📊 statistics

Efficient estimation of relative risk, odds ratio and their logarithms for rare events

Dit paper introduceert sequentiële schatters voor het relatieve risico, de odds ratio en hun logaritmen die bij zeldzame gebeurtenissen een hoge efficiëntie garanderen door een vast aantal waarnemingen uit beide populaties te nemen en de gemiddelde kwadratische fout onder een bepaalde drempel te houden.

Oorspronkelijke auteurs: Luis Mendo

Gepubliceerd 2026-04-07

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Luis Mendo

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De Grootte van het Probleem: Het Zoeken naar Naalden in een Hooiberg

Stel je voor dat je twee grote hooibergen hebt (dit zijn de twee populaties). In de ene hooiberg zit een heel klein beetje goud (een zeldzame gebeurtenis, bijvoorbeeld een zeldzame ziekte), en in de andere hooiberg zit nog minder goud.

Wetenschappers willen weten: Hoeveel keer meer goud zit er in de ene berg dan in de andere?
Dit noemen ze de Relative Risk (risicoverhouding) of de Odds Ratio.

Het probleem is dat het goud zo zeldzaam is dat als je gewoon willekeurig hooi uit de bergen haalt, je misschien wel duizenden keren moet graven voordat je überhaupt één stukje goud vindt. Als je dat doet met een vaste hoeveelheid graven, ben je misschien niet zeker genoeg in je antwoord, of heb je onnodig veel tijd en energie verspind.

De Oplossing: Een Slimme "Goudzoeker"

De auteur, Luis Mendo, heeft een slimme methode bedacht om dit probleem op te lossen. In plaats van blindelings te graven, gebruikt hij een slimme, stap-voor-stap strategie (een sequentieel proces).

Hier is hoe het werkt, vertaald naar een verhaal:

1. De Twee Bergjes en de Paarsgewijze Zoektocht

Stel je voor dat je twee vrienden hebt, Jan en Piet. Ze graven elk in hun eigen hooiberg.

De oude manier: Je zegt: "Graven jullie allebei precies 1000 keer." Dan kijk je hoeveel goud ze vonden.
De nieuwe manier (dit papier): Je zegt: "Graven jullie paarsgewijs." Dat betekent: Jan graaft één keer, en direct daarna graaft Piet één keer. Als ze niets vinden, doen ze het weer. Als ze wel iets vinden, stoppen ze niet direct, maar kijken ze of ze genoeg hebben om een betrouwbaar antwoord te geven.

2. De Magische Munt (De Transformatie)

Het slimme trucje in dit onderzoek is dat de auteur de twee hooibergen tijdelijk omzet in één magische munt.

Hij zegt: "Laten we niet kijken naar Jan en Piet apart, maar laten we een spelletje doen waarbij we een munt opgooien."
Als de munt Kop is, betekent dat: "We vonden goud in de eerste berg."
Als de munt Munt is, betekent dat: "We vonden goud in de tweede berg."
Door op een heel slimme manier te kiezen wie er mag graven (soms Jan, soms Piet), zorgt hij ervoor dat de kans op "Kop" precies overeenkomt met de verhouding tussen de goudvoorraden in de twee bergen.

Dit is als het omzetten van een ingewikkeld raadsel in een simpel spelletje "Kop of Munt".

3. Stoppen op het Juiste Moment

Nu het spelletje "Kop of Munt" draait, gebruikt de methode een slimme teller:

Hij telt hoeveel keer hij "Kop" heeft gezien en hoeveel keer "Munt".
Zodra hij een bepaald aantal keren "Kop" heeft gezien (bijvoorbeeld 10 keer), stopt hij met dat tellen.
Dan telt hij hoeveel keer hij "Munt" heeft gezien.
Met die twee getallen kan hij precies berekenen hoe groot het verschil in goud is, zonder dat hij ooit hoeft te weten hoeveel hooi er precies in de bergen zat.

Waarom is dit slim?
Als het goud heel zeldzaam is, moet je veel graven. Maar deze methode stopt precies op het moment dat je antwoord betrouwbaar genoeg is. Je graaft niet te weinig (dan is je antwoord fout) en niet te veel (dan verspil je tijd).

4. De Efficiëntie: Waarom is dit beter?

De auteur laat zien dat zijn methode extreem efficiënt is, vooral als de gebeurtenis (het goud) heel zeldzaam is.

Vergelijking: Stel je voor dat je een naald in een hooiberg zoekt.
- De oude methoden zijn als iemand die blindelings door het hele veld loopt.
- Deze nieuwe methode is als iemand die een metaaldetector heeft die precies weet waar hij moet graven en stopt zodra hij de naald heeft.
Het papier toont aan dat voor zeldzame gebeurtenissen (zoals zeldzame ziektes), deze nieuwe methode bijna net zo goed is als de theoretisch beste methode die er mogelijk is (de "Cramér-Rao grens"). Het is alsof je 95% van de tijd bespaart ten opzichte van de oude methoden.

Samenvatting in één zin

Dit papier presenteert een slimme manier om de verhouding tussen twee zeldzame gebeurtenissen te meten, waarbij je precies zo lang "graaft" als nodig is om een betrouwbaar antwoord te krijgen, zonder tijd te verspillen aan onnodig zoeken.

De kernboodschap: Als je iets heel zeldzaams wilt meten, moet je niet vasthouden aan een vooraf bepaald aantal metingen. Laat de metingen zelf bepalen wanneer je genoeg hebt, en doe dat op een manier die de twee groepen perfect met elkaar koppelt. Dan krijg je het snelste en zuiverste antwoord.

Titel: Efficiënte schatting van relatief risico, odds ratio en hun logaritmen voor zeldzame gebeurtenissen

1. Probleemstelling

Het artikel adresseert het statistische probleem van het schatten van maatstaven voor associatie tussen twee populaties met een binair kenmerk (succes/falen). De specifieke parameters van belang zijn:

Relatief Risico (RR): $p_1/p_2$
Odds Ratio (OR): $\frac{p_1(1-p_2)}{p_2(1-p_1)}$
De logaritmische versies hiervan: Log RR (LRR) en Log OR (LOR).

De uitdaging ligt in het garanderen van een specifieke nauwkeurigheid (gedefinieerd als gemiddelde kwadratische fout, MSE, of relatieve MSE) voor deze schatters, ongeacht de onderliggende kansen $p_1$ en $p_2$ . Traditionele methoden met een vast steekproefomvang zijn vaak inefficiënt, vooral wanneer de gebeurtenissen zeldzaam zijn (kleine $p_1$ en $p_2$ ). Het doel is een sequentiële schatting te ontwikkelen die:

Steekproeven in paren neemt (één uit elke populatie).
Een vooraf gedefinieerde nauwkeurigheidsdrempel garandeert.
Een hoge efficiëntie bereikt (dicht bij de Cramér-Rao ondergrens), met name bij zeldzame gebeurtenissen.

2. Methodologie

De auteur introduceert een hybride benadering die sequentiële steekproeven (sequential sampling) combineert met een transformatie van Bernoulli-variabelen.

A. Transformatie van Steekproeven (Bernoulli Factories)
Het kernidee is om observaties uit de twee populaties ( $X_1$ en $X_2$ ) te gebruiken om een nieuwe reeks onafhankelijke Bernoulli-variabelen $Y$ te genereren met een parameter $p$ , zodanig dat de odds van $Y$ gelijk zijn aan de te schatten parameter (RR of OR).

Voor RR en LRR: Er wordt een algoritme (Algoritme 1) gebruikt waarbij willekeurig een populatie wordt gekozen. Als het resultaat een "succes" is, wordt de uitkomst bepaald door welke populatie werd gekozen. De parameter $p$ wordt hiermee $p_1 / (p_1 + p_2)$ .
Voor OR en LOR: Er wordt een eenvoudiger algoritme (Algoritme 2, vergelijkbaar met de methode van von Neumann) gebruikt waarbij paren ( $X_1, X_2$ ) worden getrokken. Alleen paren met verschillende uitkomsten (1-0 of 0-1) worden gebruikt om $Y$ te genereren. De parameter $p$ wordt hiermee $p_1(1-p_2) / (p_1(1-p_2) + p_2(1-p_1))$ .

B. Sequentiële Schatting (Inverse Binomial Sampling)
Zodra de reeks $Y$ is gegenereerd, wordt een bestaande methode (uit eerdere werken van Mendo, 2025) toegepast:

Er wordt een Inverse Binomial Sampling (IBS) procedure uitgevoerd. Er worden $Y$ -steekproeven verzameld totdat een vooraf bepaald aantal successen ( $r + \alpha$ ) en een bepaald aantal falen ( $r - \alpha$ ) is bereikt.
De parameters $r$ en $\alpha$ worden gekozen op basis van de gewenste nauwkeurigheid $A$ .
De schatter $\hat{\zeta}$ $\hat{ζ}$ wordt berekend op basis van het totale aantal benodigde steekproeven voor successen en falen.
- Voor RR/OR: $\hat{\zeta} = \frac{r V''}{(r-1)(V'-1)}$
- Voor LRR/LOR: $\hat{\zeta} = -H_{V'-1} + H_{V''-1}$ (waarbij $H_k$ het $k$ -de harmonische getal is).

C. Steekproefstrategie
De methode vereist dat steekproeven in paren worden genomen. Voor RR/LRR kunnen de benodigde aantallen uit de twee populaties ( $U_1$ en $U_2$ ) verschillen. Het algoritme slaat overschotten op en gooit ze weg aan het einde, wat een kleine efficiëntieverlies veroorzaakt. Voor OR/LOR zijn $U_1$ en $U_2$ altijd gelijk, wat geen verlies oplevert.

3. Belangrijkste Bijdragen

Universele Nauwkeurigheidsgarantie: De voorgestelde schatters garanderen dat de relatieve MSE (voor RR/OR) of de MSE (voor LRR/LOR) onder een specifieke drempel $A$ blijft voor elke $p_1, p_2 \in (0,1)$ .
Ongebiasde Schatters: De methoden leveren onbevooroordeelde schatters op.
Hoge Efficiëntie bij Zeldzame Gebeurtenissen: De schatters benaderen de Cramér-Rao ondergrens (de theoretische limiet voor de variantie) zeer nauwkeurig wanneer $p_1$ en $p_2$ klein zijn.
Analytische Kaders: Het artikel levert rigoureuze wiskundige afleidingen voor de verwachte steekproefgrootte en de efficiëntie, inclusief ondergrenzen die onafhankelijk zijn van de verhouding tussen $p_1$ en $p_2$ .

4. Resultaten

De resultaten worden voornamelijk geanalyseerd via de efficiëntie ( $\eta$ ), gedefinieerd als de verhouding tussen de variantie van de optimale vaste steekproef en de variantie van de sequentiële schatter.

Efficiëntie voor Zeldzame Gebeurtenissen:
- Wanneer de gebeurtenissen zeldzaam zijn (kleine $p_1, p_2$ ), nadert de efficiëntie $\eta$ de waarde 1. Dit betekent dat de sequentiële methode bijna even goed presteert als de theoretisch optimale methode.
- Voor RR en LRR: Als $\phi = \sqrt{p_1 p_2}$ klein is, is de efficiëntie gegarandeerd boven de 91-95% (afhankelijk van de nauwkeurigheidsdrempel $A$ ).
- Voor OR en LOR: Als $\rho = \max(p_1, p_2)$ klein is, is de efficiëntie eveneens zeer hoog (>90%).
Vergelijking met Bestaande Methoden:
- De voorgestelde methode presteert aanzienlijk beter dan eerdere sequentiële methoden (zoals die van Mendo, 2026) voor kleine $p_1$ en $p_2$ .
- De efficiëntie neemt toe naarmate de gewenste nauwkeurigheid $A$ strenger wordt (kleiner $A$ ).
Robuustheid: De methode werkt goed voor een breed scala aan verhoudingen tussen de populaties ( $\theta = p_1/p_2$ ), hoewel de efficiëntie voor OR/LOR iets lager kan zijn als één populatie veel grotere kansen heeft dan de andere, tenzij de kansen zelf zeer klein zijn.

5. Betekenis en Conclusie

Dit werk biedt een krachtig instrument voor onderzoekers in epidemiologie, psychologie en sociale wetenschappen, waar het schatten van risico's bij zeldzame ziekten of gebeurtenissen cruciaal is.

Praktische Toepassing: De methode elimineert de noodzaak om de steekproefgrootte vooraf te schatten op basis van onzekere parameters, wat vaak leidt tot inefficiëntie of onvoldoende nauwkeurigheid.
Wiskundige Vooruitgang: Door het combineren van Bernoulli-factories met inverse binomiale steekproeven, wordt een elegante oplossing gevonden voor een complex schattingsprobleem.
Efficiëntie: De belangrijkste conclusie is dat sequentiële schattingen, die vaak als complex worden gezien, in dit specifieke geval de meest efficiënte manier zijn om associatiemaatstaven te schatten wanneer gebeurtenissen zeldzaam zijn, met prestaties die dicht bij de theoretische limieten liggen.

Samenvattend biedt dit artikel een wiskundig onderbouwde, efficiënte en robuuste methode voor het schatten van relatief risico en odds ratio's, die specifiek is geoptimaliseerd voor de realiteit van zeldzame gebeurtenissen in twee populaties.