为了在不同群体（例如地理区域，种族）的比率之间进行有效的比较，往往需要考虑年龄的分布，调整年龄分布的差异，以消除年龄的混淆影响。通过还需要计算在标准化后的置信区间。（Anderson 1998）
（ps：该死的预防医学，需要掌握率的标准化，但是R可以帮准你实现全部过程。）
假设某地区5个年龄组的HIV感染人数与对应年龄组的人口数。计算该地区的HIV的年龄标化率。
case/pop=CrudeRate可以通过 mutate 来计算
首先需要通过 standard_pop 标准人口来计算各个年龄组的比例，这个 standard_pop 可以根据某省或者WHO的标准，主要目的是获取不同年龄组所占总人口比例。
prop.table 可以计算年龄组的proportion；确保proportion 总和为1.
只需将每个年龄组的原始 case 乘以该年龄组的 proportion 即可。 （由于proportion均小于1，因此HIV的年龄标化率是各个年龄组调整后的累计效应）
根据该计算方式；可以得出 CrudeRate =166.0874 Adjust_rates=143.9176
这种用于估计95%CI的方法很复杂，但是依据正态分布的方法，在标准正态分布上使用误差的余量+/-平均值，对于该特定计算，年龄调整率作为中心（ Confidence Intervals ）。因此，借助于 epitools ：
这里增加了一列数据 standard_pop 人口的各个感染病例数： standard_case ；这样就相当于两个地区各年龄组都有HIV的发病数。合并两个地区的pop计算调整的年龄标化率。
很简单，提供思路如下：
首先用当年的年份减去每个人的年龄得到对应的出生年，然后把出生年份转换成字符串类型，用substr函数分别提取前两位和后两位，前两位的数值减去1是世纪，后两位去的第一位是年代。
就这么简单
