交互作用的检验
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)。
• 交互作用是描述资料本身所表现出来的关于两 个或多个暴露因素联合效应的一个统计学术语， 并不表示一定具有生物学意义。有交互作用可 能有生物学意义，也可能没有生物学意义。
效应修饰作用
• 当暴露因素按第三变量分层后估计暴露 在每一层中与疾病的联系强度时，效应 修正被定义为暴露因素在各层中与疾病 的联系强度(测量的效应)因第三变量的存 在情况不同而大小不同。
– 相乘模型假定若交互作用不存在时，两个或 两个以上因子共同作用于某一事件时，其效 应等于这些因子单独作用时的积。
交互作用与效应修饰
交互作用( interaction)
• 指两个或多个因素相互依赖发生作用而 产生的一种效应。生物学上是指两个或 多个因素互相依赖发生作用而引起疾病 或预防和控制疾病。即生物学交互作用 (biological interaction) .
• 研究资料中各研究因素间存在交互作用时，说 明各研究因素的作用不是独立的，一个因素水 平改变时与它有交互作用的因素之效应也将发 生改变 。
效应修饰与混杂
混杂是一种偏倚，是研究者希望避免的，或在 必要时希望从资料中消除的。
效应修饰是对效应本身的详细描述，它是一种 需要报告的发现，而不是一种需避免的偏倚。
流行病学分析总目的是消除混杂，并发现和描 述效应修饰。
混杂是否存在取决于研究设计。 混杂源于选择研究对象的源人群中混杂变量与研究
又例如，每天喝5杯咖啡，可使男性心肌梗死 发生率增加到400/10万人年，但只使女性心肌 梗死发生率增加到40/10万人年。这种情况称为 性别对率差（AR）的修饰，性别即为喝咖啡 致心肌梗死AR的修饰因素。
ห้องสมุดไป่ตู้
• 再一例子，如果每天喝5杯咖啡，无论对男性或女性，都可 使心肌梗死发生率增加22%（RR=1.22），这种情况称为性 别间的RR一致性（homogeneity），也即性别不存在效应修 饰。
• 例如，性别与髋骨骨折的联系受到年龄 的修饰；
– 女性髋骨骨折危险性为男性的2至3倍 – 年轻组：男性髋骨骨折危险性高于女性 – 年老组：女性髋骨骨折危险性明显高于男性 – 说明性别与骨折的联系被年龄修饰。
• 体重与乳癌的联系受到绝经状态的修饰；
– 肥胖与乳癌之间的联系被绝经状态修饰， – 肥胖是绝经后妇女乳癌的危险因素， – 肥胖不是绝经前妇女乳癌的危险因素。
在研究效应修饰时必须规定欲测量的是何种效应。 广义上讲，效应修饰是指对一种效应的修饰，但并未指
明修饰何种效应测量。流行病学中有两种常用的危险性 效应测量，即率差和率比，以及其它一些不常用的测量。
如果不规定修饰何种测量（率差或率比），效应修饰的 概念就太模糊，使人无法描述其特性。
• 暴露组与非暴露组之间的发病率比在不同年龄组是恒定的。 • 但其发病率差则随年龄而增加。以率差为指标，年龄是效应修饰因素。
• 检验分层资料不一致性的统计学方法，在许多情况下 检验效率很低，用常规的显著性水平（如α=0.05）， 多数的层间不一致性无法检出。用数学模型拟合的方 法可以解决其中的一些问题。但由于混杂、测量误差 引起的偏倚在各层间不同，对效应修饰无论采用观察 或数学模型拟合的方法，仍会有一些偏倚。
交互作用模型
• 该第三变量称为效应修正因素( effect modification factor）。
• 第三变量在一项研究中是否成为效应修 正因素，取决于选用判断暴露和疾病之 间联系的指标是用率差( rate difference ,
RD)还是用率比( rate ratio , RR) 。
• 又称效应变异（effect variation），或效 应不一致性或异质性（heterogeneity of effect）。
• 相加模型(additive model)
– 相加模型假定若交互作用不存在时，两个或 两个以上因子共同作用于某一事件时，其效 应等于这些因子单单独作用时的和，有时称 之具有可加性。
• R11-R00=(R10-R00)+(R01-R00)
• 相乘模型( multiplicative model)
• 男性的AR=220/10万人年，女性AR=88/10万人年，男女性 的AR不一致或AR被性别所修饰。
• 这个例子说明，效应修饰不一定等于生物学的交互作用 （interaction）（如协同或拮抗作用）。
效应修饰作用的分析
• 效应修饰可采用分层的方法进行分析，估计每层的效应， 并进行比较。
• 但如果每层观察对象的数目太少，使每层的效应不稳定， 尤其在调整了混杂因素后。这样，由于随机误差，层间的 效应估计可能波动很大。
• 暴露组与非暴露组之间的发病率差在不同年龄时是恒定的。 • 对率比这个效应来说，年龄修饰暴露效应。
例如
如果每天喝5杯咖啡，可使男性心肌梗死发生率 增加40%，（率比RR=1.4），但使女性心肌梗 死发生率只增加10%（RR=1.1），这种情况称 作性别对RR的修饰（或RR的性别变异或性别 的RR不一致性），性别即为喝咖啡致心肌梗死 RR的修饰因素。
• 需注意的是，效应修饰和效应不一致性并非效应的固有特 性，而仅是效应测量方法的一个特征。
• 例如，每天喝5杯咖啡，可使男性心肌梗死发生率从 1000/10万人年增加到1220/10万人年，而使女性心肌梗死 发生率从400/10万人年增加到488/10万人年，男女性的RR 均=1.22，呈现一致性。
因素的相关性。因此，在选择研究对象时对研究对 象进行适当限制，可以防止一个变量成为混杂因素。 效应修饰并不取决于研究设计，是一种与研究设计 无关的自然现象，是研究欲尽可能揭示和描述的现 象，它超出了恒定的研究设计概念。
效应修饰是一种恒定的自然现象，这是一种相对（非绝 对）的概念，故其并不与任何生物学特性相对应。
• 孕妇吸烟与婴儿低出生体重的联系
– 吸烟对出生低体重的有害影响在高龄孕妇较低龄孕妇更为 明显。
– 母亲年龄是修饰因素。
• EB病毒感染与非洲儿童淋巴瘤的联系
– 生命早期感染EB病毒与非洲儿童Burkitt淋巴瘤的联系 多见于幼年生活在疟疾广泛流行区的儿童，少见于疟 疾非流行区。
– 当地普遍存在疟疾是一种效应修饰因素。
效应修饰作用
• 当暴露因素按第三变量分层后估计暴露 在每一层中与疾病的联系强度时，效应 修正被定义为暴露因素在各层中与疾病 的联系强度(测量的效应)因第三变量的存 在情况不同而大小不同。
– 相乘模型假定若交互作用不存在时，两个或 两个以上因子共同作用于某一事件时，其效 应等于这些因子单独作用时的积。
交互作用与效应修饰
交互作用( interaction)
• 指两个或多个因素相互依赖发生作用而 产生的一种效应。生物学上是指两个或 多个因素互相依赖发生作用而引起疾病 或预防和控制疾病。即生物学交互作用 (biological interaction) .
• 研究资料中各研究因素间存在交互作用时，说 明各研究因素的作用不是独立的，一个因素水 平改变时与它有交互作用的因素之效应也将发 生改变 。
效应修饰与混杂
混杂是一种偏倚，是研究者希望避免的，或在 必要时希望从资料中消除的。
效应修饰是对效应本身的详细描述，它是一种 需要报告的发现，而不是一种需避免的偏倚。
流行病学分析总目的是消除混杂，并发现和描 述效应修饰。
混杂是否存在取决于研究设计。 混杂源于选择研究对象的源人群中混杂变量与研究
又例如，每天喝5杯咖啡，可使男性心肌梗死 发生率增加到400/10万人年，但只使女性心肌 梗死发生率增加到40/10万人年。这种情况称为 性别对率差（AR）的修饰，性别即为喝咖啡 致心肌梗死AR的修饰因素。
ห้องสมุดไป่ตู้
• 再一例子，如果每天喝5杯咖啡，无论对男性或女性，都可 使心肌梗死发生率增加22%（RR=1.22），这种情况称为性 别间的RR一致性（homogeneity），也即性别不存在效应修 饰。
• 例如，性别与髋骨骨折的联系受到年龄 的修饰；
– 女性髋骨骨折危险性为男性的2至3倍 – 年轻组：男性髋骨骨折危险性高于女性 – 年老组：女性髋骨骨折危险性明显高于男性 – 说明性别与骨折的联系被年龄修饰。
• 体重与乳癌的联系受到绝经状态的修饰；
– 肥胖与乳癌之间的联系被绝经状态修饰， – 肥胖是绝经后妇女乳癌的危险因素， – 肥胖不是绝经前妇女乳癌的危险因素。
在研究效应修饰时必须规定欲测量的是何种效应。 广义上讲，效应修饰是指对一种效应的修饰，但并未指
明修饰何种效应测量。流行病学中有两种常用的危险性 效应测量，即率差和率比，以及其它一些不常用的测量。
如果不规定修饰何种测量（率差或率比），效应修饰的 概念就太模糊，使人无法描述其特性。
• 暴露组与非暴露组之间的发病率比在不同年龄组是恒定的。 • 但其发病率差则随年龄而增加。以率差为指标，年龄是效应修饰因素。
• 检验分层资料不一致性的统计学方法，在许多情况下 检验效率很低，用常规的显著性水平（如α=0.05）， 多数的层间不一致性无法检出。用数学模型拟合的方 法可以解决其中的一些问题。但由于混杂、测量误差 引起的偏倚在各层间不同，对效应修饰无论采用观察 或数学模型拟合的方法，仍会有一些偏倚。
交互作用模型
• 该第三变量称为效应修正因素( effect modification factor）。
• 第三变量在一项研究中是否成为效应修 正因素，取决于选用判断暴露和疾病之 间联系的指标是用率差( rate difference ,
RD)还是用率比( rate ratio , RR) 。
• 又称效应变异（effect variation），或效 应不一致性或异质性（heterogeneity of effect）。
• 相加模型(additive model)
– 相加模型假定若交互作用不存在时，两个或 两个以上因子共同作用于某一事件时，其效 应等于这些因子单单独作用时的和，有时称 之具有可加性。
• R11-R00=(R10-R00)+(R01-R00)
• 相乘模型( multiplicative model)
• 男性的AR=220/10万人年，女性AR=88/10万人年，男女性 的AR不一致或AR被性别所修饰。
• 这个例子说明，效应修饰不一定等于生物学的交互作用 （interaction）（如协同或拮抗作用）。
效应修饰作用的分析
• 效应修饰可采用分层的方法进行分析，估计每层的效应， 并进行比较。
• 但如果每层观察对象的数目太少，使每层的效应不稳定， 尤其在调整了混杂因素后。这样，由于随机误差，层间的 效应估计可能波动很大。
• 暴露组与非暴露组之间的发病率差在不同年龄时是恒定的。 • 对率比这个效应来说，年龄修饰暴露效应。
例如
如果每天喝5杯咖啡，可使男性心肌梗死发生率 增加40%，（率比RR=1.4），但使女性心肌梗 死发生率只增加10%（RR=1.1），这种情况称 作性别对RR的修饰（或RR的性别变异或性别 的RR不一致性），性别即为喝咖啡致心肌梗死 RR的修饰因素。
• 需注意的是，效应修饰和效应不一致性并非效应的固有特 性，而仅是效应测量方法的一个特征。
• 例如，每天喝5杯咖啡，可使男性心肌梗死发生率从 1000/10万人年增加到1220/10万人年，而使女性心肌梗死 发生率从400/10万人年增加到488/10万人年，男女性的RR 均=1.22，呈现一致性。
因素的相关性。因此，在选择研究对象时对研究对 象进行适当限制，可以防止一个变量成为混杂因素。 效应修饰并不取决于研究设计，是一种与研究设计 无关的自然现象，是研究欲尽可能揭示和描述的现 象，它超出了恒定的研究设计概念。
效应修饰是一种恒定的自然现象，这是一种相对（非绝 对）的概念，故其并不与任何生物学特性相对应。
• 孕妇吸烟与婴儿低出生体重的联系
– 吸烟对出生低体重的有害影响在高龄孕妇较低龄孕妇更为 明显。
– 母亲年龄是修饰因素。
• EB病毒感染与非洲儿童淋巴瘤的联系
– 生命早期感染EB病毒与非洲儿童Burkitt淋巴瘤的联系 多见于幼年生活在疟疾广泛流行区的儿童，少见于疟 疾非流行区。
– 当地普遍存在疟疾是一种效应修饰因素。