研究生教学偏倚和病因2011PPT.ppt

偏倚的控制与病因推断 Bias and Derivation of Causal Inferences ;;; 一 偏倚（bias）的概念 (一)流行病学研究的精确性与真实性 在流行病学研究中，数据和指标的变动（波动） 称为变异或误差 ;例：如何产生抽样差？; 1 流行病研究的精确性 ▲ 精确性概念 测量中的随机误差大小 衡量的办法 方差 标准差、标准误;2 流行病学研究的真实性; ★ 偏倚定义： 使测量系统地偏离了真实值的原因（系统误差） ; （一） 选择偏倚（selection bias） ☆ 定义：由于研究对象的确定、诊断、选择方法不正确，使被入 选的研究对象与目标人群的重要特征具有系统的差异， 使得样本推论总体出现了系统的偏离。 主要种类：入院率偏倚 （admission rate bias） 检出症侯偏倚 (detection signal bias) 现患病例—新发病历偏倚 (prevalence incidence bias) 无应答偏倚 (non—respondent bias) 易感性偏倚 (susceptibility bias) 时间效应偏倚 (time effect bias) 领先时间偏倚 (lead time bias); ; 例1 研究A 病与因素X的关系，以B 病作对照。假定在某人群中A、B两病均为1000人，两组病人暴露于X者各为200人三者入院率又相对独立; A病具有x因素同B病等同 OR＝(200×800)/(200 × 800)=1 A、B、X三者间并无关联，OR＝1 现假设A、B病入院率不同，分别为40％、80％，且具有 X因素者的入院率40％，根据上述不同入院率计 算住院病人： A病有X因素人数： 200 × 40％＋200 ×(100-40％) × 40％＝128 ;B病有X因素人数： 200× 80％＋200 ×(100-80％) × 40％＝176 A病入选而无X因素人数： 800 × 40％＝320 B病入选而无X因素人数： 800 × 80％＝640; 病种 有X因素 无X因素 总人数 A病 128 320 448 B病 176 640 816 OR=(128 × 640)/(320× 176)=1.454 ; 说明???来X因素与A病无关联(OR=1)， 而以医院病例作为样本所得结果， 提示X为A病的危险因素，为B病的 保护因素 结论： 本来X对A和B是无效应的（OR＝1）， 现在入院率不同，夸大了 X对A的效应（负偏倚） ; 例2： 不同来源研究对象估计药物与疾病联系的OR值比较; 定义： 在测量或采取资料时获得不正确（准确）信息或产生 的系统误差 类型： 诊断怀疑偏倚（diagnostic suspicion bias） 暴露怀疑偏倚 (exposure suspicion bias) 回忆偏倚 (recall bias) 报告偏倚 (reporting bias) 测量偏倚 (measurement bias) 错误分类偏倚 (misclassification bias);