7-队列研究.pptVIP

⒊ 精确法 即对观察对象逐一计算，然后合计得总观察人年数。此法计算结果精确，但计算过程繁杂。若用手工计算则必须是小样本。然而随着计算机的普及，繁杂的计算变的简单易行。因此即使是大样本也应该首选此方法。现以两名观察对象为例说明其计算方法，见表4和表5。 表4 研究对象出生日期与进出观察时间 死亡 1973,12,01 1961,11,11 1935,04,09 2 失访 1977,09,14 1966,07,19 1927,03,21 1 结局 退出研究时间 进入研究时间 出生日期 编号 表5 精确法计算人年 23.21 12.06人年 11.15人年 合计 0.48 77,03,21至77,09,14共5个月24天即0.48人年 50~ 5.00 72,03,21至77,03,20共5人年 45~ 5.00 67,03,21至72,03,20共5人年 40~ 4.32 70,04,09至73,12,01共3年7个月22天即3.65人年 66,07,19至67,03,20共8个月即0.67人年 35~ 5.00 65,04,09至70,04,08共5人年 30~ 3.41 61,11,11至65,04,08共3年4个月27天即3.41人年 25~ 合计 对象2 对象1 年龄组 以上是常用的3种计算人年的方法。由于10人观察10年与100人观察1年皆为100人年，但获得的病例数可能不一致。因此在作人时率比较时，应注意的是观察的人数及观察的时间各组相差不宜太大，特别是对于发病少、潜隐期长的慢性病更是如此。 ㈢ 显著性检验与暴露效应的测量 显著性检验的方法可用精确概率法及近似法。由于精确法计算繁杂，故在此只介绍Mantel-Haenszel近似法。该方法适用于正态分布的大样本数据。对于分层资料，层数少但每层观察数多或每层观察数少但层数多的资料皆可满足其使用条件。 暴露效应的测量包括了点估计及区间估计。区间估计也有精确法与近似法，在此也只介绍区间估计的近似法。 ⒈ 未分层资料 即不考虑混杂因素的影响或效应修饰时，初步分析暴露因素与疾病之间的联系。 ⑴ 显著性检验 未分层的累积率资料可整理成表6形式，显著性检验用公式4。 表6 队列研究未分层累积率资料 T M0 M1 合 计 N0 d c 非暴露 N1 b a 暴 露 合计 未发病数 发病数 ，df=1 （式4） 未分层的人时率资料可整理成表7形式，显著性检验用公式5。 表7 队列研究未分层人时率资料 T M 合 计 N0 c 非暴露 N1 a 暴 露 人时数 发病数 （式5） ⑵ 暴露效应的测量 ① 相对危险度（relative risk，RR）又称率比与危险比，指暴露组率（Ie）与非暴露组率（Iu）的比值，说明暴露者发病危险性是非暴露者的倍数，用下式计算。 （式6） lnRR标准误的近似计算，累积率资料用公式7，人时率资料用公式8 。 （式7） （式8） RR的95%可信限近似估计用公式9或以基于检验的方法，用公式10。 exp(lnRR±1.96 SlnRR) （式9） （式10） ② 特异危险度（attributable risk，AR）又称率差或归因危险度，它是暴露组率（Ie）与非暴露组率（Iu）的差值，说明完全由暴露因素所致的危险程度，用下式计算。 （式11） AR标准误的近似计算，累积率资料用公式12，人时率资料用公式13。 （式12） （式13） AR的95%可信限近似估计用公式14或以基于检验的方法，用公式15。 AR±1.96SAR （式14） （式15） ③ 特异危险度百分比（attributable risk percent，AR%）指在暴露组中由暴露因素所致危险程度占暴露组发病或死亡的百分数，用下式计算。 （式16） AR% 的可信限可根据RR可信限的端点推算。 ④ 人群特异危险度（population attributable risk，PAR）是人群的率（It）与非暴露组率（Iu）的差值，说明在人群中完全由暴露因素所致的危险程度，用下式计算。 （式17） 式中Pe为研究因素在人群中的暴露率，AR为特异危险度。 PAR的可信限可根据AR可信限的端点推算。 ⑤ 人群特异危险度百分比（population attributable risk percent，PAR%）指在人群中由暴露