第九章 流行病学研究中常见的偏倚及其控制.pptVIP

流行病学研究中的偏倚 BIAS AND CONTROL Why do we need to talk about bias? 2. Can results from study participants be extrapolated to the broader population? (external validity) Learning objectives Understand concept of bias Be familiar with types of bias Be familiar with prevention of biases Understand need to keep a critical mind 第一节 误差与研究的真实性 误差的分类： 随机误差: (偶然误差) 系统误差： systemic error 一、随机误差 随机误差（random error) 又叫机会（chance）,是由于多种无法控制及不能预测的因素引起的一类表现不恒定、随机变化的误差。 来源包括： ①测量方法和测量工具本身产生随机变异； ②个体内随机生物学变异； ③个体间的随机变异。 随机误差的特征 1 绝对值相等的正的和负的误差出现机会相同。 2 绝对值小的误差比绝对值大的误差出现的机会多。 3 误差不会超出一定的范围。 4 服从正态分布，可以用概率统计方法处理。 5 只能减少，不能避免。 减少随机误差的措施： ①多次重复和增加研究的样本量 ②改善测量方法和工具 ③统一调查的时间和/或被调查者的生理状态 ④改善研究设计和抽样方案 二、系统误差 概念： 又叫偏倚（bias），指研究过程中，由一些已知或可控制的因素引起的使研究结果或推论系统地偏离真实情况的误差。 这类误差可以通过实验设计和技术措施来消除或使之减弱，但不能靠概率统计办法来消除或减弱。 三、随机误差与系统误差的区别 1 方向性：随机误差无方向性，围绕真值随机变化，有一定界限；系统误差有方向性。 2 分布：随机误差分布遵循正态分布；系统误差分布无规律性。 3 可避免性：随机误差只能减少，不能避免；但是，系统误差可以通过设计与质量控制避免。 4 与样本量的关系：随机误差与样本量呈反比，系统误差与样本量无关。 图9－1系统误差和随机误差与样本大小的关系 第二节 偏倚 最早关于的偏倚研究是J. Berkson于1946年证实入院率偏倚。 1976年Miettinen 提出了偏倚分类框架： 一、选择偏倚selection bias 是在确定研究对象时出现的系统误差，使得研究样本不能代表目标人群。 来源： 研究设计上的缺陷是选择偏倚的主要来源，主要发生在设计阶段，也产生于资料收集阶段的失访、无应答等。 选择偏倚是如何产生的 例1. 职业危害的研究。 为研究某工厂职业因素是否有害于健康，把从事有毒有害作业工人的死亡率与一般人群作比较。结果发现，工人的死亡率比一般人群低！ 有毒有害作业有益于健康？ 选择偏倚是如何产生的？ （二）常见的选择偏倚 1 入院率偏倚 又称伯克森偏倚(Berkson’s bias) 2 现患-新发病例偏倚（prevalence-incidence bias ） 又称奈曼偏倚( Neyman bias)， 3 无应答偏倚(non-respondent bias) 和志愿者偏倚 4 检出征候偏倚(detection signal bias) 5 时间效应偏倚(time effect bias) 6 排除偏倚（exclusive bias） Selection bias --1: Berkson bias 概念：就诊机会偏倚 指目标疾病的入院率因待研究的暴露因素的存在与否或暴露水平的不同而存在差异，从而导致偏倚。 产生于医院为基础的病例对照研究 表9-1 糖尿病与肺部感染 Selection bias 2. --Neyman bias 概念： 指因现患病例与新病例的构成不同、只研究典型病例而排除轻症或非典型病例以及现患病例暴露状态发生改变而导致的偏倚。 入选的为现患或 存活病例( 新、旧病例） 不包括死亡病例和病程短的病例及不典型病例 现患病例不能代表所有病例。 患病与危险因素、治疗、预后多种因素有关。 患者会因为疾病改变某些行为习惯。 Selection bias 3 -- non-respondent bias 概念：指研究对象因各种原因对研究的内容不予回答