流行病学数据统计分析策略PPT课件.ppt

流行病学数据统计分析策略 中南大学湘雅公共卫生学院 谭红专 教授 * * 主要内容 概述 专题研究的数据分析 常规收集的流行病学数据的分析 * * 第一节 概述 流行病学研究与流行病学数据 流行病学数据分析的目的 流行病学数据中的变量分类 流行病学数据分析的内容 * * 一、流行病学研究与流行病学数据 狭义的流行病学数据（epidemiological data）指任何来自针对明确研究目的而开展特定流行病学研究所收集的资料。 广义的流行病学数据还包括出于其他目的和用途而收集的、可以用来定量地探索疾病健康或医疗卫生服务其他问题的资料。 即一切可为流行病学所用的数据。目前的临床大数据是个宝库。 * * 二、流行病学数据分析的目的 流行病学数据分析是针对明确研究问题、具有明确目的、采用特定方法对流行病学数据进行统计整理、统计描述、统计推断和总结。 流行病学研究的问题涉及疾病分布、病因与危险因素、诊断、预防和治疗效果评价等。 数据分析的根本是正确地回答有意义的问题，而不是统计学数字游戏。 * * 按统计学分类 定性：二分类和多分类（无序多分类） 定量：在多数流行病学研究中被转化为分类变量 半定量（分级，有序多分类） 同一个研究中，因变量和自变量的关系应该是固定的、不能互换。但在不同的研究中，一个变量在这个研究中可能是果，在另一个研究中也可能是因。例如，高血压可能是遗传的结果，血压也可能是心脑血管事件的原因。 * * 四、流行病学数据分析的内容 描述研究对象的数量变动； 变量分类和数据整理； 描述和比较组间基线资料； 估计结局事件发生频率； 估计效应大小及其可信区间； 识别和控制混杂； 识别和测量效应修饰作用； 识别和测量剂量反应关系； 其他分析。 * * 第二节 流行病学专题研究的数据分析 一、描述研究对象的数量变动 数据分析的第一步须对研究对象数量随时间的变动进行描述，这是判断选择偏倚是否存在及其大小的主要依据；对选样、抽样和筛选都应交代原则和方法；对退出和失访都应记录数量和原因 。 * * * * 二、流行病学变量的分类与数据转换 转换目的： 习惯、专业考量、模型限制 转换类型：定量转定性或分级，定性转定量 转换常用原则：借鉴既往同类研究的分级方法；按照通用的分级标准，如年龄可按国际通用的婴儿、幼儿、青少年、青年、中年、老年的年龄切点来分级；把研究人群分成每组人数均等的3~5组等。 * * 三、描述基线资料 基线资料就是有关研究对象代表性和混杂因素的信息资料。 基线资料描述的基本目的：一是交待研究对象的特征，提供其代表人群的信息，据此判断结果的外推人群和外推性；二是评估暴露组和非暴露组之间混杂因素的可比性，检查存在混杂的可能性。 描述基线资料时，通常在总体描述基础上，对暴露组和非暴露组还要分别进行描述。 * * 四、结局事件发生的频率 一般要求用率表示，如发病率。发病率由三个因素决定：观察时间、可能发病的总人数和实际发病人数。 一般情况下，发病率的分子是在一定时间内发病的总人数。 分母则因研究设计不同而异。当发病率较低，且每个人的观察时间长短基本一致，可用研究开始时该组人数作分母计算发病率，叫做累积发病率（cumulative incidence）。当结局事件发生率较高（如晚期癌症治疗试验中的死亡）或每个人的观察时间相差较大时，这时可用人时数（如人年数，person-years）做分母计算发病率，称作人时发病率（person-time incidence rate或发病密度（incidence density）， * * 五、估计效应值 效应就是暴露或治疗对结局作用或影响的大小，多用暴露组与非暴露组或治疗组与对照组间发病率的差别来表达。 * * * * 六、估计效应可信区间 由于随机误差，各效应指标的点估计不能代表效应的真实值，可信区间（Confidence Interval，CI）可用来表达由随机误差引起的效应估计值的不确定性。实践中一般采用95%可信区间，可以将其理解为真实效应值有95%的可能在这个区间之内。若效应指标的点估计值为X，标准误为SE，该效应指标的95％可信区间：95％CI ＝X±1.96SE，其中，（X－1.96SE）为其下限，（X＋1.96SE）为其上限。 * * 七、识别和控制混杂 混杂是由于同一个研究里暴露对某疾病的作用与其他病因的作用交织在一起导致暴露效应估计上的误差。 混杂必须同时具备三个条件：其一，是疾病确定的病因或危险因素；其二，不是暴露和疾病间的中间因素；其三，可疑的混杂因素在暴露组和非暴露组的分布不均衡。如性别可能就是吸烟与肺癌关系中的一个混杂因素。 * * 混杂的控制就是控制混杂的第三个条件，办法有： 设计阶段有三种方法：限制、匹配和随机分组； 数据分析