医学流行病学答辩断点回归教学课件.pptxVIP

一、前言演讲人

01前言02病例介绍03护理评估——像查体一样“检查”断点设计04护理诊断——揪出断点回归的“潜在病灶”05护理目标与措施——给断点回归“精准施治”06并发症的观察及护理——警惕“隐藏的风险点”07健康教育——让断点回归“活”在学生的研究里08总结目录

医学流行病学答辩断点回归教学课件

01前言

前言站在讲台上，看着台下学生们笔记本上密密麻麻的笔记，我总会想起自己刚接触流行病学时的迷茫——那时候总觉得“因果推断”像隔着毛玻璃看东西，明明重要，却总抓不准关键。直到第一次在文献里读到断点回归设计（RegressionDiscontinuityDesign,RDD），那种“原来还能这样”的顿悟感，至今记忆犹新。

作为医学流行病学教学中至关重要的因果推断方法，断点回归在近年的实证研究中愈发亮眼。它不需要随机对照试验（RCT）的高昂成本，却能通过“自然形成的阈值”（比如年龄、分数、政策分界线），在观察性数据中逼近因果效应的估计。但教学中我发现，学生常陷入两个极端：要么把断点回归想得过于简单，直接套模型出结果；要么被复杂的假设检验吓退，不敢尝试。

前言今天，我想用一个真实的教学案例串起断点回归的全流程，就像带学生做现场调查那样，从病例到评估，从诊断到干预，把抽象的方法学变成能摸得着、能验证的“工具包”。毕竟，流行病学的魅力从来不在公式里，而在解决真实问题的过程中。

02病例介绍

病例介绍去年春天，我的研究生小周接了社区卫生服务中心的一个课题：评估某城市“65岁以上老年人免费流感疫苗接种政策”对流感样病例（ILI）发生率的影响。这是典型的政策评估问题，但难点在于——如何排除“65岁以上人群本身健康状况更差”的混淆？

小周最初的思路是直接比较65岁组和64岁组的ILI发生率，但很快发现问题：65岁老人可能有更多基础病，即使不接种疫苗，ILI率也可能更高。这时候，断点回归的“阈值”优势就显现了——政策以“满65周岁”为切点，理论上，65岁前后几天出生的人群（比如64岁11个月和65岁1个月）在基础特征上几乎无差异，唯一区别是是否接种免费疫苗。

病例介绍我们收集了该城市2019-2021年的居民健康档案数据，以出生日期为断点变量（runningvariable），阈值设为65岁（即2019年1月1日年满65岁）。最终纳入分析的是64.5-65.5岁的人群，共12786人，其中65岁以上6392人（接种组），65岁以下6394人（对照组）。初步看，两组在性别、BMI、高血压患病率等协变量上的差异均无统计学意义（p0.05），这让我们对断点设计的可行性有了初步信心。

03护理评估——像查体一样“检查”断点设计

护理评估——像查体一样“检查”断点设计做流行病学研究，就像给患者查体，每个环节都要“望闻问切”。断点回归的评估，核心是验证两个关键假设：断点的外生性（阈值不是人为操纵的）和结果变量的连续性（除干预外，其他因素在断点处无跳跃）。01首先是“望”——看断点变量的分布。我们用直方图观察64.5-65.5岁人群的年龄分布，发现65岁前后的人数分布平滑，没有“堆聚”现象（比如为了享受政策，刻意延迟或提前出生登记）。这说明居民无法主动选择是否跨越阈值，断点外生性成立。02然后是“闻”——听协变量的声音。我们比较了断点两侧人群的基线特征（性别、合并症、就医习惯等），结果显示所有协变量在断点处的差异均不显著（p0.1）。这像极了RCT中的随机分组——除了干预，其他因素在两组间平衡，为因果推断排除了混淆。03

护理评估——像查体一样“检查”断点设计最后是“切”——摸结果变量的连续性。我们绘制了ILI发生率随年龄变化的散点图，并用局部多项式回归拟合曲线。结果发现，在断点左侧（65岁以下），ILI率随年龄增长缓慢上升；但在断点右侧（65岁以上），曲线突然向下“跳跃”了2.3个百分点（95%CI:1.1-3.5）。这“一跳”，正是疫苗接种带来的因果效应。

04护理诊断——揪出断点回归的“潜在病灶”

护理诊断——揪出断点回归的“潜在病灶”即使前期评估过关，断点回归也可能隐藏“病灶”。就像小周在分析中遇到的三个问题，几乎是学生最常踩的“坑”：

诊断1：断点带宽选择不当——“视野太宽或太窄”小周一开始用了5岁的带宽（60-70岁），结果发现拟合曲线波动大，混杂了年龄本身对ILI率的影响；后来缩到1岁（64-65岁），样本量又太少，标准误过大。这就像用望远镜看细胞——放大倍数不对，结果要么模糊，要么失真。

诊断2：函数形式误设——“强行给曲线掰直”

小周最初用了线性回归拟合，结果显示断点效应不显著。但散点图明明呈现非线性趋势，这是典型的“函数形式错误”。就像给驼背的人量身高，硬要把背扳直，数据当然“失真”了。

诊断3：安慰剂检验缺失——“没做对照的实验