交互作用与效应修饰.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * Down氏综合征与母亲孕前使用杀精药 各层比值比及其对数转换、方差、权数 ──────────────────────── 母亲年龄 比值比 比值比对数 比值比对数的方差 权数 （岁） （ORi） （ln ORi） Var（ln ORi） Wi ──────────────────────── < 35 3.4 1.22 0.46 2.20 ≥ 35 5.7 1.75 1.54 0.65 ──────────────────────── * Wi = 1 /（1/a + 1/b + 1/c + 1/d），同质性检验χ2 = 0.14，ν = 1， P = 0.7，说明各层的发病率比无明显差异。 Down氏综合征与母亲孕前使用杀精药 直接加权合并估计的假设是各层内观察频数较大，观察频数小时，这种检验不可靠，当观察频数为零时，就无法计算各层的方差或效应估计。 此时可用另一种统计学检验方法，这种方法是一致性效应的最大似然估计。 多因素模型分析 在流行病学病因研究中，可用多因素回归模型识别交互作用。但是这些回归模型大多以相乘模型为基础，比如目前广泛使用的logistic 回归模型，其前提是这些资料必须符合相乘模型。相乘交互作用的公共卫生学意义不大，公共卫生学感兴趣的是相加交互作用。 广义相对危险度模型 定义：X= (X1??XK) 为K 个回归变量(暴露变量) , R (X) 为暴露变量的相对危险度, 建立通用方程式： L n R (X? , ? ) = [(1+ X? ) ?-1]/?。 ?是回归系数矢量, Κ为尺度参数。当Κ= 1 时,R (X? , ?) = 〔(1+ X ?)- 1〕为相乘模型; 当? = 0 时,R (X? , ?) = (1+ X? ) 为相加模型; ? < 1 为次相加结构, ? > 1 为超相乘结构。 依据参数?值的改变, 构建从次相加结构到超相乘结构的系列模型。以偏离度D (负二倍对数似然函数值) 衡量模型的拟合效果,Pearson 卡方值进行拟合度检验, 选择最佳模型。 在病因流行病学研究中, Logistic 回归分析已被广泛应用, 但该模型是以假定多个因素的相对危险度之间为相乘关系作为前提。倘若实际资料不符合此假设条件, 或事先对实际数据符合何种模型结构还不清楚时, 就千篇一律地使用Logistic 回归分析是不正确的。 因为有不少实际资料是相加作用形式, 而确定一组资料是否存在交互作用与所选用的模型有密切的关系。广义相对危险度模型不需要预先假定资料的分布类型, 它通过调节尺度Κ来决定联合作用的结构, 以偏离度D 作为衡量模型拟合的指标, 从而能较科学地选择适宜的模型, 对因素间的相互关系给予较客观的评价 * * * * * * * * * * * * * * * * * * * * * * * 叉生分析仅可以给人们提示某两个因素间是否可能存在交互作用,并且叉生分析的统计学检验方法本身尚存在一定的缺陷;另外,在用叉生分析法进行交互作用分析时,未考虑其他不参加叉生的危险因素的作用。因此, 可在多因素logistic 回归模型中加入交互作用项,以平衡其他因素的影响。 分层分析 分层分析是比较经典的识别交互作用的方法。可以通过比较按照可疑交互因素分层后层间的效应测量值－相对危险度(RR) 或率差(RD) 来判断是否产生交互作用。如果各层之间的效应测量值RR 或RD 不同，则可能存在交互作用。但是鉴于各层RR 和RD变异可能是机遇所致，因此必须进行统计学检验。 分层分析 如果效应一致性的假设不合理，那么按第三变量分层后，各层中效应不一致的情况，不应采用简单合并估计效应的方法。 如果第三变量各层间的效应不同时，即存在效应修饰，资料分析和表达的关键是描述分层因素（即第三变量）是如何修饰效应的。 评价效应修饰常依赖于机械地应用统计学检验方法。 建立在统计学效应评价基础上的流行病学交互作用，有时是难以捉摸的，用纯粹机械的方法会使问题变得模糊不清。 用统计学方法评价效应修饰时应小心。 由于检验的备择假设是非特异性的，一般用于效应修饰检验的普通统计学方法，效率较低。因此，“无显著性的”P值较难正确解释。 分层分析时的注意问题 由于