测量偏倚-公开课件.ppt

测量偏倚(Measurement Bias) 二分暴露/结局变量的错分 非差异性错分 差异性错分 偏倚的大小及方向 多水平和连续变量的错分 变化的一些原则 深入的主题 混杂变量的错分 回推真实值 测量偏倚 定义 采集到的研究对象的信息不准确(即，不完全真实)，从而引起偏倚 任何类型的变量：暴露、结局或混杂因素 同义词：错分偏倚、信息偏倚、确定偏倚 错分是测量不准确导致的最直接的结果 二分变量的错分：与测量准确性有关的术语 灵敏度(Sensitivity) 测量能正确发现具有某种特征(患病或暴露)的人的能力 特异度(Specificity) 测量能正确排除不具有某种特征的人的能力 错分的原因 问卷的问题 不准确的回忆 不明确的问题 过分热情或冷淡的调查员 生物标本的问题 标本采集、处理或保存过程中的问题 检测方法固有的限制 仪器故障 暴露的非差异性错分：偏倚大小OR真实值=4.0 非差异性暴露错分：偏倚大小随灵敏度和特异度的变化 非差异性暴露错分：偏倚大小随灵敏度和特异度的变化 暴露的非差异性错分：暴露率的影响 暴露的非差异性错分：关联大小的影响 暴露的非差异性错分：关于灵敏度和特异度的经验法则 结局的非差异性错分：偏倚大小OR真实值=4.0 非差异性结局错分：偏倚大小随灵敏度和特异度的变化 非差异性结局错分：结局发生率的影响 队列研究或横断面研究中的特殊情况 结局错分 如果结局测量的特异度为100% 只要是非特异性错分，不论灵敏度为多少，危险比或现患比都不会受偏倚影响 例如： 但是，危险差发生变化，变化幅度为(1-灵敏度)。本例中变化幅度为30%，即真实值 = 0.1，变化0.1×0.3 = 0.03，即观测值 = 0.1 – 0.03 = 0.07 队列研究或横断面研究中结局测量的特异度为100%时 队列研究或横断面研究中结局测量的特异度为100%时 值得一提的是，在ROC曲线上为连续变量选取分界值 选择特异度最大(或100%)的分界值，则效应测量的比值受偏倚影响最小 非差异性错分的普遍性 偏倚方向为趋于无效 因此，也被称为“保守”偏倚 目标：发现真相 多少“阴性”研究实际上为“阳性”结果？ 暴露的差异性错分 (Weinstock et al. AJE 1991) 例如，护士健康研究队列中的巢式病例对照研究 病例：新诊断黑素瘤的妇女 对照：没有黑素瘤的妇女——发病密度抽样 暴露的测量：通过问卷了解“皮肤晒黑的能力”，在发生黑素瘤后立即询问 诊断后询问 诊断前询问 (研究基线时询问) 暴露的差异性错分：偏倚的大小与方向(OR的真实值=3.9) 总结：二分暴露或结局的错分 多水平暴露的错分 多水平暴露的错分 多水平暴露的错分 连续型暴露变量的测量误差 假设： 暴露变量服从正态分布，方差为?2T 测量误差服从正态分布，方差为?2E 观测到的回归系数等于真实的回归系数乘以： 测量误差越大，趋于无效假设的趋势(偏倚)越大 深入的主题 混杂变量的错分 最终结果为不能完全控制(调整)该混杂变量(有残余混杂) 关联效应的测量被高估或低估 已知错分程度(例如，灵敏度和特异度)，可以回推无偏结果 错分程度未知，可以进行灵敏度分析(sensitivity analysis)，给出一系列可能的灵敏度和特异度水平，估计真实结果的范围 远离无效假设 (Dosemeci et al. AJE 1990) (Dosemeci et al. AJE 1990) J型关系 (Dosemeci et al. AJE 1990) J型关系 (即，可重复性) 可重复性差 真实性差 可重复性好 真实性好 管理测量偏倚 预防是关键 虽然在数据分析阶段有些简单的方法可以对测量偏倚进行校正，但是需要知道灵敏度和特异度，有时我们是没法知道的 成为主要研究变量测量的专家；其他变量，请咨询其他专家 使研究中测量的可重复性/真实性达到最好！ Are there lingering questions from last week? If not, here is our roadmap for today. As we continue on our journey surveying the various threats to validity in our studies, recall that we first talked about selection bias 2 weeks ago, and last week began our discussion about measurement by describing ways to assess the reproducibility and vali