Odds-Ratio- und relatives-Risiko-Rechner
Geben Sie die vier Zellenhäufigkeiten einer 2×2-Tabelle ein (exponierte und nicht exponierte Gruppe, Ereignis vorhanden oder nicht), um Odds Ratio, relatives Risiko, Ereignisraten und 95%-Konfidenzintervalle zu berechnen – mit einer leicht verständlichen Interpretation.
Odds Ratio und relatives Risiko berechnen
Odds Ratio & relatives Risiko – Formel
Dabei ist:
- \(a\) — exponierte Personen mit aufgetretenem Ereignis
- \(b\) — exponierte Personen ohne Ereignis
- \(c\) — nicht exponierte Personen mit aufgetretenem Ereignis
- \(d\) — nicht exponierte Personen ohne Ereignis
Die Odds Ratio vergleicht die Chancen (Odds) des Ereignisses zwischen exponierter und nicht exponierter Gruppe, während das relative Risiko die Wahrscheinlichkeiten (Risiken) direkt vergleicht.
Der Rechner gibt zusätzlich 95%-Konfidenzintervalle an, die auf den üblichen Großstichproben-Näherungen auf der Log-Skala beruhen:
\[ \text{SE}(\ln \text{OR}) = \sqrt{\frac{1}{a} + \frac{1}{b} + \frac{1}{c} + \frac{1}{d}} \qquad \text{SE}(\ln \text{RR}) = \sqrt{\frac{1}{a} - \frac{1}{a+b} + \frac{1}{c} - \frac{1}{c+d}} \]
Odds Ratio & relatives Risiko – Rechenbeispiel
Beispiel: In einer Kohortenstudie mit 100 exponierten und 100 nicht exponierten Personen entwickelten 30 der Exponierten und 10 der Nicht-Exponierten das Ereignis (also \(b = 70\) und \(d = 90\)).
\[ \text{OR} = \frac{30 \times 90}{70 \times 10} = \frac{2700}{700} = 3.8571 \]
\[ \text{RR} = \frac{30 / 100}{10 / 100} = \frac{0.30}{0.10} = 3.0 \]
Ergebnis: OR = 3,8571 (95%-KI ≈ 1,77 bis 8,42) und RR = 3,0 (95%-KI ≈ 1,55 bis 5,81). Die Ereignisrate beträgt 30 % in der exponierten Gruppe gegenüber 10 % in der nicht exponierten Gruppe. Exponierte Personen entwickeln das Ereignis mit dreifacher Wahrscheinlichkeit, und beide Konfidenzintervalle schließen die 1 aus – der Zusammenhang ist also auf dem 5%-Niveau statistisch signifikant.
So verwenden Sie den Rechner
- Geben Sie Ereignis vorhanden (a) ein — die Anzahl der exponierten Personen, die das Ereignis entwickelt haben.
- Geben Sie Ereignis nicht vorhanden (b) ein — die Anzahl der exponierten Personen ohne Ereignis.
- Geben Sie Ereignis vorhanden (c) ein — die Anzahl der nicht exponierten Personen, die das Ereignis entwickelt haben.
- Geben Sie Ereignis nicht vorhanden (d) ein — die Anzahl der nicht exponierten Personen ohne Ereignis.
- Lesen Sie die Ergebnisse ab: Odds Ratio (OR), relatives Risiko (RR), die Ereignisrate jeder Gruppe in Prozent, die 95%-Konfidenzintervalle sowie eine leicht verständliche Interpretation mit den Formeln, ausgefüllt mit Ihren Werten.
Alle vier Eingaben müssen nicht-negative ganze Zahlen sein. Falls eine Nullzelle eine Verhältniszahl undefiniert oder unendlich macht, weist der Rechner Sie darauf hin und schlägt Alternativen vor, etwa exakte Verfahren oder die Addition von 0,5 zu jeder Zelle (eine Stetigkeitskorrektur).
Was sind Odds Ratio und relatives Risiko?
Beide Kennzahlen quantifizieren die Stärke des Zusammenhangs zwischen einer Exposition (ein Risikofaktor, eine Behandlung, ein Verhalten) und einem binären Ereignis (Krankheit, Genesung, ein Event). Sie werden aus einer 2×2-Kontingenztabelle berechnet, die Personen nach Expositionsstatus und Ereignisstatus kreuzklassifiziert. Die vier Zellen \(a\), \(b\), \(c\) und \(d\) beschreiben die Tabelle vollständig.
Das relative Risiko (RR), auch Risikoverhältnis genannt, ist die Wahrscheinlichkeit des Ereignisses in der exponierten Gruppe geteilt durch die Wahrscheinlichkeit in der nicht exponierten Gruppe: \(RR = r_1 / r_0\). Ein RR von 2 bedeutet, dass die exponierte Gruppe das Ereignis mit doppelt so hoher Wahrscheinlichkeit erlebt; ein RR von 0,5 bedeutet die halbe Wahrscheinlichkeit (ein protektiver Faktor). Das RR ist intuitiv verständlich und die natürliche Kennzahl für Kohortenstudien, randomisierte Studien und jedes Design, bei dem man Gruppen vorwärts in der Zeit verfolgt und die Inzidenz beobachtet.
Die Odds Ratio (OR) ist das Verhältnis der Chancen (Odds) des Ereignisses in der exponierten Gruppe zu den Chancen in der nicht exponierten Gruppe. Odds sind \(p / (1 - p)\), weshalb die OR weit größer als das RR sein kann, wenn das Ereignis häufig ist. Die OR ist die Kennzahl, die Fall-Kontroll-Studien direkt schätzen (da solche Studien keine wahren Inzidenzraten liefern), und sie ist auch das, was die logistische Regression ausgibt. Wenn das Ereignis in beiden Gruppen selten ist — eine gängige Faustregel lautet unter 10 % — nähert die OR das RR gut an.
Ein Wert von 1 bedeutet bei beiden Kennzahlen keinen Zusammenhang: Die Exposition verändert weder die Chancen noch das Risiko des Ereignisses. Werte über 1 deuten auf einen schädlichen Zusammenhang hin, Werte unter 1 auf einen protektiven. Je weiter der Wert in eine der beiden Richtungen von 1 entfernt liegt, desto stärker ist der Zusammenhang.
Interpretation der Ergebnisse
Der Rechner stuft die Stärke des Zusammenhangs anhand der Odds Ratio ein: Werte über 10 gelten als sehr stark, über 3 als stark, über 1,5 als moderat und 1 bis 1,5 als schwach (mit den spiegelbildlichen Schwellen unter 1 für inverse Zusammenhänge). Er zeigt außerdem die Ereignisraten beider Gruppen und die absolute Risikodifferenz in Prozentpunkten an — oft die entscheidungsrelevanteste Zahl: Ein RR von 3 könnte eine Veränderung von 0,1 % auf 0,3 % bedeuten (eine winzige absolute Änderung) oder von 10 % auf 30 % (eine große).
Die 95%-Konfidenzintervalle geben die Präzision der Schätzungen an. Schließt ein Intervall die 1 aus, ist der Zusammenhang auf dem 5%-Niveau statistisch signifikant; enthält es die 1, sind die Daten mit keinem Zusammenhang vereinbar. Breite Intervalle — bei kleinen Stichproben häufig — bedeuten, dass die Schätzung unpräzise ist. Weitere Hintergründe zu Intervallen finden Sie im Rechner Konfidenzintervall; um zu prüfen, ob Ihre Studie genug Personen hat, um einen solchen Effekt zu entdecken, nutzen Sie den Rechner Stichprobengröße.
Annahmen und Grenzen
- Das Studiendesign zählt. Das RR erfordert ein Design, bei dem Inzidenz beobachtet wird (Kohorte oder Interventionsstudie). In Fall-Kontroll-Studien ist nur die OR gültig, da die Stichprobe nach dem Ereignis und nicht nach der Exposition ausgewählt wird.
- Zusammenhang ist keine Kausalität. Sowohl OR als auch RR können durch Confounding, Selektionsbias und Messfehler verzerrt werden. Um andere Variablen zu kontrollieren, sind adjustierte Schätzungen aus Regressionsmodellen nötig.
- Die Konfidenzintervalle nutzen eine Normalverteilungsapproximation (Woolf-Methode für die OR, Katz-Log-Methode für das RR), die nur zuverlässig ist, wenn alle Zellenhäufigkeiten ausreichend groß sind. Bei kleinen Häufigkeiten oder Nullzellen sind exakte Verfahren wie der exakte Test nach Fisher vorzuziehen, oder Sie wenden eine Stetigkeitskorrektur von +0,5 auf jede Zelle an.
- OR ≠ RR bei häufigen Ereignissen. Die OR überzeichnet das RR bei häufigen Ereignissen in Richtung des Zusammenhangs. Berichten Sie die Kennzahl, die zu Ihrem Design und Ihrer Aussage passt.
- Nullzellen. Ist \(b\) oder \(c\) null, ist die OR undefiniert oder unendlich; ist \(c\) null, kann das RR nicht berechnet werden. Der Rechner kennzeichnet diese Fälle, statt eine irreführende Zahl auszugeben.
Wenn Sie stattdessen den Zusammenhang zwischen zwei kontinuierlichen Variablen und nicht einer 2×2-Tabelle analysieren, ist der Rechner Korrelationskoeffizient das passende Werkzeug.
Häufig gestellte Fragen
Wie berechne ich die Odds Ratio von Hand ohne Rechner?
Multiplizieren Sie die beiden Diagonalzellen und dividieren Sie: OR = (a × d) ÷ (b × c). Mit a = 20, b = 80, c = 10, d = 90 ergibt sich (20 × 90) ÷ (80 × 10) = 1800 ÷ 800 = 2,25. Das RR ist (20 ÷ 100) ÷ (10 ÷ 100) = 2,0. Eine einmalige Handrechnung ist ein guter Weg, um Ihre Dateneingabe zu prüfen, bevor Sie einem Werkzeug vertrauen.
Wann sollte ich die Odds Ratio statt des relativen Risikos berichten?
Berichten Sie das RR bei prospektiven Designs — Kohortenstudien und randomisierte Studien —, bei denen Sie Personen nach Exposition rekrutiert und auf das Ereignis beobachtet haben, denn diese liefern wahre Inzidenzen. Berichten Sie die OR bei Fall-Kontroll-Studien, bei denen Personen nach Ereignisstatus ausgewählt wurden und keine Inzidenz berechnet werden kann. Auch die logistische Regression gibt ORs aus. Ist das Ereignis selten (unter etwa 10 % in beiden Gruppen), sind die beiden Zahlen ohnehin nahezu identisch.
Was gilt als starker oder klinisch bedeutsamer Wert?
Es gibt keine universelle Schwelle — das hängt vom Fachgebiet und vom Grundrisiko ab. In der Epidemiologie wird eine OR oder ein RR über 3 oft als stark und über 10 als sehr stark bezeichnet, während 1 bis 1,5 als schwach gilt. Aber statistische Stärke ist nicht praktische Bedeutung: Ein RR von 3 bei einem Grundrisiko von 0,1 % betrifft wenige Menschen. Prüfen Sie neben dem Verhältnis immer auch die absolute Risikodifferenz und das Konfidenzintervall.
Was soll ich tun, wenn eine meiner Zellen eine Null enthält?
Eine Null in b oder c macht die OR unendlich oder undefiniert, und eine Null in c macht das RR unendlich. Gängige Lösungen sind die Addition von 0,5 zu jeder Zelle (die Haldane–Anscombe-Korrektur) oder exakte Verfahren wie der exakte Test nach Fisher, die dünne Daten ohne Großstichproben-Näherung verarbeiten. Ist Ihre Studie weiterhin klein, ziehen Sie in Betracht, mehr Personen einzuschließen, statt die Zahlen zu korrigieren.
Warum ist meine Odds Ratio größer als mein relatives Risiko?
Odds stauchen Wahrscheinlichkeiten: Odds von 3 bedeuten ein Risiko von 75 %, nicht 300 %. Je weiter die Ereigniswahrscheinlichkeit in einer Gruppe von kleinen Werten abweicht, desto stärker weichen die Odds von der Wahrscheinlichkeit ab, sodass die OR das RR in Richtung des Effekts überzeichnet. Zum Beispiel ergeben Risiken von 80 % gegenüber 40 % ein RR = 2, aber eine OR = 6. Deshalb gilt die Faustregel „OR ≈ RR“ nur für seltene Ereignisse, und deshalb irreführt es Leser, eine OR so zu berichten, als wäre sie ein Vielfaches des Risikos.
Kann ich eine Odds Ratio in ein relatives Risiko umrechnen?
Ja, wenn Sie das Grundrisiko in der nicht exponierten Gruppe \(r_0\) und die OR kennen: \(RR = \frac{OR}{1 - r_0 + r_0 \times OR}\). Mit OR = 3 und einem Grundrisiko von 10 % ergibt sich z. B. RR = 3 ÷ (0,9 + 0,3) = 2,5. Die Umrechnung benötigt das Grundrisiko — und genau das liefern Fall-Kontroll-Studien nicht; das ist ihre Hauptgrenze.
Welche Fehler kommen bei der Eingabe der 2×2-Tabelle häufig vor?
Der häufigste Fehler ist das Vertauschen von Zeilen und Spalten — Ereigniszählen in die Expositionszellen einzutragen. Das liefert dieselbe OR, aber ein falsches RR, wenn die Gruppengrößen unterschiedlich sind. Ein weiterer Fehler ist die Eingabe von Summen oder Prozenten statt roher Häufigkeiten; der Rechner braucht die tatsächliche Anzahl von Personen pro Zelle. Verwechseln Sie schließlich nicht „exponiert“ mit „behandelt“ — legen Sie fest, welche Gruppe die Referenz ist, bevor Sie Daten eingeben, denn das Vertauschen der Gruppen kehrt RR in 1/RR um.