流行病偏倚第六版.ppt

第一节 误差 一、概念 误差是指对事物某一特征的测量值偏离真实值的部分。因此，必须有“金标准”或相对可靠的标准来测量真实值，才能度量误差。 二、误差的种类 随机误差：指随机抽样所得均值与总体参数的差异，也称抽样误差。 抽样误差特点：1.样本的观察值都在平均值上下分布； 2.随机误差的范围可以用可信区间估计。 系统误差：当对群体的某一特征做一次测量或对某一个体的某一特征做多次测量时，所得均值与总体间误差向量的方向一致或基本一致时，这种误差称为系统误差，也称偏倚。 第二节 偏倚（bias) 一、概念 偏倚是指在流行病学研究中样本人群所测得的某变量值系统地偏离了目标人群中该变量的真实值，使得研究结果或推论的结果与真实情况之间出现偏差，这是由于系统误差造成的。 二、偏倚的方向和分类 方向： 偏倚对结果的影响程度与其方向有一定的关系，偏倚的方向有两种，即正向偏倚和负向偏倚。 分类 选择偏倚(selection bias) 信息偏倚(information bias) 混杂偏倚 (confounding bias) 例如A，B两病在人群中各有6000例，他们的吸烟率均为20%，故吸烟者两组均各为1200例，不吸烟者也各为4800例。但他们患病后的入院率却不同，不吸烟者A病入院率为60%，B病却为25%；而吸烟者的入院率两组均为40%。因此两病的吸烟与不吸烟者的入院构成情况如下：A病：不吸烟的住院人数＝4800×60%＝2880例　　吸烟的住院人数＝1200×40%＝480例　　A病总住院人数＝3360例　　A病住院的吸烟者占A病住院人数的百分率＝14.3%B病：不吸烟的住院人数＝4800×25%＝1200例　　吸烟的住院人数＝1200×40%＝480例　　B病总住院人数＝1680例　　B病住院的吸烟者占B病住院人数的百分率＝28.6%　　 ⑵现患-新发病例偏倚 （ prevalence-incidence bias） 在病例对照或横断面调查时，所选用的病例往往不包括已死亡的病例、病情轻微的非典型病例、已痊愈的病例(病程短)，仅仅选用典型的现患病人，而这类现患病人的暴露特征往往不同于未选用的病例。此外，当病人得知某因素(如吸烟)与其患病有关，可能改变原来的暴露水平(如戒烟)。这样所获的结论往往不同于定群研究。这种偏倚称为现患病例与新发病例偏倚。 观察对象可能因各种原因不同，暴露于危险因素的概率不同，使得各比较组对所研究疾病的易感性有差异，从而夸大或缩小了暴露因素与疾病的关联强度，导致某因素与某疾病间的虚假联系，由此产生的偏倚称为易感性偏倚。 选择偏倚的控制 了解整个研究中可能出现的选择偏倚。 尽量选择新发病例。 取得研究对象合作，减少无应答。 在队列研究中尽量减少失访。 信息偏倚的控制 三、混杂偏倚（confunding bias) 混杂偏倚是指在流行病学研究中，由于一个或多个潜在的混杂因素的影响，掩盖或夸大了研究因素与疾病间的联系。 在对某病的病因学研究中，当对所关心的某种暴露因素（E）与这种疾病（D）之间的联系定量估计时，由于其他因子的影响，使E和D之间联系的真实性被歪曲，联系强度被放大或缩小，这种歪曲联系真实性的作用被称为混杂作用（confunding effect），起混杂作用的因子称混杂因子（confunding factor, F） 混杂因素的特征 混杂因素必须是所研究疾病的独立危险因素。 混杂因素必须与所研究的暴露因素存在统计学联系； 混杂因素不应是暴露因素与疾病因果链中的一个环节或中间变量。 吸烟、火柴与肺癌 烟草公司的研究者坚持认为火柴暴露可以引起肺癌 他们开展了一项大型的病例对照研究来检验这个假说 研究者通过人群登记系统找到了1000名肺癌病例，其中820人曾携带过火柴 从人群中随机抽取了1000名对照，经X线确认未患肺癌，其中340人曾携带过火柴 根据这批数据，定量估计火柴与肺癌之间的关联 想分别了解一下吸烟者与不吸烟者中火柴与肺癌的关系 结果发现在1000名病例中，900名为吸烟者，其中810名曾携带火柴 在1000名对照中，300名为吸烟者，其中270名曾携带火柴 分层绘制2×2表，计算火柴与肺癌的关联效应值 这个例子说明：即使本来没有任何效应，混杂也可以引起明显的效应 在火柴与肺癌的关系中，吸烟就是一个混杂因素(confounding factor, confounder) 吸烟混淆了火柴与肺癌之间的真实关系 问题：火柴对于吸烟与肺癌的关系是不是一个混杂因素 夜灯