统计百科 · 2026-06-24

HR 风险比怎么解读 — 生存分析 Cox 回归里的 HR、与 OR/RR 的本质区别和报告模板

统计百科：HR（Hazard Ratio）风险比完整指南——HR 的定义与瞬时风险含义、与 OR/RR 的本质区别（三者不可互换）、Cox 回归输出的 HR 解读、95% CI 判断显著性、比例风险假设检验，给出医学期刊和 APA 格式的 HR 标准报告模板。

医学论文里 HR = 0.58 出现在 Cox 回归结果里，有人直接说"风险降低了 58%"——这是错的。还有人把 HR 和 OR 混用，理由是"都是比值，差不多"——这也是错的。HR 有它独特的含义、独特的来源、独特的前提假设，和 OR、RR 有根本区别，不可互换。本文专门讲清楚 HR 是什么、怎么读、怎么报告，以及和 OR/RR 的本质差异。

为什么 HR 是医学论文里最容易被误读的指标之一

在临床研究和流行病学文献里，你会看到类似这样的句子：

"与安慰剂组相比，治疗组总体生存期（OS）的 HR = 0.72（95% CI: 0.58, 0.89），p = .003，降低了 28% 的死亡风险。"

这句话对不对？大体上是对的，但隐藏着一个前提——比例风险假设成立。一旦这个假设不成立，HR 的解读就会出问题。

更常见的错误是在非生存数据里误用 HR，或把 HR 当 OR 或 RR 来解读。三者看起来都是"比值"，数值可能相近，但含义、计算方式、适用数据类型完全不同。

一、HR 是什么：时间依赖的瞬时风险比

HR 的严格定义

**HR（Hazard Ratio，风险比/危险比）**来自生存分析中的 Cox 比例风险回归（Cox Proportional Hazards Regression）。

它的定义是：在同一时刻 t，处理组（如治疗组）发生事件的瞬时风险（hazard），除以对照组（如安慰剂组）发生事件的瞬时风险。

用公式表示：

HR = h_1(t) / h_0(t)

其中：
h_1(t) = 处理组在时刻 t 的瞬时风险函数
h_0(t) = 对照组（参照组）在时刻 t 的瞬时风险函数
t       = 时间（随访时间、生存时间）

**瞬时风险（Hazard）**是一个时间点上"已经存活到这个时刻的个体，在接下来极短时间内发生事件的概率密度"——本质上是条件速率，不是普通意义上的"概率"。

Cox 比例风险回归的核心假设

Cox 回归之所以叫"比例风险"，是因为它有一个关键假设：两组的 hazard function 在任意时刻的比值是一个常数，即 HR 不随时间变化。

用公式表示：

Cox 模型：h(t|X) = h_0(t) × exp(β_1 X_1 + β_2 X_2 + ...)

对于二分类变量 X（0 = 对照，1 = 处理）：
HR = exp(β_1)   （对系数 β 做指数变换）

"比例风险假设"意味着 exp(β_1) 在各时刻 t 保持不变。

这个假设叫做比例风险假设（Proportional Hazards Assumption，PH 假设）。它是 HR 能被解释为一个固定"比值"的前提。如果假设不成立（比如某个治疗早期有效但晚期失效），就不能用单一 HR 总结效应，需要分段报告或用其他模型。

二、HR 的三种核心含义

HR = 1：无差异

处理组与对照组在任意时刻的瞬时风险相同，暴露因素与事件发生率无关。

HR > 1：危险因素（风险增加）

处理组的瞬时风险高于对照组。HR = 1.5 表示处理组在任意时刻的瞬时风险是对照组的 1.5 倍。

HR < 1：保护因素（风险降低）

处理组的瞬时风险低于对照组。HR = 0.72 表示处理组的瞬时风险只有对照组的 72%，即降低了 28%（1 - 0.72 = 0.28）的瞬时风险。

快速参考表

HR 值	解读	通俗表述
> 1	危险因素	暴露组瞬时风险更高
= 1	无关联	两组风险相同
< 1	保护因素	暴露组瞬时风险更低
0.72	保护效应	风险降低 28%（1 - 0.72）
1.50	危险效应	风险增加 50%（1.50 - 1）
0.58	保护效应	风险降低 42%（1 - 0.58）

精确表述规范：应说"处理组的瞬时风险是对照组的 0.72 倍"，或"降低了 28% 的瞬时风险"。不应直接说"降低了 28% 的风险"，因为"风险"一词会与 RR/OR 混淆；但医学写作中"降低了 X% 的事件风险"已成约定俗成的简化表达，在方法章节说清楚用的是 Cox 回归、HR 来自时间-事件数据即可。

三、HR 与 OR / RR 的本质区别

这是本文最关键的部分，也是最容易混淆的地方。

三者的核心差异

指标	全称	来源	时间依赖	适用数据
HR	Hazard Ratio 风险比	Cox 比例风险回归	是（瞬时速率之比）	时间-事件数据（有随访时间 + 结局状态）
OR	Odds Ratio 优势比	Logistic 回归 / 病例对照研究	否（截面指标）	二分类结局（无随访时间）
RR	Risk Ratio / Relative Risk 相对危险度	队列研究 / RCT 直接计算	否（累积发生率之比）	有时间窗口的发生率（无删失处理）

关键区别逐条解析

区别一：HR 是时间依赖的，OR 和 RR 不是

OR 衡量某个截面时间点（如调查时）的优势之比，不涉及随访时间。一个横断面研究给不出 HR，只能给 OR。
RR 是一段固定时间窗口内两组累积发生率之比（如 5 年发病率之比），不考虑发病的时间分布（删失）。
HR 是整个随访期间任意时刻瞬时风险的比值，是"每个时刻都在比较"的动态指标，且能正确处理删失数据。

区别二：三者数值不相等，不能互换

即使研究同一种关联，三者数值会有所不同（有时差异可以很大）：

假设随访 5 年，处理组 5 年累积事件率 = 25%，对照组 = 40%

RR = 0.25 / 0.40 = 0.625
OR = (0.25/0.75) / (0.40/0.60) = 0.333 / 0.667 = 0.500
HR = ? （本例 HR ≈ 0.56；HR 的数值取决于事件的时间分布，与 OR/RR 无固定大小顺序）

在事件率较低（< 10%）时，三者数值接近（OR ≈ RR ≈ HR 近似），可以相互参考；但事件率高时，三者差距显著，不能互换。

区别三：删失数据处理方式不同

临床随访中经常有"删失"（Censored）：患者失访、研究结束时尚未发生事件、因其他原因退出。

Cox 回归 / HR：正确利用删失信息（用"部分似然"估计），不丢失删失观测的信息。
RR：忽略删失，或简单排除删失观测，导致有偏估计。
OR（Logistic 回归）：把时间到事件数据简化为"最终是否发生"的二分类，完全丢失"什么时候发生"的时间信息，也忽略删失。

结论：有随访时间数据 + 存在删失 → 必须用 Cox 回归报告 HR，不能用 Logistic 回归的 OR 替代。

三者的选择规则

研究数据有随访时间？
    是 → 是否有删失数据（失访/研究结束时存活）？
           是 → Cox 回归 → 报告 HR
           否 → 可用 Cox/log-rank，或直接计算 RR（用累积发生率）
    否 → 是否有比较的两组？
           是 → 二分类结局：用 Logistic 回归 → 报告 OR（病例对照/横断面）
                            或 队列研究 → 报告 RR（发生率之比）
           否 → 描述统计（患病率等）

四、Cox 回归输出中 HR 的解读

单个 HR 的解读

Cox 回归系数 β 的指数变换即为 HR：

HR = exp(β)

对于连续型预测变量（如年龄）：

HR = 1.04（年龄每增加 1 岁，瞬时风险增加为原来的 1.04 倍，即增加 4%）
如果想报告"每增加 10 岁"的 HR：HR_10 = exp(10 × β) = HR^10

对于二分类变量（如治疗 vs 安慰剂，0/1 编码）：

HR = exp(β_治疗) 即为治疗组 vs 安慰剂组的 HR

对于多分类变量（如多个剂量组）：

需设定参照类别，HR 为各组相对参照组的瞬时风险比

典型 Cox 回归输出示例

表 1  Cox 比例风险回归分析（N = 380，事件 = 心血管事件，随访中位数 = 24 周）

变量                        HR（95% CI）           p
治疗组（新药 vs 安慰剂）    0.58（0.34, 0.98）    .042 *
年龄（每岁）                1.04（1.01, 1.08）    .018 *
合并症（有 vs 无）          2.12（1.20, 3.74）    .009 **
基线 SBP（每 mmHg）         1.02（0.99, 1.05）    .148
性别（男 vs 女）             0.94（0.57, 1.56）    .812

注：HR = Hazard Ratio；95% CI 不含 1 提示达统计学显著性；
   参照类别：安慰剂组、无合并症、女性。
   Schoenfeld 残差全局检验：chi^2(4) = 2.18，p = .703（比例风险假设成立）。

逐行解读：

治疗组 HR = 0.58（95% CI [0.34, 0.98]，p = .042）：在任意时刻，新药组发生心血管事件的瞬时风险是安慰剂组的 0.58 倍，即降低了 42% 的瞬时风险。95% CI 不含 1，统计显著。
年龄 HR = 1.04：每增加 1 岁，瞬时风险增加 4%；该 HR 表示在控制其他变量后的独立效应。
合并症 HR = 2.12（95% CI [1.20, 3.74]）：有合并症者瞬时风险是无合并症者的 2.12 倍，风险增加 112%。
基线 SBP HR = 1.02（95% CI [0.99, 1.05]，p = .148）：95% CI 包含 1，不显著，基线收缩压不是独立预测因子。

五、95% CI 判断显著性：HR 的规则

HR 和 OR 一样，判断统计显著性用 95% CI 是否包含 1：

CI 情况	统计意义
95% CI 全部 > 1（如 [1.20, 3.74]）	显著，危险效应（HR > 1）
95% CI 全部 < 1（如 [0.34, 0.98]）	显著，保护效应（HR < 1）
95% CI 包含 1（如 [0.99, 1.05]）	不显著（p >= .05）
CI 很宽（如 [0.12, 6.43]）	精度低，样本量或事件数不足

EPE（每事件参数数，Events Per Parameter）：Cox 回归中，每个预测变量对应的事件数建议 >= 10。事件数太少，HR 的 95% CI 会极宽，结果不稳定。

六、比例风险假设检验：HR 成立的前提

Cox 回归中 HR 有意义的前提是比例风险假设成立——即各预测变量的 HR 不随时间变化。这个假设需要检验，否则报告的 HR 可能是一个失真的平均值。

Schoenfeld 残差检验

最常用的方法是 Schoenfeld 残差与时间的相关性检验：

若 Schoenfeld 残差与 log(t) 无显著相关（p >= .05），则比例风险假设成立
全局检验（所有变量）和各变量的单独检验都应报告

Schoenfeld 残差检验（比例风险假设）

变量                    chi^2     df    p
治疗组                  0.84      1     .360
年龄                    0.47      1     .493
合并症                  0.63      1     .427
基线 SBP               0.24      1     .624
全局检验               2.18      4     .703

结论：所有变量及全局检验均 p > .05，比例风险假设成立。

假设不成立时怎么办？

若某变量的 PH 假设不成立（如早期效果强、晚期效果弱），有几种处理方式：

时间分段 HR：分别报告"0-6 个月"和"6-24 个月"的 HR
加入时间交互项：在模型中加入 X × log(t) 交互项
限制平均生存时间差（RMST）：不依赖 PH 假设的替代效应量
ChatSRS 支持"检验比例风险假设，若不满足报告分段 HR 和 RMST"

七、在 chatsrs.com 一句话获得 HR 完整报告

打开 chatsrs.com，上传数据（含随访时间变量和事件状态变量）后输入：

"以 time_to_event（随访时间，周）和 event（1 = 发生，0 = 删失）为生存结局，以 trial_arm（治疗 vs 安慰剂）为主要预测变量，控制协变量 age、sex、bmi、baseline_sbp、comorbidity，做多因素 Cox 比例风险回归。输出：

Cox 回归 HR（95% CI）及 p 值汇总三线表（区分粗 HR 和调整 HR）

Schoenfeld 残差检验（各变量 + 全局检验）

Kaplan-Meier 生存曲线（两组，含 95% CI 阴影，Number at Risk 表）

Log-rank 检验

医学期刊格式文字描述（含比例风险假设说明）"

ChatSRS 自动输出完整生存分析报告，包含 KM 曲线图、Cox 表格和 APA 格式文字，可直接复制进论文。

八、HR 报告模板（医学期刊 / APA 格式）

单个 HR 的规范报告格式

要素	格式	示例
调整 HR + CI	aHR = X.XX（95% CI: X.XX, X.XX）	aHR = 0.58（95% CI: 0.34, 0.98）
p 值	p = .XXX 或 p < .001	p = .042
效应方向描述	"风险降低 XX%（1 - HR）" 或 "风险增加 XX%（HR - 1）"	"降低 42%（1 - 0.58）的心血管事件瞬时风险"
PH 假设说明	在方法章节说明 Schoenfeld 检验	"比例风险假设经 Schoenfeld 残差检验证实成立"

注意：APA 对 HR 的报告格式无专门规定，医学期刊普遍用以下格式，无前导零（如 HR = .58 而非 HR = 0.58 有争议，多数医学期刊保留前导零，与 APA 不同）。以目标期刊格式为准。

结果章节完整报告模板

多因素 Cox 比例风险回归结果（见表 X）显示，Schoenfeld 残差全局检验提示比例风险
假设成立（chi^2([df]) = X.XX，p = .XXX）。在控制[协变量列表]后，[处理变量]是
[结局事件]的独立[危险/保护]因素（aHR = X.XX，95% CI: [X.XX, X.XX]，p = .XXX），
[处理组]发生[结局]的瞬时风险是[对照组]的 X.XX 倍 / [处理组]发生[结局]的瞬时风险
降低了 XX%（1 - X.XX）。

具体示例（保护效应）：

多因素 Cox 比例风险回归分析结果显示，Schoenfeld 残差全局检验提示比例风险假设成立（chi^2(4) = 2.18，p = .703）。在控制年龄、性别、BMI、基线收缩压和合并症后，新药治疗是心血管事件的独立保护因素（aHR = 0.58，95% CI: 0.34, 0.98，p = .042），新药组发生心血管事件的瞬时风险降低了 42%（1 - 0.58）。

具体示例（危险效应）：

有合并症患者的心血管事件瞬时风险是无合并症患者的 2.12 倍（aHR = 2.12，95% CI: 1.20, 3.74，p = .009）。

方法章节描述模板

时间-事件次要终点（首次心血管事件发生时间）采用 Kaplan-Meier 法估计各组生存函数，Log-rank 检验比较组间差异；多因素 Cox 比例风险回归估计调整风险比（aHR）及 95% CI，协变量包括年龄、性别、BMI、基线收缩压和合并症。比例风险假设以 Schoenfeld 残差法验证，全局检验 p >= .05 为假设成立。所有统计分析使用 ChatSRS（R 引擎，survival 包），显著性水平 alpha = .05，所有检验均为双侧。

常见 FAQ

Q1: HR 和 OR 的数值都是比值，能不能互换？

不能，绝对不能互换。 尽管两者的解读框架相似（> 1 危险，< 1 保护，CI 不含 1 显著），但计算方式和含义完全不同：

OR 来自 Logistic 回归，是某时间点优势之比，不涉及时间，不处理删失
HR 来自 Cox 回归，是任意时刻瞬时风险之比，时间依赖，正确处理删失

有随访时间数据时，用 Logistic 回归的 OR 会丢失时间信息，且不能处理删失，导致有偏估计。反过来，无随访时间的横断面数据也无法用 Cox 回归计算 HR。

Q2: HR < 1 时，说"风险降低了 X%"是什么意思？怎么计算？

HR = 0.72 → 风险降低了 1 - 0.72 = 28%（瞬时风险降低 28%）

注意公式方向：不是 0.72 - 1 = -0.28（方向不对），而是 1 - HR = 降低百分比。

HR = 1.50 → 风险增加了 1.50 - 1 = 50%（瞬时风险增加 50%）

Q3: HR 的 95% CI 越宽意味着什么？

CI 宽通常意味着事件数太少（样本量不等于事件数，删失的观测对估计精度贡献有限）。Cox 回归的精度主要由事件数决定，而非总样本量。建议：每个预测变量对应 >= 10 个事件（EPE >= 10），总事件数 < 50 时估计精度较低，结果需谨慎解读。

Q4: 比例风险假设不成立，HR 还有意义吗？

如果 PH 假设不成立（HR 随时间变化），单一 HR 值就是一个失真的"平均"，会掩盖真实的时间依赖效应（比如早期有效、晚期无效的治疗）。

处理方案：

报告不同时间段的分段 HR（如"0-6 个月 HR = 0.42，6-24 个月 HR = 0.88"）
用 RMST（限制平均生存时间）差值替代 HR 作为主要效应量，RMST 不依赖 PH 假设
在讨论中说明 PH 假设检验结果和方法的局限性

ChatSRS 支持在结果中自动标注 Schoenfeld 检验，如不满足则给出 RMST 替代分析。