流行病名词解释与问答概要1.docVIP

第八章 偏移及其控制 第一节 选择偏倚 选择偏倚：是指被选入到研究中的研究对象，与没有被选入者特征上的差异所导致的系统误差。此种偏倚在确定研究样本、选择比较组时容易产生，也可产生于资料收集过程中的失访或无应答等。 一、选择偏倚的种类 1.入院率偏倚（admission rate bias）亦称伯克森偏倚（Berkson’s bias）当以医院病人作为研究对象进行研究时，由于不同患者入院率的不同所导致的系统误差。 2.现患病例-新发病例偏倚（prevalence-incidence bias）也称奈曼偏倚（Neyman bias）以现患病例为对象进行研究，与以新病例为对象进行研究时相比，因研究对象的特征差异所致的系统误差。 3.检出症候偏倚（detection signal bias）某因素与研究疾病在病因学上无关，但由于该因素的存在导致了所研究疾病相关症状或体征的出现，使其及早就医，以致该人群比一般人群该病的检出率高，从而得出该因素与该疾病相关联的错误结论。由此所致的系统误差称为检出症候偏倚。 4.无应答偏倚（non-response bias）在流行病学研究中，无应答者是指由于种种原因那些没有对调查信息予以应答的研究对象。 在特定研究样本中，无应答者的患病状况以及对某些研究因素的暴露情况与应答者可能会不尽相同，从而导致系统误差。 5.易感性偏倚（susceptibility bias）研究对象暴露于某可疑致病因素与否，与许多主、客观原因有关，其有可能直接或间接地影响研究对象对所研究疾病的易感程度，从而导致某因素与某疾病间的虚假联系。如：健康工人效应（healthy worker effect ） 二、选择偏倚的测量 1.测量方法 2.测量举例 三、选择偏倚的控制 1.掌握发生环节 2.严格选择标准 3.研究对象的合作 4.采用多种对照 第二节 信息偏倚 观察偏倚（observational bias）指在研究实施过程中，获取研究所需信息时产生的系统误差。 错误分类（misclassification） 无差异错误分类（non-differential misclassification） 有差异错误分类（differential misclassification） 一、信息偏倚的种类 1.回忆偏倚（recall bias）指研究对象在回忆以往研究因素的暴露情况等信息时，由于准确性或完整性上的差异而导致的系统误差。 2.报告偏倚（reporting bias）在研究信息收集时，由于某些原因，研究对象有意夸大或缩小某些信息而导致的系统误差。 3.暴露怀疑偏倚（exposure suspicion bias）研究者若事先了解研究对象的患病情况或某结局，可能会对其采取与对照组不可比的方法探寻认为与某病或某结局有关的因素，由此而导致的系统误差称为暴露怀疑偏倚。 4.诊断怀疑偏倚（diagnostic suspicion bias）研究者若事先了解研究对象研究因素的暴露情况，在主观上倾向于应该或不应该出现某种结局，在作诊断或分析时，有意无意地倾向于自己的判断，由此而导致的系统误差称为诊断怀疑偏倚。 5.测量偏倚（detection bias）研究者对研究所需数据进行测量时所产生的系统误差。 二、信息偏倚的测量 1.重测一致性 测量与评价信息偏倚的常用方法是对调查 获得的信息予以重复调查（测量），根据调查与重复调查数据计算Kappa (κ)值，来评价重测的一致性（consistency），以作为研究结果内部真实性评价的依据。 2.偏倚程度与方向 信息偏倚 若得值=0，则不存在信息偏倚； 若得值0，则存在信息偏倚，此时OROORT，为正偏倚； 若得值0，则存在信息偏倚，此时OROORT，为负偏倚。 三、信息偏倚的控制 严格信息标准 盲法收集信息 采用客观指标 调查技术的应用 统计学处理 校正方法如下： 研究对象实际暴露例数=[暴露观测值-(1-特异度) ×合计数 ]/(灵敏度+特异度-1) 研究对象实际非暴露例数=合计数–实际暴露例数 第三节 混杂偏倚 混杂偏倚或称混杂（confounding）指在流行病学研究中, 由于一个或多个潜在的混杂因素（confounding factor）的影响，掩盖或夸大了研究因素与研究疾病（事件）之间的联系，从而使两者之间的真正联系被错误地估计的系统误差。 一、混杂因素及其特点 混杂因素亦称外来因素（extraneous factor）、混杂因子或混杂变量：与研究因素和研究疾病均有关, 若在比较的人群组中分布不均衡，可以歪曲（缩小或夸大）研究因素与疾病之间真实联系的因素。 特点：是所研究疾病的危险因素； 与所研究的因素有关； 不是研究因素与研究疾病因果链上的中间变量