流行病学复习mph3ppt课件.ppt

妊娠一次OR=（23×38）/（37×22）=1.07 妊娠多次OR=(7×117)/(33×23)=1.08 两层资料是同质的，可以认为母亲妊娠次数不影响放射诊断与儿童白血病的固有关联，不是混杂因素。 ORmh= 当两层的OR值接近时，说明两个资料是同质的，计算总的OR值 Mantel-Haenszel OR 本例 ORMH=[23×38/120+7×117/180]/[37×22/120+33×23/180]=1.08 计算总的卡方值 Mantel-Haenszel X2MH 本例: X2 MH =[(23×38-37×22)/120+(7×117-33×23)/180]2/[(60×60×45×75)/(1202×119)+(40×140×30×150)/(1802×179)]=0.06 估计总OR值95% C.I. Miettinen法 本例OR上限为2.00,下限为0.58. 分层后 ORMH=1.08 95%CI=2.00--0.58 不分层 OR=1.48 95%CI=2.54-0.86 分层前后OR值接近,即暴露因素导致疾病的危险程度没有显著性意义 3、暴露分级资料的分析 用来分析疾病和暴露的剂量反应关系 将资料整理成列联表 做X2检验 计算各分级的OR值 ：通常以不暴露或最低水平的暴露为参照。 男性每日吸烟的支数与肺癌的关系 每日吸烟支数 0 1- 5- 15- 合计 病例 2(c) 33(a1) 250(a2) 364(a3) 649(m1) 对照 27(d) 55(b1) 293(b2) 274(b3) 649(m0) 合计 29(n0) 88(n1) 543(n2) 638(n3) 1298(t) OR 1.0 8.10 11.52 17.93 X2=43.15，自由度ν=3，p0.001 1：1 配对资料分析 整理成四格表 对 照 病 例 对子数 有暴露史 无暴露史 有暴露史 a b a+b 无暴露史 c d c+d 对子数 a+c b+d a+b+c+d 5、 1：1 配对资料 卡方检验 McNemar 公式 比值比 OR＝c / b OR 95%CI：Miettinen 公式 1：1配对资料分析实例 外源性雌激素与子宫内膜癌配比资料 因对子数较少，故用McNemar校正公式 X2=(│b-c│-1)2/(b+c)=19.53，p0.005 OR=c/b=9.67 五、常见的偏倚及其控制 在流行病学研究过程中，由于各种原因使所得结果与真实情况存在系统误差，即偏倚。一般有三类偏倚 选择偏倚（selection bias） 信息偏倚（information bias） 混杂偏倚（confounding bias） （一）选择偏倚（selection bias） 选择偏倚是指研究设计阶段，选择研究对象的方法有问题，使入选者与落选者在某些特征上具有系统差异 。 （1）入院率偏倚（Berkson bias）：当利用医院病人作为病例和对照时，由于入院率的不同导致病例组与对照组某些特征上的系统差异。 （2）存活病例偏倚（Neyman bias）：从现患病例得到的很多信息可能只与存活有关，而未必与该病的发病有关，从而高估了某些暴露因素的病因作用。另一种情况是，某病的幸存者改变了生活习惯，从而降低了某个危险因素的水平，或当他们被调查时夸大或缩小了病前生活习惯上的某些特征，导致某一因素与疾病关联误差。 检出征候偏倚（detection signal bias）：病人常因某些与致病无关的症状而就医，从而提高了早期病例的检出率，致使过高地估计了暴露程度，而产生的系统误差。 时间效应偏倚（time effect bias）：慢性疾病的病例对照研究，那些暴露后即将发生病变的人，已发生早期病变而不能检出的人，或在调查中已有病变但因缺乏早期检测手段而被错误地认为是非病例的人，都可能被选入对照组，由此而产生了结论的误差。 （二）信息偏倚（information bias） 信息偏倚是指收集资料阶段，测量暴露或结局的方法有缺陷，使各比较组间产生系统差异 。 回忆偏倚（recall bias） 调查偏倚 （三）混杂偏倚(confounding bias) 研究暴露与疾病的因果关系时，混入外部因素，该外部因素与疾病和暴露都有一定的关联，此外部因素即为混杂因素(confounding factor)。 由于混杂因素的存在，影