文章来源：dynomight.net，核心主题：科普风险比（HR，hazard ratio），解决普通人看不懂医学论文 HR 数值、无法换算成真实预期寿命变化的痛点，给出简易换算公式，并解释 Cox 模型统计局限。

医学论文随处可见 HR（如 HR=0.9 降低死亡风险、HR=1.3 升高死亡风险），但普通人无法直观理解其对应寿命增减； 大众常见错误直觉：基线预期寿命 × 风险变化幅度（如人均 75 岁、HR=0.9 就多活 7.5 年），该算法完全错误。作者用两种俄罗斯轮盘模型举例证明：同等 HR 下，死亡风险集中在老年 / 均匀分布全生命周期，带来的寿命增益天差地别，仅靠平均寿命无法换算。

1. 相对风险 RR：固定随访期内累计死亡比例比值，随访时间足够长时两组存活都会趋近 0，RR 最终趋近 1，有明显缺陷；
2. 风险比 HR：任意时间点瞬时死亡速率比值，Cox 比例风险模型专用，允许跨长期随访对比；
3. 关键缺陷：现实中干预对不同年龄段人群的保护 / 伤害效果不同（化疗年轻人获益高、BMI 偏高对年轻人增寿风险、老年新冠死亡率更高），但论文只能输出单一常数 HR，无法分年龄展示 HR (t)。

1. Keyfitz 熵：现代富裕国家人群熵值约 0.15\~0.17，美国男性固定参考值12.93 年，含义：随机选取一例死亡，死者剩余平均预期寿命；
2. 简易换算公式（两种近似，HR 接近 1 时结果几乎一致） ① 简易线性：ΔL ≈ (1 − HR) × 12.93 ② 更精准对数版：ΔL ≈ ln (1/HR) × 12.93 举例：HR=0.75，人均多活约 3.7 年；HR=1.25，人均少活约 2.9 年；
3. 经典佐证：消除癌症仅降低 18% 全因死亡，套用公式仅增加约 2.3 年寿命，而非直觉的 13 年。

预期寿命改变 ΔL = 各年龄段风险变化 ΔHR (t) × 该年龄段死亡概率 P (t) × 该年龄剩余预期寿命 L (t) 之和

• P (t)：t 岁人群当年死亡概率（老年人 P (t) 更高）
• L (t)：活到 t 岁后还能活多少年（年轻人 L (t) 更长） 两者乘积 P (t)×L (t) 是换算核心权重，权重集中在 50–90 岁人群。

1. 论文单一 HR 是死亡概率 P (t) 加权几何均值，而精准换算需要 P (t)×L (t) 加权平均值，两套权重不完全匹配，会产生误差；
2. 误差区间：只要干预效果随年龄平缓变化、不出现正负反转，估算误差通常≤30%；
3. 极端失真场景：干预仅对 85 岁以上人群起效、或年轻人有害老年人有益，单一 HR 会严重高估 / 低估寿命变化，甚至算出符号相反的结果（明明减寿却算成延寿）。

作者搭建人口死亡模拟，分 4 类干预场景验证换算公式：

1. 全年龄段统一 HR：线性 / 对数近似值和真实寿命差值几乎完全吻合；
2. HR 随年龄平缓变化：误差小幅上升，仍具备参考价值；
3. 仅高龄人群获益：估算大幅高估延寿年限；
4. 青年有害、老年获益：公式算出结果完全反向，失去参考意义。

1. 适用人群：现代富裕国家成年人，Keyfitz 熵稳定；小鼠等物种熵值更高（约 0.45），相同 HR 带来寿命增幅远大于人类，解释动物延寿实验很难复刻到人；
2. 人群局限：若临床试验仅招募 50 岁以上或仅纳入年轻人，单一 HR 参考价值大幅下降；
3. 个体差异：公式是群体平均估算，不能直接套用于个人；健康人群个人 Keyfitz 熵会更低，同等 HR 带来寿命增益更小；

发达国家人群可直接用简易公式把论文 HR 换算为预期寿命变化：ΔL ≈ ln (1/HR) × 12.93 年； 多数日常健康研究干预不会随年龄剧烈反转效果，估算误差可控；仅极端年龄差异化干预时该方法会严重失真。

🍲5分钟还原湖北藕汤｜无添加九孔粉藕排骨汤｜藕粉拉丝 汤色胭脂红｜20小时慢煨 查看
更多

 

2026.07.11

讨论列表 AKP讨论 查看原帖及回帖