流行病学 (第5版)：9流行病学研究中的偏倚与控制

1、流行病学研究中的偏倚与控制流行病学研究中的偏倚与控制一、流行病学研究研究的误差二、偏倚的概念、种类、特点三、常见偏倚的种类、特点与控制一、流行病学研究研究的误差（一）误差的普遍性与特殊性 任何流行病学研究均存在误差。不同类型设计的流行病学方法，误差的来源、种类、评价与控制方法不同。（二）误差概念、种类与特点概念：真实值与研究结果值之差。种类：随机误差、系统误差特点：误差的大小、方向测量误差需要有“金标准”或相对可靠的标准来度量真实值。随机误差源于：研究对象的个体变异，抽样所致（抽样误差）。 个体变异程度、抽样方法、样本大小等对随机误差的大小有重要影响。统计学：重点研究随机误差的规律系统误差源于

2、：研究过程中的各种错误。方法设计、对象选择、信息收集、资料分析等各种错误。使研究结果系统地偏离真实值。流行病学把研究中系统偏离真实值的误差称为偏倚（bias）。 流行病学：重点研究偏倚及其控制。误差的大小可用相对误差与绝对误差表示：如： 真实的测量疾病的频率为：8 某研究测量疾病的频率为：10 则： 绝对误差为： 2 10 82 相对误差为： 25 （10 8）/ 8 10025误差的方向 随机误差不存在方向问题精确性问题。 估计系统误差的方向很重要正确性问题。流行病学研究中的精确性问题由于随机误差不可避免，精确性具有相对性，随机误差可用统计学方法评价。研究的精确性与样本大小有关，与抽样方法及

3、观察值的变异(变量的变异度)有关。提高精确性的方法： 增加研究样本量 提高信息获取的效率（正确设计）二、偏倚的概念、种类、特点（一）概念： 偏倚是指流行病学研究中的各种系统误差。 或 在流行病学研究或推论过程中所获得的结果系统的偏 离真实值的误差。 各种流行病学研究设计类型均存在偏倚问题，不同类型流行病学设计偏倚的种类不同。（二）种类 一般分类方法：选择偏倚(selection bias) 信息偏倚(infRRmation bias) 混杂偏倚(confounding bias) 偏倚的方向： RR:真值 RR：测量值 正偏倚与负偏倚、 趋于无效假设 远离无效假设 颠倒（三）偏倚的方向 若：

4、真值：RR 测量值：RR （RR=1 表明暴露与结局无关联，接受Null假设） 偏倚的方向分三种：toward the null趋于无效假设（夸大联系强度）away from the null远离无效假设（缩小联系强度）switchover bias颠倒（混倄） 趋于无效假设 (toward the null) RR=5.0 RR=1.3 RR=0.3 RR=0.9 远离无效假设 (away from the null) RR=2.0 RR=8.0 RR=0.8 RR=0.5 颠倒(switchover bias) RR=2.0 RR=0.5 RR=0.8 RR=2.0(四)偏倚的大小 偏倚的

5、大小通常以相对数表示: 测量值 真实值 Bias - 100 真实值偏倚的大小与方向举例：RR=1.2 RR=2.00 1.2 2Bias -100 -40 2大小：40方向：趋于无效假设。（不必考虑正负符号）三、常见偏倚的种类、特点与控制（一）选择偏倚（selection bias）1、定义：在流行病学研究中，由于选择研究对象的方法存在问题而使得研究结果偏离真实情况。或 由于从纳入的研究对象中获得的有关因素与疾病的联系系统地偏离了源人群该因素与疾病的真实联系。2、种类： 依据研究方法、选择对象方式与条件有许多种。如：检出征候偏倚（detection signal bias） 诊断偏倚(dia

6、gnosis bias) 入院率偏倚（Berksons bias） 奈曼偏倚（Neyman bias） 志愿者偏倚(volunteer bias) 时间效应偏倚（time-effect bias） 无应答偏倚（non-response bias） 失访偏倚(loss to follow-up bias) 3、选择偏倚的特点 一旦发生，难以纠正，研究的真实性受影响。 故，在研究的各个阶段要尽力避免。4、选择偏倚的控制（1）设计阶段 严格的科学设计，正确选择研究对象。（根据常见类型，尽力避免。） （2）资料收集阶段 减少无应答，加强随访，尽力使研究对象，研究内容完整。（3）资料分析阶段 用以往的知

7、识与他人的经验估计偏倚的大小与方向。 对无应答或失访者进行基线特征比较，校正。 选择偏倚例题1某地区人群中患高血压、皮肤癌、外伤骨折的真实分布如下： 皮肤癌患者 外伤骨折 患高血压 1000 450 OR=1未患高血压 4000 1800 有人采用病例对照研究的方法探讨高血压与皮肤癌之间的关系。以某医院内住院的皮肤癌患者为病例(1130)，以同期住院的外伤骨折患者为对照(177)，调查其高血压的患病情况。若在该研究中：患高血压合并皮肤癌的入院概率为0.322，患高血压合并外伤骨折的入院概率为0.193 。 问题： 1)该项研究存在何种偏倚？ 2)偏倚的大小与方向？以一年内住院的皮肤癌患者为病例

8、(1130)以同期住院的外伤骨折患者为对照(177) 皮肤癌 外伤骨折 OR 高血压 322 87 0.41 非高血压 808 90 合计 1130 177 0.3221000322， 1130322808 0.19345087， 1778790 测量值 真实值Bias - 真实值 Bias=(0.41-1)/1 X 100% = -59% 1)存在选择偏倚，大小为59， 2)偏倚方向为远离无效假设。（三）信息偏倚(infomation bias) 又称： 观察偏倚(Observation Bias) 错分偏倚(Misclassification Bias)1、定义： 指在流行病学调查收集资料

9、阶段，由于测量暴露或测量结局的方法有缺陷，使各比较组所获得的信息产生的系统误差。2、信息偏倚的来源测量不可靠(暴露、疾病)诊断标准不明确(疾病)原始记录不完整3、常见种类报告偏倚(reporting bias)回忆偏倚(recall bias)测量偏倚(measurement bias)诊断怀疑偏倚(diagnostic suspicion bias)暴露怀疑偏倚(exposure suspicion bias)家庭信息偏倚(Family infomation bias) 5、按信息偏倚特点分类随机错分(无差异错分)偏倚 Random Misclassification非随机错分(有差异错分)

10、偏倚 Nonrandom Misclassification（1）随机错分偏倚随机错分是指研究组与比较组错分的几率是相同的。 （即：被比较的两组在病例的诊断或确定暴露时所采用的是相同的方法，虽然方法本身有错）队列研究：病例错分、暴露错分病例对照研究：暴露错分、病例错分描述性研究与实验研究也可出现各种错误的分类分类的错误可在多个水平发生（如不同程度的暴露） 随机错分(举例1)有一项队列研究的真实的测量结果如下： 发病 未发病 发病率 RR暴露组 400 600 40 2.0非暴露组 200 800 20 假定：暴露组与非暴露组对疾病诊断方法相同，确定病例时未用“金方法”，使用诊断方法的真实性情况

11、为： 灵敏度0.8，特异度0.9 此时，暴露组与对照组的病例会被错误分类。 如何估计错分的大小与方向？ 暴露组: 病例 非病例 合计 320 60 380 80 540 620 合计 400 600 1000 400*0.8=320, 600*0.9=540 非暴露组: 病例 非病例 合计 160 80 240 40 720 760合计 200 800 1000 200*0.8=160 800*0.9=720新的分类情况： 发病 未发病 发病率 RR 暴露组 380 620 38 1.58 非暴露组 240 760 24 Bias=(1.58-2)/2 = -0.21 出现随机错分偏倚，大小为

12、21%. 偏倚的方向为趋于无效假设。随机错分(举例2)一项病例对照研究的真实测量结果： 暴露 非暴露 合计病例 240 200 440 OR=3.0对照 240 600 840假定存在随机错分(测量暴露时被错误分类)：测量暴露方法的真实性情况为： 灵敏度=0.9， 特异度=0.8 错分偏倚的大小与方向?病例组: 暴露 非暴露 合计 173 19 192 50 198 248 合计 223 217 440对照组 216 24 240 120 480 600 合计 336 504 840错分后的分布： 暴露 非暴露 合计病例 223 217 440 OR=1.5对照 336 504 840 Bia

13、s=(1.5-3)/3 = -0.51 出现随机错分偏倚，大小为51%. 偏倚的方向为趋于无效假设关于随机错分的规律：一般随机错分将使得研究结果趋于无效假设（低估联系强度）完全的随机错分使得研究结果等于无效假设（Sen+Spe=1）极端的随机错分使得研究结果完全倒置（Sen=0, Spe=0）思考题： 在一项流行病学研究中，假定其他偏倚已经被控制，只存在暴露的随机错分。如果你所得到的OR=1.2, 那么，真正的OR是大于还是小于1.2 ?（2）非随机错分偏倚非随机错分是指研究组与比较组错分的几率不相同。 被比较的两组采用了不同的诊断病例或确定暴露的方法。此时偏倚的，方向不确定，无规律。既可能使

14、结果趋无效假设。也可能远离无效假设。甚至发生颠倒。（6）信息偏倚的控制严格的质量控制诊断、测量方法要统一盲法的应用尽量采用客观指标资料校正 (三)混杂偏倚confounding bias1、概念 混杂偏倚或称混杂，是指在流行病学研究中, 由于一个或多个潜在的混杂因素（confounding factor)的影响，掩盖或夸大了研究因素与疾病(或事件)之间的联系，从而使两者之间的真正联系被错误地估计。 混杂偏倚在分析性研究、实验性研究中均可发生，以前者为多见。2、混杂的特点混杂是效应的混合 混杂是一种效应的混淆。混杂因子与代理混杂因子（Surrogate Confounders） 与外来致病因子有关并能起到混杂因子代理作用的因子通常称为代理混杂因子。如年龄、文化程度、经济状况等零效应混杂 一般说来，只有外来危险因子与所研究危险因子的效应相混合时才形成混杂。 然而，即使所研究的因子是零效应时也可出现混杂。“效应混合”并不需要所研究的因子具有非零效应，效应的混合来源于暴露因子与外来因子之间的联系。3、混杂因子的必备条件 外来变量要成为混杂因子，必须具备“ 三个特征”。（1）混杂因子必须是疾病的危险因子。（2）必须与所研究的暴露变量有联系。（3）混杂因子不应受暴露因素或疾病的影响，它不应是暴露与疾病之间因果链中的一个中间环节。