相对危险度（Relative Risk，RR）也叫危险度比（Risk Ratio）或率比(Rate Ratio)，是反映曝露与发病（死亡）关联强度的最有用的指标。

RR=Ie/Io

式中Ie和Io分别代表曝露组和非曝露组的发病率。RR表明曝露组发病或死亡的危险是非曝露组的多少倍。RR值越大，表明曝露的效应越大，曝露的结局关联的强度越大。若要估计数值的总体范围,应考虑抽样误差的存在,需计算其可信区间，通常用95%可信区间。

文献《What is Meant by RR?》指出，流行病学研究获得的RR，是在对流行病学和研究结果进行解读时，经常引起争议的一个焦点。简单化地就RR值本身来看，如果曝露到某一假定因素的人中有X％受到了某种影响，未曝露到该因素的人（也可以是一般公众）中有Y％受到了同样的影响，则RR就等于X/Y。如果这种影响是“有害的”，那么大于1的RR就意味着该假定因素是“有害的”，小于1的RR意味着该因素是“有益的”。反之亦然，如果这种影响是“有益的”，那么RR大于1就意味着该假定因素是“有益的”，RR小于1就意味着该因素是“有害的”。若RR正好等于1，则表示因素和影响之间没有关联。但是事实上，对实际的流行病学研究结果，是不能作如此简单化的解读的，这是因为：

(1) 即使不存在关联，RR也不可能十分精确地等于1，这是因为X和Y都仅是统计变量的估计，所以，确定偏离1多大范围内可算是能接受的，是非常重要的。

(2) “混淆”问题，X和Y尽管从本质上来说是无关联的，但有可能通过第三种因素或事实上其他许多因素（例如年龄）而相关联。有时这些混杂因素是可知的（或人们认为是可知的），当然就可针对性地采取一些（有时是会引起怀疑的）措施来予以消除。但是，当这些因素是不可知时，就不能清晰地予以补偿。

(3) 有时，所采用的测量方法自身就带有偏倚。

(4) 统计结果常会受到一系列操作上的和选择上（尽管设计意图并非如此）的影响，这些都会促使RR偏离1。

(5) 即使完全没有影响，发表偏倚（Publication bias）也会给大家造成平均的RR值大于1.5的膺象。

因为这些原因，大多数科学家（包括偏向科学性的流行病学家）都对RR值持以严格、谨慎的态度。在观察性研究中，他们一般不会把小于3的RR当作重要数据，对于小于2的RR更是绝不当回事。同样，要确定一种可疑的有益影响，他们也决不会认可大于0.5的RR。有时，流行病学家会不顾这些，认为这是破坏性怀疑论者的发明而已，但事实并不是这样。例如：

“在流行病研究中，‘小于100％的风险增加’被认为是小的，解释起来常有困难。这种增长的原因可能是偶发事件、统计偏倚，或是有时并不明显的混杂因素的影响。”（来源：美国国家癌症研究所（NCI），1994年10月26日。）

“按一般经验法则，我们在认可一份可发表的文献前，都要求RR值在3及以上。”Marcia Angell，新英格兰医学杂志的编辑这样说。

“我的基本原则是，如果RR至少不是3或4，就忘记它。”Robert Temple, 美国食品与药物管理局药物评估主任这样表示。

“如果RR低于3，特别是低于2时，一般认为关联性是微弱的，在吸烟环境（Environmental Tobacco Smoke，ETS）曝露和肺癌之间的关系上也是如此。” 室内空气质量委员会（Indoor Air quality Council, IAQC）的流行病学家Kabat博士这样说。

在某些特殊情况下，对RR的这种要求也可能不一定如此严谨，例如在完全随机的双盲对照试验中，与观察性研究相对而言，其RR值就具有很高的价值。

信息来源：《输变电设施的电场、磁场及其环境影响》 中国电力出版社