MPH-流行病学中常见的偏倚与控制.pptVIP

流行病学中常见的偏倚及其控制;误差 （error）;随机误差 ;随机误差的两个特点;描述性结果的样本变异性; 在图8-1中，群体高胆固醇率为25%，样本A为40%，样本B为20%，样本C为0%。 增大样本含量，样本的变异性会减少，样本的高胆固醇率对群体的代表性会增大。; 样本越大，效应估计值的抽样误差越小（95%可信限越小），统计检验能发现的两组间效应差值越小。 样本非常大，两组间差异很小的效应值也会有统计学显著差异，但这很少有生物学或临床意义。 ;系统误差 ; 系统误差不是由随机抽样所引起的，而是由某些不能准确定量但较为恒定的因素所引起，其结果导致测量值系统地偏离总体的真实值。;举例：用动脉血压计测量某人血压（实际值为80mmHg），各次读数的均值为100mmHg，系统误差和随机误差可用以下图示;随机误差和系统误差的区别 ;偏倚（bias）;偏倚的方向;1.θ1时： （1） θ’θ1时，夸大危险效应，为正偏倚。 （2）θθ’1时，缩小危险效应，为负偏倚。 2.θ1时： （1） θ’θ1时，夸大 保护效应，为正偏倚。 （2）θθ’1时，缩小保护效应，为负偏倚。;（二）趋向无效值偏倚、远离无效值偏倚或颠倒偏倚：无效值指产生零效应的值。例如，对于RR或OR等于1时即无效值。就RR或OR而言： 当θ1时，若θ’θ1,则为远离无效值偏倚。 若θθ’1,则为趋向无效值偏倚。 当θ1时，若θ’θ1,则为远离无效值偏倚。 若θθ’1,则为趋向无效值偏倚。 （三）无论θ1或θ1，若θ和θ’在1的两侧，则为颠倒偏倚。 ;3.举例： （1）RR＝1.5 RR’=2.0时，为远离无效值正偏倚。 （2）RR＝0.6 RR’=0.8时，为趋向无效值负偏倚。 （3）RR=1.2 RR’=0.9时，为颠倒负偏倚。 ; 1946年，Berkson做最著名的偏倚研究并给予证实，又称为Berkson偏倚。 1976年，Miettinen详细讨论了偏倚的定义，并给出分类框架,分三类 选择偏倚 信息偏倚 混杂偏倚;选择偏倚（selection bias ）; 描述性研究的选择偏倚 主要体现在样本对总体的代表性上 如不是采用随机抽样而是使用方便样本，或某些特定群体（志愿者、因特网利用者等）造成的外部效度（外推）受限问题。 控制方法 尽量采用随机抽样，避免样本选取的偏向 对特定群体的结果在外推上要谨慎等 ; 分析性研究的选择偏倚 主要体现 研究对象进入、排除、不参与或失访等与研究暴露或处理因素存在关联，由此增大或减少暴露与疾病、处理与效应的关联，导致效应估计的偏倚。 控制方法 选取具体环节或已选取人群的具体特征 分析研究对象的选取是否同暴露或处理因素有关;常见的选择偏倚 ; 不同疾病在不同医院的就诊或住院率各异，其原因是多方面的，如不同医院的技术专长，患者所患疾病的严重程度，患者的经济状况，以及就诊方便与否等。因此，若在医院内选择研究对象进行流行病学研究时，应注意到可能会出现这种偏倚。;用住院病例进行研究时可能没有包括： 抢救不及时死亡的病例 距离医院远的病例 无钱住院的病例 病情轻的病例;过敏及代谢性疾病与疲乏的关系;呼吸道疾病与骨及运动器官疾病的关系 ; 2、现患-新发病例偏倚（Prevalence-incidence bias） 又称奈曼偏倚（Neyman bias）,凡因现患病例与新病例的构成不同，只调查典型病例或现患病例的暴露状况，致使调查结果出现的系统误差都属于本类偏倚。; 在美国弗明汉地区对心血管系统疾病的研究中发现：男性居民在队列研究中，具有高胆固醇水平者，患冠心病的OR 值为2.4，而在病例对照研究中，病例组和对照组却无明显差异（OR =1.16）。 原因：病例对照研究中的现患病例已改变了他们高胆固醇的饮食习惯。; 3、无应答偏倚（non-respondent bias） 无应答者指调查对象中那些因为各种原因不能回答调查研究工作所提出的问题的人。一项研究工作的无应答者可能在某些重要特征或暴露上与应答者有所区别。如果无应答者超过一定比例，就会使研究结果产生偏倚，即无应答偏倚。 ;安阳县食管癌普查，普查率仅20％左右，不能代表总体。 造成无应答的主要原因： 研究对象不了解研究目的；调查内容不当，过于繁琐，涉及隐私；对象不能正理解调查内容（文化低、高龄等）；对象病重、外出