效应尺度：重建风险差、比值与赔率
概率比与赔率比可以描述同一组二元结果，却给出不同数字。问题通常不在算式本身，而在报告更换指标名称时没有更换解释，例如把赔率比为二写成发生概率翻倍。研究者需要从原始四格表建立不同尺度之间的桥，而不是只保留一个看似醒目的倍数。
交付应分别列出绝对概率差、风险比与赔率比，并固定事件、比较方向、观察期间及采样方式。这些首先是关联描述，四则运算本身不能证明某个流程造成了结果变化，也不能把方法名称中的“风险”当作投资组合风险评分。
重建原始四格表
在这个假设比较中，两个研究流程各处理一百份独立抽样文档，在同一个预设期间内获得完整复核结果。事件定义为按固定程序发现实质性提取错误。A有四十份发生事件，B有二十份；一份文档即使有多处错误，也只在本表中计一次。
| 流程 | 事件 | 无事件 | 总数 | 观察事件比例 |
|---|---|---|---|---|
| A | 40 | 60 | 100 | 0.40 |
| B | 20 | 80 | 100 | 0.20 |
四个格子都要保存。只有“四十对二十”看不出两组是否等量，也看不出总数是否排除了未复核文档。未复核不能自动归入无事件，应另存合格数、已观察数与缺失状态。否则即使公式正确，分母也可能对应了另一个研究人口。
Cochrane手册第六点四点一节及四格表框区分这些二元结果尺度，说明概率与赔率的不同。原文临床比较提供定义，本文文档流程数字为自拟算例；这里的概率对应指定期间是否发生事件，并非以时间为分母的发生率。
三种尺度分别计算
始终以A相对B。风险差为0.40减0.20，等于0.20，即增加二十个百分点，不能写成相对增加百分之二十。若表达为每一百份可比文档，观察差额就是二十份事件文档。
风险比为0.40除以0.20，等于2，表示A的观察概率是B的两倍，相对增加百分之一百。每组风险的分母都是该组完整观察数，包括事件和无事件。
赔率则使用事件除以无事件。A为40/60，即2/3；B为20/80，即1/4。赔率比为(40/60)/(20/80)，也可算交叉积(40乘80)/(60乘20)，等于8/3，约2.667。
所以同一张表同时得到风险差0.20、风险比2、赔率比2.667。写成“概率是2.667倍”会夸大实际概率比。赔率本身也不受一的上界限制，事件概率超过一半时赔率可大于一，概率却不能超过一。
若已知赔率比theta及合适的比较组概率pB，可以由赔率关系解出pA：theta乘pB，除以一减pB再加theta乘pB。设theta为2、pB为0.20，得到0.40除以1.20，即1/3，而不是0.40；风险比为5/3，约1.667，风险差约0.1333。
因此赔率比本身不能确定绝对概率变化。解释时应保留基线概率及其来源；外部基线若来自不同人口或期间，把它代入仍然另加了可迁移性假设，不能将换算结果伪装成原研究直接观察值。
低概率近似需要实际复算
另设独立比较：A在一千份中有二十件事件，B在一千份中有十件。风险为0.02和0.01，风险差0.01，风险比2，赔率比为(20/980)/(10/990)，等于99/49，约2.0204。两组概率都小时，风险比与赔率比在此例接近。
接近不是完全相同，也不存在本表自动建立的通用近似合格线。应列出实际概率，并按用途计算偏离程度。很小的绝对差可以伴随很大的相对倍数，只发布相对标题会隐藏起点。
反过来，把绝对差直接搬到不同基线也会失败。例如把降低二十个百分点套到起点只有百分之十的群体，会得到不可能的负概率。应把它视为尺度迁移假设不成立的警报，而不是继续发布负事件风险。
反转组别与反转事件不同
如果改成B相对A，风险差改变正负，两种比值都变成倒数。每一列导出结果都应附比较方向，不能只写RR或OR，让使用者从上下文猜。
现在仍以A相对B，但把事件改成没有提取错误，概率变为0.60和0.80。新风险差为−0.20，风险比0.75，赔率比为3/8，即0.375。赔率比确实是8/3的倒数，但0.75不是原风险比2的倒数。
因此“失败概率减半”不能机械转换成某个成功概率倍数。比较侧重成功和侧重失败的报告时，应先恢复原始格子，再决定哪个事件对应研究问题。不能只把标题中的失败替换成成功，保留原风险比数字不动。
抽样会改变原始概率分母
回到最初四格表，构造一个按结果抽样的分支：保留所有事件文档，两组无事件文档都只留一半。样本变成A事件40、无事件30，B事件20、无事件40。
样本内组比例为40/70，即4/7，以及20/60，即1/3；样本风险比为12/7，约1.714，风险差为5/21，约0.2381，已经不同于原流程概率。赔率比却仍是(40乘40)/(30乘20)，等于8/3，因为两组相同的按结果抽取因子在赔率比中抵消。
这个构造解释病例对照式采样为什么通常不能用原始组比例直接给出总体绝对风险。赔率比能够保留也需要相应选择假设，任意差异化抽样并不保证抵消。恢复概率可能需要外部基线或已知抽样比例；软件接受样本总数，不代表这些总数就是总体分母。
若只有抽样后的表，不能从表内唯一恢复所有原始计数。应查采集协议、抽样层及入选概率，无法取得时就报告可解释的关联尺度和未知部分，不为了补全绝对风险而猜测未被抽中的数量。
执行尺度核验表
| 检查 | 所需输入 | 未解决时的处理 |
|---|---|---|
| 定义事件 | 错误规则、单位、观察期间 | 不比较不相容结果 |
| 识别采样 | 队列、实验或按结果抽取 | 不把样本比例直接称总体概率 |
| 重建四格 | 事件、无事件及缺失复核 | 明列未知结果 |
| 固定方向 | 分子组及比较组 | 一致重算反向指标 |
| 分别计算 | 差、风险比、赔率与赔率比 | 附正确单位和名称 |
| 解释用途 | 基线及决策目标 | 关联与因果识别分开 |
比较组事件为零时，简单风险比的分母为零；某组全部发生事件时，其赔率的无事件分母为零。应保留原表并标记直接公式未定义，不能任意填有限数。连续性修正或区间程序如有使用，要另行说明，不代表实际多观察了半份文档。
点估计算清也没有解决精度。比值为二不说明区间窄，重复文档和聚类复核也不能直接套独立样本公式。若进一步要求因果解释，还需要定义明确的干预、可比较群体及识别假设，这些都不是四格计数自动提供的。
来源计数、缺失结果、抽样比例、事件定义或目标期间改变，都应触发更新。保存原表和转换版本，复核者才能分辨真正的证据变化，与只是把百分点、概率比和赔率比换了一个标题的差别。
分母含糊时先解决成员身份
另开数据质量分支：假设A的一百份合格文档实际是四十份已核实事件、四十份已核实无事件、二十份尚未复核。完整个案比例为40/80=0.50。如果把未知二十份直接当无事件，会得到0.40，但新增分类没有证据。
对完整一百份目标，事件比例可能在0.40至0.60之间，取决于未知结果；B仍完整观察为0.20时，风险差相应在0.20至0.40。这是指定目标下缺失结果的逻辑范围，不是抽样置信区间。完整个案0.50针对已观察子集，只有合适缺失机制才能推广到全部合格文档。
遇到两个导出比例不一致，应先取得逐份复核状态，而不是比较谁使用更多小数位。来源写的是招募总数、实际复核总数还是去重后总数，都应原样保留并核对。软件直接用输入分母算出赔率，并没有替研究者确认分母成员。
同一文档多次复核时，要确定本题二元事件是首次复核、最终复核，还是任一复核发现错误。选择其中一种可能改变四格，但不能把多次复核当多份独立文档。规则应在汇总前固定，并让事件数与唯一文档标识连接。
这类冲突还影响双语表达。英文的百分比变化、百分点与odds，在中文摘要中应逐项对应，不能翻成统一的风险提高多少倍。保留四格和公式名称，比只翻译一个百分数更能避免传播错误，也方便后来修正某份文档时同步重算三个尺度。
常见问题
赔率比为二是否一定表示概率翻倍？
不是。比较组概率0.20时，赔率比2对应另一组概率1/3，风险比约1.667。
病例对照式样本能直接提供总体概率吗？
通常不能直接用样本组比例。按结果选择改变了分母，需要额外信息和假设才能恢复总体概率。