生活中的风险比

背景

在健康和长寿领域的文献中，风险比（Hazard Ratio）是一个常见的统计指标。各种研究可能会告诉你，增加膳食纤维摄入能使死亡风险降低至 HR = 0.90，而偶尔吸烟可能使风险升高至 HR = 1.30。但面对这些数字，普通人很难直观理解：0.90 或 1.30 到底意味着多大变化？如果不愿意多吃纤维怎么办？如果喜欢吸烟呢？风险比与预期寿命之间如何转换，是一个复杂但重要的问题。

核心内容

风险比 vs. 预期寿命：一个常见的误解

人们往往倾向于将风险比直接换算成预期寿命的变化。例如，基线预期寿命约为 75 岁，HR = 0.90 意味着死亡率降低 10%，于是有人可能会想：这大约相当于多活 7.5 年。然而，这种推理完全错误。

为了说明原因，考虑两个极端模型：

• 模型一（高风险集中爆发）：假设人类只在 75 岁时通过玩俄罗斯轮盘赌死亡，左轮手枪有 6 个弹仓、2 发子弹。如果去掉一发子弹（只剩 1 发），死亡风险降低 50%（HR = 0.5），但预期寿命几乎不变，因为即便只有一发子弹，几乎没有人能在 75 岁后存活多长时间。
• 模型二（风险均匀分散）：假设人类从出生起每天玩一次俄罗斯轮盘赌，左轮手枪有 54,786 个弹仓、2 发子弹。可以证明这些人平均也能活 75 年。但如果去掉一发子弹，预期寿命会翻倍，因为幸存者需要很长时间才会再次“不幸”。

这两个模型都不符合真实人类——真实情况介于两者之间：死亡原因如心脏病等，并非左轮手枪；风险随年龄缓慢上升，而非突然开始或恒定不变。关键启示是：要将某种干预的风险比转换为预期寿命变化，必须知道基线死亡风险随时间的“分布模式”，仅凭基线预期寿命远远不够。

风险比的定义及其与相对风险的区别

风险比的技术定义是：在给定时间点，治疗组的事件发生率除以对照组的事件发生率。

风险比常被与其“近亲”——相对风险（Relative Risk, RR）混淆。例如，一项为期 10 年的试验结束时，对照组 10% 死亡，治疗组 8% 死亡，则 RR = 0.8，简单明了。但相对风险存在一个问题：如果试验时间足够长，无论什么干预，最终所有人都会死亡，导致 RR = 1.0，失去意义。直观上，可以将 40 岁时的风险比理解为 39.99 岁到 40.01 岁之间人群的“瞬时相对风险”。

风险比随年龄变化：更复杂的事实

在真实世界中，同一干预在不同年龄的风险比可能不同：

• 化疗对年轻患者效果更好，因为他们更能耐受副作用。
• 略微超重（BMI 25-30 相比 20-25）在年轻人中与死亡率升高相关，但在老年人中反而与死亡率降低相关。
• 2020 年 COVID-19 的死亡风险曲线与基线死亡率曲线不同，说明不同年龄感染 COVID 的风险比不同。

不同年龄的风险比对预期寿命的影响也不同：80 岁时 HR = 0.9 所避免的死亡人数比 20 岁时更多，因为 80 岁基线死亡率更高；但拯救一名 20 岁的人，其未来还有更多年可活。而且不同年龄的风险比会相互作用：如果干预降低了年轻时的死亡率，更多人能活到老年，从而放大高龄风险比的影响力。

现实中的简化假设与隐含加权

理论上，如果知道所有年龄的风险比，就可以精确计算对预期寿命的影响。但实际研究中，由于数据不足，几乎总是假设风险比是常数（例如论文中只给出一个数字 HR = 0.90）。这导致一个问题：两种不同干预（如多吃纤维与慢跑）可能报告相同的常数风险比，但它们背后真实的年龄依赖效应可能完全不同，从而对预期寿命产生截然不同的影响。

幸运的巧合：常数风险比近似有效

尽管存在上述复杂性，对于富裕国家的现代人类而言，死亡率分布恰好产生了一种幸运的巧合：当研究者估计常数风险比时，这个数字隐含着对各个年龄风险比的某种加权平均，而权重恰好（近似）反映了不同年龄死亡率变化对预期寿命的影响程度。

因此，只要干预的效果在不同年龄没有极端波动，使用以下曲线将论文中的风险比转换为预期寿命变化是“大致可行”的：

• 如果一篇论文显示增加膳食纤维的 HR = 0.75，对应预期寿命增加约 3.7 年。
• 如果一篇论文显示偶尔吸烟的 HR = 1.25，对应预期寿命减少约 2.9 年。

这种转换并不精确：若干预对老年人更好（或更不坏），会高估预期寿命的增加（或低估减少）；反之亦然。但只要风险比随年龄变化不大，误差通常不超过 30%。

常数风险比情况下的数学推导

设干预使年龄 t 时的死亡风险乘以因子 HR(t)。预期寿命变化近似为：

ΔL ≈ ∑ₜ ΔHR(t) × P(t) × L(t)

其中：

• P(t) 是基线年龄 t 的死亡概率（美国男性示例见原文图）。
• L(t) 是年龄 t 时的条件预期寿命（到达该年龄后剩余的平均年数，美国男性示例见原文图）。
• ΔHR(t) = 1 - HR(t)（更精确的版本可用对数形式）。

若干预对所有年龄效果相同，HR(t)=HR 为常数，则上式简化为：

ΔL ≈ ΔHR × L̄

其中 L̄ = ∑ₜ P(t) × L(t)。对于美国男性，L̄ = 12.93 年。这个数字的含义是：美国男性死亡时的平均剩余预期寿命（即随机选取一个死亡事件，询问那些同样年龄的人平均还能活多少年）。因此，对于常数风险比的干预，美国男性预期寿命的近似变化量就是 ΔHR × 12.93 年。

关键要点

• 风险比（HR）不能直接解读为预期寿命的百分比变化。例如 HR=0.90 并不意味着多活 7.5 年，实际影响取决于基线死亡风险的年龄分布。
• 风险比 ≠ 相对风险（RR）。RR 在长期试验中会趋近 1.0 而失去价值，HR 则是瞬时比率。
• 同一干预在不同年龄的 HR 可能不同（如化疗对年轻人更有效，BMI 对不同年龄影响相反），但论文通常报告一个常数 HR，这隐含了对不同年龄的加权平均。
• 幸运的是，对于现代富裕国家人群，常数 HR 近似转换是可行的，误差通常不超过 30%。
• 转换公式：对于常数 HR，预期寿命变化 ≈ (1 - HR) × 12.93 年（以美国男性为例）。例如 HR=0.75 对应增加约 3.7 年；HR=1.25 对应减少约 2.9 年。
• 该近似假设干预效果不随年龄剧烈变化，否则结果可能偏差较大。

意义与影响

这篇深度解析揭示了健康研究中一个重要但常被误解的统计概念。它帮助读者理解为什么不能简单地将风险比等同于预期寿命的百分比变化，并提供了一个实用的近似转换方法。对于普通读者和健康从业者而言，这意味着在解读研究结论时不应过度依赖单个 HR 数字，而应了解其背后的年龄分布假设。同时，它也表明，尽管存在理论上的复杂性，但“常数风险比”这一简化假设在实践中往往能提供有意义的参考，尤其是在解读大型流行病学研究或临床试验结果时。未来，更精细的年龄分层分析将有助于提高预测准确性，但现有方法已经足以让我们对常见干预（如饮食、吸烟）的长期健康影响有一个量级上的把握。