1、流行病學研究中的偏倚與控制流行病學研究中的偏倚與控制一、流行病學研究研究的誤差二、偏倚的概念、種類、特點三、常見偏倚的種類、特點與控制一、流行病學研究研究的誤差（一）誤差的普遍性與特殊性 任何流行病學研究均存在誤差。不同類型設計的流行病學方法，誤差的來源、種類、評價與控制方法不同。（二）誤差概念、種類與特點概念：真實值與研究結果值之差。種類：隨機誤差、系統誤差特點：誤差的大小、方向測量誤差需要有“金標準”或相對可靠的標準來度量真實值。隨機誤差源于：研究對象的個體變異，抽樣所致（抽樣誤差）。 個體變異程度、抽樣方法、樣本大小等對隨機誤差的大小有重要影響。統計學：重點研究隨機誤差的規律系統誤差源于

2、：研究過程中的各種錯誤。方法設計、對象選擇、信息收集、資料分析等各種錯誤。使研究結果系統地偏離真實值。流行病學把研究中系統偏離真實值的誤差稱為偏倚（bias）。 流行病學：重點研究偏倚及其控制。誤差的大小可用相對誤差與絕對誤差表示：如： 真實的測量疾病的頻率為：8 某研究測量疾病的頻率為：10 則： 絕對誤差為： 2 10 82 相對誤差為： 25 （10 8）/ 8 10025誤差的方向 隨機誤差不存在方向問題精確性問題。 估計系統誤差的方向很重要正確性問題。流行病學研究中的精確性問題由于隨機誤差不可避免，精確性具有相對性，隨機誤差可用統計學方法評價。研究的精確性與樣本大小有關，與抽樣方法及

3、觀察值的變異(變量的變異度)有關。提高精確性的方法： 增加研究樣本量 提高信息獲取的效率（正確設計）二、偏倚的概念、種類、特點（一）概念： 偏倚是指流行病學研究中的各種系統誤差。 或 在流行病學研究或推論過程中所獲得的結果系統的偏 離真實值的誤差。 各種流行病學研究設計類型均存在偏倚問題，不同類型流行病學設計偏倚的種類不同。（二）種類 一般分類方法：選擇偏倚(selection bias) 信息偏倚(infRRmation bias) 混雜偏倚(confounding bias) 偏倚的方向： RR:真值 RR：測量值 正偏倚與負偏倚、 趨于無效假設 遠離無效假設 顛倒（三）偏倚的方向 若：

4、真值：RR 測量值：RR （RR=1 表明暴露與結局無關聯，接受Null假設） 偏倚的方向分三種：toward the null趨于無效假設（夸大聯系強度）away from the null遠離無效假設（縮小聯系強度）switchover bias顛倒（混倄） 趨于無效假設 (toward the null) RR=5.0 RR=1.3 RR=0.3 RR=0.9 遠離無效假設 (away from the null) RR=2.0 RR=8.0 RR=0.8 RR=0.5 顛倒(switchover bias) RR=2.0 RR=0.5 RR=0.8 RR=2.0(四)偏倚的大小 偏倚的

5、大小通常以相對數表示: 測量值 真實值 Bias - 100 真實值偏倚的大小與方向舉例：RR=1.2 RR=2.00 1.2 2Bias -100 -40 2大小：40方向：趨于無效假設。（不必考慮正負符號）三、常見偏倚的種類、特點與控制（一）選擇偏倚（selection bias）1、定義：在流行病學研究中，由于選擇研究對象的方法存在問題而使得研究結果偏離真實情況。或 由于從納入的研究對象中獲得的有關因素與疾病的聯系系統地偏離了源人群該因素與疾病的真實聯系。2、種類： 依據研究方法、選擇對象方式與條件有許多種。如：檢出征候偏倚（detection signal bias） 診斷偏倚(dia

6、gnosis bias) 入院率偏倚（Berksons bias） 奈曼偏倚（Neyman bias） 志愿者偏倚(volunteer bias) 時間效應偏倚（time-effect bias） 無應答偏倚（non-response bias） 失訪偏倚(loss to follow-up bias) 3、選擇偏倚的特點 一旦發生，難以糾正，研究的真實性受影響。 故，在研究的各個階段要盡力避免。4、選擇偏倚的控制（1）設計階段 嚴格的科學設計，正確選擇研究對象。（根據常見類型，盡力避免。） （2）資料收集階段 減少無應答，加強隨訪，盡力使研究對象，研究內容完整。（3）資料分析階段 用以往的知

7、識與他人的經驗估計偏倚的大小與方向。 對無應答或失訪者進行基線特征比較，校正。 選擇偏倚例題1某地區人群中患高血壓、皮膚癌、外傷骨折的真實分布如下： 皮膚癌患者 外傷骨折 患高血壓 1000 450 OR=1未患高血壓 4000 1800 有人采用病例對照研究的方法探討高血壓與皮膚癌之間的關系。以某醫院內住院的皮膚癌患者為病例(1130)，以同期住院的外傷骨折患者為對照(177)，調查其高血壓的患病情況。若在該研究中：患高血壓合并皮膚癌的入院概率為0.322，患高血壓合并外傷骨折的入院概率為0.193 。 問題： 1)該項研究存在何種偏倚？ 2)偏倚的大小與方向？以一年內住院的皮膚癌患者為病例

8、(1130)以同期住院的外傷骨折患者為對照(177) 皮膚癌 外傷骨折 OR 高血壓 322 87 0.41 非高血壓 808 90 合計 1130 177 0.3221000322， 1130322808 0.19345087， 1778790 測量值 真實值Bias - 真實值 Bias=(0.41-1)/1 X 100% = -59% 1)存在選擇偏倚，大小為59， 2)偏倚方向為遠離無效假設。（三）信息偏倚(infomation bias) 又稱： 觀察偏倚(Observation Bias) 錯分偏倚(Misclassification Bias)1、定義： 指在流行病學調查收集資料

9、階段，由于測量暴露或測量結局的方法有缺陷，使各比較組所獲得的信息產生的系統誤差。2、信息偏倚的來源測量不可靠(暴露、疾病)診斷標準不明確(疾病)原始記錄不完整3、常見種類報告偏倚(reporting bias)回憶偏倚(recall bias)測量偏倚(measurement bias)診斷懷疑偏倚(diagnostic suspicion bias)暴露懷疑偏倚(exposure suspicion bias)家庭信息偏倚(Family infomation bias) 5、按信息偏倚特點分類隨機錯分(無差異錯分)偏倚 Random Misclassification非隨機錯分(有差異錯分)

10、偏倚 Nonrandom Misclassification（1）隨機錯分偏倚隨機錯分是指研究組與比較組錯分的幾率是相同的。 （即：被比較的兩組在病例的診斷或確定暴露時所采用的是相同的方法，雖然方法本身有錯）隊列研究：病例錯分、暴露錯分病例對照研究：暴露錯分、病例錯分描述性研究與實驗研究也可出現各種錯誤的分類分類的錯誤可在多個水平發生（如不同程度的暴露） 隨機錯分(舉例1)有一項隊列研究的真實的測量結果如下： 發病 未發病 發病率 RR暴露組 400 600 40 2.0非暴露組 200 800 20 假定：暴露組與非暴露組對疾病診斷方法相同，確定病例時未用“金方法”，使用診斷方法的真實性情況

11、為： 靈敏度0.8，特異度0.9 此時，暴露組與對照組的病例會被錯誤分類。 如何估計錯分的大小與方向？ 暴露組: 病例 非病例 合計 320 60 380 80 540 620 合計 400 600 1000 400*0.8=320, 600*0.9=540 非暴露組: 病例 非病例 合計 160 80 240 40 720 760合計 200 800 1000 200*0.8=160 800*0.9=720新的分類情況： 發病 未發病 發病率 RR 暴露組 380 620 38 1.58 非暴露組 240 760 24 Bias=(1.58-2)/2 = -0.21 出現隨機錯分偏倚，大小為

12、21%. 偏倚的方向為趨于無效假設。隨機錯分(舉例2)一項病例對照研究的真實測量結果： 暴露 非暴露 合計病例 240 200 440 OR=3.0對照 240 600 840假定存在隨機錯分(測量暴露時被錯誤分類)：測量暴露方法的真實性情況為： 靈敏度=0.9， 特異度=0.8 錯分偏倚的大小與方向?病例組: 暴露 非暴露 合計 173 19 192 50 198 248 合計 223 217 440對照組 216 24 240 120 480 600 合計 336 504 840錯分后的分布： 暴露 非暴露 合計病例 223 217 440 OR=1.5對照 336 504 840 Bia

13、s=(1.5-3)/3 = -0.51 出現隨機錯分偏倚，大小為51%. 偏倚的方向為趨于無效假設關于隨機錯分的規律：一般隨機錯分將使得研究結果趨于無效假設（低估聯系強度）完全的隨機錯分使得研究結果等于無效假設（Sen+Spe=1）極端的隨機錯分使得研究結果完全倒置（Sen=0, Spe=0）思考題： 在一項流行病學研究中，假定其他偏倚已經被控制，只存在暴露的隨機錯分。如果你所得到的OR=1.2, 那么，真正的OR是大于還是小于1.2 ?（2）非隨機錯分偏倚非隨機錯分是指研究組與比較組錯分的幾率不相同。 被比較的兩組采用了不同的診斷病例或確定暴露的方法。此時偏倚的，方向不確定，無規律。既可能使

14、結果趨無效假設。也可能遠離無效假設。甚至發生顛倒。（6）信息偏倚的控制嚴格的質量控制診斷、測量方法要統一盲法的應用盡量采用客觀指標資料校正 (三)混雜偏倚confounding bias1、概念 混雜偏倚或稱混雜，是指在流行病學研究中, 由于一個或多個潛在的混雜因素（confounding factor)的影響，掩蓋或夸大了研究因素與疾病(或事件)之間的聯系，從而使兩者之間的真正聯系被錯誤地估計。 混雜偏倚在分析性研究、實驗性研究中均可發生，以前者為多見。2、混雜的特點混雜是效應的混合 混雜是一種效應的混淆。混雜因子與代理混雜因子（Surrogate Confounders） 與外來致病因子有關并能起到混雜因子代理作用的因子通常稱為代理混雜因子。如年齡、文化程度、經濟狀況等零效應混雜 一般說來，只有外來危險因子與所研究危險因子的效應相混合時才形成混雜。 然而，即使所研究的因子是零效應時也可出現混雜。“效應混合”并不需要所研究的因子具有非零效應，效應的混合來源于暴露因子與外來因子之間的聯系。3、混雜因子的必備條件 外來變量要成為混雜因子，必須具備“ 三個特征”。（1）混雜因子必須是疾病的危險因子。（2）必須與所研究的暴露變量有聯系。（3）混雜因子不應受暴露因素或疾病的影響，它不應是暴露與疾病之間因果鏈中的一個中間環節。