流行病学第8章偏倚及控制.ppt

医学研究是群体医学的范畴，数据来源于个体，存在个体差异。 研究的精确性与真实性 精确性 随机误差 真实性 系统误差 第1节 误差概述 误差（error） 在流行病学研究中，无论采用哪种研究方法，所得结果与真实情况均会存在一定的差异，有时甚至还能得出错误的结论。这种研究结果和真实情况间的差异就称为误差。 误差分为两类： 随机误差 系统误差 流行病学研究中，研究者要考虑到这两种误差，并且必须要设法避免减少这两种误差的来源，以使研究结果与真实客观情况相一致，才能提高研究的真实性。 真实性(效度) 定义 指研究收集的数据、分析结果和所得结论与客观实际的符合程度。 一、随机误差（ random error ） 也称为抽样误差（sampling error），又称机遇（chance）。随机误差是样本值与总体值之间的差异。 随机误差不可避免，用统计学方法来估计，增大样本含量可减少，没有固定方向和固定大小，一般呈正态分布。 二、系统误差 偏倚（bias）的概念 系统误差又称为偏倚，在研究或推论过程中所获得的结果系统地偏离真实值。 研究中必须认识偏倚的来源及其产生的原因，最大限度的减少偏倚的发生，以便取得有价值的研究结果。 第2节 偏倚的分类及控制 偏倚可以从很多途径进入流行病学研究，研究对象的选择方法，研究变量的测量方法以及一些未被完全控制的混杂因素，都有可能使研究结果产生偏倚。 偏倚的方向有两种： 正向偏倚 负向偏倚 正向偏倚 某一特征的测量值大于真实值 夸大研究的结果 负向偏倚 某一特征的测量值小于真实值 减小研究的结果 1946年，Berkson做最著名的偏倚研究并给予证实，又称为Berkson偏倚。 1976年，Miettinen详细讨论了偏倚的定义，并给出分类框架,分三类 选择偏倚 信息偏倚 混杂偏倚 （一）、选择偏倚（selection bias） 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之间存在系统差异，由此造成的偏倚称为选择偏倚。例如研究对象采用志愿者，方便样本，或者研究对象的无应答或失访等。 选择偏倚对结果的影响是在选择研究对象时出现了系统误差，认为地夸大或减小了研究因素与疾病之间的关联程度，是研究阶段设计阶段经常出现的错误。 一项喷漆作业工人的职业暴露与支气管哮喘发作关系的研究。 （二）、信息偏倚（information bias） 研究对象选取后，就要进行信息采集。信息偏倚又称测量偏倚（measurement bias）或观察偏倚（observation bias）。 是指在收集资料阶段对各比较组所采用的观察或测量方法不一致，使各组所获得的信息存在系统误差。 各种类型的流行病学研究中都可发生信息偏倚，可来自研究对象、研究者本身，也可来自测量仪器、设备、方法等。 信息偏倚的表现是使研究对象的某种特征被错误分类，如暴露者被认为是非暴露者，病人被当做非患者等，研究对象不正确地反映某些信息致使研究者判断错误等。 （三）、混杂偏倚（confounding bias） 在研究某因素与某疾病之间的关系时，由于一个或多个外部因素的影响，缩小或夸大了研究因素与疾病之间的真正的联系，称为混杂偏倚。 导致混杂产生的因素就称为混杂因素。混杂偏倚是在研究的设计阶段未能对混杂因素加以控制和在资料分析时未能进行正确的校正所造成的偏倚。 混杂因素具备的特征 （1）混杂因素必须是所研究疾病的独立危险因素，如果不找出或不避开，所得研究结果可能不是研究因素造成的。 （2）混杂因素必须与所研究的暴露因素存在统计学联系。 （3）混杂因素不应是暴露因素与疾病因果链中的一个环节或中间变量。 二、偏倚的控制 （一）、严格的科研设计 多数偏倚的产生与设计密切相关，如果研究结束时再行注意为时已晚，有的则不能校正，因此研究者应充分了解和估计可能产生的偏倚，用严谨的科研设计来避免这些偏倚。 1、随机化（randomization） 随机化可分为随机抽样和随机分配两种不同的形式。 随机抽样 代表性 避免因主观、任意选择研究 对象造成的偏倚 随机分配 分组机会均等，各组非研究因素均匀 分布，资料可比，提高研究的正确性 随机化是控制偏倚的有效方法之一。 2、匹配（matching）