流行病学07探究.ppt

流行病学研究中常见偏倚及其控制 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。 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(admission rate bias) 也叫伯克森(Berkson)偏倚 2.现患—新发病例偏倚(prevalence-incidence bias) 也叫奈曼(Neyman)偏倚 3.无应答偏倚(non-respondent bias) 4.检出征候偏倚(detection signal bias) 亦称揭露伪装偏倚(unmasking bias) 5.易感性偏倚(susceptibility bias) 1．入院率偏倚(admission rate bias) 也叫伯克森(Berkson)偏倚 概念：在进行病例对照研究、临床防治试验、预后判断等研究时，利用医院就诊或住院病人作为研究对象时，由于入院率或就诊机会不同而导致的偏倚。 原因：没有包括①抢救不及时而死亡的病例；②距离医院远的病例；③无钱住院的病例；④病情轻的病例。 后果：若只选择住院病例进行研究，则可产生虚假的OR值 表7－1 提示： 在一般人群中和住院病人中研究骨和运动器官疾病与呼吸道疾病之间的关系，由于研究对象的来源不同，其研究结果的OR值不同。 2．现患—新发病例偏倚(prevalence-incidence bias) 也叫奈曼(Neyman)偏倚 概念：因现患病例与新病例的构成不同，只调查典型病例或者现患病例的暴露状况，致使调查结果出现的系统误差。 原因： 病例对照研究中的病例组和现况研究中的调查对象一般选择现患病例； 队列研究中的病例是新发病例 两类病例疾病状况有差别，所得到的某因素与某病的关系就会出现偏倚。 此外，某些病人因患病而改变了其原来某些危险因素暴露状况，从而低估了这种危险因素的作用。 表7—2 是Friedman等人在美国弗明汉地区对男性居民心血 管系统疾病的研究中发现: 在队列研究中，血胆固醇与冠心病的RR值为2.4； 在病例对照研究中，病例组与对照组却无明显差异(OR为1.16)。 进一步分析发现，冠心病的病人在确诊后，改变了原来的生活习惯或嗜好，从而使血中胆固醇水平降低，或与正常人相比胆固醇水平增长速度较慢所致。 3．无应答偏倚(non-respondent bias) 概念：在流行病学调