ఎపిడెమియాలజీ, ఆరోగ్య సంబంధిత రాష్ట్రాలు లేదా జనాభాలోని సంఘటనల పంపిణీ మరియు నిర్ణాయకాలను అధ్యయనం చేస్తుంది, డేటాను విశ్లేషించడానికి మరియు అర్థం చేసుకోవడానికి బయోస్టాటిస్టిక్స్‌పై ఎక్కువగా ఆధారపడుతుంది. బయోస్టాటిస్టిక్స్‌లో అనుబంధం యొక్క కొలతలు వేరియబుల్స్ మధ్య సంబంధాలపై విలువైన అంతర్దృష్టులను అందిస్తాయి, వ్యాధి ఫలితాలపై ఎక్స్‌పోజర్‌ల ప్రభావం గురించి పరిశోధకులు అర్ధవంతమైన ముగింపులు చేయడానికి వీలు కల్పిస్తుంది. ఎపిడెమియోలాజికల్ అధ్యయనాల సందర్భంలో, ఈ సంబంధాల యొక్క బలం మరియు దిశను లెక్కించడానికి అసోసియేషన్ యొక్క అనేక సాధారణ చర్యలు ఉపయోగించబడతాయి.
రిలేటివ్ రిస్క్ మరియు రిస్క్ రేషియో
రిలేటివ్ రిస్క్ (RR), రిస్క్ రేషియో అని కూడా పిలుస్తారు, ఇది ఎపిడెమియాలజీలో అనుబంధం యొక్క ప్రాథమిక కొలత, ఇది వివిధ కారకాలకు గురైన రెండు సమూహాల మధ్య వ్యాధి వంటి సంఘటన యొక్క ప్రమాదాన్ని పోల్చింది. ఇది బహిర్గత సమూహంలో సంభవించే సంఘటన యొక్క సంభావ్యత మరియు బహిర్గతం కాని సమూహంలో సంభవించే సంఘటన యొక్క సంభావ్యత యొక్క నిష్పత్తిగా లెక్కించబడుతుంది.
సంబంధిత రిస్క్ సూత్రం: RR = (P e / (1 - P e )) / (P u / (1 - P u )) ఇక్కడ P e అనేది బహిర్గత సమూహంలోని ఈవెంట్ యొక్క సంభావ్యతను సూచిస్తుంది మరియు P u ప్రాతినిధ్యం వహిస్తుంది బహిర్గతం కాని సమూహంలో ఈవెంట్ యొక్క సంభావ్యత.
1 యొక్క సాపేక్ష ప్రమాదం బహిర్గతం మరియు సంఘటన మధ్య ఎటువంటి అనుబంధాన్ని సూచిస్తుంది, అయితే 1 కంటే ఎక్కువ సాపేక్ష ప్రమాదం బహిర్గత సమూహంలో అధిక ప్రమాదాన్ని సూచిస్తుంది మరియు 1 కంటే తక్కువ సాపేక్ష ప్రమాదం బహిర్గత సమూహంలో తక్కువ ప్రమాదాన్ని సూచిస్తుంది.
అసమానత నిష్పత్తి
అసమానత నిష్పత్తి (OR) అనేది ఎపిడెమియోలాజికల్ అధ్యయనాలలో, ప్రత్యేకించి కేస్-కంట్రోల్ అధ్యయనాలలో సాధారణంగా ఉపయోగించే అనుబంధం యొక్క మరొక ముఖ్యమైన కొలత. ఇది ఒక ఎక్స్పోజర్ సమక్షంలో ఈవెంట్‌ను అనుభవించే అసమానతలను ఆ ఎక్స్పోజర్ లేనప్పుడు ఈవెంట్‌ను అనుభవించే అసమానతలతో పోల్చింది.
అసమానత నిష్పత్తి సూత్రం: OR = (ad / bc) ఇక్కడ 'a' మరియు 'd' అనేది ఈవెంట్ మరియు ఎక్స్‌పోజర్‌తో కూడిన వ్యక్తుల సంఖ్యలు, అయితే 'b' మరియు 'c' అనేది లేని వ్యక్తుల సంఖ్యలను సూచిస్తాయి. ఈవెంట్ మరియు ఎక్స్పోజర్ లేకుండా వరుసగా.
అసమానత నిష్పత్తి 1 అనుబంధాన్ని సూచించదు, అయితే 1 కంటే ఎక్కువ అసమానత నిష్పత్తి సానుకూల అనుబంధాన్ని సూచిస్తుంది మరియు 1 కంటే తక్కువ అసమానత నిష్పత్తి ప్రతికూల అనుబంధాన్ని సూచిస్తుంది.
సహసంబంధ గుణకాలు
పరిశీలనా అధ్యయనాలలో, పియర్సన్ సహసంబంధ గుణకం మరియు స్పియర్‌మ్యాన్ యొక్క ర్యాంక్ సహసంబంధ గుణకం వంటి సహసంబంధ గుణకాలు రెండు నిరంతర వేరియబుల్స్ మధ్య సరళ సంబంధం యొక్క బలం మరియు దిశను కొలవడానికి ఉపయోగించబడతాయి. ఈ గుణకాలు ఒక వేరియబుల్‌లోని మార్పులు మరొక వేరియబుల్‌లోని మార్పులతో సంబంధం కలిగి ఉన్న స్థాయిని అంచనా వేస్తాయి.
పియర్సన్ సహసంబంధ గుణకం, 'r'గా సూచించబడుతుంది, ఇది -1 నుండి +1 వరకు ఉంటుంది, ఇక్కడ +1 యొక్క విలువ ఖచ్చితమైన సానుకూల సరళ సంబంధాన్ని సూచిస్తుంది, 0 సరళ సంబంధాన్ని సూచిస్తుంది మరియు -1 ఖచ్చితమైన ప్రతికూల సరళ సంబంధాన్ని సూచిస్తుంది. మరోవైపు, స్పియర్‌మ్యాన్ యొక్క ర్యాంక్ కోరిలేషన్ కోఎఫీషియంట్ సంబంధం యొక్క సరళతతో సంబంధం లేకుండా వేరియబుల్స్ మధ్య మోనోటోనిక్ సంబంధాన్ని అంచనా వేస్తుంది.
ముగింపు
ఎపిడెమియాలజిస్టులు ఆరోగ్య ఫలితాలపై ఎక్స్‌పోజర్‌ల ప్రభావాన్ని ఖచ్చితంగా అంచనా వేయడానికి మరియు ప్రజారోగ్య జోక్యాల కోసం సమాచార నిర్ణయాలు తీసుకోవడానికి బయోస్టాటిస్టిక్స్‌లో అసోసియేషన్ యొక్క సాధారణ చర్యలను అర్థం చేసుకోవడం మరియు వర్తింపజేయడం చాలా అవసరం. సాపేక్ష రిస్క్, అసమానత నిష్పత్తి మరియు సహసంబంధ గుణకాలు వేరియబుల్స్ మధ్య సంబంధాలను వెలికితీయడంలో కీలక పాత్ర పోషిస్తాయి, తద్వారా ఎపిడెమియాలజీలో జ్ఞానం యొక్క పురోగతికి మరియు సమర్థవంతమైన ప్రజారోగ్య వ్యూహాల అభివృద్ధికి దోహదం చేస్తాయి.