オッズ比のレクイエム？ – ヘルスケアエコノミスト

保健サービス研究 ロジスティック回帰分析を用いた研究ではオッズ比ではなく限界効果を報告すべきだと決定した。なぜこの決定をしたのか？ ノートンら。 (2024年) 3 つの重要な要素を特定します。

• 明瞭度病院が恵まれない地域にあるかどうかが再入院率に与える影響を調べるケースを考えてみましょう。係数が -0.2 だとします。これはオッズ比 0.82、つまり再入院が約 18% 減少することを意味します。ただし、この変化の大きさは明らかではありません。一方、著者らは研究者に対し、「… 再入院の確率のパーセンテージ ポイントの変化と、状況に応じた基本再入院率を合わせて、限界効果を報告する」ことを推奨しています。
• 共変量の影響線形回帰（例えば、通常の最小二乗法）を実行する場合、追加の共変量が媒介変数または交絡因子でない限り、新しい共変量を追加しても関心のある係数は変化しないはずです。これはロジスティック回帰には当てはまりません。「オッズ比が変化する理由は、ロジスティック回帰の推定係数が、バイナリ結果の説明されていない部分の分散の平方根に等しい任意の係数でスケーリングされるためです。 pつまり、ロジスティック回帰は B/S、 ない b…さらに問題なのは、 p 研究者には分からない。」係数はσでスケール化されるため、オッズ比もσでスケール化される（経験 （b/σ)); 変数を追加すると、ロジスティック モデルの変動の説明能力が向上し、σ が減少してオッズ比が増加します。
• 研究間で比較する能力回帰分析に含まれる共変量は推定オッズ比に影響を与えるため、研究間でオッズ比を比較することは困難です。
• 外れ値に対する感度他の論文では、オッズ比は非常にまれな出来事や非常に一般的な出来事に対して非常に敏感である可能性があると指摘されています。 プレミアインサイトは次の例を挙げている。「たとえば、拒否率が 2.5% と 0.5% の場合、影響を受ける申請者は 100 人中 2 人だけであるにもかかわらず、オッズ比は 5.103 になります。拒否率が 99.5% と 97.5% の場合、オッズ比はまったく同じです。しかし、拒否率が 60% と 30% (30% の差) の場合、オッズ比は 3.5 にしかなりません。このことから、オッズ比は誤解を招くだけでなく、経済的な意味がほとんどないことが明らかです。」

限界効果を使用する方向へ移行する方が明確で、技術的な問題も少ないという著者の意見には私も同意します。しかし、この提案には 2 つの問題があると思います。1 つ目の問題は前例です。多くの医学雑誌ではオッズ比がより一般的に使用されており、これらの研究者に変更してもらうのは難しいかもしれません。2 つ目は、オッズ比の方が他の設定に外挿しやすい可能性があることです。たとえば、再入院への影響を測定する臨床試験ではオッズ比がよく見られます。臨床試験はいくぶん人工的な設定であるため、試験からの比例的な (ただし絶対的ではない) 減少が正しいと信じ、その影響を現実世界のデータに外挿したいと考えています。この場合、オッズ比があると外挿が容易になる可能性がありますが、外挿の作業は慎重に行う必要があります。

それでも、限界効果の使用と報告を増やすことは良いことだと思います。