医学科研中的偏倚和交互作用.docVIP

医学科研中的偏倚与交互作用与控制 概 念 一、误差 科研设计、实施及分析过程中产生的各种误差（error），可能导致研究结果不能真实地、精确地反映实际正确的结果。 误差是指对事物某一特征的度量值偏离真实值的部分，即测定值与真实值之差。因此，必须有“金标准”（golden standard）或相对可靠的标准来度量真实值才能度量误差。研究结果与真实情况的差异即为误差。误差有两类：（1）随机误差（random error），(2)系统误差（systematic error）或称偏倚。 随机误差（random error）：广义的随机误差，泛指因机遇不同估计总体参数时所产生的误差，机遇既可以指选择的机遇，也可以指时间的机遇。如果误差由机遇以外的原因所造成，则为非随机误差。狭义的随机误差指随机抽样所得均值对总体均值的误差。随机误差主要是由抽样误差引起，其中包括一些随机测量误差。抽样误差指随机抽样所得均值对总体均值的误差，它由总体中个体的变异引起，其大小决定于研究设计和评价指标的统计学特点。抽样误差无一定方向，可以相互抵消，并可通过改进抽样技术（如严格遵守随机化原则，分层抽样，增加样本含量，重复试验以及提高抽样对象的受检率，减少失访率等）加以控制，但不可能完全避免。因此在资料分析阶段，必须用统计学方法计算抽样误差的大小。 二、偏倚 偏倚是指在调查研究设计或实施阶段，由于某种或某些因素的影响，使得研究或推论的结果与真实的情况存在系统误差，或指在研究或推论过程中所获得的结果系统地偏离其真实值，属于系统误差。偏倚造成的结果与真值间的差异，具有方向性，它可以发生在高于真值的方向，也可发生在低于真值的方向。 偏倚是影响流行病学研究真实性的重要原因之一，由于有时难以得到判断真实性的金标准，因此即便在很严格的流行病学研究设计之下，也很难判断是否完全避免了偏倚。尽管如此，如果对偏倚的来源和产生原因有了深刻的认识，则有可能最大限度地减少偏倚的发生，以便取得有价值的研究结果。 误差与偏倚都是指测量结果与真值间的偏离。但它们两者之间有着本质的区别。随机误差是由于抽样而致的变异，它无方向性，这种误差是普遍存在的。它可以设法减少但不能完全防止（如随机化抽样，加大样本量）。偏倚是指随机误差以外的误差，是指观察到的均值与真值之间的系统误差，这种误差不能用统计学方法处理，它是由某些较为恒定的不能准确定量的因素造成，重复抽样或加大样本含量并不能使这种误差减少或消失，它只能依靠研究者的周密设计和科学判断来加以解决。偏倚系非抽样误差，它是错误的，必须努力防止。 三、偏倚的方向 偏倚是一种系统误差，它或偏向于正方向，使原来的真值被夸大；或偏向于负方向，使原来的真值被缩小，因此偏倚是有方向的。 定量并精确地估计偏倚的程度（即偏倚的大小）有困难，而确定偏倚的方向相对比较容易。偏倚的方向指研究人员对事物所产生效应（effect）的估计值是大于或小于效应真值所做出的一种定性判断，不涉及偏倚的大小。 现假定某一欲观察或测量效应值的真实值为θ，而反映在样本中的观测值为。设定凡是夸大真实效应者为正偏倚，不论真实效应为危险效应还是保护效应，而缩小真实效应者为负偏倚。零效值（null value）是一个统计学中的概念，是指产生零效应的值。例如，对于RR或OR=1时即为无效值。因此，研究中的真实效应用RR（( ）表示，当RR（( ）=1.0，即为零效应；RR（( ）1为危险效应，RR（( ）1为保护（预防）效应。RR（）为RR偏倚了的RR。 因此，在具有危险效应RR（( ）1： ( 1，夸大危险效应，或远离零效应值（或无效值），称为正偏倚; (1，缩小危险效应，趋向零效应值，称为负偏倚； 当效应值为保护（预防）效应时，RR（( ）1; ( 1，偏倚缩小了保护效应，趋近零效应值，称为负偏倚; ( 1，偏倚夸大了保护效应，远离零效应值，称为正偏倚。 举例说明： ①RR（( ）1，RR=2.0，是危险效应； 当=4.0时，它远离零效应值，夸大了原危险效应，被判为正偏倚；=1.5时，它趋近零效应值，缩小了原危险效应，被判为负偏倚。 ②RR（( ）1，RR=0.6，=0.3时，它远离零效应值，夸大了保护效应，被判为正偏倚； 当=0.7，它趋近于零效应值，缩小了保护效应，被判为负偏倚。 也有一种称颠倒偏倚（switchover bias），指无论( 1或( 1，若( 和分别在1.0的两侧，则为颠倒偏倚。即所产生的偏倚跨过零效应值1.0，由保护效应偏离为危险效应或由危险效应偏离为保护效应。 第二节 偏倚的类型 一、偏倚的种类 目前将流行病学调查研究过程中出现的偏倚分为三类： 1.选择偏倚（selection bias） 指研究者在挑选研究人群时