内分泌疾病病例对照研究的匹配策略与偏倚分析

内分泌疾病病例对照研究的匹配策略与偏倚分析演讲人2025-12-16CONTENTS内分泌疾病病例对照研究的匹配策略与偏倚分析引言：内分泌疾病病例对照研究的特殊性与匹配的核心价值内分泌疾病病例对照研究的设计逻辑与匹配的必要性内分泌疾病病例对照研究的匹配策略设计匹配策略下的偏倚类型与控制方法典型案例分析：匹配策略与偏倚控制实践目录01内分泌疾病病例对照研究的匹配策略与偏倚分析ONE02引言：内分泌疾病病例对照研究的特殊性与匹配的核心价值ONE引言：内分泌疾病病例对照研究的特殊性与匹配的核心价值在内分泌疾病的病因探索与危险因素识别领域，病例对照研究（Case-ControlStudy）因其高效、经济且适用于罕见病研究的特点，成为流行病学研究的经典设计。然而，内分泌疾病具有显著的异质性、多因素交互作用及长期暴露累积效应等特征——例如，2型糖尿病的发生涉及遗传易感性、胰岛素抵抗、生活方式及环境因素的复杂网络；甲状腺疾病的病因则可能涵盖碘营养状况、自身免疫机制、精神应激等多维度因素。这些特征使得病例对照研究中的混杂控制成为研究效度的核心挑战，而匹配（Matching）作为控制已知混杂的关键策略，其设计合理性直接关系到研究结果的可靠性。在我的临床流行病学实践与研究中，曾遇到这样一个案例：某团队探讨“环境内分泌干扰物与男性不育的关联”，初期因未充分考虑年龄（睾丸功能随年龄衰退）、BMI（肥胖影响精子生成）等关键混杂因素，导致病例组与对照组暴露水平差异被高估，引言：内分泌疾病病例对照研究的特殊性与匹配的核心价值后续通过重新匹配调整后，关联强度显著降低。这一经历深刻印证了：在内分泌疾病研究中，匹配不仅是技术手段，更是保证研究科学性的“基石”。本文将从内分泌疾病病例对照研究的设计逻辑出发，系统阐述匹配策略的制定原则、实施要点，并结合偏倚类型分析匹配在控制选择偏倚、信息偏倚及混杂偏倚中的核心作用与潜在风险，为研究者提供兼具理论深度与实践指导的参考框架。03内分泌疾病病例对照研究的设计逻辑与匹配的必要性ONE内分泌疾病病例对照研究的核心特征疾病类型的复杂性内分泌疾病可分为功能异常（如甲状腺功能亢进/减退、库欣综合征）与结构异常（如甲状腺结节、垂体腺瘤），也可分为单基因遗传（如多发性内分泌腺瘤病1型）与多因素疾病（如2型糖尿病）。不同类型的疾病在病例选择、暴露定义及混杂因素控制上存在显著差异。例如，单基因疾病的病例对照研究更侧重基因-环境交互作用，需匹配遗传背景；而多因素疾病则需重点控制生活方式、代谢状态等环境混杂因素。内分泌疾病病例对照研究的核心特征暴露因素的长期性与累积性多数内分泌疾病的危险因素具有长期暴露特征，如“高盐饮食与原发性高血压”“碘过量与自身免疫性甲状腺炎”。病例对照研究通过回顾性收集暴露信息，需解决“暴露时间窗口”“暴露剂量累积效应”等难题——若匹配时未考虑暴露的持续时间或关键暴露阶段（如妊娠期碘暴露对子代甲状腺发育的影响），可能导致暴露评估偏倚。内分泌疾病病例对照研究的核心特征混杂因素的广泛性与交互性内分泌系统的功能与全身代谢、神经-内分泌-免疫网络紧密相关，混杂因素往往呈多维度交互。例如，研究“维生素D缺乏与2型糖尿病的关联”，需同时控制年龄（维生素D代谢随年龄变化）、BMI（肥胖影响维生素D代谢）、季节（紫外线暴露影响维生素D合成）及运动量（运动促进维生素D活化）等多个因素，单一混杂因素的控制难以满足研究需求，匹配策略的系统设计至关重要。匹配在病例对照研究中的核心作用控制已知混杂，提高组间可比性匹配的本质是通过限制对照组的纳入条件，使其在已知混杂因素上与病例组保持一致，从而暴露因素的组间差异更能反映真实的病因关联。例如，在“绝经后女性骨质疏松与钙摄入量”的研究中，若病例组平均年龄为65岁、绝经年限15年，对照组若不匹配年龄与绝经年限，其钙摄入量与骨质疏松的关联可能被年龄或绝经状态所混淆。匹配在病例对照研究中的核心作用提高研究效率，增加统计把握度匹配可减少对照组中“非暴露者”的比例，使暴露组与对照组的样本量更均衡，从而在相同样本量下提高检验效能。例如，在“吸烟与甲状腺结节”的研究中，若吸烟人群在总体中占比仅20%，未匹配时可能需要更大样本量才能检测出关联；通过匹配吸烟状态（病例组与对照组吸烟比例1:1），可显著缩小样本需求。匹配在病例对照研究中的核心作用为多因素分析奠定基础匹配后的研究设计可通过分层分析、条件Logistic回归等统计方法，进一步控制匹配因素及未匹配混杂因素的影响，为复杂交互作用的解析提供数据支持。例如，在“遗传多态性与2型糖尿病”的研究中，匹配年龄、性别、BMI后，仍可通过回归模型调整饮食、运动等变量，实现“分层-调整”的双重控制。匹配策略的局限性：过度匹配与残余混杂的风险尽管匹配是控制混杂的有力工具，但其存在“双刃剑”效应：匹配不足（未控制关键混杂）会导致混杂偏倚，而过度匹配（匹配了与暴露或疾病无关的变量，或匹配了中间变量/病因链下游变量）则会掩盖真实关联，甚至引入新的偏倚。例如，在“阿司匹林与糖尿病心血管并发症”的研究中，若匹配“心血管病史”（可能是阿司匹林使用的适应证，也是并发症的危险因素），反而会低估阿司匹林的保护作用。因此，匹配策略的制定需基于对内分泌疾病病因链的深刻理解，在“充分控制”与“避免过度”间寻求平衡。04内分泌疾病病例对照研究的匹配策略设计ONE内分泌疾病病例对照研究的匹配策略设计匹配策略的设计需围绕“匹配目的、匹配类型、匹配变量、匹配比例”四大核心要素，结合内分泌疾病的具体特点进行个性化制定。以下将从各要素展开详细阐述。匹配目标的确立：基于病因链的混杂因素筛选必须匹配的关键变量内分泌疾病研究中，需优先匹配的变量包括：-人口学特征：年龄（几乎所有内分泌疾病的危险因素随年龄变化，如2型糖尿病患病率随年龄呈指数增长）、性别（甲状腺疾病女性患病率显著高于男性，性激素水平差异是重要混杂）、种族/民族（遗传背景及生活方式差异，如北美原住民2型糖尿病遗传易感性较高）。-疾病相关状态：疾病病程（如研究“糖尿病视网膜病变与血糖控制”，需匹配糖尿病病程，病程越长视网膜病变风险越高）、疾病严重程度（如“库欣综合征与骨密度”，需匹配皮质醇水平，直接影响骨代谢）、合并症（如“甲状腺功能异常与血脂异常”，需匹配肾功能，肾脏疾病本身影响脂代谢）。匹配目标的确立：基于病因链的混杂因素筛选必须匹配的关键变量-环境暴露基线：研究地区（碘营养状况差异导致甲状腺疾病谱不同，如碘缺乏地区与碘充足地区的甲状腺结节病因构成不同）、研究时间季节（维生素D水平受季节影响，季节匹配可避免紫外线暴露差异导致的偏倚）。匹配目标的确立：基于病因链的混杂因素筛选不应匹配的变量-暴露变量本身：若研究“碘盐食用量与甲状腺功能亢进”，碘盐食用量是暴露变量，若匹配此变量，将导致病例组与对照组暴露无差异，直接关联无法检测。-中间变量或下游变量：例如，在“肥胖与2型糖尿病”的研究中，胰岛素抵抗是肥胖导致糖尿病的中间环节，若匹配胰岛素抵抗水平，会掩盖肥胖的真实效应；同样，“糖化血红蛋白”是糖尿病的直接标志物，若匹配此变量，则无法分析血糖控制与并发症的关联。-与暴露或疾病无关的变量：如“血型”与多数内分泌疾病无明确关联，匹配此类变量会浪费样本量，降低研究效率。匹配目标的确立：基于病因链的混杂因素筛选可选择性匹配的变量部分变量需结合研究目的与疾病特点判断是否匹配。例如：-生活方式因素：吸烟、饮酒、运动量等，若研究假设中将其作为核心暴露，则不应匹配；若仅作为潜在混杂，则可匹配。如“咖啡因摄入与骨质疏松”，若咖啡因是主要暴露，则不匹配；若同时研究“钙摄入与骨质疏松”，则咖啡因可能作为混杂因素需匹配。-家族史：对于有明确家族聚集性的内分泌疾病（如1型糖尿病、多囊卵巢综合征），家族史既是危险因素也可能与暴露相关（如家族性高脂血症患者更可能接受低脂饮食），需根据研究目的判断匹配与否——若探索环境因素，可匹配家族史以控制遗传混杂；若研究基因-环境交互，则不匹配。匹配类型的选择：个体匹配与频数匹配的适用场景个体匹配（IndividualMatching）指为每个病例匹配1个或多个在特定变量上完全相同的对照，适用于样本量较小、混杂因素较少或需精确控制关键变量的研究。-1:1匹配：是最简单的设计，病例与对照一一对应，统计效率高，但若病例组某变量分布离散（如年龄跨度大），可能难以找到完全匹配的对照。例如，在“儿童性早熟与环境内分泌干扰物”的研究中，因儿童病例数量有限，可采用1:1匹配，匹配年龄（±6个月）、性别、居住区域（相同社区）。-1:M匹配：指1个病例匹配M个对照（M通常≤4），可提高对照的利用效率，尤其适用于病例稀少的研究。例如，在“嗜铬细胞瘤与遗传突变”的研究中，病例可能仅数十例，可采用1:4匹配，匹配年龄、性别、BMI，增加统计把握度。但需注意，M值并非越大越好，当M>4时，统计效能提升幅度有限，且匹配难度增加。匹配类型的选择：个体匹配与频数匹配的适用场景频数匹配（FrequencyMatching）又称成组匹配，要求对照组中各匹配变量的分布比例与病例组一致，而非个体完全相同。适用于样本量较大、变量为连续型或分类变量较复杂的研究。例如，在“2型糖尿病与空气污染暴露”的研究中，年龄为连续变量，若采用个体匹配需精确到岁，可能导致对照选择困难；改为频数匹配，按病例组年龄分布（如40-岁、50-岁、60-岁各占30%、50%、20%）设置对照组相应比例，可更高效实现组间可比性。匹配类型的选择：个体匹配与频数匹配的适用场景匹配类型的选择原则-变量类型：分类变量（如性别、吸烟状态）适合个体匹配；连续变量（如年龄、BMI）或分类变量层级较多时，频数匹配更灵活。-样本量：小样本研究优先个体匹配，保证组间一致性；大样本研究可频数匹配，提高效率。-疾病特征：罕见病或病例获取困难时，可采用1:M匹配；常见病则可根据研究目的灵活选择。匹配比例的确定：效率与可及性的平衡匹配比例（病例:对照）是匹配策略中的关键参数，需综合考虑统计效率、对照可及性及混杂控制需求。匹配比例的确定：效率与可及性的平衡匹配比例对统计效率的影响理论上，匹配比例越高，统计把握度越大，但当比例超过1:4时，效率提升趋于平缓。例如，在暴露率为20%的研究中，1:1匹配的效率为1，1:2为1.33，1:3为1.5，1:4为1.6，而1:5仅为1.67——增加对照数量带来的效率提升有限，却可能因对照选择困难导致匹配失败率上升。匹配比例的确定：效率与可及性的平衡对照可及性的现实考量在内分泌疾病研究中，对照的选择需满足“同源”原则（与病例来自同一源人群，如同一医院、同一社区）。若病例来自某三甲医院内分泌科，对照需来自同一医院的非内分泌科患者（如骨科、眼科），但需排除与内分泌疾病相关的疾病（如肥胖、代谢综合征）。若病例组样本量较小（如50例），1:4匹配需200例对照，在现实中可能难以获取；此时需降低匹配比例（如1:2）或扩大对照来源（如社区人群），但需注意对照来源可能引入选择偏倚。匹配比例的确定：效率与可及性的平衡混杂控制需求下的比例调整对于混杂因素较多的内分泌疾病，可适当提高匹配比例以增强控制效果。例如，在“多囊卵巢综合征（PCOS）与胰岛素抵抗”的研究中，需匹配年龄、BMI、月经情况等多个因素，1:1匹配可能难以找到完全匹配的对照，可采用1:2或1:3匹配，通过增加对照数量提高匹配成功率。匹配实施中的质量控制匹配变量的标准化定义匹配变量需有明确、可操作的定义，避免因测量标准不一致导致匹配失败。例如，BMI匹配需统一“体重/身高²”的计算公式，肥胖标准（WHO标准：BMI≥30kg/m²）需提前明确；疾病病程匹配需明确“从首次确诊至研究入组的时间”，而非“症状出现时间”。2.避免“选择性匹配”（SelectiveMatching）选择性匹配指在选择对照时，除匹配变量外，还额外考虑暴露状态，导致对照在暴露分布上与病例存在系统性差异。例如，在“吸烟与甲状腺癌”的研究中，若研究者因主观假设“吸烟增加甲状腺癌风险”，在选择对照时倾向于选择非吸烟者，将导致高估吸烟与甲状腺癌的关联。避免选择性匹配的关键是：对照选择应基于匹配变量，且不知晓暴露状态（盲法选择）。匹配实施中的质量控制匹配后的平衡性检验匹配完成后，需通过统计检验验证匹配变量的组间均衡性。分类变量采用卡方检验或Fisher确切概率法，连续变量采用t检验或Wilcoxon秩和检验，要求匹配变量在病例组与对照组的分布无统计学差异（P>0.05）。若某变量未达到均衡，需重新调整匹配策略（如扩大匹配范围、增加匹配比例）。例如，在“维生素D缺乏与妊娠期糖尿病”的研究中，匹配年龄±2岁后，若BMI分布仍不均衡（P=0.03），需将BMI纳入匹配变量或调整匹配范围（如年龄±1岁，BMI±1kg/m²）。05匹配策略下的偏倚类型与控制方法ONE匹配策略下的偏倚类型与控制方法尽管匹配能有效控制已知混杂，但病例对照研究仍存在多种偏倚，需结合内分泌疾病特点分析其来源及控制路径。以下从选择偏倚、信息偏倚、混杂偏倚三大类型展开，重点探讨匹配策略在其中的作用与局限。选择偏倚：病例与对照的代表性偏差选择偏倚的来源与内分泌疾病特点选择偏倚指由于研究对象的选取方式不当，导致样本不能代表目标人群，从而使研究结果偏离真实值。在内分泌疾病病例对照研究中，常见的选择偏倚包括：-入院率偏倚（Berkson'sBias）：当病例与对照均来自医院时，入院率与疾病及暴露相关，导致样本偏离源人群。例如，研究“肥胖与2型糖尿病”时，若病例组为住院糖尿病患者（病情较重），对照组为住院非糖尿病患者（如骨折患者），可能因住院患者中肥胖比例较高（肥胖患者更易因多种疾病入院），高估肥胖与糖尿病的关联。-时间效应偏倚（TimeEffectsBias）：疾病的进展速度影响病例的入选，而暴露状态也可能随时间变化。例如，在“甲状腺癌与放射暴露”的研究中，若病例组仅纳入进展迅速的未分化甲状腺癌（可能因症状明显更早入院），而对照组纳入进展缓慢的乳头状癌（放射暴露史可能更长），会低估放射暴露的危险度。选择偏倚：病例与对照的代表性偏差选择偏倚的来源与内分泌疾病特点-现患-新发病例偏倚（Prevalence-IncidenceBias）：若纳入现患病例（已患病一段时间），可能因暴露状态改变（如糖尿病患者确诊后控制饮食、增加运动）或存活偏差（病情轻、存活长的病例更易入选），导致暴露与疾病的关联被低估。选择偏倚：病例与对照的代表性偏差匹配策略对选择偏倚的控制作用与局限-控制作用：匹配可通过限制对照来源（如与病例来自同一医院、同一社区），减少入院率偏倚；通过匹配时间相关变量（如研究时间、季节），减少时间效应偏倚。例如，在“碘缺乏与地方性甲状腺肿”的研究中，若病例组来自碘缺乏地区的社区人群，对照组匹配同一社区、相同年龄段的非甲状腺肿居民，可减少因医疗资源差异导致的选择偏倚。-局限性：匹配无法解决“现患-新发病例偏倚”，因现患病例的暴露状态可能已发生改变（如糖尿病患者生活方式的改变），此时需优先纳入新发病例（确诊时间短，暴露状态改变小）。此外，过度匹配可能掩盖选择偏倚——例如，若匹配“医疗保健利用水平”（可能与入院率相关），反而会忽略医疗保健作为混杂因素的真实效应。选择偏倚：病例与对照的代表性偏差选择偏倚的补充控制方法-严格定义病例与对照：明确病例的纳入标准（如新发病例、病理确诊），排除继发性内分泌疾病（如库欣综合征需排除医源性因素）；对照需排除内分泌疾病及与内分泌相关的疾病（如肥胖、代谢综合征）。-多源对照设计：同时采用医院对照与社区对照，若结果一致，可减少入院率偏倚；若不一致，需分析来源差异。-敏感性分析：通过改变病例或对照的纳入标准（如排除入院前已暴露状态改变的病例），评估结果稳定性。信息偏倚：暴露与结局测量的误差信息偏倚的来源与内分泌疾病特点信息偏倚指在收集暴露或结局信息时，由于测量方法、回忆准确性或主观判断差异导致的系统误差。在内分泌疾病研究中，常见的信息偏倚包括：-回忆偏倚（RecallBias）：病例因患病更易回忆暴露史，而对照回忆准确性较低。例如，研究“妊娠期糖尿病与孕期高糖饮食”时，病例组可能因确诊后更关注饮食史而高报高糖摄入量，导致关联高估。-调查者偏倚（InterviewerBias）：研究者若知晓分组情况（病例/对照），可能在询问暴露问题时存在倾向性（如对病例更详细询问暴露因素）。例如，在“精神应激与甲状腺功能异常”的研究中，若研究者暗示“压力大可能导致甲状腺问题”，病例组可能更倾向于报告近期应激事件。信息偏倚：暴露与结局测量的误差信息偏倚的来源与内分泌疾病特点-测量偏倚（MeasurementBias）：暴露或结局的测量方法不准确。例如，研究“维生素D缺乏与骨质疏松”时，若采用不同实验室检测维生素D水平（病例组用高精度检测，对照组用常规检测），会导致暴露分类误差；骨密度测量若未校正身高体重，可能影响骨质疏松的诊断准确性。信息偏倚：暴露与结局测量的误差匹配策略对信息偏倚的控制作用与局限-控制作用：匹配可减少因变量分布不均衡导致的测量误差——例如，匹配年龄后，老年病例与对照的认知功能差异较小，回忆偏倚降低；匹配教育水平后，问卷填写准确性提高。-局限性：匹配无法直接解决回忆偏倚或调查者偏倚，因这些偏倚源于信息收集过程，而非组间可比性。例如，即使匹配了年龄、性别，病例组仍可能因患病而更详细回忆暴露史。信息偏倚：暴露与结局测量的误差信息偏倚的补充控制方法-盲法设计：信息收集者（调查员、实验室人员）不知晓分组情况，避免主观倾向；若条件允许，研究对象（病例与对照）也不知晓研究假设，减少回忆偏倚。-客观指标测量：尽可能采用生物样本、医疗记录等客观指标替代问卷回忆。例如，研究“吸烟与糖尿病”时，检测血清可替宁（尼古林代谢产物）而非仅依赖问卷吸烟史；研究“碘营养与甲状腺疾病”时，检测尿碘水平而非仅询问饮食碘摄入。-标准化测量流程：统一问卷语言、培训调查员、采用相同仪器设备检测暴露与结局，确保测量一致性。例如，在“多囊卵巢综合征与高雄激素血症”的研究中，需统一睾酮检测方法（如质谱法）及高雄激素血症诊断标准（如ESHRE/ASRM标准）。混杂偏倚：未控制或未充分控制的混杂因素混杂偏倚的定义与内分泌疾病中的复杂性混杂偏倚指既与暴露相关，又与疾病独立相关的变量，其存在会掩盖或夸大暴露与疾病的真实关联。在内分泌疾病研究中，混杂因素往往呈“多维度、交互性”特征，例如：01-2型糖尿病的混杂因素：年龄（与胰岛素抵抗相关）、BMI（与胰岛素抵抗及饮食相关）、家族史（与遗传易感性相关）、运动量（与胰岛素敏感性相关）——这些因素既可能影响糖尿病风险，也可能与暴露（如高糖饮食、维生素D缺乏）相关。02-甲状腺结节的混杂因素：碘营养（与碘缺乏/过量均相关）、辐射暴露（与甲状腺细胞增殖相关）、自身免疫背景（如桥本甲状腺炎与结节及碘代谢均相关）——若未控制这些因素，暴露（如硒摄入）与结节的关联可能被混杂。03混杂偏倚：未控制或未充分控制的混杂因素匹配策略对混杂偏倚的控制效果与残余混杂问题-控制效果：匹配可有效控制已知、可测量的混杂因素，如年龄、性别、BMI等。例如，在“维生素D缺乏与2型糖尿病”的研究中，匹配年龄、性别、BMI后，维生素D水平与糖尿病的关联度（OR值）从1.80（未匹配）降至1.45（匹配），提示BMI是重要混杂因素。-残余混杂（ResidualConfounding）：匹配无法解决“未测量混杂”或“测量不准确的混杂”。例如，研究“空气污染与哮喘”时，若未匹配“遗传易感性”（因检测成本高或尚未明确），即使匹配了年龄、性别、BMI，遗传因素仍可能导致残余混杂；又如，“体力活动”作为混杂因素，若仅通过问卷评估（误差较大），即使匹配了问卷结果，实际活动量的差异仍可能引入残余混杂。混杂偏倚：未控制或未充分控制的混杂因素残余混杂的识别与控制方法-敏感性分析：通过改变混杂因素的效应估计（如假设未测量混杂因素的OR值从1.0增加到1.5），评估结果是否稳健。例如，在“空气污染与糖尿病”的研究中，若假设未匹配的“遗传易感性”OR=1.2，结果仍显示空气污染与糖尿病相关（P<0.05），则可认为结果对残余混杂不敏感。-工具变量法（InstrumentalVariable,IV）：当存在未测量混杂时，寻找与暴露相关、与疾病无关的工具变量，通过两阶段最小二乘法控制混杂。例如，研究“BMI与糖尿病”时，“基因多态性”（如FTO基因rs9939609）可作为工具变量，因其影响BMI但不直接影响糖尿病（除BMI外）。混杂偏倚：未控制或未充分控制的混杂因素残余混杂的识别与控制方法-孟德尔随机化（MendelianRandomization,MR）：利用遗传变异作为工具变量，评估暴露与疾病的因果关联，减少环境混杂的影响。例如，在“维生素D水平与骨质疏松”的研究中，采用与维生素D合成相关的基因（如DHCR7rs12785878）作为工具变量，可避免生活方式等混杂因素的干扰。06典型案例分析：匹配策略与偏倚控制实践ONE典型案例分析：匹配策略与偏倚控制实践为更直观展示匹配策略与偏倚控制在内分泌疾病病例对照研究中的应用，以下结合笔者参与的一项“维生素D缺乏与妊娠期糖尿病（GDM）发病风险的病例对照研究”案例，进行系统阐述。研究背景与设计妊娠期糖尿病是常见的妊娠期并发症，全球患病率约15%，与母婴近远期并发症（如巨大儿、2型糖尿病、心血管疾病）密切相关。既往研究提示维生素D缺乏可能通过影响胰岛素敏感性参与GDM发生，但结果尚不一致，可能与混杂控制不充分有关。本研究采用1:2个体匹配的病例对照设计，探讨维生素D缺乏（血清25(OH)D<20ng/mL）与GDM的关联，重点控制年龄、孕前BMI、孕周、季节等混杂因素。匹配策略的实施1.病例组纳入标准：-单胎妊娠，孕24-28周行75g口服葡萄糖耐量试验（OGTT）确诊GDM（依据IADG标准：空腹血糖≥5.1mmol/L，1h≥10.0mmol/L，2h≥8.5mmol/L）；-排除孕前糖尿病、甲状腺疾病、多囊卵巢综合征、慢性肝肾疾病、长期服用糖皮质激素或维生素D制剂者。2.对照组选择与匹配：-对照组为同期在本院产检并OGTT正常（各时点血糖低于GDM诊断标准）的单胎孕妇；匹配策略的实施-采用1:2个体匹配，匹配变量包括：年龄（±2岁）、孕前BMI（±1kg/m²）、孕周（±1周）、采血季节（同一季节：如病例组冬季采血60%，则对照组冬季采血60%）。匹配流程：每纳入1例GDM病例，在电子病历系统中按匹配条件筛选2例对照，优先选择与病例同一天产检的对照，以减少时间差异。3.匹配后平衡性检验：匹配后，病例组与对照组在年龄（31.2±4.1岁vs31.0±4.3岁，P=0.62）、孕前BMI（23.5±3.2kg/m²vs23.4±3.0kg/m²，P=0.75）、孕周（26.1±1.2周vs26.0±1.3周，P=0.68）及季节分布（冬季58%vs60%，P=0.82）上均无统计学差异，表明匹配成功。偏倚控制措施1.选择偏倚控制：-病例与对照均来自同一医院（三级产科专科医院），覆盖不同地域（本市及周边地区），减少地域选择偏倚；-排除孕前糖尿病及内分泌疾病患者，避免现患病例偏倚；-采用“新发病例”（孕期首次确诊GDM），避免暴露状态改变导致的偏倚。2.信息偏倚控制：-盲法设计：实验室人员不知晓分组情况，采用统一方法（化学发光法）检测血清25(OH)D，批间变异系数<5%；-客观指标暴露评估：维生素D水平基于血清检测，而非问卷回忆；-问卷标准化：采用结构化问卷收集人口学特征、生