es muy rara [p (D | ge) = 1%]. Es decir, un investigador utilizando el GxE O sería apropiada la conclusión de que no hay pruebas de una interacción multiplicativa. En este caso, como el riesgo de enfermedad, el 3%, la GxE O empieza a sobrestimar considerablemente la GxE RR. Por ejemplo, cuando el GxE RR es de 1,3, es la GxE O 2. Aunque no se trata de una gran sobreestimación que tiene importantes consecuencias para la interpretación. Un investigador no podrá encontrar una GxE RR de 1,3 indicativo de una importante interacción multiplicativa, pero puede llegar a la conclusión de otro modo, cuando la estimación es un 2. Una vez más, cuanto mayor sea el riesgo de la enfermedad, la peor de la aproximación. Cuando al menos uno de los efectos independientes es fuerte y el riesgo de la enfermedad es mayor que 1%, la GxE O es una mala aproximación a la GxE RR GxE aun cuando el RR es débil.

Implicaciones para la Evaluación de Aditivos Interacción

Los análisis nos han mostrado hasta el momento indican que el uso de las RUP para evaluar interacción multiplicativa puede dar lugar a dificultades de interpretación. Nos hemos centrado en la interacción multiplicativa porque es la escala más común en la que se evalúa la interacción RUP cuando se utilizan como una medida de efecto. Sin embargo, en la escala adecuada para evaluar la interacción que ha sido un tema polémico en la epidemiología. Darroch [9] y Rothman y Groenlandia [10] han montado una persuasivo argumento para el uso del aditivo escala para evaluar la presencia de efectos sinérgicos. Como se nota, la interacción aditivo puede expresarse en términos de RR a través de la interacción de contraste. En Ecuaciones 4 y 5 a continuación, nos referimos a la interacción de contraste calculado con RR y RUP como el ICRR y ICOR, respectivamente.

Eq.4 ICRR = RR GE - RR Ge - RR gE + 1

Eq.5 ICOR = O GE - Ge O - O eE + 1

Como se observa en la evaluación de la interacción multiplicativa (ecuación 2), los tres componentes de las RUP ICOR fórmula puede ser reemplazado por el correspondiente RR-O equivalencia fórmula (ecuación 5). Por consiguiente, los factores que determinan la relación entre el GxE RR y la GxE O son los mismos factores que determinan la relación entre el ICRR y el ICOR. Una vez más, estos factores son la magnitud de la GxE RR, el riesgo de enfermedad y de la fuerza de los efectos independientes. El ICOR puede resultar en la aparición de la interacción aditivo cuando ninguno se observó utilizando el ICRR, o puede sobreestimar la magnitud de la interacción aditivo dadas por el ICRR (véanse los gráficos 5 y 6].

Por ejemplo, utilizamos el escenario describe en la Figura 6, donde el RR Ge es de 6, el RR es gE 2, y el riesgo de la enfermedad es de 6%. A falta de interacción aditivo, el RR de GE sería de 7. El ICRR refleje esta falta de interacción aditivo (ecuación 6).

Eq. 6 ICRR = RR GE - RR Ge - RR gE + 1 = 7 - 6 - 2 + 1 = 0

Sin embargo, como se muestra en la ecuación 7, el ICOR no igual 0 y daría a la aparición de la interacción.

Eq. 7 ICOR = O GE - Ge O - O gE + 1 = 11,3 - 8,8 - 2,1 + 1,0 = 1,4

En este caso, sería razonable interpretar los resultados de la ecuación 7 aditivo como prueba de la interacción, aunque los mismos datos utilizando los RR (ecuación 6) daría ninguna indicación de la interacción aditivo. Por lo tanto, el problema de la sobreestimación del RR O se aplica a la interacción de la escala aditivo, además de la escala multiplicativo.

Un ejemplo de la interacción de distribución de la literatura

La discrepancia entre la incidencia y la odds ratio de riesgo basados en las estimaciones de la interacción se observó por Li et al. En un estudio de cohortes de profesionales de la positividad de p53 mutante, un biomarcador de daño genético [11]. Los autores informaron de las estimaciones de la interacción multiplicativa entre un polimorfismo en un gen de reparación del ADN, XRCC1, y de la exposición al cloruro de vinilo. Se encontró una interacción multiplicativa estimación basada en las RUP de 2,91. Sin embargo, la estimación que se basa en la interacción fue sólo RR 1,24 (véase el cuadro 2]. En un nuevo examen de sus datos, nos encontramos con que las RUP considerablemente sobrestimado el aditivo interacción basada en relaciones de riesgo también. El ICRR fue de 0,96 (RR = 3,20 GE, RR = 1,82 Ge, gE RR = 1,42) y el ICOR fue 8,85 (OR = 12,00 GE, Ge OR = 2,50, gE OR = 1.65). En este caso, la sobreestimación se puede atribuir al alto riesgo de los resultados de esta cohorte de cloruro de vinilo trabajadores, el 25%. Estos datos ponen de relieve la distribución potencial de interacción.

Conclusión

La incidencia odds ratio es una medida muy conveniente de efecto con muchos atractivos estimability propiedades estadísticas incluidas en un estudio de casos y controles. Sin embargo, al evaluar la interacción, como en la evaluación de los efectos principales, la interpretación de la incidencia odds ratio como si fuera una razón de riesgo puede inducir a error. En particular, cuando la interacción basada en relaciones de riesgo es bastante alto y la probabilidad de la enfermedad entre los no expuestos no es insignificante, la interacción basada en odds ratio de incidencia puede diferir sensiblemente de la interacción basada en relaciones de riesgo. Incluso cuando la enfermedad es rara (por ejemplo,. Riesgo de la enfermedad es inferior al 5%), la odds ratio de incidencia puede dar la apariencia de la interacción, ya sea en el aditivo o multiplicativo escala, cuando las relaciones de riesgo que indican la ausencia de interacción.

En la mayoría de situaciones en las que las odds ratio de incidencia se utilizan para evaluar la interacción, la interacción correspondiente sobre la base de relaciones de riesgo, el riesgo de la enfermedad, y la fuerza de los independientes de los efectos son desconocidos. Por lo tanto, la divergencia de la interacción basada en odds ratio de incidencia de la interacción basada en relaciones de riesgo es desconocido. El GxE RR puede calcularse utilizando la ecuación A1 (Apéndice 1) si los odds ratios para el conjunto de los independientes y los efectos (o GE, Ge O, O gE) son conocidos y una estimación válida del riesgo de la enfermedad [p (D | Ge)] está disponible. Sin embargo, aun cuando estos factores se puede estimar, aparentemente pequeños errores en estas estimaciones en umbrales críticos puede crear una falsa sensación de seguridad. Por ejemplo, hay circunstancias como se ilustra arriba, donde una diferencia de apenas 2 puntos porcentuales en la probabilidad de que la enfermedad que distingue una válida del inválido evaluación de la interacción mediante odds ratio de incidencia. Esas pequeñas diferencias pueden ser el resultado de la medición o error de muestreo.

Este documento proporciona directrices para la evaluación de las condiciones en las que puede haber dificultades de interpretación al utilizar incidencia odds ratios para evaluar la interacción. La primera directriz, que la prudencia debe ser utilizada cuando los resultados objeto de la investigación es relativamente común, está en consonancia con la bien conocida "enfermedad rara hipótesis". Sobre la base de estos análisis, hay muchas situaciones en las que la base de referencia es probable que los riesgos de ser lo suficientemente alta, y las interacciones basadas en relaciones de riesgo lo suficientemente fuerte como para justificar la cautela. Por ejemplo, en estudios epidemiológicos de los trastornos psiquiátricos, el riesgo de enfermedad es a menudo superior al 10%. En la epidemiología del cáncer, cuando intermedios o puntos finales biológicos son de interés, los riesgos son a menudo resultado en el rango de 30 a 50%. En tales circunstancias, las ecuaciones y las cifras que figuran en el presente documento pueden ser utilizados para estimar la divergencia entre las estimaciones basadas en la interacción odds ratio de incidencia y de las relaciones de riesgo. Independientemente del diseño, en los estudios de interacción de resultados comunes, la odds ratio de incidencia debe interpretarse con cautela. La segunda directriz es menos en línea con la sabiduría convencional epidemiológica. Incluso cuando el resultado es raro, hay circunstancias en que la odds ratio de incidencia puede ser muy engañosa en la evaluación de la interacción (por ejemplo, el efecto independiente de la genética es muy fuerte).

Al evaluar ya sea multiplicativo o aditivo interacción utilizando odds ratio de incidencia, el examen siempre debe ser dado a la validez de la interpretación de las OR como relaciones de riesgo. El peligro de la interacción de distribución, el aspecto de interacción cuando se utilizan las odds ratio de incidencia que no existen relaciones de riesgo si se utilizaron o la exageración de la magnitud de la interacción basada en relaciones de riesgo, deberán tenerse en cuenta siempre.

Abreviaturas

RR, razón de riesgo • O, odds-ratio de incidencia • G, E • factor genético, el factor ambiental • D, la enfermedad • GxE RR, multiplicativo interacción entre genes y medio ambiente estimación basada en las relaciones de riesgo • GxE O, multiplicativo interacción entre genes y medio ambiente estimación basada en Odds ratios • p (D), la probabilidad de enfermedad • p (D | GE-), la probabilidad de enfermedad entre las personas y sin G E (riesgo basal de la enfermedad) • RR GE, la razón de riesgo para el efecto de conjunto y G E • RR Ge, la razón de riesgo independiente para el efecto de G • gE RR, razón de riesgo para el efecto independiente de O E • GE, odds-ratio de conjunto y el efecto de G E • O Ge, odds-ratio de efecto independiente de G • O gE, odds-ratio Para el efecto independiente de E • ICRR, la interacción de contraste calculado con relaciones de riesgo • ICOR, la interacción de contraste calculado con odds ratios

Notas finales

1: Este tipo de odds ratio cabría hablar también de la incidencia acumulada odds ratio, odds-ratio de riesgo relativo, odds-ratio de probabilidad relativa o el Zoológico de odds ratio [10, 12]. La discusión en este documento sólo se aplica a este tipo de odds ratio. No se aplica a los odds ratios que se derivan de estudios de casos y controles en los que los controles son la muestra de todo el mundo en situación de riesgo (como en un diseño de caso-cohorte). En estos diseños, las probabilidades son una constante múltiples de la situación de riesgo, y su relación es idéntica a la RR independientemente de la rareza de la enfermedad. Del mismo modo, el OR calculado a partir de estudios de casos y controles utilizando la densidad de incidencia de muestreo es equivalente a la proporción de la tasa, independientemente de la enfermedad rareza.

2: Tratamiento de la O como una aproximación de la proporción de la tasa, en lugar de la razón de riesgo puede ser preferible en muchos contextos. Pero la interpretación de la OR como la razón de riesgo es más común en la práctica.

3: Se nos presenta a la palabra "interacción de distribución" por el doctor Stephen Ng cuando era docente de epidemiología en la Universidad de Columbia. Sin embargo, no hemos podido localizar a ningún artículo o libros que usan el término, aunque sospechamos que se pueden derivar de la discusión de Miettinen collapsibility. Preferimos que a la "interacción falacia", porque a) que evita la implicación de que la interacción es estadísticamente incorrecto y b) es descriptivo de la fuente de la interacción. Surge de la diferente distribución de las enfermedades a través de los estratos.

Apéndice 1

Si las odds ratios para el conjunto de los independientes y de los efectos (o GE, Ge O, O gE) y se conocen datos sobre el riesgo de enfermedad [p (D | ge)] están disponibles, la GxE RR puede ser estimado. A continuación, ofrecemos una reformulación de la ecuación 2 para estimar el RR GxE basa en estos insumos (ecuación A1).

Agradecimientos

Este trabajo fue apoyado en parte por una subvención del Instituto Nacional de Salud (T32-CA09529).

Agradecemos a Yongliang Li y Paul Brandt-Rauf por la utilización de sus datos de cohortes cloruro de vinilo y Allison Aiello por su cuidadosa revisión del manuscrito.