一、相对危险度（RR）——队列研究中分析暴露因素与发病的关联程度
       相对危险度（relative risk，RR）：又称率比（rate ratio），是暴露组发病率（Ie）与非暴露组发病率（Iu）的比值，是反映暴露与发病（死亡）关联强度的最有用的指标。RR表明暴露组发病或死亡的危险是非暴露组的多少倍。RR值越大，表明暴露的效应越大，暴露与结局关联的强度越大。RR适用于队列研究或随机对照试验。

列队研究资料整理表 ：分 组       病 例  非 病 例      合 计        发 病 率
                                  暴露组        a         b           a+b=n1      a/ n1 
                                 非暴露组      c         d           c+d=n0       c/ n0
                                     合计     a+c=m1  b+d=m0  a+b+c+d=t  

　　从表中我们可以得到Ie =a/ n1，Iu=c/ n0 　　即RR=Ie /Iu=( a/ n1)/( c/ n0)

　　相对危险度说明暴露组发病或者死亡的危险性是非暴露组的倍数，其数值意义为：RR=1，说明暴露因素与疾病无关联；RR>1，说明暴露因素与疾病有正的关联，暴露越多，发病率或死亡率越高，是疾病的危险因素；RR<1, 说明暴露因素与疾病有负的关联，暴露越多，发病率或死亡率越低，具有保护意义。

       队列研究是选择暴露及未暴露于某一因素的两组人群，追踪其各自的发病结局，比较两组发病结局的差异，从而判定暴露因素与疾病有无关联及关联大小的一种观察性研究。通常，暴露可以指危险因素，比如吸烟、高血压，也可指服用某种药物。而事件可以是疾病发生，比如肺癌、心血管病，也可指服药后的治疗效果。随机对照试验（Randomized controlled trial），也称对照临床试验（controlled clinical trial），即将研究对象按随机化的方法分为试验组与对照组，然后，试验组给予治疗措施，对照组不给予欲评价的措施，即给予安慰剂（placebo），前瞻性观察两组转归结局的差别。

二、归因危险度（AR） 
       归因危险度（AR）又叫特异危险度、率差（rate difference, RD）和超额危险度（excess risk），是暴露组发病率与对照组发病率相差的绝对值，它表示危险特异地归因于暴露因素的程度。特异危险度（AR）的计算公式是：AR＝暴露组的发病或死亡率-非暴露组的发病或死亡率

RR和AR
      相对危险度指暴露组发病率与非暴露组的发病率之比，它反映了暴露与疾病的关联强度，说明暴露使个体发病的危险比不暴露高多少倍，或者说暴露组的发病危险是非暴露组的多少倍。暴露对疾病的病因学意义较大。

      归因危险度指暴露组发病率与非暴露组发病率之差，它反映发病归因于暴露因素的程度，表示暴露可使人群比未暴露时增加的超额发病的数量，如果暴露去除，则可使发病率减少多少(AR的值)。减少暴露对疾病的预防作用较大。

三、比值比（OR——病例对照研究中 暴露因素与疾病的关联强度
       比值比（Odds ratio, OR）：又名机会比，优势比，交叉乘积比 cross-product ratio相对比值 relative odds 两个比值的比。 暴露因素与疾病的关系 在进行暴露因素和疾病关系的研究时，暴露和疾病的关系可以总结为下列四格表：

       暴露 无暴露
病例   a       b
对照   c       d
　　比值比OR=ad/bc。①在病例对照研究中，比值比指病例组中暴露与非暴露人数的比值(a/b)和对照组中暴露与非暴露人数的比值 (a/d) 的比，得出OR=ad/bc，所以又叫交叉乘积比，该值用作相对危险度的估计值。②在队列研究中，指的是暴露组中患病与非患病者的比值(a/c)和非暴露组中患病与非患病者的比值(b/d)的比。也用作相对危险度的估计值。在队列研究中，可以计算相对危险度，所以一般不计算比值比，但是有的时候根据需要也应用OR作为联系的强度的指标，例如在应用logistic回归模型对队列研究的资料进行多因素分析时，即应用OR值。

       相对危险度（relative risk，RR）是暴露组与非暴露组发病率之比。但在病例对照研究中不能计算发病率，只能计算OR，OR的含义与RR相同，是两个概率的比值，指暴露组的疾病危险度为非暴露组的多少倍，取值在0 - ∞之间。当OR>1时，说明暴露使疾病的危险度增加，是疾病的危险因素，叫做“正关联”；当OR<1时，说明暴露使疾病的危险度减少，叫做“负关联”，暴露因素对疾病有保护作用；当OR=1时，表示暴露与疾病无关联。

       置信区间是指由样本统计量所构造的总体参数的估计区间。在统计学中，一个概率样本的置信区间（Confidence interval）是对这个样本的某个总体参数的区间估计。置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度。置信区间给出的是被测量参数的测量值的可信程度，即前面所要求的“一定概率”。这个概率被称为置信水平。举例来说，如果在一次大选中某人的支持率为55%，而置信水平0.95上的置信区间是（50%,60%），那么他的真实支持率有百分之九十五的机率落在百分之五十和百分之六十之间，因此他的真实支持率不足一半的可能性小于百分之二点五。 如例子中一样，置信水平一般用百分比表示，因此置信水平0.95上的置信空间也可以表达为：95%置信区间。置信区间的两端被称为置信极限。对一个给定情形的估计来说，置信水平越高，所对应的置信区间就会越大。

　　对置信区间的计算通常要求对估计过程的假设（因此属于参数统计），比如说假设估计的误差是成正态分布的。置信区间只在频率统计中使用。在贝叶斯统计中的对应概念是可信区间。但是可信区间和置信区间是建立在不同的概念基础上的，因此一般上说取值不会一样。