発生率の比較

2つのグループ（1つは疾患なし、もう1つは疾患なし）間の発生率と比較したいと思います。

発生率比（IRR）、つまり発生率グループB /発生率グループAを計算し、この率が1に等しいかどうかをテストし、最後にIRRの95％CI間隔を計算することを計画していました。

私は本（Rosner's Fundamentals of Biostatistics）で95％CIを計算する方法を見つけました。

ここで、とはイベントの数です。しかし、この近似は十分に大きいサンプルサイズに対してのみ有効であり、私が持っているイベントの数は小さいと思います（たぶん、全体の比較では問題ありません）。a $a_1$$a_2$

だから私は別の方法を使うべきだと思います。

私はRとexactciパッケージを使用していて、おそらく使用できることを発見しましたpoisson.test()。ただし、この関数には、両側のp値を定義するための3つの方法があります。中央、最小、およびブレーカーです。

だから私の質問は：

1. ポアソン率の比較テストを使用して2つの発生率比を比較することは正しいですか？

2. exactciパッケージのRでpoisson.test関数を使用する場合、どの方法が最適ですか？

ビネットのためexactciは言います：

central：は、上記の1で区切られた片側p値の最小値の2倍です。「central」という名前は、中心間隔である関連付けられた反転収束間隔によって動機付けられます。つまり、真のパラメーターがは、100（1-）％の信頼区間の下（上）テールよりも小さい（大きい）確率です。これは、Hirji（2006）によってTST（2回の小さいテール法）と呼ばれています。$\alpha/2$$\alpha$

minlike：観測された尤度以下の尤度を持つ結果の確率の合計です。これはHirji（2006）によってPB（確率ベース）メソッドと呼ばれています。

ブレーカー：観測されたテールの小さい確率と、観測されたテールの確率を超えない反対側のテールの最小確率を組み合わせます。「ブレーカー」という名前は、コンデンス間隔の関連メソッドを包括的に研究するブレーカー（2000）が動機となっています。これはHirji（2006）によってCT（combined tail）法と呼ばれています。

私のデータは：

Group A: 
Age group 1: 3 cases    in 10459 person yrs.   Incidence rate: 0.29 
Age group 2: 7 cases    in 2279 person yrs.    Incidence rate: 3.07
Age group 3: 4 cases    in 1990 person yrs.    Incidence rate: 2.01
Age group 4: 9 cases    in 1618 person yrs.    Incidence rate: 5.56
Age group 5: 11 cases   in 1357 person yrs.    Incidence rate: 8.11
Age group 6: 11 cases   in 1090 person yrs.    Incidence rate: 10.09
Age group 7: 9 cases    in 819 person yrs.     Incidence rate: 10.99
  Total:    54 cases in 19612 person yrs.      Incidence rate: 2.75

Group B: 
Age group 1: 3 cases    in 3088 person yrs.   Incidence rate: 0.97 
Age group 2: 1 cases    in 707 person yrs.    Incidence rate: 1.41
Age group 3: 2 cases    in 630 person yrs.    Incidence rate: 3.17
Age group 4: 6 cases    in 441 person yrs.    Incidence rate: 13.59
Age group 5: 10 cases   in 365 person yrs.    Incidence rate: 27.4
Age group 6: 6 cases   in 249 person yrs.    Incidence rate: 24.06
Age group 7: 0 cases    in 116 person yrs.     Incidence rate: 0
  Total:    28 cases in 5597 person yrs.      Incidence rate: 5.0

いくつかの考え：

まず、提案された比較（AとBの発生率比）は、現在、共変量を条件としていません。これは、イベント数がグループAで54、グループBで28であることを意味します。これは、通常の大規模なサンプルベースの信頼区間法では十分です。

第2に、各グループの比率を計算するのではなく、年齢の影響を調整するつもりである場合でも、回帰アプローチを使用するほうがよい場合があります。一般に、変数の多くのレベルで層別化している場合、回帰式に比べて扱いにくくなり、年齢を制御しながらAとBの比率の比率が得られます。私は標準的なアプローチがあなたのサンプルサイズでまだ機能すると信じていますが、あなたがそれについて心配しているなら、あなたはglmpermのようなものを使うことができます。

データ内の各グループの発生率は、独立したベルヌーイ（0/1）変数の合計の平均に過ぎません-各患者には、0または1の値を受け取る独自の変数があり、それらを合計して平均を取ります。発生率です。

サンプルが大きい（サンプルが大きい）場合、平均は正規分布するため、単純なz検定を使用して2つのレートが異なるかどうかをテストできます。

Rでは、prop.testを見てください：http ://stat.ethz.ch/R-manual/R-patched/library/stats/html/prop.test.html

データを最大限に活用したい場合は、発生率の分布がグループAとBで異なるかどうかを確認してください。そのためには、Gのカイ二乗などの独立性の検定でうまくいく場合があります。 -test：http : //udel.edu/~mcdonald/statchiind.html

サンプルが十分な大きさであることを確認する唯一の方法（またはチャーリーガイヤーがそれを置くように-実際にはアシントピアの土地にいる）は、多くのモンテカルロシミュレーションを実行するか、EpiGardがglmpermのようなものを使用することを提案しました。

正確にはどの方法が最善であるかについては、ここで最善のものはありません-またはフィッシャーがそれを置くために使用したように

何に最適ですか？

Michael Fayがここでいくつかの説明を提供します