Statistical methods of estimating fracture risk

Zusammenfassung

Das Ziel dieser Arbeit ist die Analyse von statistischen Methoden, welche zur Bewertung des Frakturrisikos bei osteoporotischen Patienten zur Anwendung kommen. Die mathematischen Relationen von verschiedenen Methoden werden erklärt. (Risk – R, Risk ratio – RR, Risk difference – RD, odds – O, odds ratio – OR, Yule's Q, Yule's Y, logistic model). Für die Interpretation von statistischen Daten ist es wichtig zu beachten: 1) Relatives Risiko und Odds ratio beschreiben lediglich eine Assoziation und keine Kausalität. 2) Relatives Risiko und Odds ratio beziehen sich auf eine Population aber nicht auf einen individuellen Patienten. 3) Studien mit geringerer Fallzahl finden mit höherer Wahrscheinlichkeit eine zufällige Verbindung zwischen dem Risikofaktor und dem Outcome (Fraktur) als Studien mit größerer Fallzahl. 4) Wenn die Inzidenz eines "Outcome of interest" in der Studienpopulation niedrig ist (<10 %), und die OR nahe beim RR liegt, wird je häufiger der Outcome auftritt, die OR das RR überschätzen, wenn sie größer als 1 ist (bzw. unterschätzen, wenn sie kleiner als 1 ist). Anspruchsvolle statistische Pakete, welche viele der statistischen Tests berechnen können, sind verfügbar. Das Problem ist jedoch, dass der Forscher wissen muss welcher der richtige Test ist. Die falsche Wahl der statistischen Analyse, die falsche Interpretation der Risk ratio oder der Odds ratio und die Überbewertung eines Risikofaktors kann zu unbeabsichtigten Fehlbewertungen bei der ökonomischen Analyse von potentiellen Interventionen bei Osteoporose führen. Dieser Artikel könnte einen Beitrag für Forscher sein, die sich mit der Bewertung des Frakturrisikos beschäftigen.

Summary

The aim of the article is to present an analysis of statistical methods used for estimating fracture risk in patients with osteoporosis. Mathematical relations of different methods are explained (risk – R, risk ratio – RR, RD – risk difference, odds – O, odds ratio – OR, Yule's Q, Yule's Y, logistic model). What is important to keep in mind is that: 1) relative risk and odds ratio are statistics that only describe an association, not causation; 2) relative risk and odds ratio refer to a population, not to an individual patient; 3) the studies of small groups are more likely to find an association that might actually just be due to chance, the larger the groups, the less likely the association between a risk factor and an outcome (fracture); 4) when the incidence of an outcome of interest in the study population is low (<10 %), the OR is close to the RR, the more frequent the outcome becomes, the more the OR will overestimate the RR when it is more than 1 or underestimate the RR when it is less than 1. Sophisticated statistical packages are available which can calculate many of the tests of association but the problem is that the investigator must know which is the desirable one. The incorrect option of statistical analysis, the incorrect interpretation of risk ratio or odds ratio and overestimation of the importance of a risk factor may lead to unintentional errors in the economic analysis of potential programs or treatments in osteoporosis. This article could be a contribution for investigators who are concerned with assessment of fracture risk.