病例对照研究(临)材料.ppt

* * * * * * * * * * R * * * * * * * * * 问答题 试述病例对照研究的优缺点 Thank you for your attentions Thank you for your attention! * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * OR（Odds ratio）计算与可信限的估计及意义 病例组中暴露人数与非暴露人数的比值除以对照组中暴露人数与非暴露人数的比值 危险度(Risk) 24个人滑雪，6个人摔倒 则滑倒的危险度 = 6个摔倒的人/24个滑雪人 = 6/24 = 0.25 = 25% ∴Risk=关注事件的数量/观察对象的总数 比值(odds) 24个人滑雪，6个人滑倒 比值(odds)是指事物发生的可能性与不发生的可能性之比 odds = 6个滑倒的人/18个没有滑倒的人 = 0.33（不采用百分比%） ∴Odds=关注事件的数量/不关注事件的数量 结果表明吸烟者患食管癌的危险性是不吸烟者的2.87倍，95%的可信范围是在2.18～3.78之间 匹配资料是由病例与对照结合成对子，分析结果时不应把对子拆开分析 先将资料列成表4的格式 注意表内的数字a、b、c、d是病例与对照配成对的对子数 （二）1:1配对资料的分析 食管癌发病因素的研究中发现，吸烟与发病有关，男性的资料归纳成下表 χ2=11.28, OR=4.33 表明男性吸烟者患食管癌的危险性是不吸烟者的4.3倍 OR95%可信限 一、选择偏倚 二、信息偏倚 三、混杂偏倚 第五节 常见偏倚及其控制 选择偏倚（selection bias） 主要产生于研究的设计阶段，是由于研究对象的选择不当造成的，即选入的研究对象与未入选的研究对象在某些特征上存在差异而引起的误差。主要表现为病例不能代表目标人群中病例的暴露特征，或对照不能代表目标人群暴露的特征。 一、选择偏倚（selection bias） 入院率偏倚(admission rate bias)，也叫Berkson偏倚 现患病例-新发病例偏倚(prevalence-incidence bias) 又称奈曼偏倚(Neyman bias) 检出征侯偏倚(detection signal bias)，也称暴露偏倚(unmasking bias) 病例对照研究中常见的选择偏倚 入院率偏倚(admission rate bias)，也叫Berkson偏倚 概念：当利用医院病人作为病例和对照时，由于对照是医院的某一部分病人，而不是全体目标人群的一个随机样本，又由于病例只是该医院或某些医院的特定病例，因为病人对医院及医院对病人双方都有选择性，所以作为病例组的病例也不是全体病人的随机样本，所以难免产生偏倚，特别是因为各种疾病的入院率不同导致病例组与对照组某些特征上的系统差异。 控制：设计阶段宜尽量采用随机选择研究对象，在多个医院选择对象等方法以减少偏倚程度。 现患病例-新发病例偏倚(prevalence-incidence bias) 概念：当如果调查对象选自现患病例，即存活病例，可能得到更多的信息，但是其中很多信息可能只与存活有关，而未必与该病的发病有关，从而高估了某些暴露因素的病因作用。另一种情况是，某病的幸存者改变了生活习惯，从而降低了某个危险因素的水平，或当他们被调查时夸大或缩小了病前生活习惯上的某些特征，导致某一因素与疾病关联误差。 控制：调查时明确规定纳入标准为新发病例，或有可能做队列研究，同时将暴露程度、暴露时间和暴露结局联系起来做结论可减少偏倚程度。 检出征侯偏倚(detection signal bias) 概念：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，致使过高地估计了暴露程度，而产生的系统误差。一个典型的例子是1975年Ziel所做的妇女服用复方雌激素与子宫内膜癌关系的病例对照研究。服用复方雌激素的妇女因导致阴道出血而就医，故被发现有早期子宫内膜癌的机会增多。从而得出复方雌激素与子宫内膜癌有关联的错误结论。持反对意见的人对同一所医院肿瘤科和妇科中患子宫内膜癌的病例重新做了调查，发现服雌激素的病例中有79%为早期病例，而在未服用者中只有58%，说明了偏倚的存在。 控制：如果延长收集病例的时间，使其超过由早期向中、晚期发生的时间，则检出病例中暴露者的比例会趋于正常，偏倚因此得到纠正。 信息偏倚（information bias）或称观察偏倚（observation bias）或测