《流行病学——流行病学研究中常见偏倚及其控制》.pptVIP

计算aOR（f）（按某可疑混杂因素f分层调整后的OR值） 如Shapiro等1979年以病例对照研究探讨近期口服避孕药与心肌梗死的关系。病例组为在某地医院就诊的234名25～49岁患心肌梗死的妇女，对照组为随机抽取的 1742名该地25～49岁妇女。病例组与对照组均按统一标准，统一方法收集三个月前避孕药的服用情况。不考虑潜在的混杂因素对口服避孕药与心肌梗死之间关系的影响，将资料收集列于表7－5。 从表7—6和表7—7可见年龄与心肌梗死和服用避孕药均有关，且在病例组与对照组分布不均衡，年龄有可能为潜在的混杂因素，歪曲口服避孕药与心肌梗死之间的真正联系，应予调整。按年龄进行分层，口服避孕药与心肌梗死的关系资料列于表7—8。 * 根据表7－8，用Mantel—Haenszel方法计算年龄调整的口服避孕药与心肌梗死的比值比(aOR)： ORMH =3.97 cOR≠aOR(f)，表明年龄对口服避孕药与心肌梗死之间的关系起混杂作用，如上例，混杂偏倚＝（1.68－3.97）/ 3.97= －0.577，为负值，使OR值低估了57.7％。 * 3．混杂偏倚的方向 根据混杂偏倚产生的机制及对结果的影响不同，将混杂偏倚分成以下两种类型： (1)正混杂偏倚：指由于混杂因素的存在使暴露因素与疾病之间的关联被夸大，即 cORaOR，也称阳性混杂。 (2)负混杂偏倚：指由于混杂因素的存在使暴露因素与疾病之间的关联被缩小，即 cORaOR，也称阴性混杂。 混杂偏倚及其方向与程度可以下式测量： 混杂偏倚=cOR－aOR 若值＝0，为无混杂；若值≠O，正值时为正混杂，负值时为负混杂。值的大小为混杂的程度。 * 流行病学研究中常见偏倚及其控制 * 偏倚是误差的一种。 误差是由于各种因素的影响导致测量结果与事物的真实情况之间的差异。 误差的存在，影响了研究结果的真实性，有时还可能导致错误的结论。 在流行病学研究必须考虑能否得到正确的结果和结论，使研究结果与客观、真实情况一致。 学习内容： 偏倚的种类 偏倚的产生或出现的原因和条件 避免或控制偏倚的方法 * 第一节 误 差 一、误差的概念 误差(error)是指对事物某一特征的测量值偏离真实值的部分。 真实值测量的要求：必须有“金标准”或相对可靠的标准。 * 二、误差的种类 临床研究中常见的误差有两类：随机误差(random error)和系统误差(systematic error)。 1．随机误差 由于随机因素造成的所得均值与总体参数的差异。 例子：如抽样误差 随机误差的特点： 它普遍存在，不可能完全消除，但可以通过合理的设计、正确的抽样等使之减小； 样本的观察值都在平均值上下分布，从许多无偏倚样本中得到的观察值均数，假如数量较大，总是趋向于接近总体值； 随机误差的范围可以用可信区间估计，当保持随机方法而加大样本时，样本均值逐渐向总体均值接近。 * 2．系统误差：也称偏倚，是向量的方向一致或基本一致时的误差，或倾向性的误差。 系统误差产生的常见原因： 样本选择的不同 测量仪器不精确 试剂不纯 操作不符合要求 分析错误 * 随机误差和系统误差(偏倚)的差异 从图7—1可见： 随机误差由于测量中随机变量的影响，个体的血压读数出现的误差，从而使血压计读数分布在均数周围； 系统误差是由于血压计测量个体血压所得的数值均偏离了用动脉内套管直接测量到的血压值。 * 适当地重复试验或增加样本含量可以减少随机误差，但不能减少系统误差。 第二节 偏 倚(bias) 一、偏倚的概念 在流行病学研究中样本人群所测得的某变量值系统的与目标人群中该变量真实值的偏离 使研究结果或推论结果与真实情况之间出现偏差 系统误差造成的。 * 二、偏倚的方向和分类 偏倚的方向有两种（如果某一特征的真实值为θ，而测量值为θ’） 正向偏倚：当θ’θ时，为正偏倚。正偏倚会夸大研究的结果； 负向偏倚：当θ’ θ时，为负偏倚。负偏倚则会减小研究的结果。 偏倚的原因分为三大类： 选择偏倚(selection bias) 信息偏倚(information bias) 混杂偏倚(confounding bias)。 * (一)选择偏倚 选择偏倚产生的时期：研究的设计阶段 选择偏倚产生的原因：选择研究对象的方法不当，两组研究对象间存在除研究因素以外的其他因素分布不均衡。 选择偏倚对结果的影响：人为地夸大或减小了研究因素与疾病之间的关联度。 了解选择偏倚有两个目的： 第一，在设计中充分考虑、尽量避免； 第二，在分析与做结论时要慎重。 * 选择偏倚的种类 根据其产生的原因，常见的有以下几类： 1.人院率偏倚(a