高级流行病学讨论课.pptx

案例讨论－分层分析Discussion－stratified analysis 唐少文 tomswen@ 南京医科大学流行病与卫生统计学系 2013～2014学年第二学期高级流行病学课程 案例一 男性 女性 死亡数 90 131 观察人年 2465 3946 死亡率 相对危险度 95%CI 三叉神经痛病人死亡率与性别分布的关系 Rothman KJ, Monson RR:Survivalin trigeminal neuralgia.J Chron Dis 1973; 26:303-309. 案例一 男性 女性 死亡数 90 131 观察人年 2465 3946 死亡率 36.5/1000人年 33.2/1000人年 相对危险度 95%CI 三叉神经痛病人死亡率与性别分布的关系 Rothman KJ, Monson RR:Survivalin trigeminal neuralgia.J Chron Dis 1973; 26:303-309. 案例一 男性 女性 死亡数 90 131 观察人年 2465 3946 死亡率 36.5/1000人年 33.2/1000人年 相对危险度 1.10 95%CI 0.88~1.38 三叉神经痛病人死亡率与性别分布的关系 Rothman KJ, Monson RR:Survivalin trigeminal neuralgia.J Chron Dis 1973; 26:303-309. 案例一 65岁 男性 女性 ≥65岁 男性 女性 死亡人数 14 10 76 121 观察人年 1516 1701 949 2245 死亡率 9.2/1000人年 5.9/1000人年 80.1/1000人年 53.9/1000人年 RR 1.57 1.49 三叉神经痛病人死亡率与性别分布的关系 RRc＝1.1 案例二 案例二 OR粗= 8.8 (7.2, 10.9) OR吸烟者 = 1.0 (0.6, 1.5) OR不吸烟者= 1.0 (0.5, 2.0) 案例二 案例二 OR粗 = 21.0 (16.4, 26.9) OR携带火柴 = 21.0 (10.7, 41.3) OR不携带火柴 = 21.0 (13.1, 33.6) 案例二－分层分析 交互作用 混杂作用 定量关系，与真实性无关 定性关系，影响真实性 与研究设计无关 设计阶段可预防 研究感兴趣，需要做出报告的方面 研究不感兴趣，需要控制的方面 分层分析可揭示交互作用 分层分析排除混杂作用 评价交互作用，看各层OR是否相等 评价混杂，比较调整前后OR 无交互作用：OR1=OR2=OR3 有交互作用：OR1OR2 OR3 无混杂作用：OR粗=OR调整 有混杂作用：OR粗OR调整 能用统计学显著性检验评价 不能用显著性检验评价 案例三 饮酒与高血压之间的关系 饮酒 病例(%) 对照(%) 合计 是 73(47.4) 202(34.6) 275 否 81(52.6) 381(65.4) 462 合计 154 583 737 案例三 各层ORi的同质性检验 案例三 分层 ORi lnORi Wi WilnORi Wi(lnOR)2 1 1.805 0.591 17.143 10.132 5.988 2 1.873 0.628 10.456 6.566 4.124 合计     27.599 16.698 10.112 案例三 分层分析的重要性 在分析可能存在混杂的数据时，分层分析应该被视为是常规方法予以应用 通过对数据的分层处理，研究者可以清晰地看到暴露因素，疾病，以及潜在混杂因子的分布情况，分布上的差异能够清楚地展示 计算简便：可以从分层数据获得信息，自己进行汇总分析或标准化的计算 在相同的条件下，多变量分析的结果很少有和单变量的分层分析相异的情况 残余混杂 层数越多，也就是层间距越小的时候，控制混杂的能力会优于宽间距少层数的分法 分层分析所能够控制的仅仅是层间混杂，而对层内部仍存在的那一部分混杂(within-stratum confounding)则无能为力。层内的这部分混杂被称为残余混杂(residual confounding) 残余混杂这个名词有时也在其他情形中使用。如根本没有被控制的混杂，或者是某因素被完全控制但对它的测量从一开始就是不准确的 残余混杂 为了尽量避免层内的残余混杂，应该进行更加细致地分层，增加层的数目 但如分层如果过于细致，会带来数据的不合理性，某些格子内的数字过小，使得结果变得不稳定 在实际应用中，应该根据需要在如何更好控制混杂和避免产生随机错误之中找到一个适当的平衡点 期末考核内容与要求Content and requirement of