在临床研究中，当不能计算RR时，常用OR作为RR的估计值描述暴露与结局的关联强度，OR的计算不需要知道率，给我们的研究和分析带来方便。但在我们统计分析时，常常看到一些看起来不靠谱的OR，比如OR特别高（高于10），这个时候我们不要庆幸发现了新大陆，因为在很多疾病的强关联因素已经被发现，这种情况下再发现这种强关联的的可能性极小。那么我们就应该从方法上先看看是否正确。一般原因有两个：一是我们的样本量较小，拟合的模型不稳定或出现错误，导致OR值异常。二是我们的研究中结局发生不是小概率事件，而结局发生比例超过20%及以上。对于第一种原因我们应该扩大样本再观察，或者找统计专业人员查看模型是否错误，如果都不是，看看是不是第二条原因了。

我们拟合一个队列研究的数据，总体发病率为50%，如下表所示：

我们计算RR=[70/(70+30)]/[30/(30+70)]=2.3；

而我们计算OR=70*70/30*30=5.4，此时OR是RR的2倍以上，此时用OR估计RR就很不准确了。

一些学者建议通过公式将OR转换成RR，公式为：

上式中p0为发病率，但此公式也只能粗略估计。

鉴于OR值不能准确估计RR值，有学者建议在横断面研究中用PR来描述暴露与疾病的关联强度，通过拟合log-binomial和稳健possion回归来估计PR，原理和logistic回归近似，专业的人员可以查看。但此两种方法在SPSS菜单中尚不能实现，但可以通过SAS、R等编程实现，使用时建议咨询统计专业人员。