ความเสี่ยงสัมพัทธ์ (RR)หรืออัตราส่วนความเสี่ยงคืออัตราส่วนของความน่าจะเป็นของผลลัพธ์ในกลุ่มที่ได้รับผลกระทบต่อความน่าจะเป็นของผลลัพธ์ในกลุ่มที่ไม่ได้รับผลกระทบ เมื่อรวมกับความแตกต่างของความเสี่ยงและอัตราส่วนความน่าจะเป็น ความเสี่ยงสัมพัทธ์จะวัดความสัมพันธ์ระหว่างการได้รับผลกระทบและผลลัพธ์^{[ 1 ]}

ความเสี่ยงสัมพัทธ์ส่วนใหญ่ใช้ในการวิเคราะห์ทางสถิติของข้อมูลจาก การศึกษา เชิงนิเวศวิทยาการศึกษาแบบกลุ่ม การศึกษาทางการแพทย์ และการศึกษาแบบแทรกแซง เพื่อประเมินความแข็งแกร่งของความสัมพันธ์ระหว่างการสัมผัส (การรักษาหรือปัจจัยเสี่ยง) และผลลัพธ์ ^{[ 2 ]} ใน ทางคณิตศาสตร์ คืออัตราการเกิดผลลัพธ์ในกลุ่มที่สัมผัสหารด้วยอัตราของกลุ่มที่ไม่สัมผัส[ ^{3 ]}ดังนั้นจึงใช้เพื่อเปรียบเทียบความเสี่ยงของผลลัพธ์ที่ไม่พึงประสงค์เมื่อได้รับการรักษาทางการแพทย์เทียบกับการไม่ได้รับการรักษา (หรือยาหลอก) หรือสำหรับปัจจัยเสี่ยงด้าน^{สิ่งแวดล้อม}${\displaystyle I_{e}}$${\displaystyle I_{u}}$

ตัวอย่างเช่น ในการศึกษาวิจัยที่ตรวจสอบผลของยาapixabanต่อการเกิดภาวะลิ่มเลือดอุดตัน พบว่าผู้ป่วยที่ได้รับยาหลอก 8.8% เกิดโรคนี้ แต่ผู้ป่วยที่ได้รับยา apixaban เพียง 1.7% เท่านั้นที่เกิดโรค ดังนั้นความเสี่ยงสัมพัทธ์จึงเท่ากับ 0.19 (1.7/8.8): ผู้ป่วยที่ได้รับ apixaban มีความเสี่ยงต่อโรคเพียง 19% ของผู้ป่วยที่ได้รับยาหลอก^{[ 4 ]}ในกรณีนี้ apixaban ถือเป็นปัจจัยป้องกันมากกว่าปัจจัยเสี่ยงเนื่องจากช่วยลดความเสี่ยงต่อการเกิดโรค

เมื่อพิจารณาถึงผลกระทบเชิงสาเหตุระหว่างการสัมผัสและผลลัพธ์ ค่าความเสี่ยงสัมพัทธ์สามารถตีความได้ดังนี้: ^{[ 2 ]}

• RR = 1 หมายความว่าการได้รับสัมผัสไม่มีผลต่อผลลัพธ์
• RR <  1 หมายความว่าความเสี่ยงของผลลัพธ์ลดลงเนื่องจากการได้รับปัจจัยนั้น ซึ่งถือเป็น " ปัจจัยป้องกัน "
• RR >  1 หมายความว่าความเสี่ยงของผลลัพธ์นั้นเพิ่มขึ้นจากการสัมผัส ซึ่งถือเป็น " ปัจจัยเสี่ยง "

เช่นเคยความสัมพันธ์ไม่ได้หมายถึงสาเหตุ เสมอ ไป สาเหตุอาจกลับกัน หรือทั้งสองอย่างอาจเกิดจากตัวแปรแทรกซ้อน ร่วมกัน ก็ได้ ตัวอย่างเช่น ความเสี่ยงสัมพัทธ์ของการเป็นมะเร็งเมื่ออยู่ในโรงพยาบาลเทียบกับอยู่ที่บ้านจะมากกว่า 1 แต่เป็นเพราะการเป็นมะเร็งทำให้คนต้องไปโรงพยาบาล

ความเสี่ยงสัมพัทธ์มักใช้ในการนำเสนอผลลัพธ์ของการทดลองแบบสุ่มที่มีการควบคุม^{[ 5 ]}ซึ่งอาจเป็นปัญหาได้หากนำเสนอความเสี่ยงสัมพัทธ์โดยไม่มีการวัดค่าสัมบูรณ์ เช่นความเสี่ยงสัมบูรณ์หรือความแตกต่างของความเสี่ยง^{[ 6 ]}ในกรณีที่อัตราพื้นฐานของผลลัพธ์ต่ำ ค่าความเสี่ยงสัมพัทธ์ที่สูงหรือต่ำอาจไม่ได้หมายถึงผลกระทบที่มีนัยสำคัญ และความสำคัญของผลกระทบต่อสุขภาพของประชาชนอาจถูกประเมินสูงเกินไป ในทำนองเดียวกัน ในกรณีที่อัตราพื้นฐานของผลลัพธ์สูง ค่าความเสี่ยงสัมพัทธ์ที่ใกล้เคียงกับ 1 อาจยังคงส่งผลให้เกิดผลกระทบที่มีนัยสำคัญ และผลกระทบเหล่านั้นอาจถูกประเมินต่ำเกินไป ดังนั้นจึงแนะนำให้นำเสนอทั้งการวัดค่าสัมบูรณ์และสัมพัทธ์^{[ 7 ]}

สามารถประมาณความเสี่ยงสัมพัทธ์ได้จาก ตารางความสัมพันธ์ 2x2 :

ค่าประมาณจุดของความเสี่ยงสัมพัทธ์คือ

${\displaystyle RR={\frac {IE/(IE+IN)}{CE/(CE+CN)}}={\frac {IE(CE+CN)}{CE(IE+IN)}}.}$

การกระจายตัวอย่างของนั้นใกล้เคียงกับ การกระจาย แบบปกติมากกว่าการกระจายของ RR ^{[ 8 ]}โดยมีข้อผิดพลาดมาตรฐาน${\displaystyle \log(RR)}$

${\displaystyle SE(\log(RR))={\sqrt {{\frac {IN}{IE(IE+IN)}}+{\frac {CN}{CE(CE+CN)}}}}.}$

ช่วงความเชื่อมั่นสำหรับค่าดังกล่าวคือ${\displaystyle 1-\alpha }$${\displaystyle \log(RR)}$

${\displaystyle CI_{1-\alpha }(\log(RR))=\log(RR)\pm SE(\log(RR))\times z_{\alpha },}$

โดยที่คะแนนมาตรฐานสำหรับระดับนัยสำคัญ ที่เลือก คือ^{[ 9 ] [ 10 ]}ในการหาช่วงความเชื่อมั่นรอบ RR เอง ขอบเขตทั้งสองของช่วงความเชื่อมั่นข้างต้นสามารถยกกำลังได้^{[ 9 ]}${\displaystyle z_{\alpha }}$

ในแบบจำลองการถดถอยตัวแปรต้นเหตุจะถูกรวมไว้เป็นตัวแปรบ่งชี้ร่วมกับปัจจัยอื่นๆ ที่อาจส่งผลต่อความเสี่ยง โดยทั่วไปแล้ว ความเสี่ยงสัมพัทธ์จะถูกรายงานโดยคำนวณจากค่าเฉลี่ยของค่าตัวอย่างของตัวแปรอธิบาย

ความเสี่ยงสัมพัทธ์แตกต่างจากอัตราส่วนความน่าจะเป็นแม้ว่าอัตราส่วนความน่าจะเป็นจะเข้าใกล้ความเสี่ยงสัมพัทธ์ในเชิงอนุกรมสำหรับความน่าจะเป็นของผลลัพธ์ที่น้อยก็ตาม ถ้า IE น้อยกว่าIN อย่างมาก IE/(IE  +  IN) จะเท่ากับ IE/IN ในทำนองเดียวกัน ถ้า CE น้อยกว่า CN มาก CE/(CN + CE) จะเท่ากับCE/CN ดังนั้น ภายใต้สมมติฐานของโรคหายาก${\displaystyle \scriptstyle \approx }$${\displaystyle \scriptstyle \approx }$

${\displaystyle RR={\frac {IE(CE+CN)}{CE(IE+IN)}}\approx {\frac {IE\cdot CN}{CE\cdot IN}}=OR.}$

ในทางปฏิบัติอัตราส่วนความน่าจะเป็นมักใช้สำหรับการศึกษากรณีควบคุมเนื่องจากไม่สามารถประมาณความเสี่ยงสัมพัทธ์ได้^{[ 1 ]}

ในความเป็นจริง อัตราส่วนความน่าจะเป็น (odds ratio) มีการใช้งานทั่วไปมากกว่าในทางสถิติ เนื่องจาก แบบจำลองการถดถอยโลจิสติก ( logistic regression ) ซึ่งมักเกี่ยวข้องกับการทดลองทางคลินิกใช้ค่าลอการิทึมของอัตราส่วนความน่าจะเป็น ไม่ใช่ความเสี่ยงสัมพัทธ์ (relative risk) เนื่องจากค่าความน่าจะเป็น (ลอการิทึมธรรมชาติของ) ของการบันทึกข้อมูลนั้นถูกประมาณค่าเป็นฟังก์ชันเชิงเส้นของตัวแปรอธิบาย ดังนั้น อัตราส่วนความน่าจะเป็นที่ประมาณค่าได้สำหรับผู้ที่มีอายุ 70 ​​ปีและ 60 ปีที่เกี่ยวข้องกับประเภทของการรักษาจึงจะเท่ากันในแบบจำลองการถดถอยโลจิสติกที่ผลลัพธ์เกี่ยวข้องกับยาและอายุ แม้ว่าความเสี่ยงสัมพัทธ์อาจแตกต่างกันอย่างมีนัยสำคัญก็ตาม

เนื่องจากความเสี่ยงสัมพัทธ์เป็นมาตรวัดประสิทธิภาพที่เข้าใจง่ายกว่า การแยกแยะความแตกต่างจึงมีความสำคัญโดยเฉพาะในกรณีที่มีความน่าจะเป็นปานกลางถึงสูง หากการกระทำ A มีความเสี่ยง 99.9% และการกระทำ B มีความเสี่ยง 99.0% ความเสี่ยงสัมพัทธ์จะมากกว่า 1 เล็กน้อย ในขณะที่อัตราต่อรองที่เกี่ยวข้องกับการกระทำ A สูงกว่าอัตราต่อรองของการกระทำ B มากกว่า 10 เท่า

ในการสร้างแบบจำลองทางสถิติ วิธีการต่างๆ เช่นการถดถอยแบบปัวซง (สำหรับการนับจำนวนเหตุการณ์ต่อหน่วยการสัมผัส) จะมีการตีความในแง่ของความเสี่ยงสัมพัทธ์: ผลกระทบที่ประมาณการได้ของตัวแปรอธิบายจะเป็นแบบคูณกับอัตรา และนำไปสู่ความเสี่ยงสัมพัทธ์ ใน ขณะที่ การถดถอยแบบโลจิสติก (สำหรับผลลัพธ์แบบไบนารี หรือจำนวนความสำเร็จจากจำนวนครั้งของการทดลอง) จะต้องตีความในแง่ของอัตราส่วนความน่าจะเป็น: ผลกระทบของตัวแปรอธิบายจะเป็นแบบคูณกับความน่าจะเป็น และนำไปสู่อัตราส่วนความน่าจะเป็น

เราสามารถสมมติว่ามีโรคที่ระบุโดยและไม่มีโรคที่ระบุโดยการสัมผัสที่ระบุโดยและไม่มีการสัมผัสที่ระบุโดยความเสี่ยงสัมพัทธ์สามารถเขียนได้ดังนี้${\displaystyle D}$${\displaystyle \neg D}$${\displaystyle E}$${\displaystyle \neg E}$

${\displaystyle RR={\frac {P(D\mid E)}{P(D\mid \neg E)}}={\frac {P(E\mid D)/P(\neg E\mid D)}{P(E)/P(\neg E)}}.}$

ด้วยวิธีนี้ ความเสี่ยงสัมพัทธ์สามารถตีความได้ใน แง่ของ เบย์เซียนเป็นอัตราส่วนภายหลังของการสัมผัส (เช่น หลังจากเห็นโรค) ที่ถูกทำให้เป็นมาตรฐานโดยอัตราส่วนก่อนหน้าของการสัมผัส^{[ 11 ]} หากอัตราส่วนภายหลังของการสัมผัสคล้ายกับอัตราส่วนก่อนหน้า ผลกระทบจะมีค่าประมาณ 1 ซึ่งบ่งชี้ว่าไม่มีความสัมพันธ์กับโรค เนื่องจากไม่ได้เปลี่ยนแปลงความเชื่อเกี่ยวกับการสัมผัส ในทางกลับกัน หากอัตราส่วนภายหลังของการสัมผัสมีค่าน้อยกว่าหรือสูงกว่าอัตราส่วนก่อนหน้า โรคก็จะเปลี่ยนมุมมองเกี่ยวกับอันตรายจากการสัมผัส และขนาดของการเปลี่ยนแปลงนี้คือความเสี่ยงสัมพัทธ์

วิกิมีเดียคอมมอนส์มีสื่อที่เกี่ยวข้องกับสถิติความเสี่ยงสัมพัทธ์

• ความเสี่ยงสัมบูรณ์
• การลดความเสี่ยงสัมพัทธ์
• ความเข้าใจผิดเกี่ยวกับอัตราพื้นฐาน
• สถิติ Cochran–Mantel–Haenszelสำหรับการรวมอัตราส่วนความเสี่ยงในหลายระดับ
• การวัดผลกระทบต่อประชากร
• โอเพ่นอีพี
• อัตราส่วน

• เครื่องคำนวณความเสี่ยงสัมพัทธ์ออนไลน์