(70)-23信息偏倚流行病学

1信息偏倚观察偏倚（observationalbias），指在研究实施过程中，获取研究所需信息时产生的系统误差。错误分类（misclassification）无差异错误分类（non-differentialmisclassification）有差异错误分类（differentialmisclassification）信息偏倚3无差异性错误分类和差异性错误分类示例信息偏倚一、信息偏倚的种类（一）回忆偏倚（recallbias）指研究对象在回忆以往研究因素的暴露情况等信息时，由于准确性或完整性上的差异而导致的系统误差。信息偏倚

关节炎病例（%）对照（%）OR

A一般人群对照双亲均无3(15.8)111(55.2)1.0双亲之一有10(52.6)74(36.8)5.0双亲均有6(31.6)16(8.0)13.9合计19201B同胞对照双亲均无11(27.5)20(50.0)1.0双亲之一有23(57.5)17(42.5)2.5双亲均有6(15.0)3(7.5)3.6合计4040表1类风湿关节炎家族史调查、分析结果（二）报告偏倚（reportingbias）

在研究信息收集时，由于某些原因，研究对象有意夸大或缩小某些信息而导致的系统误差。信息偏倚（三）暴露怀疑偏倚（exposuresuspicionbias）信息偏倚

研究者若事先了解研究对象的患病情况或某结局，可能会对其采取与对照组不可比的方法探寻认为与某病或某结局有关的因素，由此而导致的系统误差称为暴露怀疑偏倚。（四）诊断怀疑偏倚（diagnosticsuspicionbias）

研究者若事先了解研究对象研究因素的暴露情况，在主观上倾向于应该或不应该出现某种结局，在作诊断或分析时，有意无意地倾向于自己的判断，由此而导致的系统误差称为诊断怀疑偏倚。信息偏倚（五）测量偏倚（detectionbias）

研究者对研究所需数据进行测量时所产生的系统误差。

如所使用的仪器、试剂、方法、条件的不标准、不统一，或研究指标设定不合理。

信息偏倚二、信息偏倚的测量（一）重测一致性

测量与评价信息偏倚的常用方法是对调查获得的信息予以重复调查（测量），根据调查与重复调查数据计算Kappa(κ)值，来评价重测的一致性（consistency），以作为研究结果内部真实性评价的依据。信息偏倚信息偏倚

表2是否曾患雀斑信息的两次调查结果第二次调查是否合计例数(%)例数(%)例数(%)第一次调查是25525280(0.43)否28338366(0.57)合计283(0.44)363(0.56)646(1.00)

（Westerdahletal，1996）κ值计算如下：观察一致率机遇一致率κ

κ值判断一致性强度的标准，一般认为：>0.8，很好；0.6~0.8，较好；

0.4~0.6，中度；<0.4，较差。信息偏倚

（二）偏倚程度与方向

信息偏倚若得值=0，则不存在信息偏倚；若得值>0，则ORO>ORT，为正偏倚；若得值<0，则ORO<ORT，为负偏倚。暴露信息比较表3病例组与对照组两种暴露测量方式所得

用药登记

病例组对照组

+-合计+-合计

自我陈述+18220

12214-6164

1702149

151合计24

16619014

151165

（Boudreauetal，2004）

病例组：灵敏度=18/24=0.75;

特异度=164/166=0.99

对照组：灵敏度=12/14=0.86;

特异度=149/151=0.99

OR0=20×151/(170×14)=1.27

ORT=24×151/(166×14)=1.56信息偏倚

信息偏倚=(1.27-1.56)/1.56=-0.19

得值≠0，存在有差异错误分类信息偏倚。根据自我陈述调查资料计算的OR值低估了他汀类药物暴露与乳腺癌之间的关系，程度为19%。信息偏倚

严格信息标准盲法收集信息采用客观指标调查技术的应用统计学处理信息偏倚三、信息偏倚的控制统计学处理根据信息重测κ值校正校正公式如下：ORT=(κ+ORO-1)/κ；根据前面资料已经获得κ值为0.833，计算所得OR（ORo）为1.51（Elwood,2007）;则，ORT=(0.833+1.51-1)/0.833=1.61。信息偏倚

根据信息获取灵敏度、特异度校正

表4调查数据与根据不同暴露测量灵敏度、特异度校正的OR值

病例组对照组ORA.调查数据暴露2001002.67非暴露300400合计500500

B.校正数据（有差异错误分类）暴露2091322.00非暴露291368合计500500灵敏度0.860.70特异度0.930.98（ElwoodJM，2007）校正方法如下：

研究对象实际暴露例数=[暴露观测值-(1-特异度)×合计数]/(灵敏度+特异度-1)

研究对象实际非暴露例数=合计数–实际暴露例数

信息偏倚信息偏倚