Słownik metodologiczny · Ludzie statystyki

Richard Doll (1912–2005) – epidemiolog, który policzył skutki palenia

Richard Doll z Austinem Bradfordem Hillem pokazał w badaniu kliniczno-kontrolnym (1950), że palenie papierosów powoduje raka płuca, a potem przez 50 lat prowadził kohortę brytyjskich lekarzy. Przedstawiamy jego drogę, ciekawostkę o własnym nałogu i regresję Poissona z osobolatami na prawdziwych danych z badania lekarzy.

Strona główna / Słownik / Richard Doll
W skrócie: Richard Doll (1912–2005) – brytyjski lekarz i epidemiolog. Z Austinem Bradfordem Hillem opublikował w 1950 r. badanie kliniczno-kontrolne wiążące palenie papierosów z rakiem płuca, a od 1951 r. prowadził badanie kohortowe brytyjskich lekarzy, którego wyniki po 50 latach ogłoszono w 2004 r. Badał też skutki promieniowania i azbestu.

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

Pozioma oś czasu od 1910 do 2010 z dziewięcioma zdarzeniami: 1912 urodził się w Hampton; 1937 dyplom lekarski w St Thomas’ Hospital; 1948 dołącza do Bradforda Hilla w MRC; 1950 praca Dolla i Hilla o paleniu i raku płuca w BMJ; 1951 start badania brytyjskich lekarzy; 1961 dyrektor jednostki statystycznej MRC; 1969 Regius Professor medycyny w Oksfordzie; 2004 wyniki po 50 latach badania lekarzy; 2005 zmarł. Rodzaj zdarzenia oznaczają kształt i kolor znacznika: koło – życie, kwadrat – praca, romb – publikacja
Rysunek 1. Oś czasu: Richard Doll, 1912–2005. Lata według Richmond (2005), Kinlena (2005), Dolla i Hilla (1950) oraz Dolla i in. (2004). Rysunek: R, pakiet ggplot2.

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:

Rysunek 1. Najważniejsze daty z życia i pracy Richarda Dolla, 1912–2005. Uwaga. Kształt znacznika oznacza rodzaj zdarzenia (życie, praca, publikacja).
Dwa panele. A: częstość zgonów wieńcowych na 1000 osobolat w pięciu grupach wieku od 35–44 do 75–84 lat na skali logarytmicznej; palący – pomarańczowe koła i linia ciągła, niepalący – niebieskie trójkąty i linia przerywana; linie to przewidywania modelu ze wspólnym ilorazem częstości, równoległe na skali logarytmicznej. W najmłodszej grupie obserwowana częstość u niepalących, 0.11, leży wyraźnie poniżej linii modelu, w najstarszej niepalący mają nieco wyższą częstość niż palący. B: iloraz częstości palący do niepalących w każdej grupie wieku z 95% przedziałami ufności, malejący od 5.74 w grupie 35–44 do 0.91 w grupie 75–84; kropkowana linia pozioma – wspólny iloraz z modelu 1, 1.43; przerywana linia na poziomie 1
Rysunek 2. Zgony z powodu choroby wieńcowej wśród brytyjskich lekarzy w pierwszych dziesięciu latach badania: częstość na 1000 osobolat (A) i iloraz częstości palący / niepalący (B). Dane: zbiór 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:

Rysunek 2. Częstość zgonów z powodu choroby wieńcowej na 1000 osobolat wśród palących i niepalących brytyjskich lekarzy w grupach wieku (A) oraz iloraz częstości palący / niepalący (B). Uwaga. Dane z pierwszych dziesięciu lat badania (Doll i Hill, 1966, za: Breslow, 1985). Linie w panelu A – przewidywania regresji Poissona z grupą wieku i paleniem oraz offsetem log(osobolata); słupki błędów w panelu B – 95% przedziały ufności; linia kropkowana – wspólny iloraz częstości z modelu.

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.
Przykład reprodukowalny

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

Dane wejściowe: data(breslow, package = "boot") – 10 wierszy: grupa wieku (środek przedziału), palenie (0/1), osobolata, zgony wieńcowe.

Co odczytać: IRR dla palenia z 95% CI z modelu 1, wynik testu ilorazu wiarygodności (model 1 vs model 2) i tabelę ilorazów częstości w grupach wieku.

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))
p2
Wynik 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  1.35

2. Oś czasu: rysunek 1

Dane wejściowe: dziewięć zdarzeń z latami według cytowanych źródeł, wpisanych ręcznie.

Co odczytać: nic – kod tylko rysuje oś czasu.

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")
p1

Bibliografia 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()).

  1. 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/
  2. boot (wersja 1.3.32): Canty, A., & Ripley, B. (2025). boot: Bootstrap functions [R package]. https://doi.org/10.32614/CRAN.package.boot
  3. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  4. 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 studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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}}
R