第十章 流行病学研究中的偏倚及其控制
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
wenku.baidu.com
二、测量：比较总人群（总体）和研究人群（样本）所研究疾病与因素
的分布。
总体 暴露 病例 对照 非暴露 病例 选择概率 暴露
aA0/A
非暴露
b B 0/ B dD0/D
A 样本 B A0 B0
C0 D0
非病例 gC0/C
C
D
总人群OR=AD/BC 样本OR0=A0D0/B0C0 据选择概率 OR0=OR(ad/bg) 则：选择偏倚(OR0-OR)/OR= (ad/bg)-1 若=0 ，无选择偏倚 OR0=OR 若>0 ，有选择偏倚 OR0>OR 上例选择概率： 若<0 ，有选择偏倚 OR0<OR B病+暴露：a104/200=0.52 B病+未暴露: b=160/800=0.2 A病+暴露：g140/200=0.70 A病+未暴露: d=400/800=0.5 总人群OR=1 住院病人OR=1.86 选择偏倚=(1.86-1)/1.86=（0.52×0.5)/(0.20×0.7)=0.86 (>0 说明高估了OR值)
（四）易感性偏倚（susceptibility bias）：某些因素可直接或间接低 影响研究对象对所研究疾病的易感性，导致所研究的因素与疾病 出现虚假关联。 例：健康工人效应。 （五）排除偏倚（exclusive bias）：由于未严格按对等原则或标准 选择研究对象，而是自观察组或对照组中排除某些研究对象，从 而造成因素与疾病之间的虚假联系。 例：服用阿司匹林与心肌梗死关系的病例对照研究，应排除 慢性关节炎和慢性胃溃疡患者（前者易服此药，后者易不服此 药）。如果此类患者不排除，且在两组分布不均匀，易引起偏倚。 （六）无应答偏倚（non-respondent bias）：研究对象未按要求回答 调查内容，而无应答者的患病或因素的暴露情况与应答者又不同， 从而造成该偏倚。 例：Seltzer等（1974）以函访调查人群吸烟状况，非吸烟者 应答率为85%，吸烟者为67%。其它研究发现非应答者各种不利 于健康因素的暴露率高于应答者。 原因：身体状况；对健康关心程度；调查内容；年龄；文化
流行病学研究中的偏倚及其控制 1、选择偏倚 2、信息偏倚 3、混杂偏倚
误差（error）
（1）随机误差（抽样误差；random error）：是因抽样产生的样本 统计量与总体参数之间的差异。即标准误（standard error，SE） 抽样误差与样本含量的关系： 式中：N 为样本含量 为抽样误差（标准误） 为总体各变量值变异程度 （2）系统误差（偏倚；systematic error；bias）：由某些不能准确 定量但恒定的因素造成的，使调查结果偏离总体真值的误差。 来源：1）受试者：抽样不随机；受试者本身变异 2）观察者：倾向性暗示；个人技术偏差 3）仪器、试剂：仪器未校正，使用不当，发生故障； 试剂未标准化； 4）非试验性外环境因素：气象；照明；震动；声响
x N
第一节 选择偏倚（select bias）
一、定义：选入研究样本的研究对象与未被选入者之间特征差异造 成的系统误差。 二、种类 （一）入院率偏倚（Berkson）：以医院病人为研究对象时，由于入 院率的不同而造成的偏差。例： 表10-1 因不同住院率而住院的A、B患者及其与因素X的关系
2、判断信息偏倚的方向和大小：比较以实际信息OR值（OR）
和调查信息OR值（ORx） 信息偏倚(ORx-OR)/OR 上例选择概率： 此例： 若=0 ，无信息偏倚 ORx=OR 若>0 ，有信息偏倚 ORx>OR 若<0 ，有信息偏倚 ORx<OR
OR=(60×70)/(30×40)=3.5 ORx=(66×52)/(34×48)=2.1
第三节 混杂偏倚
一、定义：在研究某因素与某疾病关联时，由于某个既与疾病有制约
关系，又与所研究的因素有联系的外来因素的影响，掩盖或扩大了所 研究的因素与疾病的联系，这种现象或影响叫混杂（confounding）， 其所带来的偏倚叫混杂偏倚（confounding bias），该外来因素叫混 杂因素（confounding factor) 。
选择偏倚=(2.1-3.5)/3.5=-0.46 -0.46<0，说明存在信息偏倚，调查所得资料低估了实际的OR 值，程度为40%。
三、控制
（一）明确细致的资料收集和严格的质量控制方法 （二）尽量采用盲法收集资料 表10-4 调查所得暴露情况 暴露 病例 对照 合计 （三）尽量采用客观指标 （四）提高调查技巧 + 66(a) 48(b) 114 34(c) 52(d) 86 （五）资料校正： 200 条件：1、有已知的特异度、灵敏度 合计 100(n1) 100(n2) 2、两组特异度、灵敏度接近 方法：1、计算校正后的A、B、C、D： A=(Sp· n1-c)/(Sp+Se-1)=(0.7×100-34)/(0.7+0.9-1)=60 B=(Sp· n2-d)/(Sp+Se-1)=(0.7×100-52)/(0.7+0.9-1)=30 C= n1-A=100-60=40 D= n2-B=100-30=70 A、B、C、D分别为校正后的a、b、c、d Sp ：特异度 Se ：灵敏度 (本例分别为0.7和0.9) 2、计算校正后OR值：OR=AD/BC=60×70/30×40=3.5 校正后OR=实际OR
+ 54 6 60
病例组：灵敏度=54/60=0.90 特异度=28/40=0.7 对照组：灵敏度=27/30=0.90 特异度=49/70=0.7 结论：无差异错误分类：两组特异度、灵敏度相等，即信息偏倚所 值的错误分类等同地分配在两组（ORx<OR) 有差异错误分类：两组特异度、灵敏度不等，即信息偏倚所 值的错误分类不等同地分配在两组（ORx<OR或ORx>OR)
二、测量
1、原理：将含有该因素时的研究因素与疾病的效应估计值（cRR、
cOR）与排除该因素时的研究因素与疾病的效应估计值[aRR(f)、 aOR(f)]进行比较
2、判断：
1）如cRR= aRR(f)，则f 无混杂作用， cRR不存在偏倚 2）如cRR≠ aRR(f)，则f 有混杂作用， cRR存在偏倚 3）如cRR >aRR(f)，为正混杂，cRR高估了因素与疾病之关联 4）如cRR <aRR(f)，为负混杂，cRR低估了因素与疾病之关联
（三）诊断怀疑偏倚（diagnosis suspicion bias）：由于研究者和被 研究者事先了解被研究者的暴露或分组情况，怀疑被研究者已经 患病，或希望出现研究的阳性结果，因而在诊断或分析时做出带 倾向性的判断。如对暴露组、或试验组的检查细致程度大于对照 组。该偏倚常见于队列和实验研究，在病例对照研究种也存在。 例：某项关于心脏病病因研究对冠心病猝死的定义为：若病 例发病数分钟内死亡，未发现其它病因，或生前史亦不能提供其 它死因，可认为是冠心病猝死。（造成突然死亡的其它原因有蛛 网膜下腔出血、呼吸系统疾病等） （四）暴露怀疑偏倚（exposure suspicion bias）：研究者事先了解 研究对象的患病或结局，可能会对其以与对照组不可比的方法探 询认为与某病或结局有关的因素。对同一组研究对象以不同的方 法调查，结果会出现很大差异。 例：儿童甲状腺癌患者放射性物质暴露史调查：在36例和22 例两组患儿中，以查找医疗记录法调查有暴露史者分别为28%和 0，询问调查为47%和50%。 （五）测量偏倚（detection bias）：对研究所需指标进行测量时产 生的偏倚。原因：仪器不准；检验技术不熟；责任心不强。
3、方向及程度:
1）测量公式： 混杂偏倚= [cRR -aRR(f)]/ aRR(f) 2）判断: 若该值=0, 无混杂; 若该值为正值，则为正混杂 若该值为负值，则为负混杂
例：以《病例对照研究》一章中之实例 1、计算cOR：
表5-5 口服避孕药(OC)与心肌梗死(MI)关系
OC + 合计
病例 39(a) 114(c) 153(m1)
1.86 <0.001
造成不同疾病入院率不同的原因：医院技术特长；患者疾病严重程 度、经济状况、就诊方便程度等（医院、病人双向选择）。
（二）现患病例-新发病例偏倚（Neyman bias）：病例对照或现况研究 中的的病例为现患典型病例，不包括死亡、病程短、轻型等病例。 因此，存活旧病例的信息可能只与存活有关，未必与发病有关，从 而高估了暴露因素的作用；或病例因疾病改变了生活习惯，从而过 低估了暴露因素的作用。队列研究和实验流行病学研究所用的是新 病例，无此偏倚。 例：Framingham心血管疾病研究： 队列研究：高胆固醇者患冠心病OR值=2.4（有显著差异） 病例对照研究：高胆固醇者患冠心病OR值=1.16(无显著差异) 原因:患冠心病者诊断后戒烟、体育锻炼、注意饮食 （三）检出征候偏倚（暴露偏倚；detection signal bias；unmasking bias）：某因素本与疾病与致病无关，但可引起所研究疾病的症状或 体征，从而促使患者早就诊，提高了早期病例检出率，过高的估计 了暴露程度。 例：病例对照研究发现：服用雌激素与子宫内膜癌发病有正关联。 原因：雌激素促进子宫内膜生长，导致出血，频繁接受检 查，促使早期发现子宫内膜癌患者。
疾病 暴露于X者 非暴露于X者 200 200 400 800 800 1600 合计 1000 1000 2000 X暴露率(%) 20 20 20 OR 1 P 1
实际人群 A（对照） B（病例） 合计
住院率（对照A=50%；病例B=20%；暴露于因素X者40%） A（对照） 140 200×0.5+ 400 540 25.9 800 ×0.5 100 ×0.4 B（病例） 104 160 264 39.4 200×0.2+ 合计 244 160 ×0.4 560 800 ×0.2 804 30.4
三、控制
1、对偏倚要有丰富的知识 2、严格掌握研究对象的纳入和排除标准
3、提高应答率，降低失访率
4、采用多种对照
第二节 信息偏倚（观察偏倚；observational bias）
一、定义：在从研究对象收取所需信息时产生的偏倚。其表现是使 研究对象的某种特征被错误分类（misclassification）。 二、种类： （一）回忆偏倚（recall bias）：由于研究对象不能准确、完整地回 忆以往发生的事情和经历时所产生的差异。 原因：1、事件或因素频率低，被遗忘。 2、事件久远 3、对调查事件的关心程度和回忆的认真程度 例：孕妇接受X线照射：医院记录与回忆符合率未73% 流产史：前10年发生的，完整回忆率为82%；20年以前 则为73% （二）报告偏倚（说谎偏倚；reporting bias ）：由于研究对象有意 扩大或缩小某些信息造成的偏倚。 例：缩小信息：性乱史；青少年吸烟史 扩大偏倚：职业危害（为获取福利）
对照 24(b) 154(d) 178(m0)
合计 63(n1) 268(n0) 331(t)
cOR=ad/bc=2.2
2、观察年龄与心肌梗死几口服避孕药之关联
表5-8 年龄与MI之关联 表5-8 年龄与OC之关联
<40岁 MI 对照 26 59
≥40岁 88 95 OC 对照
二、混杂因素
1、特点： （1）必须是所研究疾病的独立危险因子 （2）必须与研究因素（暴露因素）有关 （3）必须不是研究因素与研究疾病因果链上的中间变量 2、几种情况： E E E E E:研究因素 D D D D D:疾病 F F F f F F:外来因子 E E E E f:伴随因子 D D D D :因果关系 F F F F :一般相关（1-3混杂成立，4-8混杂不成立）
二、测量
1、判断错误分类类型：以实际信息（客观检查、记录）获得的情况 为金标准，比较调查所得情况，计算特异度、灵敏度。 例： 表10-3 病例和对照组调查与实际暴露情况比较 调查 暴露 情况 + 合计 实际暴露情况（金标准） 病例 对照 合计 + 12 28 40 66 34 100 27 3 30 21 49 70 . 合计 48 52 100
二、测量：比较总人群（总体）和研究人群（样本）所研究疾病与因素
的分布。
总体 暴露 病例 对照 非暴露 病例 选择概率 暴露
aA0/A
非暴露
b B 0/ B dD0/D
A 样本 B A0 B0
C0 D0
非病例 gC0/C
C
D
总人群OR=AD/BC 样本OR0=A0D0/B0C0 据选择概率 OR0=OR(ad/bg) 则：选择偏倚(OR0-OR)/OR= (ad/bg)-1 若=0 ，无选择偏倚 OR0=OR 若>0 ，有选择偏倚 OR0>OR 上例选择概率： 若<0 ，有选择偏倚 OR0<OR B病+暴露：a104/200=0.52 B病+未暴露: b=160/800=0.2 A病+暴露：g140/200=0.70 A病+未暴露: d=400/800=0.5 总人群OR=1 住院病人OR=1.86 选择偏倚=(1.86-1)/1.86=（0.52×0.5)/(0.20×0.7)=0.86 (>0 说明高估了OR值)
（四）易感性偏倚（susceptibility bias）：某些因素可直接或间接低 影响研究对象对所研究疾病的易感性，导致所研究的因素与疾病 出现虚假关联。 例：健康工人效应。 （五）排除偏倚（exclusive bias）：由于未严格按对等原则或标准 选择研究对象，而是自观察组或对照组中排除某些研究对象，从 而造成因素与疾病之间的虚假联系。 例：服用阿司匹林与心肌梗死关系的病例对照研究，应排除 慢性关节炎和慢性胃溃疡患者（前者易服此药，后者易不服此 药）。如果此类患者不排除，且在两组分布不均匀，易引起偏倚。 （六）无应答偏倚（non-respondent bias）：研究对象未按要求回答 调查内容，而无应答者的患病或因素的暴露情况与应答者又不同， 从而造成该偏倚。 例：Seltzer等（1974）以函访调查人群吸烟状况，非吸烟者 应答率为85%，吸烟者为67%。其它研究发现非应答者各种不利 于健康因素的暴露率高于应答者。 原因：身体状况；对健康关心程度；调查内容；年龄；文化
流行病学研究中的偏倚及其控制 1、选择偏倚 2、信息偏倚 3、混杂偏倚
误差（error）
（1）随机误差（抽样误差；random error）：是因抽样产生的样本 统计量与总体参数之间的差异。即标准误（standard error，SE） 抽样误差与样本含量的关系： 式中：N 为样本含量 为抽样误差（标准误） 为总体各变量值变异程度 （2）系统误差（偏倚；systematic error；bias）：由某些不能准确 定量但恒定的因素造成的，使调查结果偏离总体真值的误差。 来源：1）受试者：抽样不随机；受试者本身变异 2）观察者：倾向性暗示；个人技术偏差 3）仪器、试剂：仪器未校正，使用不当，发生故障； 试剂未标准化； 4）非试验性外环境因素：气象；照明；震动；声响
x N
第一节 选择偏倚（select bias）
一、定义：选入研究样本的研究对象与未被选入者之间特征差异造 成的系统误差。 二、种类 （一）入院率偏倚（Berkson）：以医院病人为研究对象时，由于入 院率的不同而造成的偏差。例： 表10-1 因不同住院率而住院的A、B患者及其与因素X的关系
2、判断信息偏倚的方向和大小：比较以实际信息OR值（OR）
和调查信息OR值（ORx） 信息偏倚(ORx-OR)/OR 上例选择概率： 此例： 若=0 ，无信息偏倚 ORx=OR 若>0 ，有信息偏倚 ORx>OR 若<0 ，有信息偏倚 ORx<OR
OR=(60×70)/(30×40)=3.5 ORx=(66×52)/(34×48)=2.1
第三节 混杂偏倚
一、定义：在研究某因素与某疾病关联时，由于某个既与疾病有制约
关系，又与所研究的因素有联系的外来因素的影响，掩盖或扩大了所 研究的因素与疾病的联系，这种现象或影响叫混杂（confounding）， 其所带来的偏倚叫混杂偏倚（confounding bias），该外来因素叫混 杂因素（confounding factor) 。
选择偏倚=(2.1-3.5)/3.5=-0.46 -0.46<0，说明存在信息偏倚，调查所得资料低估了实际的OR 值，程度为40%。
三、控制
（一）明确细致的资料收集和严格的质量控制方法 （二）尽量采用盲法收集资料 表10-4 调查所得暴露情况 暴露 病例 对照 合计 （三）尽量采用客观指标 （四）提高调查技巧 + 66(a) 48(b) 114 34(c) 52(d) 86 （五）资料校正： 200 条件：1、有已知的特异度、灵敏度 合计 100(n1) 100(n2) 2、两组特异度、灵敏度接近 方法：1、计算校正后的A、B、C、D： A=(Sp· n1-c)/(Sp+Se-1)=(0.7×100-34)/(0.7+0.9-1)=60 B=(Sp· n2-d)/(Sp+Se-1)=(0.7×100-52)/(0.7+0.9-1)=30 C= n1-A=100-60=40 D= n2-B=100-30=70 A、B、C、D分别为校正后的a、b、c、d Sp ：特异度 Se ：灵敏度 (本例分别为0.7和0.9) 2、计算校正后OR值：OR=AD/BC=60×70/30×40=3.5 校正后OR=实际OR
+ 54 6 60
病例组：灵敏度=54/60=0.90 特异度=28/40=0.7 对照组：灵敏度=27/30=0.90 特异度=49/70=0.7 结论：无差异错误分类：两组特异度、灵敏度相等，即信息偏倚所 值的错误分类等同地分配在两组（ORx<OR) 有差异错误分类：两组特异度、灵敏度不等，即信息偏倚所 值的错误分类不等同地分配在两组（ORx<OR或ORx>OR)
二、测量
1、原理：将含有该因素时的研究因素与疾病的效应估计值（cRR、
cOR）与排除该因素时的研究因素与疾病的效应估计值[aRR(f)、 aOR(f)]进行比较
2、判断：
1）如cRR= aRR(f)，则f 无混杂作用， cRR不存在偏倚 2）如cRR≠ aRR(f)，则f 有混杂作用， cRR存在偏倚 3）如cRR >aRR(f)，为正混杂，cRR高估了因素与疾病之关联 4）如cRR <aRR(f)，为负混杂，cRR低估了因素与疾病之关联
（三）诊断怀疑偏倚（diagnosis suspicion bias）：由于研究者和被 研究者事先了解被研究者的暴露或分组情况，怀疑被研究者已经 患病，或希望出现研究的阳性结果，因而在诊断或分析时做出带 倾向性的判断。如对暴露组、或试验组的检查细致程度大于对照 组。该偏倚常见于队列和实验研究，在病例对照研究种也存在。 例：某项关于心脏病病因研究对冠心病猝死的定义为：若病 例发病数分钟内死亡，未发现其它病因，或生前史亦不能提供其 它死因，可认为是冠心病猝死。（造成突然死亡的其它原因有蛛 网膜下腔出血、呼吸系统疾病等） （四）暴露怀疑偏倚（exposure suspicion bias）：研究者事先了解 研究对象的患病或结局，可能会对其以与对照组不可比的方法探 询认为与某病或结局有关的因素。对同一组研究对象以不同的方 法调查，结果会出现很大差异。 例：儿童甲状腺癌患者放射性物质暴露史调查：在36例和22 例两组患儿中，以查找医疗记录法调查有暴露史者分别为28%和 0，询问调查为47%和50%。 （五）测量偏倚（detection bias）：对研究所需指标进行测量时产 生的偏倚。原因：仪器不准；检验技术不熟；责任心不强。
3、方向及程度:
1）测量公式： 混杂偏倚= [cRR -aRR(f)]/ aRR(f) 2）判断: 若该值=0, 无混杂; 若该值为正值，则为正混杂 若该值为负值，则为负混杂
例：以《病例对照研究》一章中之实例 1、计算cOR：
表5-5 口服避孕药(OC)与心肌梗死(MI)关系
OC + 合计
病例 39(a) 114(c) 153(m1)
1.86 <0.001
造成不同疾病入院率不同的原因：医院技术特长；患者疾病严重程 度、经济状况、就诊方便程度等（医院、病人双向选择）。
（二）现患病例-新发病例偏倚（Neyman bias）：病例对照或现况研究 中的的病例为现患典型病例，不包括死亡、病程短、轻型等病例。 因此，存活旧病例的信息可能只与存活有关，未必与发病有关，从 而高估了暴露因素的作用；或病例因疾病改变了生活习惯，从而过 低估了暴露因素的作用。队列研究和实验流行病学研究所用的是新 病例，无此偏倚。 例：Framingham心血管疾病研究： 队列研究：高胆固醇者患冠心病OR值=2.4（有显著差异） 病例对照研究：高胆固醇者患冠心病OR值=1.16(无显著差异) 原因:患冠心病者诊断后戒烟、体育锻炼、注意饮食 （三）检出征候偏倚（暴露偏倚；detection signal bias；unmasking bias）：某因素本与疾病与致病无关，但可引起所研究疾病的症状或 体征，从而促使患者早就诊，提高了早期病例检出率，过高的估计 了暴露程度。 例：病例对照研究发现：服用雌激素与子宫内膜癌发病有正关联。 原因：雌激素促进子宫内膜生长，导致出血，频繁接受检 查，促使早期发现子宫内膜癌患者。
疾病 暴露于X者 非暴露于X者 200 200 400 800 800 1600 合计 1000 1000 2000 X暴露率(%) 20 20 20 OR 1 P 1
实际人群 A（对照） B（病例） 合计
住院率（对照A=50%；病例B=20%；暴露于因素X者40%） A（对照） 140 200×0.5+ 400 540 25.9 800 ×0.5 100 ×0.4 B（病例） 104 160 264 39.4 200×0.2+ 合计 244 160 ×0.4 560 800 ×0.2 804 30.4
三、控制
1、对偏倚要有丰富的知识 2、严格掌握研究对象的纳入和排除标准
3、提高应答率，降低失访率
4、采用多种对照
第二节 信息偏倚（观察偏倚；observational bias）
一、定义：在从研究对象收取所需信息时产生的偏倚。其表现是使 研究对象的某种特征被错误分类（misclassification）。 二、种类： （一）回忆偏倚（recall bias）：由于研究对象不能准确、完整地回 忆以往发生的事情和经历时所产生的差异。 原因：1、事件或因素频率低，被遗忘。 2、事件久远 3、对调查事件的关心程度和回忆的认真程度 例：孕妇接受X线照射：医院记录与回忆符合率未73% 流产史：前10年发生的，完整回忆率为82%；20年以前 则为73% （二）报告偏倚（说谎偏倚；reporting bias ）：由于研究对象有意 扩大或缩小某些信息造成的偏倚。 例：缩小信息：性乱史；青少年吸烟史 扩大偏倚：职业危害（为获取福利）
对照 24(b) 154(d) 178(m0)
合计 63(n1) 268(n0) 331(t)
cOR=ad/bc=2.2
2、观察年龄与心肌梗死几口服避孕药之关联
表5-8 年龄与MI之关联 表5-8 年龄与OC之关联
<40岁 MI 对照 26 59
≥40岁 88 95 OC 对照
二、混杂因素
1、特点： （1）必须是所研究疾病的独立危险因子 （2）必须与研究因素（暴露因素）有关 （3）必须不是研究因素与研究疾病因果链上的中间变量 2、几种情况： E E E E E:研究因素 D D D D D:疾病 F F F f F F:外来因子 E E E E f:伴随因子 D D D D :因果关系 F F F F :一般相关（1-3混杂成立，4-8混杂不成立）
二、测量
1、判断错误分类类型：以实际信息（客观检查、记录）获得的情况 为金标准，比较调查所得情况，计算特异度、灵敏度。 例： 表10-3 病例和对照组调查与实际暴露情况比较 调查 暴露 情况 + 合计 实际暴露情况（金标准） 病例 对照 合计 + 12 28 40 66 34 100 27 3 30 21 49 70 . 合计 48 52 100