第五章影响科研质量的相关因素.pptx

第五章 影响科研质量的因素; 教 学 要 求; 误差（error） 医学统计学将误差主要分为两方面： （1）随机误差（random error） 机遇（chance） （2）系统误差（systematic error） 偏倚（bias）;随机误差（random error） －机遇(chance);1、概念 广义：机遇又称为概率(probability)，是指某一事件出现的可能性。 狭义：在抽样研究中，单纯由于抽样所引起的，样本测量值与总体真值之间的差异称之为机遇（chance）。 ;2、机遇的特点 随机误差是不可避免的 它可存在于研究的抽样、分组、测量等多个环节。 随机误差无方向性 机遇引起的误差可偏高，可偏低，可为“+”性，可为“-”性，故又叫做随机误差。;3、影响机遇发生的主要因素 （1）样本大小 是最主要的影响因素； （2）观察对象个体间的差异性 （3）研究因素效应值的差异大小； （4）所允许的α与β值的大小。 ;4、机遇的测量与控制 (1) 完善的研究设计? (2) 科学合理的统计分析 机遇是抽样研究所固有的，无法彻底避免与消除，但在随机抽样的前提下，机遇所致的随机误差是有一定规律性的，而医学统计学就是专门研究其规律性的一门学科，其中的核心内容就是教人们用统计学方法对研究中的随机误差及其影响大小进行判定与测量;系统误差 （systematic error） 偏倚（bias）;1、概念 偏倚是指由于在研究的设计、实施及结果分析中所采用的方法不当而造成的研究结果系统性地偏离真实值的情况。;2、偏倚的特点 （1）偏倚是一种错误 是可以减少或避免的。 （2）偏倚造成的是有方向性的偏离 如果是点估计，偏倚造成系统性的偏高或偏低，如果是组间比较，偏倚造成的是系统性地偏阳的或偏阴。;偏倚与机遇的区别： 如对两种药物疗效进行比较时，在两种不同情况下面，分别产生两种误差： 1. 可能由于甲药是一种新药，研究者将病情较轻的多分配为服用甲药，而将病情重的多分配为服用乙药，虽发现甲药疗效高于乙药，但实际上两药的疗效可能并无差别。 2. 假设甲药的实际治愈率为90%，虽严格执行了随机抽样，但由于抽样的偶然性，使试验的治愈率并不刚好等于90%。;;再比如血压测定：; 3、偏倚的分类 （1）选择偏倚(Selection Bias) （2）信息偏倚(Information Bias) （3）混杂偏倚(Confounding Bias) ;（一）选择偏倚 　1、概念 　选择偏倚是由于选择研究对象的方法不恰当，导致所选的研究对象(样本人群)同理论上符合条件的入选对象(目标人群)在某些特征上存在着系统性差异的情况。 　　主要发生于研究的设计阶段。; 2、常见来源举例;（2）无应答偏倚（non-respondent bias） 包括拒绝回答和失访 一般应达到90％以上，如低于70％，则偏倚较大。 （3）排除偏倚（exclusive bias） 排除标准规定不明确，或研究者未能按照规定排除不合格研究对象而致的偏倚。 ;（4）诊断信息偏倚（detection signal bias ） 　 也称检出症候偏倚。若某因素与某病在病因学上虽无联系，但由于该因素的存在会引起疾病的某些症状或体征的出现，促使患者到医院就医检查，导致该人群较高的检出率，从而得出该因素与疾病相关的错误结论。这类偏倚叫检出偏倚或检出症候偏倚(detection signal bias)。 ;（5）志愿者偏倚(volunteer bias) 　 采用较多的对研究内容有信心或感兴趣的志愿者作为研究对象，将会得到良好的依从性和心理因素的良好影响，而出现志愿者偏倚。 　;3. 选择偏倚的防止 制定严格的纳入和排除标准 研究对象随机抽样、随机分组 多设对照组 严格诊断标准 提高应答率、依从性;（二）信息偏倚 1、 概念 信息偏倚(information bias）又叫衡量偏倚（measurement bias)或观察偏倚(observational bias)，它是指在研究的实施阶段，由于收集资料方法、测量仪器、研究对象、研究者本身等方面造成的所获取的信息产生了系统误差。;2.常见来源举例 信息偏倚可来自于研究对象、研究者本身，也可来自于测量的仪器、设备、方法等。 ; （1）疑诊偏倚或诊断怀疑偏倚 （Diagnostic suspicion bi