En regresión logística, los coeficientes se exponencian y se obtiene un odds ratio (OR). Es tentador leerlo como “riesgo relativo”: “2.7 veces más riesgo”. Pero odds y riesgo no son lo mismo.
Riesgo vs. odds
El riesgo es la probabilidad p. Los odds son p / (1 − p). Cuando p es pequeño, 1 − p ≈ 1 y odds ≈ riesgo. Cuando p crece, los odds se alejan.
| Riesgo expuestos | Riesgo no expuestos | RR | OR |
|---|---|---|---|
| 5 % | 2.5 % | 2.00 | 2.05 |
| 10 % | 5 % | 2.00 | 2.11 |
| 40 % | 20 % | 2.00 | 2.67 |
| 60 % | 30 % | 2.00 | 3.50 |
En todas las filas el riesgo se duplica (RR = 2), pero el OR crece conforme el desenlace se vuelve común.
Regla práctica: si el desenlace ocurre en más de ~10 % de los participantes, no interpretes el OR como un RR.
¿Qué hacer?
- Estudios de cohorte, ensayos y transversales: estima directamente RR o razón de prevalencias (RP) con un modelo de Poisson con varianza robusta o log-binomial, o por estandarización marginal a partir de un modelo logístico.
- Estudios de casos y controles: el OR es la medida estimable; con desenlace raro aproxima al RR.
- Si usas OR: repórtalo como odds ratio y acompáñalo del riesgo absoluto.
Poisson con varianza robusta
# R
m <- glm(evento ~ exposicion + edad + sexo, family = poisson(link = "log"), data = d)
lmtest::coeftest(m, vcov = sandwich::vcovHC(m, type = "HC0"))
exp(coef(m)) # razón de riesgos / prevalencias
* Stata
glm evento i.exposicion edad i.sexo, family(poisson) link(log) vce(robust) eformRecuerda siempre reportar intervalos de confianza y el riesgo absoluto de base: la medida relativa sola no dice cuánto cambia el riesgo en términos clínicos.
¿Quieres probarlo? Usa la calculadora de RR, OR y diferencia de riesgos.