流行病学研究中的偏倚ppt课件

学习要点 1.偏倚、误差的概念 2.偏倚的种类 3.常见偏倚产生的原因 4.常见偏倚的控制 样 本 总 体 人 群 外 推 随机抽取 真 实 性推论的可靠程度 影响真实性的因素 观测值 真实值 误差 + 随机误差 （机遇) 系统误差 + (偏倚) 图2 膳食与药物预防心机梗死的样本变异性示例 一般而言，研究样本越大，效应估计值的一般而言，研究样本越大，效应估计值的 抽样误差越小（抽样误差越小（95%95%可信限越小），此为可信限越小），此为 随机误差；系统误差与样本含量无关。随机误差；系统误差与样本含量无关。 l图2，研究A和研究B中膳食改良组五年内发生 心梗死的风险为9%，降胆固醇药物组为6% lA样本较小（200人），两组效应指标（心肌 梗死风险）的95%可信限较大，从而发生重叠 ，统计检验无显著性差异 l研究B样本较大（2000人），两组效应指标的 95%可信限较小，从而未发生重叠，统计检验 有显著性差异 l一般而言，研究样本越大，效应估计值的抽样 误差越小（95%可信限越小），统计检验能发 现的两组间效应差值越小 Bias (600-540BC) Bias是古希腊时代七贤人之一 Lydia的国王克利萨斯向Bias咨询建造、 部署战舰防御爱奥尼亚人的最好方法 Bias为了避免战争、流血，骗克利萨斯国 王说，爱奥尼亚人正在买马准备陆地战 后来，Bias向克利萨斯国王承认，他说了 谎，爱奥尼亚人实际上也在建造战舰 克利萨斯国王对Bias的本意表示赞许，与 爱奥尼亚人讲和 后人将“背离事实”称为bias (Hunter D. Father of all bias? BMJ 2002;324:1071) 常见偏倚 选择偏倚 (selection bias) 信息偏倚 (information bias) 混杂偏倚 (confounding bias) 选择偏倚 (Selection Bias) 不同类型 (就研究的暴露、结局特征 而言) 的个体入选研究的概率不同。 排除或过分代表某一类型个体。 无偏抽样 选择偏倚（吸烟与肺气肿） 肺气肿、继续 吸烟的人生存 期短 常见的选择偏倚 入院率偏倚 (admission rate) / Berkson偏倚 现患病例新发病例偏倚 (prevalence-incidence bias) /奈曼 （ Neyman）偏倚 无应答偏倚（non-response bias)和 志愿者偏倚（volunteer bias) 入院率偏倚 (admission rate) / Berkson偏倚 入院病人 解决办法：不同类型 的多家医院 病例组与对照组( 其他疾病的患者) 入院率不同 入选的与不入选的 暴露率不同 现患新发病例偏倚 (prevalence-incidence bias) / Neyman偏倚 入选的为现患或存活病例 不包括死亡病例、病程短 的病例 解决办法：新发病例 志愿者偏倚 内华达州烟雾型原子试爆试验：核弹试验观察员 中白血病的发病率 最终联系到76%的现场观察员参加本次调查，了 解这些人中白血病的发生情况 82%是调查员主 动联系他们的 18%是自己主动 联系调查员的 这些人中白血病的发 病率是那些由调查员 找到的人的4.4倍 暴露者较不暴露者更易因某 些症状较早较频就医检查， 提高了早期病例检出率 如果入选者中早期病例较多 的话，则暴露比例必然被虚 假的 解决办法：早、中、 晚期病例 检出征候偏倚 (detection signal bias) / 暴露偏倚 (unmasking bias) 选 择 偏 倚 l无应答偏倚：调查对象不合作或因种种原因不 能或不愿意参加，从而降低了应答率，以后亦 未补查。如应答率低于70就较难以调查结果 来估计整个研究人群的现况。 l失访偏倚 应控制在5%以下，若超过10%，作出结论 应慎重。 如果暴露组与未暴露组的失访率相似，失访者与未 失访者的结局发生率也相似，则失访将不会产生偏 倚。比较现实可行的方法是把失访者与未失访者的 基线资料中的一些特征加以比较，如差别不大，则 可假定结局发生率的差别可能也不大。否则，对选 择偏倚可能产生的影响应有充分估计。 选择偏倚的控制 l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。 l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。 l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。 l尽量采用多种对照。 常见偏倚 选择偏倚 (selection bias) 信息偏倚 (information bias) 混杂偏倚 (confounding bias) 信息偏倚 (Information Bias) l又称分类偏倚、观察偏倚。是在收集信息过程中 由于测量暴露与结局的方法(工具)有缺陷，使采 集到的信息不准确(即不完全真实)，从而引起偏 倚。 l常见偏倚 回忆偏倚 (recall bias)：病例对照研究 报告偏倚（reporting bias) 调查者偏倚（interviewer bias） 调查工具、手段等引起的偏倚 l错分是测量不准确导致的最直接的结果。 暴露的非差异性错分 解决办法：客观的指 征、明确的定义 暴露：酗酒 调查方式：询问 暴露的非差异性错分 暴露：被动吸烟 调查方式：询问 解决办法：客观的指 征、明确的定义 暴露的非差异性错分 解决办法：客观的指 征、明确的定义 暴露的差异性错分 暴露：皮肤晒黑能力 疾病：黑素瘤 调查方式：询问 暴露的差异性错分 暴露：母亲孕期暴露 疾病：新生儿先天畸形 调查方式：询问 病例比对照会报告更多的不实的暴露 对照较病例会漏掉更多的暴露 信息偏倚的控制 l校准测量工具 l统一资料收集方法和人群分类标准 l采用盲法收集资料 l收集客观资料 l广泛收集资料 l严格的设计和保证研究人员的科学态度 常见偏倚 选择偏倚 (selection bias) 信息偏倚 (information bias) 混杂偏倚 (confounding bias) 混杂偏倚(confounding bias) 当研究某一因素和疾病的关系时，由于某个当研究某一因素和疾病的关系时，由于某个 与研究的因素和研究的疾病与研究的因素和研究的疾病均有关均有关的因素的影响的因素的影响 ，掩盖或夸大了所研究的暴露因素与疾病的联系，掩盖或夸大了所研究的暴露因素与疾病的联系 ，这种现象称为混杂，该因素称混杂因素，其带，这种现象称为混杂，该因素称混杂因素，其带 来的偏倚即混杂偏倚。来的偏倚即混杂偏倚。 参见参见P P119119 吸烟、火柴与肺癌 烟草公司的研究者坚持认为火柴暴 露可以引起肺癌 他们开展了一项大型的病例对照研 究来检验这个假说 研究者通过人群登记系统找到了1000名肺 癌病例，其中820人曾携带过火柴 从人群中随机抽取了1000名对照，经X线确 认未患肺癌，其中340人曾携带过火柴 根据这批数据，定量估计火柴与肺癌之间的 关联 吸烟、火柴与肺癌 火柴与肺癌 想分别了解一下吸烟者与不吸烟者中火柴与 肺癌的关系 结果发现在1000名病例中，900名为吸烟者 ，其中810名曾携带火柴 在1000名对照中，300名为吸烟者，其中270 名曾携带火柴 分层绘制22表，计算火柴与肺癌的关联效应 值 吸烟、火柴与肺癌 OR粗 = 8.8 (7.2, 10.9) OR吸烟者 = 1.0 (0.6, 1.5) OR不吸烟者 = 1.0 (0.5, 2.0) 吸烟、火柴与肺癌 这个例子说明：即使本来没有任何效应，混杂 也可以引起明显的效应 在火柴与肺癌的关系中，吸烟就是一个混杂因 素(confounding factor, confounder) 吸烟混淆了火柴与肺癌之间的真实关系 问题：火柴对于吸烟与肺癌的关系是不是一个 混杂因素 混杂：吸烟、火柴与肺癌 OR粗 = 21.0 (16.4, 26.9) OR携带火柴 = 21.0 (10.7, 41.3) OR不携带火柴 = 21.0 (13.1, 33.6) 吸烟、火柴与肺癌 吸烟 不是混杂 因素 火柴 肺癌 夜灯 女孩Sonia，旁边是盏夜灯。夜里开着这盏夜灯很方 便，父母可以随时从门口查看屋里的情况。 夜灯与近视 (Quinn et al. Nature 1999) 现患比 = 2岁以前周围环境的夜灯儿童近视的发生 于是，父母关掉了Sonia房中的夜灯，开始 每天在屋子里抹黑蹒跚 后来，还是在Nature上，又发表了2篇文章， 说夜灯与近视的发生没有关联 (Zadnik et al. and Gwiazda et al. Nature, 2000) 夜灯与近视 父母的担心没有了，于是又把夜灯打开了，皆大欢喜 什么样的因素是混杂因素? 与暴露相关 混杂因素要么是所研究的暴露因素的“因”，要么是“果”，要么为 简单“相关”，而非因果关系 混杂因素与所研究的暴露因素间的关联必须独立于其与所研究的 疾病间的关联，即，混杂因素与研究的暴露因素间的关联必须可 见于无病个体中 与疾病相关 不一定是疾病的“病因”，可以只是真正病因的一个标志指标 混杂因素与所研究的疾病间的关联必须独立于其与所研究的暴露 因素间的关联，即，混杂因素与所研究的疾病间的关联必须可见 于无暴露个体中 如果为所研究疾病的结果，不管其与所研究暴露因素的关系，该 变量都不是混杂因素 研究因素与疾病因果链中的中间变量 只与可疑暴露有关而与疾病无关的因素 什么样的因素不是混杂因素? C 混杂因素 E 暴露因素 D 疾病 与暴露相关 与暴露相关 与疾病相关 与疾病相关 病因链上的中间变量 控制混杂的方法 研究设计阶段 随机化 限制 匹配 资料分析阶段 分层分析 多因素分析 标准化 随机化 目标人群 患病人群 未患病人群 某些某些 特征特征 5/10 2/10 3/10 病例与对照匹配 频数匹配 (frequency matching) 病例与对照匹配 1:1个体匹配 (individual matching) 某些某些 特征特征 配对 (pair matching) 目标人群 患病人群 未患病人群 病例与对照匹配 1:R个体匹配 (individual matching) 目标人群 患病人群 未患病人群 某些某些 特征特征 1:2, 1:3 1:R 下 章 案 例 l2002年11月在中国广东省部分地区陆续出 现一些不明原因肺炎病例，最初称为传染 性非典型肺炎。2003年1月起疫情加速扩散 ，2月已呈全球流行态势。3月15日，世界 卫生组织（WHO）将其名称公布为严重急性 呼吸道综合症（severe acute respiratory syndrome,缩写为SARS）。4 月16日，WHO宣布SARS是由一种新的冠状病 毒感染所引起。 下 章 案 例 lSARS发病主要集中在2003年3月至5月，6 月疫情逐渐平息。截止到当年8月7日，全 球累计报告SARS病例8422例，死亡916例 ，病例分布于各大洲的32个国家和地区。 中国内地总发病数达5327例，死亡349例， 病例分布于24个省市。其中北京、广东分 别发生2521例和1512例，占全国总病例数 的75.7。病例以青壮年为主，20-29岁病 例占30，20-60岁占85。病例具有明显 职业特点，医务人员所占比例高达20。 发病无明显性别差异。 问题 l应该如何描述SARS的流行强度？ l什么是SARS的传