非患病者（对照组）.pptVIP

病例对照研究设计 选两组对象，一组是患病者（条件组），另一组是非患病者（对照组），与条件组有着大体相同的身体状况 比较两组对象 之前的暴露情况 病例对照研究设计 病例对照研究设计局限 不能获得疾病发生率 ，因为对象是根据结果挑选出来的 对发生率或危险度(RR)的估计 是通过优势比(OR)获得的 优势比的计算 结果 暴露程度条件组对照组暴露未暴露 条件组的暴露比 A/C 对照组的暴露比 B/D 比较优势比和危险比 结果 暴露程度条件组对照组 暴露未暴露1001000 OR=AD/BC=5.44RR=Ie / In =4.41 陈述结果 OR=5.44 患病者暴露的可能性是非患病者的5.44倍 RR=4.41 暴露者患病的可能性是非暴露 者的4.41倍 对预期定群和病例－对照组优势和局限的总结预期定群条件-对照优势:优势:1有可能在病发前估计危险因素1.获得结果的速度相对较快2.能够研究多样的疾病情况2.对稀有疾病有效3.能够估计优势比和危险比3.相对耗费较少随机的临床试验(RCT)金字塔型的标准定群研究 临床试验的图表解释 交叉设计 研究对象被随机化地施与两个或更多个有顺序的处理 每个对象都是其自身的控制对象组别顺序阶段一阶段二IA,BABIIB,ABA 因子设计 对相同的一组对象施与两种或两种以上的不同处理并对这些处理同时进行评估 怎样评估对癌症的研究是否正确呢? 理解错误和混淆因素 测试寻找正确的组合 检验找出错误的方法是否正确 检验对混淆因素的分析是否正确 检验结果是否具有统计显著性 检验设计实验-找出错误 筛选时的错误确定研究人群以及选择研究对象过程中的错误 信息处理时的错误评估患病状况以及暴露程度时产生的错误 混淆因素 混淆因素是疾病和暴露情况之间一种表面上的联系,是由未被考虑在内的第三因素引起的 混淆因素举例 研究A发现赌博和肺癌之间的联系.这项研究可能被吸烟所混淆. 研究B发现佛罗里达州的自然死亡率比阿拉斯加高很多.这一比率的不同可能被年龄结构的不同所混淆. 检验混淆因素 计算粗比率 计算为找出不同混淆因素调整后的比率 比较两种结果如果混淆因素确实存在的话两种结果将是不同的(实际操作中,自然比率和调整后比率相差10%以上) 评估统计显著性 仅仅凭偶然机会获得结果的可能性称为P值 很低的p值(0.05)表明机会是不可能解释实验结果的 95%的置信区间(CI)表明真实值有95%概率出现的数值范围 大容量样本产生小的置信区间 小容量样本产生大的置信区间 评价结果 RR=1:暴露和未暴露组之间在患病方面没有不同 OR=1:条件组和控制组之间在暴露情况方面没有不同 举例RR=1.8(1.6,2.0)具有统计显著性RR=1.8(0.8,2.9)不具有统计显著性OR=0.7(0.6,0.8)具有统计显著性OR=0.7(0.4,1.2)不具有统计显著性 怎样判断癌症与致病因素之间的联系是偶然的呢? 理解判断偶然性的标准 原因如下 联系的强度 联系的相符性 联系的特殊性 暂时性 生物梯度 癌症的发病和死亡能在多大程度上被施加干预而阻止? 理解教育和筛查方案的作用 筛查原则 正确性敏感性:正确确定患病者特殊性:正确确定非患病者+预测值:正确的阳性反应所占比例-预测值:正确的阴性反应所占比例 可信性:反应给出给出一致结果的能力 结果:未确认疾病经筛查后予以治 疗的数量 计算正确率 正确诊断 测试结果患病非患病总数阳性a+b阴性c+d总数a+cb+d a+b+c+d 敏感性= a/(a+c)+预测值= a/(a+b) 特殊性= d/(b+d)-预测值= d/(c+d) 举例:乳腺癌的筛查 乳房X射线照片 结果患病非患病总数 阳性1,115 阴性63,695 总计17764,633 64,810敏感性 = 132/177 = 74.6%特殊性 = 63,650/64,633 = 98.5%+预测值 = 132/1,115 = 11.8%-预测值 = 63,650/63,695 = 99.9% 筛查的关键 敏感性:监测相当数量的潜伏期个例很有帮助 普遍性:鉴别高危人群 经常性:一次性鉴别不能反映出个体患病风险的不同或者患病初期的不同 参与性:不被目标人群接受的检测结果是不能被使用的 后续措施:要给鉴别呈阳性的人提供有计划的指导 阅读文献的建议 明确实验的设计 理解如何选择对象 理解如何确定暴露情况 估计潜在的错误和混淆因素 确定统计学评估的正确 判断结果是否具有统计显著性和临床重要性 采纳好的见解 完! * 目标人群 患病者（条件组） 非患病者（对照组） 暴露 未暴露 暴露 未暴露 = 优势比（估计相对危险） 370 730 1100局限: