混杂偏倚(confoundingbias)与交互作用.ppt

如果欲控制的混杂因素较多，往往受样本量的影响，分层分析常不适用。在这种情况下,可应用多因素分析方法予以控制, 如多元协方差分析，多元Logistic 回归分析等等。 * （一）背景 不同学科、不同学者对交互作用的概念定义存在歧异。毒理学、药理学、生物化学、物理学… 在同一学科中（如流行病学），交互的概念也常被混混淆。 交互作用的概念在流行病学文献中一直有些争议。术语“交互作用”曾经被用作性质截然不同的统计学、生物学和公共卫生学概念。争议的原因主要是人们对这些概念有着不同理解。 * (二) 流行病学研究中的交互作用概念 指两个或多个因素共同作用与某一事件时，其效应不同于该两个或多个因素单独作用时的和或积，称这些因子间存在交互作用。 McMahon 对流行病学交互作用的定义为：“When the incidence rate of disease in the presence of two or more risk factors differs from the incidence rate expected to the result from their individual effects.” （参考译文： 当两个或更多危险因子存在时疾病的发病率不同于它们独立作用时所期望的发病率”。） * （三）交互作用的类型 三类： 统计学交互作用statistical interaction： 采用数学模型评价交互作用，虽不涉及生物学机理，但有助于探索病因。 生物学交互作用biological interaction： 采用生物作用机制模型或抽象生物模型评价交互作用。与生物作用机制有关。 公共卫生学交互作用public health interaction： 应用统计学模型，多用于公共卫生效果评价。（或称用于评价公共卫生干预效果的统计学交互作用） * （三）统计学交互作用的概念 统计学交互作用与效应修正(EFFECT MODIFICATION，EM) 的概念是一致的。 统计学交互作用＝效应修正（交互因子=效应修正因子） 在流行病学中一般所谈的交互作用是指统计学交互作用。 交互因子（效应修正因子）： 指某种效应的大小依据某些第三因子的值而变化。此第三因子称为交互因子或效应修饰因子(EFFECT MODIFER，EF)。EM不是需控制的偏倚，而是需要努力发现、描述与报告的。 * 率差效应：无交互 率比效应: 有交互 率差效应：有交互 率比效应: 无交互 * 年龄是否为交互因子？ * X：因素X，X=1：暴露于X因素，X=0：未暴露X因素 Z：因素Z，Z=1：暴露于Z因素，Z=0：未暴露Z因素 R：效应, R11：同时暴露X与Z时的效应， R10：暴露X与未暴露Z时的效应， R01：暴露Z与未暴露X时的效应， R00：X与Z均未暴露时的效应， （1）加法模型additive model 如果测量的效应为率差，X与Z无交互作用的条件为： R11－R01＝R10－R00 也可写成 R11－R00＝（R10－R00）+（R01－R00） 如果测量的效应为率比，X与Z无交互作用的条件为： R11－R01＝R10－R00 ，等号两边均除R00，则： R11/ R00－R01/ R00＝R10/ R00－1 也可写成 R11/ R00－1= (R10/ R00－1)＋(R01/ R00－1) * （2）乘法模型multiplicative model X与Z无交互作用的条件为： R11/ R01＝R10/ R00 等式两边均乘 R01/ R00 ，则 R11/R00=(R10/R00)(R01/R00) （3）判断交互作用必须说明测量效应类型，必须说明所选模型的类型！！ 流行病学病因研究中，多用率比效应。多用乘法模型。 公共卫生防治效果评估，多用率差效应。多用加法模型。 符合模型条件表明无交互，反之，有交互。 * 3、识别统计学交互作用的一般方法 因素之间是否统计学联系？ 这种联系是否为偏倚所致？ 分层分析，比较各层间的RR、RD。如果层间RR、RD差别较大（经统计学检验）则可能存在交互作用。 一般多元回归多是以乘法模型为基础，对数据要求严格，对结果的解说也存在一定问题。 * 4.分析统计学交互作用时需注意的问题 所选择的测量效应是什么？ 所选择的模型是什么？ 符合哪个模型就表明不存在相应的交互作用；不符合哪个模型就表明存在相应的交互作用。 需要进行显著性检验 有统计交互不意味有生物学意义，下结论要慎重。 * 4.混杂因子与效应修正因子的区别 概念不同 性质不