Kim był Richard Doll?
Sir Richard Doll (1912–2005) był brytyjskim lekarzem, który stał się jednym z najważniejszych epidemiologów XX wieku. Urodził się w Hampton (hrabstwo Middlesex) jako syn lekarza ogólnego, a dyplom lekarski uzyskał w St Thomas’ Hospital w 1937 r. W czasie II wojny światowej służył we Francji i na Bliskim Wschodzie; w 1944 r. zachorował na gruźlicę nerki i przeszedł jej usunięcie (Richmond, 2005).
Po wojnie badał z gastroenterologiem Francisem Averym Jonesem czynniki zawodowe w chorobie wrzodowej. Staranność, z jaką odnajdywał dawno ankietowanych pacjentów, zrobiła takie wrażenie na Austinie Bradfordzie Hillu, że ten zatrudnił go w jednostce statystycznej Medical Research Council (MRC) do badań nad przyczynami raka płuca (Kinlen, 2005). Doll dołączył do Hilla w styczniu 1948 r. (Richmond, 2005), od 1961 r. kierował tą jednostką, a w 1969 r. został Regius Professor medycyny w Oksfordzie, gdzie założył Green College (Kinlen, 2005).
Najważniejsze pomysły
- Badanie kliniczno-kontrolne palenia (1950). Doll i Hill porównali nawyki palenia chorych na raka płuca z grupą kontrolną. Niepalący byli wśród chorych rzadkością, a osób palących dużo papierosów – nadmiar, co przekonało autorów, że palenie jest ważną przyczyną choroby (Doll i Hill, 1950; Kinlen, 2005). Zob. badanie kliniczno-kontrolne.
- Ostrożna definicja ekspozycji. Za osobę nigdy niepalącą uznano kogoś, kto nigdy nie palił średnio jednego papierosa dziennie przez rok. Kinlen (2005) podkreśla, że ta prosta definicja była jednoznaczna i powtarzalna – a to grupa odniesienia dla wszystkich porównań.
- Kohorta brytyjskich lekarzy (od 1951 r.). Lekarzy wybrano m.in. dlatego, że ich zgony łatwo śledzić w rejestrze zawodowym. Nawyki palenia aktualizowano kolejnymi ankietami aż do 2001 r. (Doll i in., 2004). To podręcznikowe badanie kohortowe, w którym liczy się zgony na osobolata obserwacji.
- Gradient dawki i przyczynowość. Silna zależność dawka–odpowiedź między liczbą papierosów a rakiem płuca przekonała środowisko naukowe; według Kinlena (2005) opór wobec tych wyników był jednym z bodźców, z których wyrosły kryteria Bradforda Hilla.
- Inne narażenia. W 1955 r. Doll jako pierwszy wykazał istotny nadmiar raka płuca u pracowników azbestu, a z Michaelem Court Brownem pokazał, że radioterapia zwiększa ryzyko białaczki – to badanie nazywał swoim ulubionym (Kinlen, 2005).
Ciekawostka
Człowiek, który policzył skutki palenia, sam palił. Według nekrologu w BMJ Doll był kiedyś palaczem, ale rzucił palenie, gdy odkrył związek palenia z rakiem płuca (Richmond, 2005). Nekrolog nie podaje roku; krąży wersja, że stało się to w trakcie pierwszego badania, ale w cytowanych źródłach jej nie znaleźliśmy.
Wyniki jego kohorty opisują ten wybór w liczbach: według analizy po 50 latach rzucenie palenia w wieku 30 lat pozwalało uniknąć niemal całego nadmiaru ryzyka, a w wieku 50 lat – zmniejszało go o połowę (Doll i in., 2004). Doll zmarł w 2005 r. w wieku 92 lat (Kinlen, 2005).
Przykład na historycznych danych
Zbiór breslow z pakietu boot zawiera dane z badania lekarzy: osobolata obserwacji i zgony z powodu choroby wieńcowej wśród palących i niepalących w pięciu dziesięcioletnich grupach wieku, zgromadzone w pierwszych dziesięciu latach badania (Doll i Hill, 1966, za: Breslow, 1985).
Lekarzy obserwowano różnie długo, więc porównujemy nie liczby zgonów, ale ich częstość na osobolata. W regresji Poissona logarytm osobolat wchodzi do modelu jako offset. Model z grupą wieku i paleniem daje iloraz częstości IRR = 1.43, 95% CI [1.16, 1.76], z = 3.30: przy tym samym wieku palący umierali na chorobę wieńcową o około 43% częściej.
Ta jedna liczba ukrywa jednak najciekawszą część wyniku. W grupie 35–44 lata częstość zgonów wynosiła 0.61 na 1000 osobolat u palących i 0.11 u niepalących (IRR = 5.74 [1.38, 23.94], ale tylko 2 zgony wśród niepalących), w grupie 45–54 lata IRR = 2.14 [1.18, 3.89], a w najstarszej grupie 75–84 lata – 0.91 [0.61, 1.35]. Test ilorazu wiarygodności porównujący model ze wspólnym IRR z modelem z osobnym IRR w każdej grupie wieku daje χ²(4) = 12.13, p = .016: względny efekt palenia maleje z wiekiem. To przykład interakcji na skali ilorazowej: jeden średni IRR ukrywa tu duże różnice między grupami wieku. Liczby pochodzą z naszego przeliczenia w R.
Na rysunku
Co widać. Trzy lata 1948–1951 zmieściły przejście od pracy w MRC do dwóch badań, z których Doll jest znany. Wyniki kohorty po 50 latach ogłosił na rok przed śmiercią.
Na co uważać. Oś pokazuje tylko zdarzenia z latami z cytowanych źródeł; dla czytelności pominięto m.in. pracę o azbeście (1955) i szlachectwo (1971).
Podpis do pracy:
breslow z pakietu boot (Doll i Hill, 1966, za: Breslow, 1985); obliczenia i rysunek: R, pakiety ggplot2 i patchwork (dane historyczne, bez losowania).Co widać. Na panelu A linie modelu 1 są równoległe, bo model zakłada ten sam iloraz częstości w każdym wieku, a punkty dla niepalących od nich odchodzą: w najmłodszej grupie leżą niżej, w najstarszej wyżej. Panel B pokazuje to wprost – ilorazy częstości maleją z wiekiem.
Na co uważać. Przedział dla najmłodszej grupy jest bardzo szeroki, bo opiera się na 2 zgonach u niepalących. Dane nie mają innych zmiennych niż wiek i palenie, więc to nie jest analiza przyczynowa – tylko przeliczenie częstości. Plik pomocy pakietu podaje, że ankietę rozesłano w 1961 r., a według Dolla i in. (2004) badanie zaczęło się w 1951 r.; cytując te dane, sprawdź oryginał (Doll i Hill, 1966).
Podpis do pracy:
Gdzie spotkasz Dolla w swojej pracy
Gdy porównujesz grupy obserwowane przez różny czas, powtarzasz rachunek z badania lekarzy:
- zdarzenia odniesiesz do czasu obserwacji (osobolat) – podstawy wyjaśnia hasło chorobowość i zapadalność, a model – hasło o offsecie;
- wyniki modelu zliczeń pokażesz na wykresie, jak we wpisie Regresja Poissona – wizualizacja, i sprawdzisz, czy efekt jest stały w podgrupach;
- w badaniu kliniczno-kontrolnym pomyślisz o błędzie przypominania – Doll lubił przypominać, że osoby, u których raka ostatecznie nie potwierdzono, paliły tak jak grupa kontrolna, więc różnicy nie da się zrzucić na samo przypominanie (Kinlen, 2005).
Spory, mity i trudne strony
- Krytyka Fishera. R. A. Fisher krytykował badania nad paleniem prowadzone przez Hilla i Dolla, a Farewell i Johnson (2021) przypominają, że przyjmował wynagrodzenie za doradztwo dla producentów tytoniu. Argumenty przeciw przyczynowej interpretacji danych obserwacyjnych analizował wtedy m.in. Jerome Cornfield; ogólne zasady opisuje hasło korelacja a przyczynowość.
- Kohorta lekarzy to nie próba populacji. Lekarzy wybrano ze względu na łatwość śledzenia zgonów (Doll i in., 2004), więc bezwzględne częstości nie muszą odpowiadać ogółowi mężczyzn.
Badanie lekarzy w R
Kod wczytuje zbiór breslow z pakietu boot, liczy częstość zgonów na 1000 osobolat, dopasowuje regresję Poissona z offsetem log(osobolata) – ze wspólnym ilorazem częstości dla palenia (model 1) i z osobnym w każdej grupie wieku (model 2) – porównuje oba modele testem ilorazu wiarygodności, liczy ilorazy częstości w grupach wieku i rysuje rysunek 2. Drugi przepis rysuje oś czasu (rysunek 1). Rysunki na stronie powstały z tych samych obiektów p1 i p2, którym podmieniono tylko motyw na motyw serwisu; dane, geometrie i skale są identyczne. Kod nie losuje.
1. Regresja Poissona z osobolatami: rysunek 2
Kod R rysunku 2
# Richard Doll: zgony z powodu choroby wieńcowej wśród brytyjskich lekarzy – regresja Poissona z osobolatami (offset)
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
data(breslow, package = "boot") # Doll i Hill (1966) według Breslowa (1985): pierwsze 10 lat badania
kol <- c("palący" = "#D55E00", "niepalący" = "#0072B2") # Okabe–Ito
motyw <- theme_minimal(base_size = 13) +
theme(panel.grid.minor = element_blank(), plot.title = element_text(face = "bold"), legend.position = "bottom")
d <- breslow
d$wiek <- factor(d$age, levels = c(40, 50, 60, 70, 80), labels = c("35–44", "45–54", "55–64", "65–74", "75–84"))
d$grupa <- factor(ifelse(d$smoke == 1, "palący", "niepalący"), levels = c("palący", "niepalący"))
d$na1000 <- 1000 * d$y / d$n # zgony na 1000 osobolat
# Model 1: wspólny iloraz częstości dla palenia, osobne poziomy dla grup wieku; offset = log(osobolata)
m1 <- glm(y ~ wiek + smoke + offset(log(n)), family = poisson, data = d)
# Model 2: osobny iloraz częstości w każdej grupie wieku (interakcja; model nasycony)
m2 <- glm(y ~ wiek * smoke + offset(log(n)), family = poisson, data = d)
b <- coef(summary(m1))["smoke", ]
round(c(IRR = exp(b[["Estimate"]]), dolna = exp(b[["Estimate"]] - 1.96 * b[["Std. Error"]]),
gorna = exp(b[["Estimate"]] + 1.96 * b[["Std. Error"]]), z = b[["z value"]]), 3)
# Czy iloraz częstości zależy od wieku? Test ilorazu wiarygodności m1 vs m2
anova(m1, m2, test = "LRT")
# Iloraz częstości (palący / niepalący) w każdej grupie wieku z 95% CI (skala logarytmiczna)
rr <- do.call(rbind, lapply(levels(d$wiek), function(w) {
p <- d[d$wiek == w & d$smoke == 1, ]; n0 <- d[d$wiek == w & d$smoke == 0, ]
r <- (p$y / p$n) / (n0$y / n0$n); se <- sqrt(1 / p$y + 1 / n0$y)
data.frame(wiek = w, zgony_pal = p$y, na1000_pal = 1000 * p$y / p$n, zgony_niepal = n0$y,
na1000_niepal = 1000 * n0$y / n0$n, IRR = r, dolna = r * exp(-1.96 * se), gorna = r * exp(1.96 * se))
}))
rr$wiek <- factor(rr$wiek, levels = levels(d$wiek))
print(rr, digits = 3, row.names = FALSE)
# Rysunek 2A: częstość zgonów na 1000 osobolat (skala logarytmiczna) i przewidywania modelu 1
d$przewid <- 1000 * fitted(m1) / d$n
pA <- ggplot(d, aes(wiek, na1000, colour = grupa, shape = grupa, group = grupa)) +
geom_line(aes(y = przewid, linetype = grupa), linewidth = 0.7) +
geom_point(size = 3.2, fill = "white", stroke = 1.1) +
scale_colour_manual(values = kol, name = NULL) +
scale_shape_manual(values = c("palący" = 21, "niepalący" = 24), name = NULL) +
scale_linetype_manual(values = c("palący" = "solid", "niepalący" = "dashed"), name = NULL) +
scale_y_log10(breaks = c(0.1, 0.3, 1, 3, 10, 30)) +
labs(title = "A. Zgony wieńcowe na 1000 osobolat", x = "Wiek (lata)", y = "Zgony na 1000 osobolat (skala log)") +
motyw
# Rysunek 2B: iloraz częstości w grupach wieku i wspólny IRR z modelu 1
irr_m1 <- exp(coef(m1)[["smoke"]])
pB <- ggplot(rr, aes(wiek, IRR)) +
geom_hline(yintercept = 1, linetype = "dashed", colour = "grey45") +
geom_hline(yintercept = irr_m1, linetype = "dotted", colour = "black") +
annotate("text", x = "75–84", y = irr_m1, label = sprintf("model 1:\nIRR = %.2f", irr_m1), vjust = -0.3,
size = 3.3, lineheight = 0.9) +
geom_errorbar(aes(ymin = dolna, ymax = gorna), width = 0.15, colour = "black") +
geom_point(size = 3.4, shape = 22, fill = "grey30") +
scale_y_log10(breaks = c(0.5, 1, 2, 5, 10, 20, 50)) +
labs(title = "B. Palący / niepalący", x = "Wiek (lata)", y = "Iloraz częstości (95% CI, skala log)") +
motyw
p2 <- pA + pB + plot_layout(widths = c(1.1, 1))
p2Wynik w R
IRR dolna gorna z
1.426 1.155 1.759 3.302
Analysis of Deviance Table
Model 1: y ~ wiek + smoke + offset(log(n))
Model 2: y ~ wiek * smoke + offset(log(n))
Resid. Df Resid. Dev Df Deviance Pr(>Chi)
1 4 12.132
2 0 0.000 4 12.132 0.01639 *
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
wiek zgony_pal na1000_pal zgony_niepal na1000_niepal IRR dolna gorna
35–44 32 0.611 2 0.106 5.737 1.375 23.94
45–54 104 2.405 12 1.124 2.139 1.177 3.89
55–64 206 7.200 28 4.904 1.468 0.989 2.18
65–74 186 14.688 28 10.832 1.356 0.911 2.02
75–84 102 19.184 31 21.204 0.905 0.605 1.352. Oś czasu: rysunek 1
Kod R rysunku 1
# Oś czasu: Richard Doll, 1912–2005 – lata według cytowanych źródeł
library(ggplot2)
zdarzenia <- data.frame(
rok = c(1912, 1937, 1948, 1950, 1951, 1961, 1969, 2004, 2005),
opis = c("urodził się\n(Hampton)", "dyplom lekarski\n(St Thomas’ Hospital)", "dołącza do\nBradforda Hilla (MRC)",
"Doll i Hill: palenie\na rak płuca (BMJ)", "start badania\nbrytyjskich lekarzy",
"dyrektor jednostki\nstatystycznej MRC", "Regius Professor\nmedycyny, Oksford", "wyniki po 50 latach\nbadania lekarzy",
"zmarł"),
rodzaj = c("życie", "praca", "praca", "publikacja", "praca", "praca", "praca", "publikacja", "życie"))
zdarzenia$wysokosc <- c(0.5, -0.45, 0.45, -0.45, 1.05, 0.45, -0.45, 0.45, -0.45) # nad (+) i pod (−) osią; dwa poziomy dla bliskich lat
zdarzenia$wyrownanie <- c(0.5, 0.8, 0.7, 0.4, 0.3, 0.5, 0.5, 0.8, 0.5)
ksztalty <- c("życie" = 21, "praca" = 22, "publikacja" = 23)
kolory <- c("życie" = "grey40", "praca" = "#0072B2", "publikacja" = "#D55E00") # Okabe–Ito
p1 <- ggplot(zdarzenia, aes(rok, 0)) +
geom_hline(yintercept = 0, colour = "grey60", linewidth = 0.8) +
geom_segment(aes(xend = rok, y = 0, yend = wysokosc), colour = "grey70") +
geom_point(aes(shape = rodzaj, fill = rodzaj), size = 4, colour = "black") +
geom_text(aes(y = wysokosc + 0.05 * sign(wysokosc), label = paste0(rok, "\n", opis), vjust = ifelse(wysokosc > 0, 0, 1),
hjust = wyrownanie), size = 3.4, lineheight = 0.9) +
scale_shape_manual(values = ksztalty, name = NULL) +
scale_fill_manual(values = kolory, name = NULL) +
scale_x_continuous(limits = c(1903, 2014), breaks = seq(1910, 2010, by = 10)) +
scale_y_continuous(limits = c(-1.3, 1.75)) +
labs(x = NULL, y = NULL) +
theme_minimal(base_size = 13) +
theme(axis.text.y = element_blank(), panel.grid = element_blank(), axis.text.x = element_text(colour = "grey30"),
legend.position = "bottom")
p1Bibliografia oprogramowania
Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (regresja Poissona – funkcja glm() z pakietu stats; dane – pakiet boot; rysunki – pakiety ggplot2 i patchwork). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).
- R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
- boot (wersja 1.3.32): Canty, A., & Ripley, B. (2025). boot: Bootstrap functions [R package]. https://doi.org/10.32614/CRAN.package.boot
- ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
- patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork
Najczęstsze pytania
Kim był Richard Doll?
Brytyjskim lekarzem i epidemiologiem (1912–2005), pracownikiem jednostki statystycznej Medical Research Council, a od 1969 r. profesorem medycyny w Oksfordzie. Z Austinem Bradfordem Hillem wykazał, że palenie papierosów powoduje raka płuca, badał też skutki promieniowania jonizującego i azbestu.
Na czym polegało badanie brytyjskich lekarzy?
W 1951 r. Doll i Hill rozesłali lekarzom ankietę o paleniu, a potem latami śledzili ich zgony w rejestrach. Kohorta 34 439 mężczyzn była obserwowana do 2001 r.; palący przez całe życie papierosy umierali średnio około 10 lat wcześniej niż niepalący (Doll i in., 2004).
Dlaczego w badaniu palenia liczy się osobolata?
Bo lekarzy obserwowano różnie długo: jedni zmarli wcześnie, inni byli obserwowani przez całe dekady. Liczba zgonów ma sens dopiero w odniesieniu do czasu obserwacji, dlatego w regresji Poissona logarytm osobolat wchodzi do modelu jako offset, a wynik to iloraz częstości.
Czy Richard Doll sam palił?
Tak. Według nekrologu w BMJ był kiedyś palaczem, ale rzucił palenie, gdy odkrył związek palenia z rakiem płuca (Richmond, 2005). Źródło nie podaje dokładnego roku.
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Wyceń analizęOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- Breslow, N. E. (1985). Cohort analysis in epidemiology. In A. C. Atkinson & S. E. Fienberg, A celebration of statistics (pp. 109–143). Springer. https://doi.org/10.1007/978-1-4613-8560-8_6
- Doll, R., & Hill, A. B. (1950). Smoking and carcinoma of the lung: Preliminary report. BMJ, 2(4682), 739–748. https://doi.org/10.1136/bmj.2.4682.739 ● Otwarty dostęp
- Doll, R., Peto, R., Boreham, J., & Sutherland, I. (2004). Mortality in relation to smoking: 50 years' observations on male British doctors. BMJ, 328(7455), 1519. https://doi.org/10.1136/bmj.38142.554479.ae ● Otwarty dostęp
- Farewell, V., & Johnson, T. (2021). Medical statistics, Austin Bradford Hill, and a celebration of 40 years of Statistics in Medicine. Statistics in Medicine, 40(1), 17–28. https://doi.org/10.1002/sim.8832 ● Otwarty dostęp: pełny tekst
- Kinlen, L. (2005). Sir Richard Doll, epidemiologist – a personal reminiscence with a selected bibliography. British Journal of Cancer, 93(9), 963–966. https://doi.org/10.1038/sj.bjc.6602812 ● Otwarty dostęp
- Richmond, C. (2005). Sir Richard Doll. BMJ, 331(7511), 295. https://doi.org/10.1136/bmj.331.7511.295 ● Otwarty dostęp: pełny tekst
Cytowania BibTeX
@incollection{breslow1985cohort, author={Breslow, Norman E.}, title={{Cohort analysis in epidemiology}}, booktitle={A celebration of statistics}, year={1985}, pages={109--143}, publisher={Springer}, doi={10.1007/978-1-4613-8560-8_6}}@article{doll1950smoking, author={Doll, Richard and Hill, Austin Bradford}, title={{Smoking and carcinoma of the lung: Preliminary report}}, journal={BMJ}, year={1950}, volume={2}, number={4682}, pages={739--748}, doi={10.1136/bmj.2.4682.739}}@article{doll2004mortality, author={Doll, Richard and Peto, Richard and Boreham, Jillian and Sutherland, Isabelle}, title={{Mortality in relation to smoking: 50 years' observations on male British doctors}}, journal={BMJ}, year={2004}, volume={328}, number={7455}, pages={1519}, doi={10.1136/bmj.38142.554479.ae}}@article{farewell2021medical, author={Farewell, Vern and Johnson, Tony}, title={{Medical statistics, Austin Bradford Hill, and a celebration of 40 years of Statistics in Medicine}}, journal={Statistics in Medicine}, year={2021}, volume={40}, number={1}, pages={17--28}, doi={10.1002/sim.8832}}@article{kinlen2005sir, author={Kinlen, Leo}, title={{Sir Richard Doll, epidemiologist – a personal reminiscence with a selected bibliography}}, journal={British Journal of Cancer}, year={2005}, volume={93}, number={9}, pages={963--966}, doi={10.1038/sj.bjc.6602812}}@article{richmond2005sir, author={Richmond, Caroline}, title={{Sir Richard Doll}}, journal={BMJ}, year={2005}, volume={331}, number={7511}, pages={295}, doi={10.1136/bmj.331.7511.295}}