临床科研中常见的偏倚及其防止.pptVIP

临床科研中常见的偏倚及其防止方法 偏倚、机遇和准确度 临床科研结果的错误来自二个方面： 偏倚（Bias）和机遇（Chance） 偏倚（Bias） 偏倚是组间变量差异时产生的系统误差。是对真实情况的偏离,导致研究结果不能真实地(validly),精确地(precisely)反映实际正确的结果. 是选择研究对象，收集资料及分析资料过程中人为产生的。 临床科研的特点决定了Bias的普遍性和不可避免性。 在科研设计阶段、实施阶段设法防止它的形成，或资料分析阶段用统计学的方法加以纠正。 识别和防止Bias是科研工作者的基本功。 机遇（Chance） 机遇是观察结果的精确性（precision）及可重复性（reproducibility, reliability）受到影响 是各测量结果间受机会影响的变异度的大小。使样本的实际观察结果和总体人群的真实情况相偏离 是一种随机抽样误差 偏倚可在设计，实施和分析阶段设法避免，但机遇所致的随机误差只能缩小，不能避免 准确度（Validity） 研究结论的正确性 分为内部准确度和外部准确度 准确度（Validity） 样本偏倚（Sampling Bias） 临床科研中常见的偏倚 选择性偏倚（Selection bias） 测量性偏倚（Measurement bias） 混杂性偏倚（Confounding bias） 一、选择性偏倚 在选择研究对象时方法的不正确所致，产生于研究设计阶段。 纠正方法： 强调严格的科研设计 强调随机化原则进行分组 1. 检测偏倚（Detection Bias） 服用雌激素和子宫内膜癌发病的关系OR＝9.8 结论错误原因： 服用雌激素导致一些无症状的病人发生阴道流血，从而较早去就医造成检出率提高。 2. BerKson’s Bias 因入院率不同导致的偏倚 防止方法：采用人群对照 A 为肺癌患者 B为冠心病患者 例如 ： A病在人群中共6000例 其中20％吸烟 B病在人群中共6000例 其中20％吸烟 A病有吸烟者 6000×20％＝1200例 B病有吸烟者 6000×20％＝1200例 A病不伴吸烟者 6000×80％＝4800例 B病不伴吸烟者 6000×80％＝4800例 入院率 A病60％ B病25％ 吸烟者40％ 住院病人中 A病有吸烟者 【1200×60％＝720】＋【（1200－720）×40％】＝912 B病有吸烟者 【1200×25％＝300】＋【（1200－300）×40％】＝660 A病不伴吸烟者 4800×60％＝2880 B病不伴吸烟者 4800×25％＝1200 A病总数： 912＋2880＝3792 B病总数： 660＋1200＝1860 A病人中有吸烟者： 912/3792=24.1% B病人中吸烟者： 660/1860=35.5% 3. Neyman’s Bias 发生于调查时间距离初诊时间过长，有不少调查对象已死亡，而被调查者只是那些幸存者。 一病例对照调查发现大量饮用咖啡者心梗发病危险性是其他人的两倍。如做医院内病例对照调查却不能获此结论。因为50％