流行病学数据统计分析策略 ppt课件

流行病学数据统计分析策略 * 2 主要内容 n 概述 n 专题研究的数据分析 n 常规收集的流行病学数据的分析 * 3 第一节 概述 n 流行病学研究与流行病学数据 n 流行病学数据分析的目的 n 流行病学数据中的变量分类 n 流行病学数据分析的内容 * 4 一、流行病学研究与流行病学数据 n 狭义的 流行病学数据 （ epidemiological data） 指任何来自针对明确研究目的而 开展特定流行病学研究所收集的资料。 n 广义的流行病学数据还包括出于其他目 的和用途而收集的、可以用来定量地探 索疾病健康或医疗卫生服务其他问题的 资料。 n 即一切可为流行病学所用的数据。 目前 的临床大数据是个宝库。 * 5 二、流行病学数据分析的目的 n 流行病学数据分析是 针对明确研究问题、具有 明确目的 、采用特定方法对流行病学数据进行 统计整理、统计描述、统计推断和总结。 n 流行病学研究的问题涉及疾病分布、病因与危 险因素、诊断、预防和治疗效果评价等。 n 数据分析的根本是正确地回答有意义的问题， 而不是统计学数字游戏。 * 6 流行病学数据分析的目的 n 估计有关统计学指标，如相对危险度； n 估计该统计学指标的可信区间； n 控制可能的混杂因素； n 分析剂量反应关系； n 分析可能的效应修饰因子； n 分析可能存在的偏倚。 * 7 三、流行病学数据中的变量分类 n 典型的流行病学研究中变量可根据其用 途分为五类： n 暴露变量：因，自变量，可以有多个 n 结局变量：果，因变量，是数据分析的 核心 n 混杂因素：需要控制 n 效应修饰因素：需要描述 n 其他变量： * 8 按统计学分类 n 定性：二分类和多分类（无序多分类） n 定量：在多数流行病学研究中被转化为分类变 量 n 半定量（分级，有序多分类） n 同一个研究中，因变量和自变量的关系应该是 固定的、不能互换。但在不同的研究中，一个 变量在这个研究中可能是果，在另一个研究中 也可能是因。例如，高血压可能是遗传的结果 ，血压也可能是心脑血管事件的原因。 * 9 四、流行病学数据分析的内容 n 描述研究对象的数量变动； n 变量分类和数据整理； n 描述和比较组间基线资料； n 估计结局事件发生频率； n 估计效应大小及其可信区间； n 识别和控制混杂； n 识别和测量效应修饰作用； n 识别和测量剂量反应关系； n 其他分析。 * 10 第二节 流行病学专题研究的数据分析 一、描述研究对象的数量变动 数据分析的第一步须对研究对象数量 随时间的变动进行描述，这是判断选择 偏倚是否存在及其大小的主要依据；对 选样、抽样和筛选都应交代原则和方法 ；对退出和失访都应记录数量和原因 。 * 11 * 12 二、流行病学变量的分类与数据转换 n 转换目的： 习惯、专业考量、模型限制 n 转换类型：定量转定性或分级，定性转 定量 n 转换常用原则：借鉴既往同类研究的分 级方法；按照通用的分级标准，如年龄 可按国际通用的婴儿、幼儿、青少年、 青年、中年、老年的年龄切点来分级； 把研究人群分成每组人数均等的 35组等 。 * 13 三、描述基线资料 n 基线资料就是有关研究对象代表性和混杂因素 的信息资料。 n 基线资料描述的基本目的：一是交待研究对象 的特征，提供其代表人群的信息，据此判断结 果的外推人群和外推性；二是评估暴露组和非 暴露组之间混杂因素的可比性，检查存在混杂 的可能性。 n 描述基线资料时，通常在总体描述基础上，对 暴露组和非暴露组还要分别进行描述。 * 14 四、结局事件发生的频率 n 一般要求用率表示，如发病率。发病率由三个因素决定： 观察时间、可能发病的总人数和实际发病人数。 n 一般情况下，发病率的分子是在一定时间内发病的总人数 。 n 分母则因研究设计不同而异。当发病率较低，且每个人的 观察时间长短基本一致，可用研究开始时该组人数作分母 计算发病率，叫做累积发病率（ cumulative incidence）。 当结局事件发生率较高（如晚期癌症治疗试验中的死亡） 或每个人的观察时间相差较大时，这时可用人时数（如人 年数， person-years）做分母计算发病率，称作人时发病 率（ person-time incidence rate或发病密度（ incidence density）， * 15 五、估计效应值 n 效应就是暴露或治疗对结局作用或影响的大 小，多用暴露组与非暴露组或治疗组与对照 组间发病率的差别来表达。 * 16 * 17 六、估计效应可信区间 n 由于随机误差，各效应指标的点估计不能代表 效应的真实值，可信区间（ Confidence Interval， CI）可用来表达由随机误差引起的 效应估计值的不确定性。实践中一般采用 95% 可信区间，可以将其理解为真实效应值有 95% 的可能在这个区间之内。若效应指标的点估计 值为 X，标准误为 SE，该效应指标的 95可信 区间： 95 CI X1.96SE，其中，（ X 1.96SE）为其下限，（ X 1.96SE）为其上限 。 * 18 七、识别和控制混杂 n 混杂是由于同一个研究里暴露对某疾病的作用 与其他病因的作用交织在一起导致暴露效应估 计上的误差。 n 混杂必须同时具备三个条件：其一，是疾病确 定的病因或危险因素；其二，不是暴露和疾病 间的中间因素；其三，可疑的混杂因素在暴露 组和非暴露组的分布不均衡。如性别可能就是 吸烟与肺癌关系中的一个混杂因素。 * 19 n 混杂的控制就是控制混杂的第三个条件 ，办法有： n 设计阶段有三种方法：限制、匹配和随 机分组； n 数据分析阶段也有三种方法：直接标化 法、分层分析和多元回归分析。 * 20 八、交互作用 n 交互作用不同于混杂。混杂是粗效应值估计时 的一种偏倚，需要控制和消除；交互作用是效 应大小随第三因素暴露强度或剂量变化而变化 的现象。 n 区别交互作用和混杂的方法是一致性检验。如 果层间差异无显著性（ P0.05），说明不存在 交互作用，这时可按混杂处理，可以用一个加 权平均效应值来表达，如果平均效应值与粗效 应值一致，说明无混杂。 * 21 交互作用模型及其相对性 决策应基于相加模型 * 22 九、识别和测量剂量反应关系 n 识别和测量剂量反应关系的分析方法主要有 分层分析和回归分析。 * 23 第三节 常规收集的 流行病学数据的分析 常规数据分析的特殊性有三点： n 第一，对研究问题的设定和对分析结果真实性 的评估； n 第二，由于没有预先设定研究问题，可研究的 问题取决于资料内容和性质； n 第三，设计框架不清楚或不完善，存在多种偏 倚，结果真实性较差或不确定。 n 本节将以医院的病人资料为例，说明常规数据 分析的目的、方法、步骤和注意事项。 * 24 一、常规数据的特征 （一）数据的时间框架和分类 n 时间框架指数据的时间特征，主要分为 随访数据（队列数据）和非随访数据（ 现况数据）。 n 现况数据主要探索病人现况、服务状况 和诊断准确性，偶尔用于初步探索病因 、疗效和不良反应。 队列数据可用于大 多数临床问题的探索 。 * 25 （二）变量的特征和分类 n 按照临床特征可将常规数据中的变量分为治 疗措施、诊断结果、病因 /危险因素、预后因 素、结局、服务相关因素（如药价、医疗保 险等）。 n 变量决定可能的研究问题 。例如，数据中无 治疗信息，则无法研究疗效和副作用；无诊 断结果，则无从研究诊断准确性。无结局信 息，则不能研究疗效、预后因素、危险因素 。 * 26 二、形成研究问题 n 根据数据的变量特征，可以初步形成可研究问题的范 围。 n 欲进行诊断准确性研究，数据库里必须有检查结果和 疾病诊断信息。 n 研究副作用，基线资料中必须有治疗信息，随访资料 中须有副作用的信息。 n 评估疗效，基线资料中须有治疗的信息，随访资料中 须有结局信息。 n 研究危险因素，基线资料中须有可疑病因的信息，随 访资料中须有有关疾病的信息。 n 对研究者最大的挑战不是如何进行分析，而是如何形 成研究问题？ * 27 三、常规数据 “研究设计 ”的缺陷 * 28 n 研究设计最重要的三个因素是时间、人群和变 量。 时间因素包括时点还是时间段，如何定义 起始时间、时间走向、变量间的时间关系；人 群因素包括人群特征，选择过程，及比较组的 形成；变量因素包括测量指标、何时测量、测 量的准确性。 n 通过比较常规数据收集的 “设计框架 ”和最佳研 究设计，可以发现常规数据的设计缺陷，判断 可能引起的偏倚。 在时间、人群和变量特征上 与最佳设计的差异，就是常规数据的缺陷所在 ， 也是偏倚可能出现的地方。 n 主要缺陷是非随机 ,失访或变量缺失。 * 29 四、估计相应的指标 n 根据研究目的以及最佳研究设计，就能够确定 需要估计的指标。 n 现况研究中，只需要估计有关变量的均数和百 分数； n 评估治疗效果时，主要估计治疗对结局作用的 大小； n 评估诊断的准确性，主要估计灵敏度和特异度 ； n 研究副作用，主要估计治疗对不良结局的作用 大小值。 * 30 常规数据分析的具体步骤 n 分析数据的时间框架和变量的特征； n 提出可探索的问题，确定最终研究的问题； n 与最佳研究设计比较，检查数据的 “研究设计 ” 缺陷； n 估计必要的指标及其可信区间与其它必要的分 析； n 分析数据中可能存在的其他偏倚，例如选择偏 倚、信息偏倚和混杂偏倚； n 综合设计缺陷、偏倚和结果，对研究问题做出 结论。 * 31 五、评估数据中的偏倚 分析常规数据时，针对偏倚需考虑以下问题： n 设计框架中，是否具有病因（或治疗）、结局和 混杂因素的信息，结局的测量是否发生在病因或 治疗发生后的一段时间内； n 是否存在选择偏倚：数据代表性及失访率等； n 是否存在信息偏倚； n 是否存在混杂偏倚：有关混杂因素的基线信息是 否完整。 * 32 （一）评估数据中的选择偏倚 n 很多数据的代表性很差或总体不明。 n 病人还经过了检验检查的选择。 n 最严重的选择偏倚是选择性随访和失访 。大多数病人缺乏结局资料可能是我国 医院常规数据中最大的问题之一。 * 33 （二）评估数据中的信息偏倚 n 数据的准确性和可靠性取决于医疗机构 水平的高低 ； n 另一个常见问题是数据质量不一致，原 因包括同一个医院不同时期使用的检查 仪器、试剂、方法和标准不同，检验员 的水平不同； n 随访时间不足也可能造成测量误差。 * 34 （三）评估数据中的混杂偏倚 n 由于利用常规资料的研究多属于探索性 研究，并不确定哪些因素是混杂因素； n 即使混杂因素已知，常规数据中常缺乏 混杂因素的信息，导致无法控制混杂因 素； n 即使收集了混杂因素的数据，可能信息 质量不好，致使混杂的控制不彻底。 * 35 六、常规资料的利用 n 诊断方法准确性的评估 n 急性病住院病人的转归和预后 n 围产期和新生儿问题的研究 n 急诊问题的研究 n 罕见疾病的病因和转归研究 n 疾病危险因素初探 n 药物毒副作用的研究 n 某类病人特征的观察 n 有关服务和用药的研究。 * 36 n 由于常规数据的局限性，其分析 目的主 要是发现新问题，提出新假设， 很少用 来验证和确定研究假设，不适用于已得 到广泛研究的、存在高质量证据的、基 本定论的问题。 * 37 提高使用效果的措施 n 利用部分常规数据，再依据研究问题收集少量新数据 ，可以扩展常规数据的研究用途，尤其在诊断准确性 研究、病因和副作用的病例对照研究、罕见病的转归 和预后研究领域。 n 扩大数据来源。例如，一个科室或医院的病人可能代 表性差、失访率高；如果汇总一个大城市所有医院的 数据，将会大大增加代表性，降低失访率；电子病历 使跨医院和地区临床数据的合并成为可能。 n 同时利用多个不同性质的常规数据。例如，死亡作为 观察结局时，可以同时利用一个地区或全国的死亡登 记资料。 * 38 n 针对研究的问题，尽可能对病人重要的、容易 准确测量的结局（如死亡、脑卒中）进