最新：第十八章流行病学的误差和偏倚文档资料.ppt
影响结论真实性的原因可以归纳为两类，一类是随机误差，另一类是系统误差。在流行病学研究中，无论是观察性研究还是实验性研究，研究者必须设法避免由于研究设计和资料分析中的方法存在问题而得出虚假的结论。研究者在研究过程中设法尽量减少这两种误差的来源，提高研究结果的真实性。,第一节 误差和偏倚的概念 第二节 偏倚,目 录,第一节 误差与偏倚的概念 实验研究的结果受三方面因素的影响：处理因素的作用；各种随机误差的干扰；各种偏倚的干扰。一、随机误差 随机误差又称机会(chance)，即由于非研究因素影响而造成的一类不恒定的、随机变化的误差。是不能完全避免而应该尽量减少的误差。一般可以通过统计学方法予以估计和评价。,二、系统误差 系统误差又称偏倚(bias)，是由于非研究因素影响而造成的恒定不变的，或是遵循着一定规律变化的误差。可发生于流行病学研究设计、实施、分析以及推论的各个阶段。应尽可能设法预见到各种系统误差的具体来源，并极力消除其影响，对不能消除的系统误差则应设法估计其误差的影响程度，以供分析资料时参考。,三、随机误差与系统误差的关系,图18-1、随机误差与系统误差的关系,产生机理不同:,随机误差由抽样而产生，可以通过扩大样本量和改进抽样方法而减小。偏倚是因为研究对象的选择方法不当、收集信息的方法不当、以及一些混杂因素的存在而产生。,随机误差和系统误差的区别,随机误差和系统误差的区别,表现形式不同:,随机误差:无固定方向和固定大小，一般呈正态分布。偏倚：有固定方向和固定大小。,随机误差和系统误差的区别,控制方法不同:,随机误差:改进抽样方法，扩大样本量。偏倚：针对性采取相应措施控制，扩大样本量不会减小偏倚。,选择偏倚（selection bias）,信息偏倚（information bias),混杂偏倚（confounding bias）,第二节 偏 倚（bias）,一、选择偏倚（selection bias）,定义 研究对象的选取过程中，由于选取方式不当，导致入选对象与未入选对象之间存在系统差异，由此造成的偏倚称为选择偏倚。例如研究对象采用志愿者，方便样本，或者研究对象的无应答或失访等。多见于病例对照研究和现况研究。,常见的选择偏倚：1、入院率偏倚（admission rate bias），又称伯克森偏倚(Berkson bias)指用医院就诊或住院病人作为研究对象时，由于入院率的不同而产生的偏倚。,表18-2 过敏及代谢疾病与疲乏的关系,表18-1 呼吸道疾病与骨及运动器官的关系,常见的选择偏倚：2、现患-新发病例偏倚（prevalence-incidence bias）又叫奈曼偏倚(Neyman bias)，多发生于病例对照研究和现况研究中，指由于利用现患病例作为研究对象，而不是该病的所有病例（包括轻型、不典型、死亡病例等），从而得到的疾病和暴露之间片面的联系。在病例对照研究和现况研究的病例选择时，尽量选择新发病例，而不是现患病例。,表18-3 美国Framinghan地区男性胆固醇水平与冠心病关系的研究,常见的选择偏倚：3、无应答偏倚(non-respondent bias)和志愿者偏倚(volunteer bias)无应答者指调查对象中因为各种原因不能按照研究设计对被调查的内容予以回答的人。由于无应答者和应答者在某些特征上不同，所以当一项调查中无应答者占一定比例时，就可以使研究的结果产生偏倚。,常见的选择偏倚：4、检出症候偏倚(detection signal bias)又称暴露偏倚(exposure bias)。当选择纳入病例时，部分病例会因为某种与本病无关的症状和体征，而促成本病的发现。结果在分析时这部分人中某种疾病的检出率人为地提高了，甚至还可能得出这种疾病与该因素有一定关系的错误结论。,选择偏倚的控制：充分了解可能的选择偏倚的来源，在研究的设计 过程中尽量避免。在病例对照研究和现况研究中，尽量选择新发病 例而不是现患病例。在研究中采取相应措施，尽量取得研究对象的合 作，以获得尽可能高的应答率。尽量采用多种对照。,二、信息偏倚（information bias）,定 义 又称测量偏倚或观察偏倚，是来自于测量或资料收集方法的问题，使得获取的资料存在系统误差。信息偏倚可以来自被调查者，如：回忆偏倚和报告偏倚；也可以来自调查者，如：诊断怀疑偏倚、暴露怀疑偏倚和测量偏倚等。,二、信息偏倚（information bias）,无差异错分：如果疾病或暴露的错误分类同研究分组无关，即在各比较组间不存在差异称为无差异性错分；它在大多数情况下模糊了研究组间的差异，一般 使研究效应的估计值偏低。,二、信息偏倚（information bias）,差异错分：如果疾病或暴露的错误分类同研究分组有关，即在各比较组间存在差异称为差异性错分；由于 错误分类在组间存在差异的偏向可能不同，所以使研究效应的估计值高估或低估。,无差异性错误分类和差异性错误分类,信息偏倚的控制：研究者制定明细的资料收集方法和严格的质 量控 制方法 盲法 尽量收集客观指标的资料 收集资料的范围可适当广泛些,三、混杂偏倚（confounding bias）,定 义 当研究某一暴露因素与疾病的关系时，由于某个因素既与所研究的疾病有联系，又与所研究的因素有联系的影响，掩盖或夸大了所研究的暴露与疾病的联系强度。由于混杂因素在对比的人群中分布不均匀而产生。,混杂因素的条件（1）混杂因素必须是所研究疾病的危险因 素，即与所研究疾病有联系（2）混杂因素必须与所研究的暴露有联系（3）混杂因素不应该是暴露与疾病之间因 果链中的一个中间环节,我们用一个经典的例子来说明混杂：出生顺次和Down综合征之间的关系,图18-3显示随着出生顺次增加，Down综合征的患病率呈显著增加趋势，我们可以将此描述为出生顺次对Down综合征发生的效应。但出生顺次效应是出生顺次本身所产生的效应与同出生顺次密切相关的另一个变量的效应的混合效应。这另一个变量就是母亲的年龄。,图18-3 按出生顺次时Down综合征的患病率,因为出生顺次和母亲的年龄高度相关，我们估计，作为一个人群来讲，生育第五胎的母亲比第一胎的母亲年龄要大一些。因此高出生顺次婴儿和低出生顺次婴儿的比较，在一定程度上是婴儿母亲年龄大小的比较。因此,图18-3中出生顺次的比较结果是母亲年龄效应和出生顺次效应混合的结果。这种混合的程度取决于母亲年龄和出生顺次相关的程度。这种效应的混合即为混杂。,图18-4显示母亲年龄和Down综合征之间存在更强的关联，如图18-3中患病率从第一胎的0.6千上升到第五胎或以上者的1.7千，有很强的增加趋势；但是在图18-4中，患病率从母亲最低年龄组的0.2千上升到最高年龄组的8.5千，增加了40多倍（注意图18-4和图18-3的纵坐标尺度不同）。,图18-4 按出生时母亲年龄Down综合征的患病率,图18-4中母亲年龄的效应远强于图18-3中出生顺次的效应，母亲年龄的效应是否受出生顺次效应的混杂，取决于出生顺次本身是否具有效应。我们知道出生顺次不能完全解释母亲年龄的效应，而母亲年龄却有可能完全解释出生顺次表面上存在的效应。一个变量的效应能在多大程度上解释另一个变量表面上存在的效应，解决这一问题的一个好方法是同时检测这两种效应。,图18-5清晰地显示在每个出生顺次组中，从前至后，随母亲年龄增高Down综合征的患病率均呈显著上升趋势。而在每个母亲年龄组中，从左至右，随出生顺次未见任何趋势。因此，在图18-3中存在的表面趋势完全是由母亲年龄的混杂造成的。在图18-5中，我们看到在各个母亲年龄组中出生顺次均无效应。因此本例中的效应完全是混杂的结果。,图18-5 按出生时出生顺次和母亲年龄 Down综合征的患病率,在图18-4中母亲年龄的效应是否受到混杂影响呢?年龄只是时间的标志，而时间本身不能造成引起Down综合征的一些生物学改变。在女性年龄增长过程中必然存在一些生物学事件，后者导致高龄母亲的子女中Down综合征的发生率显著增加。因此母亲的年龄代表了一些未知的事件，这些事件是引起Down综合征发生更直接的原因。一旦能认识到这些事件，那么在考虑到这些与年龄相关的生物学改变的情况下，最终就能发现母亲的年龄无效应，也就是说母亲年龄具有的表面效应也是被其他一些尚未认识到的因素所混杂的。,了解和控制混杂的研究过程可以看作在迷宫中朝某个目标前进。通过迷宫的道路最终允许科学家进入逐渐接近目标的层次：在本例中，Down综合征和出生顺次之间存在的表面联系能够完全由母亲年龄的效应加以解释，但是后者最终又是被其他一些我们目前尚未确定的因素所混杂的。随着混杂被一层层地排除，最终会对基础生物学有一个更深刻的因果理解。但是与迷宫不同的是，人们对生物学的层层深入理解是无止境的。,混杂偏倚的控制1、在设计和资料收集阶段（1）随机化（2）限制（3）匹配2、在资料分析阶段（1）分层分析（2）多因素分析（3）标化方法,33,谢 谢Thank You,
