第五章 病例对照研究.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 93对男性食管癌与对照的吸烟史 case control study * χ2=11.28, OR=4.33 表明男性吸烟者患食管癌的危险性是不吸烟者的4.3倍 OR95%可信限 * case control study * 四、成组分层资料的分析 * 1、按饮酒与否分层 计算OR值 case control study * 饮酒者中吸烟的OR(2.98)，不饮酒者中吸烟的OR(1.67)，均不同于不分层OR(2.87) 饮酒可能是混杂因素？ 按饮酒分层分析吸烟与食管癌的关系 * 2、齐性检验 如果层间OR值无明显差别，则提示饮酒可能是混杂因素，资料分析可进一步计算合并χ２与OR值 如果层间OR值有显著差异，则提示饮酒可能不是混杂因子，而可能是效应修饰因子（交互作用），此时，资料分析转入效应修饰的描述 本例齐性检验无显著差异，计算合并OR与χ2 case control study * * 计算合并OR与χ2值 公式（M-H法）： 合并 case control study * * case control study * =37.74 =2.42 2 M-H 表5-9 分层计算结果整理表 * 结果判断 经饮酒分层调整后，吸烟的OR（2.42)较未调整的OR(2.87)为低 吸烟与食饮酒之间有显著的关联 按饮酒与食管癌的关系列表计算 χ2=31.9, RR=2.29，可见饮酒与食管癌有联系 饮酒不是吸烟与食管癌关系的中间变量 因此，饮酒是一个值得调整的混杂因素。 case control study * * 五、暴露分级资料的分析 将资料归纳成列联表 对列联表数据作卡方检验 计算出各暴露水平的比值比 计算趋势性卡方 case control study * * 实例：吸烟与肺癌关系按性别与吸烟量归纳表 case control study * 4.21 3.20 0.98 1.00 OR 21 29 19 51 合计 6 10 12 32 对照 X2=11.28 df=3 P0.001 15 19 7 19 病例 女性 17.93 11.52 8.10 1.00 OR 638 543 88 29 合计 274 (b3) 293 (b2) 55 (b1) 27 ( d ) 对照 X2=43.15 df=3 P0.001 364 (a3) 250 (a2) 33 (a1) 2 ( c ) 病例 男性 15- 5- 1- 0- 每日吸烟数 组别 * 六、归因分值与功效 1、归因分值（attributable fraction，AF），也叫病因分值（etiologic fraction， EF） 1）暴露人群的归因分值记为AFe，AFe指暴露人群内某种疾病的发病中，由该暴露引起的发病占全部发病的比例。 * case control study * 式中Ip为总人群发病率，I0为非暴露组发病率，Pe为人群的暴露率（或以对照组的暴露代替）。AFp反映暴露对人群发病的影响，表示总人群中某种疾病的发病，由该暴露引起的发病占全部发病的比例。 * case control study * 2、功效 研究功效（power）也叫做把握度，可以解释为拒绝无效假设的能力，即当无效假设不成立时，该假设被拒绝的概率。 * case control study * 结果： ＝-0.30时，β=0.62，功效＝P＝1-β＝38% 一、选择偏倚（selection bias） 产生原因 选择的研究对象不能代表总体人群 发生阶段：主要在设计阶段 控制方法： 尽量合理地选择病例与对照 尽可能地从多家(类)医院选择病例与对照 case control study * 第五节 常见偏倚及其控制 * 常见的选择偏倚类型 入院率偏倚（Berkson’s bias)：由于医院和病人的相互选择，导致对象缺乏代表性。 现患病例与新发病例偏倚（Neyman bias)：难以区分发病与存活的因素。 检出症候偏倚：病人常因与疾病无关的症状而就医，从而提高了早期病例的检出率。如使用雌激素导致阴道出血就诊发现子宫内膜癌，从而发现两者的关系。 时间效应偏倚：即早期（或启动期）的病例可能进入对照。 case con