病例对照研究 ppt课件.ppt

复习上节内容… 警惕“匹配过度” : 配比了“不该匹配的因素”如“非混杂”因素或“因果链上中间环节”，导致暴露疾病关联降低或统计效率降低，耗费人力财力。 匹配中间环节：导致暴露疾病关联降低，结果偏倚； 匹配那些与暴露无关只与疾病有关的因素：统计效率降低，结果不会混杂； 匹配那些与暴露有关却与疾病无关的因素：匹配行为引入混杂，结果偏倚！！！ 都属于画蛇添足行为，耗费人力财力！ 不同类型病例对照资料的分析 不匹配资料 无需控制混杂时：不分层分析 需控制混杂时：分层分析 （注：频数匹配资料分析与此相同） 分级暴露资料的分析 个体匹配资料的分析 判断年龄是否为混杂因素： 年龄与心肌梗死（MI）有联系 年龄与口服避孕药（OC）有联系 理论上，年龄不是OC与MI联系的中间环节 可判断年龄为研究OC与MI关系时的“混杂”因素。 应当报告分层分析中去除年龄混杂的OR值。 采用 Mantel-Haenszel 提出的公式： 计算总的OR： 计算总的卡方值： 今天的内容… 选择偏倚 信息偏倚 混杂偏倚 偏倚（bias) 定义：在流行病学调查研究或推论过程中，由于某种或某些因素影响，使所研究的结果或推论与真实情况之间产生的系统差别。 分3类 选择偏倚 信息偏倚 混杂偏倚 定义：在研究对象的选取过程中，由于选取方式不当，导致入选对象与未入选对象间的特征有系统差别，即，选择的研究对象不能代表总体人群，导致研究的结果或推论与真实情况之间出现系统差别。 病例对照研究常见的选择偏倚类型 入院率偏倚（Berkson’s bias) 现患病例-新发病例偏倚（Neyman bias) 检出征候偏倚 时间效应偏倚 入院率偏倚（admission bias) 又称就诊机会偏倚。 因首先由J．Berkson于1946年提出，故又称伯克森偏倚(Berkson‘s bias)。 定义：在以医院为基础的病例对照研究中，无明确范围的源人群。因为病人对医院及医院对病人双方都有选择性，病例和对照均不是目标人群中的随机样本。因各种疾病的入院率不同而导致病例或对照某些特征上的系统差异，进而导致疾病与暴露间的真实关联被扭曲。 对策：尽量随机选择研究对象，尽可能从多家(类)医院选择研究对象。 现患-新发病例偏倚prevalence-Incidence bias 又称 Neyman bias 定义：病例对照研究中如果选择现患病例，且暴露因素与疾病的预后有关时，现患病例为过去新发病例中的幸存者，其暴露特征可能不同于死亡病例；此外，现患病例在疾病诊断后可能会改变原有的暴露状况。因此现患病例的暴露不能准确代表新发病例的暴露。 对策：尽可能选择新发病例。 检出征候偏倚(detection signal bias) 又称 暴露偏倚(unmasking bias) 定义：病人常因某些与致病无关的症状而就医，从而提高了早期病例的检出率，致使过高估计暴露程度而产生的系统误差。 检出征候偏倚(detection signal bias) 例：子宫内膜癌与雌激素的病例对照研究。 雌激素-------------------积极就诊---查出Cancer 时间效应偏倚 (time effect bias) 在病例对照研究中，一些暴露后肯定要发病但在研究时点尚未发病的人，以及在调查时已经发生病变但因缺乏早期检测手段而被错误地认为是非病例的人，都可能被选入对照组，由此产生结论的系统误差。 对策：在调查中尽量使用敏感的疾病早期检查技术，或开展观察期充分长的纵向调查。 回忆偏倚 (recall bias) 定义：研究对象不能完整准确地回忆既往的暴露信息，尤其是病例和对照回忆既往暴露信息准确性不对等造成的系统误差。 病例组记忆可能更准确，但也容易提供自认与疾病有关的暴露但实际不真实的情况。 病例对照研究的主要弱点，很难完全避免。 回忆偏倚 (recall bias) 调查偏倚 (investigation bias) 定义：可来自与调查对象与调查者双方。病例与对照的调查环境与条件不同，调查技术、调查质量不高或查错、仪器设备等引起的系统误差。 举例： 病例在医院调查，对照在家调查； 调查者对病例与对照的态度不同； 调查者有意无意诱导调查对象以符合研究假设； 病例组可能为了解释疾病而过度报告暴露； 调查偏倚 (investigation bias) 对策 尽量采用客观指标； 选择合适人选参加调查； 认真做好调查技术培训； 采取复查做好质控 检查条件尽可能一致； 尽量在同一时间由同一调查员调查病例和对照； 尽可能采用盲法调查 检查仪器应精良，用前校准，严格掌握试剂。 定义：某个外来因素既是疾病的危险因素，又与暴露因素存在联系，但它不是