勝算比計算器的作用
這款勝算比計算器利用 2×2 列聯表的四個計數，衡量暴露與結果之間關聯的強弱。它會給出勝算比（OR）及其 95% 信賴區間、每組結果的勝算，以及關於該關聯是否具有統計顯著性的白話解讀。OR 等於 1 表示兩組的勝算相同；OR 大於 1 表示暴露組的勝算較高；OR 小於 1 則表示勝算較低。
使用方法
- 標註分組：列為暴露與非暴露，欄為出現結果（病例）與未出現結果（對照）。
- 輸入四個計數：a（暴露且有結果）、b（暴露但無結果）、c（非暴露但有結果）與 d（非暴露且無結果）。
- 點擊“計算”。若任一細格為 0，工具會自動套用 Haldane–Anscombe 校正，使勝算比與區間仍有定義。
公式解說
勝算比是暴露組結果的勝算與非暴露組勝算之比：
OR = ((a × d) ÷ (b × c))
這等同於將兩組的勝算相除：
Odds in exposed = ((a) ÷ (b)), \qquad Odds in unexposed = ((c) ÷ (d))
95% 信賴區間採用 Woolf 方法在自然對數尺度上建立。對數勝算比的標準誤為：
SE = √(((1) ÷ (a)) + ((1) ÷ (b)) + ((1) ÷ (c)) + ((1) ÷ (d)) )
區間的求法是在對數尺度上加減 1.96 倍標準誤，再取指數：
95%\ CI = \exp\!≤ft( \ln(OR) ± 1.96 × SE \right)
當任一細格等於 0 時，勝算比或其標準誤將無定義，因此在計算前為每個細格加上 0.5（Haldane–Anscombe 校正）。
實例演算
假設一項研究記錄了以下計數：30 名暴露且有結果者（a）、10 名暴露但無結果者（b）、20 名非暴露但有結果者（c）以及 40 名非暴露且無結果者（d）。
- 暴露組的勝算：30 / 10 = 3。
- 非暴露組的勝算：20 / 40 = 0.5。
- 勝算比：3 / 0.5 = 6，與 (30 × 40) / (10 × 20) = 1200 / 200 = 6 相同。
- 標準誤：√(1/30 + 1/10 + 1/20 + 1/40) = 0.4564。
- 95% 信賴區間：\exp(\ln 6 ± 1.96 × 0.4564) = \exp(1.7918 ± 0.8946)，約為 2.45 至 14.68。
由於整個區間都在 1 以上，代表暴露與顯著較高的結果勝算相關。
使用注意事項與精準校對原則（6 大核心守則）
📐 1. 嚴格對齊輸入量綱與單位
輸入各項數值時請務必確認量綱（例如小時、天數、金額、百分比），避免單位不匹配引發推算偏差。
🔒 2. 純前端本機毫秒級隱私保障
所有計算邏輯 100% 在您的終端瀏覽器內完成，資料絕不上傳伺服器，嚴格守護商業與個人隱私。
📊 3. 符合公認學術與產業計算模型
演算法嚴格遵循國際通用數學公式與標準計算模型，經多重情境交叉核對，數值嚴密精確。
📋 4. 一鍵複製與免登入 PDF 匯出
支援一鍵複製推算結果字串至剪貼簿，亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。
🔄 5. 多情景敏感度動態對比
建議針對極端值與多組預期情景分別試算，觀察輸出數據的波動區間，輔助做出更穩健的決策。
🛡️ 6. 專業諮詢與日常參考免責聲明
本工具運算結果供日常排程、學業研習與事前參考之用，如涉及重大法規或投資決策請諮詢持證專家。
常見問題 (FAQ)
勝算比與相對風險有什麼不同？
勝算比比較的是結果的勝算，而相對風險比較的是機率。當結果罕見時兩者相近，但當結果常見時，勝算比比相對風險更偏離 1，因此對於常見事件不應將兩者交替使用。
包含 1 的 95% 信賴區間代表什麼？
勝算比等於 1 表示沒有關聯。若信賴區間橫跨 1，則資料與“沒有效應”一致，因此該關聯在 5% 水準上不具統計顯著性。
為什麼細格為零時要加 0.5？
零細格會使勝算比變為 0 或無限大，其標準誤也無定義。為每個細格加上 0.5（Haldane–Anscombe 校正）是一種標準做法，只帶來很小的偏誤，就能讓估計值及其區間維持有限。