常见偏倚及其控制课件

常見偏倚及其控制

2

偏倚是誤差的一種。誤差是由於各種因素的影響導致測量結果與事物的真實情況之間的差異。誤差的存在，影響了研究結果的真實性，有時還可能導致錯誤的結論。在流行病學研究必須考慮能否得到正確的結果和結論，使研究結果與客觀、真實情況一致。3學習內容：偏倚的種類偏倚的產生或出現的原因和條件避免或控制偏倚的方法4第一節誤差一、誤差的概念誤差(error)是指對事物某一特徵的測量值偏離真實值的部分。真實值測量的要求：必須有“金標準”或相對可靠的標準。5

二、誤差的種類臨床研究中常見的誤差有兩類：隨機誤差(randomerror)和系統誤差(systematicerror)。1．隨機誤差

由於隨機因素造成的所得均值與總體參數的差異。例子：如抽樣誤差隨機誤差的特點：它普遍存在，不可能完全消除，但可以通過合理的設計、正確的抽樣等使之減小；樣本的觀察值都在平均值上下分佈，從許多無偏倚樣本中得到的觀察值均數，假如數量較大，總是趨向於接近總體值；隨機誤差的範圍可以用可信區間估計，當保持隨機方法而加大樣本時，樣本均值逐漸向總體均值接近。62．系統誤差：也稱偏倚，是向量的方向一致或基本一致時的誤差，或傾向性的誤差。系統誤差產生的常見原因：樣本選擇的不同測量儀器不精確試劑不純操作不符合要求分析錯誤7隨機誤差和系統誤差(偏倚)的差異從圖7—1可見：隨機誤差由於測量中隨機變數的影響，個體的血壓讀數出現的誤差，從而使血壓計讀數分佈在均數周圍；系統誤差是由於血壓計測量個體血壓所得的數值均偏離了用動脈內套管直接測量到的血壓值。適當地重複試驗或增加樣本含量可以減少隨機誤差，但不能減少系統誤差。8

第二節偏倚(bias)

一、偏倚的概念在流行病學研究中樣本人群所測得的某變數值系統的與目標人群中該變數真實值的偏離使研究結果或推論結果與真實情況之間出現偏差系統誤差造成的。9

二、偏倚的方向和分類偏倚的方向有兩種（如果某一特徵的真實值為θ，而測量值為θ’）正向偏倚：當θ’>θ時，為正偏倚。正偏倚會誇大研究的結果；負向偏倚：當θ’<θ時，為負偏倚。負偏倚則會減小研究的結果。偏倚的原因分為三大類：選擇偏倚(selectionbias)資訊偏倚(informationbias)混雜偏倚(confoundingbias)。10(一)選擇偏倚選擇偏倚產生的時期：研究的設計階段選擇偏倚產生的原因：選擇研究對象的方法不當，兩組研究對象間存在除研究因素以外的其他因素分佈不均衡。選擇偏倚對結果的影響：人為地誇大或減小了研究因素與疾病之間的關聯度。瞭解選擇偏倚有兩個目的：第一，在設計中充分考慮、儘量避免；第二，在分析與做結論時要慎重。11

選擇偏倚的種類根據其產生的原因，常見的有以下幾類：1.人院率偏倚(admissionratebias)也叫伯克森(Berkson)偏倚2.現患—新發病例偏倚(prevalence-incidencebias)也叫奈曼(Neyman)偏倚3.無應答偏倚(non-respondentbias)4.檢出征候偏倚(detectionsignalbias)亦稱揭露偽裝偏倚(unmaskingbias)5.易感性偏倚(susceptibilitybias)121．入院率偏倚(admissionratebias)也叫伯克森(Berkson)偏倚概念：在進行病例對照研究、臨床防治試驗、預後判斷等研究時，利用醫院就診或住院病人作為研究對象時，由於入院率或就診機會不同而導致的偏倚。原因：沒有包括①搶救不及時而死亡的病例；②距離醫院遠的病例；③無錢住院的病例；④病情輕的病例。後果：若只選擇住院病例進行研究，則可產生虛假的OR值13表7－1提示：在一般人群中和住院病人中研究骨和運動器官疾病與呼吸道疾病之間的關係，由於研究對象的來源不同，其研究結果的OR值不同。14

2．現患—新發病例偏倚(prevalence-incidencebias)也叫奈曼(Neyman)偏倚概念：因現患病例與新病例的構成不同，只調查典型病例或者現患病例的暴露狀況，致使調查結果出現的系統誤差。原因：病例對照研究中的病例組和現況研究中的調查對象一般選擇現患病例；佇列研究中的病例是新發病例兩類病例疾病狀況有差別，所得到的某因素與某病的關係就會出現偏倚。此外，某些病人因患病而改變了其原來某些危險因素暴露狀況，從而低估了這種危險因素的作用。15表7—2是Friedman等人在美國弗明漢地區對男性居民心血管系統疾病的研究中發現:在佇列研究中，血膽固醇與冠心病的RR值為2.4；在病例對照研究中，病例組與對照組卻無明顯差異(OR為1.16)。進一步分析發現，冠心病的病人在確診後，改變了原來的生活習慣或嗜好，從而使血中膽固醇水準降低，或與正常人相比膽固醇水準增長速度較慢所致。例子：16

3．無應答偏倚(non-respondentbias)

概念：在流行病學調查研究中，由於無應答者與應答者在某些重要的特徵或暴露方面存在差別而產生的偏倚。無應答者超過一定的比例，將會影響研究結果的真實性。

17

1966年Taylor報告了無應答偏倚的例子研究人員調查美國西北部鐵路職工冠心病分佈情況。一般職員有73.6％參加，冠心病現患率為43％。扳道工有58％參加，冠心病現患率為24％。兩者差異有顯著性。6年後證實上次檢查時部分患冠心病的扳道工因害怕被解雇沒有參加調查，所以當時冠心病現患率上的差別是由於無應答偏倚造成的。18

無應答偏倚在觀察性研究或實驗性研究中均可發生。無應答的原因是多種多樣的。如身體健康狀況、對健康關心程度、對調查內容是否感興趣、年齡、受教育程度、外出未歸以及調查一些敏感問題等等均可影響研究對象的應答率。年齡大，文化水準低的，應答率低。無應答偏倚的大小主要取決於無應答率的高低和無應答者的特徵，所以要注意無應答者的人數及發生原因。如果發生這些情況的原因是患病、死亡以及與研究因數有關的其他事件，則造成偏倚的可能性很大。調查報告中須交待清楚應答率、對影響因素的分析及對無應答者的處理方法等。公認的應答率最低限應為80％。194．檢出征候偏倚(deteetionsignalbias)亦稱揭露偽裝偏倚(unmaskingbias)。概念：指某因素與某疾病在病因學上雖無關聯，但由於該因素的存在而引起該疾病症狀或體征的出現，從而使患者及早就醫，接受多種檢查，導致該人群較高的檢出率，以致得出該因素與該病相關聯的錯誤結論的現象。服用複方雌激素與子宮內膜癌關係的實例婦女使用雌激素刺激子宮內膜生長，而導致子宮出血，因而頻繁就診接受檢查，使醫生能及早發現子宮內膜癌；患子宮內膜癌但無症狀且不服雌激素的早期病例，很少或沒有子宮出血，而減少了就診機會，使該病不易及早被診斷出來。導致雌激素與子宮內膜癌之間的虛假聯繫。

20

5．易感性偏倚(susceptibilitybias)概念：觀察對象可能由於不同主客觀原因，不同暴露於危險因素的概率等，致使各比較組對所研究疾病的易感性有差異，從而可能誇大或縮小了暴露因素與疾病的關聯強度，導致某因素與某疾病間的虛假聯繫而產生的偏倚。例子——研究某一有毒物質對作業工人的健康危害接觸此類有毒物質者，由於工作性質的需要，其健康水準比一般人群高，對毒物的耐受比一般人群要強，易感性比一般人群要低，因此出現暴露於該有毒物質者的死亡率或某些疾病的發病率反而比一般人群低的研究結果。21(二)資訊偏倚又稱觀察偏倚(observationalbias)或測量偏倚(measurementbias)指在收集資料階段對各比較組所採用的觀察或測量方法不一致，使各組所獲得的資訊存在系統誤差。各種類型的流行病學研究中都可發生資訊偏倚，可來自於研究對象、研究者本身，也可來自於測量儀器、設備、方法等。資訊偏倚的表現是使研究對象的某種特徵被錯誤分類，研究對象不正確地反映某些資訊致使研究者判斷錯誤等。如暴露於某因素者被錯誤地認為是非暴露者，某病的患者被認為是非患者22

資訊偏倚常見的幾種類類型：1．回憶偏倚(recallbias)

2．診斷懷疑偏倚(diagnosticsuspicionbias)3．暴露懷疑偏倚(exposuresuspicionbias)

4．報告偏倚(reportingbias)

5．檢出偏倚(detectionbias)

6．誘導偏倚(inducementbias)

23

1．回憶偏倚(recallbias)

概念：在回憶過去的暴露史或既往史時，因研究對象的記憶失真或回憶不完整，使其準確性或完整性與真實情況間存在的系統誤差。產生的原因：①沒有留下深刻的印象而被遺忘；②研究對象記憶不清或已經遺忘；③因研究對象對所調查的事件或因素關心程度不同，回答問題的多少及準確性有所不同。如病例對照研究中，病例組的病人因患病而對過去的暴露史回憶得比較認真，也比較準確；而對照組的非病人因未患所研究的疾病對過去的暴露史未能認真地回憶或回憶不完全，因此使病例組和對照組提供的既往史的準確性和完整性有較大的差異。242．診斷懷疑偏倚(diagnosticsuspicionbias)

概念:事先已知研究對象的暴露史，對暴露者和未暴露者在診斷疾病過程中採取了不可比的作法，對暴露者使用多種診斷方法或靈敏度高的方法進行詳細檢查，使暴露組的診斷率和檢出率高；於非暴露組，由此導致研究結果上的偏倚。例如:長期服用氯黴素與粒細胞減少症、再生障礙性貧血等疾病的關係，可以人為誇大服用氯黴素與粒細胞減少症、再生障礙性貧血等疾病的關聯。253．暴露懷疑偏倚(exposuresuspicionbias)

概念：事先瞭解研究對象的患病情況或某種結局，主觀上認為某病與某種因素有關聯時，在病例組和對照組中採用不同的方法或使用不同深度和廣度的調查方法探索可疑的致病因素，由此引起的偏倚稱為暴露懷疑偏倚。此類偏倚主要見於病例對照研究。例如：Davis等在一項有關服用TAMPON和中毒性休克綜合征的病例對照研究中，研究者親自調查詢問病例組的情況，而對照組則採取被調查者自己填寫調查表的方式去調查，由於兩組調查方式及調查深度、廣度不同，從而影響了研究結果的真實性。264．報告偏倚(reportingbias)

也稱說謊偏倚概念：指研究對象因某種原因故意誇大或縮小某些資訊而導致的偏倚。實例：研究對象有意反映治療藥物好，對照藥不好；涉及被調查者的隱私、不願公開的敏感問題，如研究未婚者人工流產，中、小學生吸煙情況，性亂關係等事件；有時在調查時涉及勞保、福利等問題，研究對象可能會故意誇大或縮小某些暴露因素的資訊。275．檢出偏倚(detectionbias)概念：實驗過程中由於實驗的儀器和試劑品質不好及操作人員的操作誤差造成的偏倚稱為檢出偏倚。原因：如測量儀器不准確，未經校正，或試劑不准確，批號不統一，實驗方法的標準或程式不一致，操作人員的技術不規範等。28

(三)混雜偏倚（confoundingbias）概念：混雜偏倚是指在流行病學研究中，由於一個或多個潛在的混雜因素(confoundingfactor)的影響，掩蓋或誇大了研究因素與疾病間的聯繫。原因：設計階段未能對混雜因素加以控制。資料分析時未能進行正確校正。常見的場合：病因研究、效果評價等研究中。291．混雜因素的概念：混雜因素亦稱外來因素(extraneousfactor)是指與研究因素和研究疾病均有關，若在比較的人群中分布不均，可歪曲(誇大或縮小)研究因素與疾病之間真正聯繫的因素。2．混雜因素的特徵：(1)混雜因素必須是所研究疾病的獨立危險因素，如果不找出或不避開，所得的研究結果可能不是研究因素造成的；(2)混雜因素必須與所研究的暴露因素存在統計學聯繫；(3)混雜因素不應是暴露因素與疾病因果鏈中的一個環節或中間變數。303．混雜因素的測量測量混雜因素可結合專業知識，並按下述定量判別混雜偏倚和混雜因素的方法進行判別。根據專業知識提出研究中可能存在的混雜因素，研究中常見的混雜因素可分為兩類：(1)其他未知的病因因素的相關因素或代表因素：常見的有與人口統計學有關的因素，如年齡、性別、職業、經濟收入、文化水準等指標是經常遇到的混雜因素。在一項病因學的因果關係研究中，對各種人口統計學因素能否發揮作用及原因要逐一進行分析。(2)暴露因素以外的其他病因因素或危險因素：混雜因素廣泛存在，表現形式多樣，在研究中要結合其他的臨床研究以及基礎研究等共同考慮某些因素的作用。

31利用分層分析可定量判別某因素是否為混雜因素(表7-3和表7-4)。分析時按某可疑混雜因素f分層後，用Mantel-Haenszel法計算調整後的OR值，即aOR（f），然後與未分層的OR值(cOR)進行比較，即可判定f是否為混雜因素。如果cOR＝aOR（f），則f不是混雜因素；反之，如果cOR≠aOR（f），則f是混雜因素。通過分層分析既可以對混雜因素進行定量判別，又是控制混雜偏倚的有效方法。32計算aOR（f）（按某可疑混雜因素f分層調整後的OR值）如Shapiro等1979年以病例對照研究探討近期口服避孕藥與心肌梗死的關係。病例組為在某地醫院就診的234名25～49歲患心肌梗死