Standaryzacja względem wieku – metoda bezpośrednia

Opracowanie merytoryczne: Konrad Hryniewicz · Opublikowano: 26 października 2026

W skrócie: Standaryzacja względem wieku przelicza współczynniki tak, jakby porównywane populacje miały tę samą strukturę wieku. W metodzie bezpośredniej współczynniki z grup wieku waży się udziałami tych grup w populacji standardowej. Najpierw obejrzyj współczynniki w grupach wieku, a w pracy nazwij użyty standard.

Co to jest standaryzacja względem wieku?

Standaryzacja względem wieku (ang. age standardization, age adjustment) to przeliczenie współczynników zachorowań, hospitalizacji lub zgonów tak, jakby porównywane populacje miały tę samą strukturę wieku. Stosuje się ją, gdy wiek wiąże się z wynikiem, a populacje różnią się udziałem osób młodych i starszych. Wiek działa wtedy jak zmienna zakłócająca. Nie myl jej ze standaryzacją zmiennej do wyników z.

Jak liczyć?

stopa standaryzowana = Σ w_i · r_i

W metodzie bezpośredniej r_i to współczynnik w i-tej grupie wieku badanej populacji, a w_i – udział tej grupy w populacji standardowej (wagi sumują się do 1). Standardem bywa populacja europejska lub światowa albo suma porównywanych populacji. Metoda pośrednia stosuje odwrotny rachunek: współczynniki standardu przenosi na badaną populację i porównuje liczbę przypadków obserwowanych z oczekiwaną.

Przykład

W powiecie A odnotowano 260 hospitalizacji z powodu depresji na 100 000 dorosłych, a w powiecie B 207 (dane przykładowe). W każdej grupie wieku współczynnik był jednak wyższy w B, np. 520 wobec 500 wśród osób 65+. A ma po prostu więcej starszych mieszkańców. Po standaryzacji do wspólnego standardu stopy wyniosły 229.0 w A, 95% CI [201.5, 259.7], i 241.8 w B, 95% CI [209.0, 278.7]. Kolejność się odwróciła, a przedziały w dużej części się pokrywają.

Jak opisać w pracy

Współczynniki hospitalizacji standaryzowano względem wieku metodą bezpośrednią (trzy grupy wieku, przykładowa populacja standardowa), a 95% CI wyznaczono metodą Fay i Feuera (1997). Surowe współczynniki wyniosły 260 i 207 na 100 000 w powiatach A i B, a standaryzowane 229.0 (95% CI [201.5, 259.7]) i 241.8 (95% CI [209.0, 278.7]).

Na co uważać

Najpierw obejrzyj współczynniki w grupach wieku. Choi i in. (1999) pokazali, że porównanie stóp standaryzowanych jest trafne tylko wtedy, gdy różnica (lub iloraz) współczynników jest podobna we wszystkich grupach wieku. Zalecają, by zawsze najpierw stratyfikować dane. Gdy wzorce się rozchodzą, wiek jest raczej modyfikatorem efektu.
Stopa standaryzowana to liczba umowna. Zależy od wybranego standardu, więc porównuj tylko stopy liczone do tego samego standardu i nazwij go w pracy.
Uważaj na przedziały przy małych liczbach. Fay i Feuer (1997) proponują przedział oparty na rozkładzie gamma, który w symulacjach był zachowawczy, gdy inne metody bywały zbyt liberalne.

Odwrócenie kolejności po standaryzacji przypomina paradoks Simpsona. Podstawowe miary częstości opisuje hasło chorobowość i zapadalność, a ich zastosowanie w pracach dyplomowych – wpis Statystyka w pracy ze zdrowia publicznego.

Przykład reprodukowalny

Standaryzacja bezpośrednia w R

Kod liczy współczynniki surowe, stopy standaryzowane metodą bezpośrednią i ich 95% CI metodą Fay i Feuera (1997).

Stopy standaryzowane względem wieku z przedziałem ufności

Dane wejściowe: liczba mieszkańców i hospitalizacji w trzech grupach wieku (18–39, 40–64, 65+) w dwóch powiatach oraz udziały grup wieku w populacji standardowej (dane przykładowe).

Co odczytać: współczynniki surowe i standaryzowane na 100 000 z granicami 95% CI.

ludnosc_A <- c(30000, 40000, 30000); przyp_A <- c(30, 80, 150)   # 18–39, 40–64, 65+
ludnosc_B <- c(50000, 35000, 15000); przyp_B <- c(55, 74, 78)
standard  <- c(0.40, 0.37, 0.23)                 # udziały grup wieku w populacji standardowej
bezp <- function(x, n, w) {                      # stopa standaryzowana + CI Fay–Feuer (1997)
  wi <- w / n; y <- sum(wi * x); v <- sum(wi^2 * x); wm <- max(wi)
  lo <- v / (2 * y) * qchisq(0.025, 2 * y^2 / v)
  hi <- (v + wm^2) / (2 * (y + wm)) * qchisq(0.975, 2 * (y + wm)^2 / (v + wm^2))
  1e5 * c(stopa = y, lo = lo, hi = hi)
}
round(1e5 * c(surowa_A = sum(przyp_A) / sum(ludnosc_A), surowa_B = sum(przyp_B) / sum(ludnosc_B)), 1)
round(rbind(A = bezp(przyp_A, ludnosc_A, standard), B = bezp(przyp_B, ludnosc_B, standard)), 1)

Wynik w R

surowa_A surowa_B
     260      207
  stopa    lo    hi
A 229.0 201.5 259.7
B 241.8 209.0 278.7

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje pakietów base i stats).

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/

Najczęstsze pytania

Kiedy wybrać standaryzację bezpośrednią, a kiedy pośrednią?

Bezpośrednia wymaga stabilnych współczynników w każdej grupie wieku badanej populacji. Gdy przypadków jest mało, częściej wybiera się pośrednią, która porównuje liczbę obserwowaną z oczekiwaną.

Jaką populację standardową wybrać?

Taką, jakiej używają prace, z którymi się porównujesz, np. standard europejski lub światowy albo sumę porównywanych populacji. Nazwij go w metodzie, bo od niego zależy wynik.

Czy stopę standaryzowaną można traktować jak rzeczywistą częstość?

Nie. To wartość umowna, która pokazuje, jaka byłaby częstość przy strukturze wieku standardu. Służy do porównań, a rzeczywiste obciążenie opisuje współczynnik surowy.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Poradnik

Statystyka w pracy ze zdrowia publicznego

Chorobowość z CI, iloraz szans a iloraz chorobowości, standaryzacja względem wieku, ważenie próby i trend z rejestrów: analizy, APA i kod R.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizę Oferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

Choi, B. C. K., de Guia, N. A., & Walsh, P. (1999). Look before you leap: Stratify before you standardize. American Journal of Epidemiology, 149(12), 1087–1096. https://doi.org/10.1093/oxfordjournals.aje.a009762 ● Otwarty dostęp
Fay, M. P., & Feuer, E. J. (1997). Confidence intervals for directly standardized rates: A method based on the gamma distribution. Statistics in Medicine, 16(7), 791–801. https://doi.org/10.1002/(sici)1097-0258(19970415)16:7<791::aid-sim500>3.0.co;2-#

Cytowania BibTeX

@article{choi1999look, author={Choi, Bernard C. K. and de Guia, Nicole A. and Walsh, Paul}, title={{Look before you leap: Stratify before you standardize}}, journal={American Journal of Epidemiology}, year={1999}, volume={149}, number={12}, pages={1087--1096}, doi={10.1093/oxfordjournals.aje.a009762}}

@article{fay1997confidence, author={Fay, Michael P. and Feuer, Eric J.}, title={{Confidence intervals for directly standardized rates: A method based on the gamma distribution}}, journal={Statistics in Medicine}, year={1997}, volume={16}, number={7}, pages={791--801}, doi={10.1002/(sici)1097-0258(19970415)16:7<791::aid-sim500>3.0.co;2-#}}