临床医学《临床流行病学》11-流行病学中常见的偏倚与控制.pptVIP

流行病学中常见的偏倚及其控制 误差 （error） 随机误差 指随机抽样所得的均值与总体参数的差异，也称抽样误差。只能减少，不能避免。 可以是测量方法本身的随机变异，也可以是被测定的生物现象的随机变异。 利用统计学技术可估计随机误差的大小，但随机误差无法消除。 随机误差的两个特点 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。 系统误差 当对群体的某一特征做一次测量或对某一个体的某一特征做多次测量时，所得均值与总体间的真实性也会产生误差，如果误差向量的方向一致或基本一致时，这种误差称为系统误差。 系统误差不是由随机抽样所引起的，而是由某些不能准确定量但较为恒定的因素所引起，其结果导致测量值系统地偏离总体的真实值。 举例：用动脉血压计测量某人血压（实际值为80mmHg），各次读数的均值为100mmHg，系统误差和随机误差可用以下图示 随机误差和系统误差的区别 假设一项研究可以将样本量增至无穷大，如果研究样本无穷大能使误差减小到零，则此误差为随机误差。系统误差不受样本量增加的影响，因此在研究样本无穷大时仍然存在的误差是系统误差； 适当的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。 偏倚（bias） 指在流行病学研究中样本人群所测得的某变量系统地偏离了目标人群中该变量的真实值，使得研究结果或推论的结果与真实情况之间出现偏差，这是由系统误差造成的。 偏倚的方向 （一）正偏倚和负偏倚： 凡夸大真实效应者为正偏倚。 凡缩小真实效应者为负偏倚。 假如某特征的真实值为θ，而测得值为θ’。 θ＝1.0为零效应； θ1为危险效应； θ1为保护效应。 1.θ1时： （1） θ’θ1时，夸大危险效应，为正偏倚。 （2）θθ’1时，缩小危险效应，为负偏倚。 2.θ1时： （1） θ’θ1时，夸大 保护效应，为正偏倚。 （2）θθ’1时，缩小保护效应，为负偏倚。 （二）趋向无效值偏倚、远离无效值偏倚或颠倒偏倚：无效值指产生零效应的值。例如，对于RR或OR等于1时即无效值。就RR或OR而言： 当θ1时，若θ’θ1,则为远离无效值偏倚。 若θθ’1,则为趋向无效值偏倚。 当θ1时，若θ’θ1,则为远离无效值偏倚。 若θθ’1,则为趋向无效值偏倚。 （三）无论θ1或θ1，若θ和θ’在1的两侧，则为颠倒偏倚。 3.举例： （1）RR＝1.5 RR’=2.0时，为远离无效值正偏倚。 （2）RR＝0.6 RR’=0.8时，为趋向无效值负偏倚。 （3）RR=1.2 RR’=0.9时，为颠倒负偏倚。 选择偏倚（selection bias ） 指被选入到研究中的研究对象与没有被选入者特征上的差异所造成的系统误差。主要产生于研究的设计阶段，在各类流行病学研究中均可能发生，以在病例对照研究与现况研究中为常见。 常见的选择偏倚 1、入院率偏倚（admission rate bias） 亦称伯克森偏倚（Berkson’s bias）,是指利用医院就诊或住院病人作为研究对象时，由于入院率的不同或就诊机会的不同而导致的偏倚。 不同疾病在不同医院的就诊或住院率各异，其原因是多方面的，如不同医院的技术专长，患者所患疾病的严重程度，患者的经济状况，以及就诊方便与否等。因此，若在医院内选择研究对象进行流行病学研究时，应注意到可能会出现这种偏倚。 用住院病例进行研究时可能没有包括： 抢救不及时死亡的病例 距离医院远的病例 无钱住院的病例 病情轻的病例 过敏及代谢性疾病与疲乏的关系 呼吸道疾病与骨及运动器官疾病的关系 2、现患-新发病例偏倚（Prevalence-incidence bias） 又称奈曼偏倚（Neyman bias）,凡因现患病例与新病例的构成不同，只调查典型病例或现患病例的暴露状况，致使调查结果出现的系统误差都属于本类偏倚。 在美国弗明汉地区对心血管系统疾病的研究中发现：男性居民在队列研究中，具有高胆固醇水平者，患冠心病的OR 值为2.4，而在病例对照研究中，病例组和对照组却无明显差异（OR =1.16）。 原因：病例对照研究中的现患病例已改变了他们高胆固醇的饮食习惯。 3、无应答偏倚（non-respondent bias） 无应答者指调查对象中那些因为各种原因不能回答调查研究工作所提出的问题的人。一项研究工作的无应答者可能