流行病学研究中的常见偏倚.pptxVIP

流行病学研究中的常见偏倚;偏倚(bias) 指观察值与真值之间的偏离，是一种随机误差以外误差的误差，属系统误差（systemic error）它是由某些较为恒定的不能准确测量的因素所造成。偏倚可发生在流行病学研究的设计、实施分析等各个阶段，如选择对象中以志愿者代替随机样本，使调查对象不能代表总体。重复抽样或加大样本含量并不能使这种误差减少或消失。流行病学研究中常见的偏倚主要有三大类，即选择偏倚、信息偏倚、混杂偏倚。 。 ; 第一节 选择偏倚及控制;1.入院率偏倚（admission rate bias）;OR＝1，χ2检验差异无显著性，说明A病与X因素无关系。;假设A病住院率为25％，B病住院率为60％，具有X因素也有一定的入院率为40％。现就上述不同的入院率计算住院人数： A病无X因素住院人数＝4800×0.25＝1200人 A病有X因素住院人数＝1200×0.25＋(1200－300)×0.4＝660人 B病无X因素住院人数＝4800×0.6＝2800人 B病有X因素住院人数＝1200×0.6＋(1200－720)×0.4＝912人 ;表6-2 医院为基础的病例对照研究;P0.01，;2.现患病例-新病例偏倚（prevalence-incidence bias）;例如，Friedman等人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RR值为2.40，而另一项病例对照研究中，病例组与对照组却无明显差异，OR=1.16（表）。;表6-3 费明汉地区男性居民血胆固醇水平与冠心病关系;进一步调查发现，患冠心病病人在被诊断为该病后，其后来的生活习惯或嗜好发生改变，如开始戒烟、多食低胆固醇食物、进行体育锻炼，从而使血中胆固醇水平降低，因此病例对照研究的结论存在明显的差异。 ;3.检出征候群偏倚（detection signal bias）; 例如，1975年，Ziel等以病例对照研究，从美国加州洛杉矶妇女中调查口服雌激素与子宫内膜癌的关系，结果表明子宫内膜癌患者雌激素暴露比例明显高于对照组，认为子宫内膜癌与服用雌激素密切相关。;表6-4 更年期服用雌激素与子宫内膜癌的关系;1978年，Horwitz指出，这一结论是由检出征候偏倚所致，两者之间的高度关联是虚假的。因为在人群中有一定量的无症状的子宫内膜癌早期病人，她们若不服用雌激素，子宫不致出血，???而不去医院就诊，而不能被发现。 ;4. 志愿者偏倚（volunteer bias）;从上例可以看出选好对照组是十分不容易的，它同研究者的临床知识，经验，及关于研究变量的特征，对象选入的方法等都有关。有时还需将多种对照同时观察更能说明问题。 ;5. 无应答偏倚（nonrespondent bias）;如Seltze等报道，以函访调查人群吸烟状况时发现，85%的非吸烟者在一个月内回函应答了调查内容，但在吸烟者中，应答率仅占67%，这样对男性吸烟的估计是明显低估的。;6. 失访偏倚（loss to follow up bias）;失访一般有两种情况，一种是由于观察期限短于原规定的观察危险期，一般与所观察的暴露因素或结果无关，且经过统计学处理能把他们当作截尾数据（censored data）处理。虽观察不到他们发生某事件的概率，但与留在观察组中的非失访者是相同的，一般较少引起偏倚。 ;另一种失访是在随访过程中因种种原因拒绝继续留在观察组中，他们的失访是主动的，多半同所研究的暴露因素或结果有关。若数量不大，不致引起偏倚，但若数量较大，则有可能产生偏倚。一项研究的失访率最好不超过10％或稍高，否则应慎重考虑对结果的解释。 ;二、选择偏倚的测量与防制;选择偏倚在理论上可以通过总人群与实际抽样人群疾病与暴露分布情况进行测量。下面以病例对照研究为例，总人群与实际抽样人群中疾病与暴露因素的分布分别如表6-5和表6-6所示：;表6-6 实际抽样人群疾病与暴露分布;选择概率为：;若 偏倚=0 即;现以前述入院率偏倚为例， α=660/1200=0.55 β=1200/4800=0.25 γ=912/1200=0.76 δ=2880/4800=0.6 ;（二）选择偏倚的防制;2、尽量采用多种对照 理想的是以人群中全体病例和非病例(或其有代表性的样本)作为研究对象。如以医院病例为研究对象，宜在多个医院选择对象，且最好有2个对照组，其中一个对照组来自社区一般人群，在队列研究中，最好也应设多种对照，以减少选择偏倚对结果的影响。;3、严格掌握研究对象入选与排除的标准 使研究对象能较好地代表其相应的总体。如病例对照，一般可规定病例的入选原则为新发的确诊病例，以避免Neyman偏倚。在实验性研究中，应严格按照随机分配的原则，将研究对象分组，使两组除