流行病学数据统计分析策略
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)。
2016/2/3 8
四、流行病学数据分析的内容
描述研究对象的数量变动； 变量分类和数据整理； 描述和比较组间基线资料； 估计结局事件发生频率； 估计效应大小及其可信区间； 识别和控制混杂； 识别和测量效应修饰作用； 识别和测量剂量反应关系； 其他分析。
9
2016/2/3
13
2016/2/3
四、结局事件发生的频率
一般要求用率表示，如发病率。发病率由三个因素决定： 观察时间、可能发病的总人数和实际发病人数。 一般情况下，发病率的分子是在一定时间内发病的总人数。 分母则因研究设计不同而异。当发病率较低，且每个人的 观察时间长短基本一致，可用研究开始时该组人数作分母 计算发病率，叫做累积发病率（cumulative incidence）。 当结局事件发生率较高（如晚期癌症治疗试验中的死亡） 或每个人的观察时间相差较大时，这时可用人时数（如人 年数，person-years）做分母计算发病率，称作人时发病 率（person-time incidence rate或发病密度（incidence density），
2016/2/3 16
六、估计效应可信区间
由于随机误差，各效应指标的点估计不能代表 效应的真实值，可信区间（Confidence Interval，CI）可用来表达由随机误差引起的 效应估计值的不确定性。实践中一般采用95% 可信区间，可以将其理解为真实效应值有95% 的可能在这个区间之内。若效应指标的点估计 值为X，标准误为SE，该效应指标的95％可信 区间：95％CI ＝X±1.96SE，其中，（X－ 1.96SE）为其下限，（X＋1.96SE）为其上限。
基线资料就是有关研究对象代表性和混杂因素 的信息资料。 基线资料描述的基本目的：一是交待研究对象 的特征，提供其代表人群的信息，据此判断结 果的外推人群和外推性；二是评估暴露组和非 暴露组之间混杂因素的可比性，检查存在混杂 的可能性。 描述基线资料时，通常在总体描述基础上，对 暴露组和非暴露组还要分别进行描述。
27
研究设计最重要的三个因素是时间、人群和变 量。时间因素包括时点还是时间段，如何定义 起始时间、时间走向、变量间的时间关系；人 群因素包括人群特征，选择过程，及比较组的 形成；变量因素包括测量指标、何时测量、测 量的准确性。 通过比较常规数据收集的“设计框架”和最佳 研究设计，可以发现常规数据的设计缺陷，判 断可能引起的偏倚。在时间、人群和变量特征 上与最佳设计的差异，就是常规数据的缺陷所 在，也是偏倚可能出现的地方。 主要缺陷是非随机,失访或变量缺失。
21
九、识别和测量剂量反应关系
识别和测量剂量反应关系的分析方法主要有 分层分析和回归分析。
表 20-5 吸烟量与肺癌的剂量反应关系 每日吸烟支数 RR 0 1.0 15.0 108.5 2010.2 3013.5 4015.7 合计 9.8
2016/2/3
22
第三节 常规收集的 流行病学数据的分析
2016/2/3 18
混杂的控制就是控制混杂的第三个条件， 办法有： 设计阶段有三种方法：限制、匹配和随 机分组； 数据分析阶段也有三种方法：直接标化 法、分层分析和多元回归分析。
2016/2/3
19
八、交互作用
交互作用不同于混杂。混杂是粗效应值估计时 的一种偏倚，需要控制和消除；交互作用是效 应大小随第三因素暴露强度或剂量变化而变化 的现象。 区别交互作用和混杂的方法是一致性检验。如 果层间差异无显著性（P>0.05），说明不存在 交互作用，这时可按混杂处理，可以用一个加 权平均效应值来表达，如果平均效应值与粗效 应值一致，说明无混杂。
2016/2/3
25
二、形成研究问题
根据数据的变量特征，可以初步形成可研究问题的范 围。 欲进行诊断准确性研究，数据库里必须有检查结果和 疾病诊断信息。 研究副作用，基线资料中必须有治疗信息，随访资料 中须有副作用的信息。 评估疗效，基线资料中须有治疗的信息，随访资料中 须有结局信息。 研究危险因素，基线资料中须有可疑病因的信息，随 访资料中须有有关疾病的信息。 对研究者最大的挑战不是如何进行分析，而是如何形 成研究问题？
2016/2/3 28
四、估计相应的指标
根据研究目的以及最佳研究设计，就能够确定 需要估计的指标。 现况研究中，只需要估计有关变量的均数和百 分数； 评估治疗效果时，主要估计治疗对结局作用的 大小； 评估诊断的准确性，主要估计灵敏度和特异度； 研究副作用，主要估计治疗对不良结局的作用 大小值。
2016/2/3
5
流行病学数据分析的目的
估计有关统计学指标，如相对危险度； 估计该统计学指标的可信区间； 控制可能的混杂因素； 分析剂量反应关系； 分析可能的效应修饰因子； 分析可能存在的偏倚。
2016/2/3
6
三、流行病学数据中的变量分类
典型的流行病学研究中变量可根据其用 途分为五类： 暴露变量：因，自变量，可以有多个 结局变量：果，因变量，是数据分析的 核心 混杂因素：需要控制 效应修饰因素：需要描述 其他变量：
常规数据分析的特殊性有三点： 第一，对研究问题的设定和对分析结果真实性 的评估； 第二，由于没有预先设定研究问题，可研究的 问题取决于资料内容和性质； 第三，设计框架不清楚或不完善，存在多种偏 倚，结果真实性较差或不确定。 本节将以医院的病人资料为例，说明常规数据 分析的目的、方法、步骤和注意事项。
2016/2/3 17
七、识别和控制混杂
混杂是由于同一个研究里暴露对某疾病的作用 与其他病因的作用交织在一起导致暴露效应估 计上的误差。 混杂必须同时具备三个条件：其一，是疾病确 定的病因或危险因素；其二，不是暴露和疾病 间的中间因素；其三，可疑的混杂因素在暴露 组和非暴露组的分布不均衡。如性别可能就是 吸烟与肺癌关系中的一个混杂因素。
2016/2/3 26
三、常规数据“研究设计”的缺陷
表 20-7 研究目的 治疗的效果 诊断的准确性 预后和预后因素 病因和危险因素 罕见的病因 罕见的药物副作用 病人和服务现状 总结现有的研究证据
2016/2/3
常见临床问题的最佳研究设计 流行病学最佳设计 随机对照试验 现况研究 前瞻性研究 前瞻性研究 病例对照研究 病例对照研究 现况研究 系统综述
（二）变量的特征和分类
按照临床特征可将常规数据中的变量分为治 疗措施、诊断结果、病因/危险因素、预后因 素、结局、服务相关因素（如药价、医疗保 险等）。 变量决定可能的研究问题。例如，数据中无 治疗信息，则无法研究疗效和副作用；无诊 断结果，则无从研究诊断准确性。无结局信 息，则不能研究疗效、预后因素、危险因素。
2016/2/3 15
例如，某项吸烟和肺癌关系的前瞻性研究，纳入无肺癌的吸烟者 10,000 人， 无肺癌的非吸烟者 20,000 人，平均随访 10 年，不同研究对象观察时间的差别不 超过 3 个月。10 年内吸烟组中新发肺癌 50 例，非吸烟组新发肺癌 20 例。吸烟 对肺癌发病的效应测量指标计算如下： 吸烟组 10 年累积发病率 I１＝50/10000=0.005 非吸烟组 10 年累积发病率 I0＝20/20000=0.001 相对危险度 RR=I１/I0=0.005/0.001=5.0 率差 RD=I１-I0=0.005-0.001=0.004 归因危险度百分数 ARP=(I１-I0)/I1=(0.005-0.001)/0.005=0.004/0.005=80% 比值比 OR=[I１(1-I０)]/[I０(1-I１)]=[0.005(1-0.001)]/[0.001(1-0.005)]=5.02 需治疗人数 NNT=1/0.004=250
2016/2/3 14
五、估计效应值
效应就是暴露或治疗对结局作用或影响的大 小，多用暴露组与非暴露组或治疗组与对照 组间发病率的差别来表达。
流行病学研究中常见的效应测量指标有：①相对危险度 RR=I1/I0；②归因危 险度百分数 ARP=(I1-I0)/I1；③相对危险减少度 RRR=(I1-I0)/I0；④比值比 OR=ad/bc；⑤率差 RD=I1-I0；⑥需治疗人数 NNT=1/RD。
20
2016/2/3
交互作用模型及其相对性
决策应基于相加模型
表 20-3 肺癌发病率—交互作用与效应指标的关系（1/10 万） 吸烟史 有 吸烟者 非吸烟者 率比 率差 50 5 10 [=50/5] 45 [=50-5] 石棉接触史 无 10 1 10 [=10/1] 9 [=10-1]
2016/2/3
一、流行病学研究与流行病学数据
狭义的流行病学数据（epidemiological data）指任何来自针对明确研究目的而 开展特定流行病学研究所收集的资料。 广义的流行病学数据还包括出于其他目 的和用途而收集的、可以用来定量地探 索疾病健康或医疗卫生服务其他问题的 资料。 即一切可为流行病学所用的数据。目前 的临床大数据是个宝库。
2016/2/3 30
五、评估数据中的偏倚
分析常规数据时，针对偏倚需考虑以下问题：
设计框架中，是否具有病因（或治疗）、结局和 混杂因素的信息，结局的测量是否发生在病因或 治疗发生后的一段时间内； 是否存在选择偏倚：数据代表性及失访率等； 是否存在信息偏倚； 是否存在混杂偏倚：有关混杂因素的基线信息是 否完整。
4
2016/2/3
二、流行病学数据分析的目的
流行病学数据分析是针对明确研究问题、具有 明确目的、采用特定方法对流行病学数据进行 统计整理、统计描述、统计推断和总结。 流行病学研究的问题涉及疾病分布、病因与危 险因素、诊断、预防和治疗效果评价等。 数据分析的根本是正确地回答有意义的问题， 而不是统计学数字游戏。
2016/2/3
29
常规数据分析的具体步骤
分析数据的时间框架和变量的特征； 提出可探索的问题，确定最终研究的问题； 与最佳研究设计比较，检查数据的“研究设计” 缺陷； 估计必要的指标及其可信区间与其它必要的分 析； 分析数据中可能存在的其他偏倚，例如选择偏 倚、信息偏倚和混杂偏倚； 综合设计缺陷、偏倚和结果，对研究问题做出 结论。
第二节 流行病学专题研究的数据分析
一、描述研究对象的数量变动 数据分析的第一步须对研究对象数 量随时间的变动进行描述，这是判断选 择偏倚是否存在及其大小的主要依据； 对选样、抽样和筛选都应交代原则和方 法；对退出和失访都应记录数量和原因 。
2016/2/3
10
2016/2/3
11
二、流行病学变量的分类与数据转换
7
2016/2/3
按统计Байду номын сангаас分类
定性：二分类和多分类（无序多分类） 定量：在多数流行病学研究中被转化为分类变 量 半定量（分级，有序多分类） 同一个研究中，因变量和自变量的关系应该是 固定的、不能互换。但在不同的研究中，一个 变量在这个研究中可能是果，在另一个研究中 也可能是因。例如，高血压可能是遗传的结果， 血压也可能是心脑血管事件的原因。
转换目的： 习惯、专业考量、模型限制 转换类型：定量转定性或分级，定性转 定量 转换常用原则：借鉴既往同类研究的分 级方法；按照通用的分级标准，如年龄 可按国际通用的婴儿、幼儿、青少年、 青年、中年、老年的年龄切点来分级； 把研究人群分成每组人数均等的3~5组等。
12
2016/2/3
三、描述基线资料
流行病学数据统计分析策略
中南大学湘雅公共卫生学院 谭红专 教授
主要内容
概述 专题研究的数据分析 常规收集的流行病学数据的分析
2016/2/3
2
第一节 概述
流行病学研究与流行病学数据 流行病学数据分析的目的 流行病学数据中的变量分类 流行病学数据分析的内容
2016/2/3
3
2016/2/3 23
一、常规数据的特征
（一）数据的时间框架和分类 时间框架指数据的时间特征，主要分为 随访数据（队列数据）和非随访数据 （现况数据）。 现况数据主要探索病人现况、服务状况 和诊断准确性，偶尔用于初步探索病因、 疗效和不良反应。队列数据可用于大多 数临床问题的探索。
2016/2/3 24
四、流行病学数据分析的内容
描述研究对象的数量变动； 变量分类和数据整理； 描述和比较组间基线资料； 估计结局事件发生频率； 估计效应大小及其可信区间； 识别和控制混杂； 识别和测量效应修饰作用； 识别和测量剂量反应关系； 其他分析。
9
2016/2/3
13
2016/2/3
四、结局事件发生的频率
一般要求用率表示，如发病率。发病率由三个因素决定： 观察时间、可能发病的总人数和实际发病人数。 一般情况下，发病率的分子是在一定时间内发病的总人数。 分母则因研究设计不同而异。当发病率较低，且每个人的 观察时间长短基本一致，可用研究开始时该组人数作分母 计算发病率，叫做累积发病率（cumulative incidence）。 当结局事件发生率较高（如晚期癌症治疗试验中的死亡） 或每个人的观察时间相差较大时，这时可用人时数（如人 年数，person-years）做分母计算发病率，称作人时发病 率（person-time incidence rate或发病密度（incidence density），
2016/2/3 16
六、估计效应可信区间
由于随机误差，各效应指标的点估计不能代表 效应的真实值，可信区间（Confidence Interval，CI）可用来表达由随机误差引起的 效应估计值的不确定性。实践中一般采用95% 可信区间，可以将其理解为真实效应值有95% 的可能在这个区间之内。若效应指标的点估计 值为X，标准误为SE，该效应指标的95％可信 区间：95％CI ＝X±1.96SE，其中，（X－ 1.96SE）为其下限，（X＋1.96SE）为其上限。
基线资料就是有关研究对象代表性和混杂因素 的信息资料。 基线资料描述的基本目的：一是交待研究对象 的特征，提供其代表人群的信息，据此判断结 果的外推人群和外推性；二是评估暴露组和非 暴露组之间混杂因素的可比性，检查存在混杂 的可能性。 描述基线资料时，通常在总体描述基础上，对 暴露组和非暴露组还要分别进行描述。
27
研究设计最重要的三个因素是时间、人群和变 量。时间因素包括时点还是时间段，如何定义 起始时间、时间走向、变量间的时间关系；人 群因素包括人群特征，选择过程，及比较组的 形成；变量因素包括测量指标、何时测量、测 量的准确性。 通过比较常规数据收集的“设计框架”和最佳 研究设计，可以发现常规数据的设计缺陷，判 断可能引起的偏倚。在时间、人群和变量特征 上与最佳设计的差异，就是常规数据的缺陷所 在，也是偏倚可能出现的地方。 主要缺陷是非随机,失访或变量缺失。
21
九、识别和测量剂量反应关系
识别和测量剂量反应关系的分析方法主要有 分层分析和回归分析。
表 20-5 吸烟量与肺癌的剂量反应关系 每日吸烟支数 RR 0 1.0 15.0 108.5 2010.2 3013.5 4015.7 合计 9.8
2016/2/3
22
第三节 常规收集的 流行病学数据的分析
2016/2/3 18
混杂的控制就是控制混杂的第三个条件， 办法有： 设计阶段有三种方法：限制、匹配和随 机分组； 数据分析阶段也有三种方法：直接标化 法、分层分析和多元回归分析。
2016/2/3
19
八、交互作用
交互作用不同于混杂。混杂是粗效应值估计时 的一种偏倚，需要控制和消除；交互作用是效 应大小随第三因素暴露强度或剂量变化而变化 的现象。 区别交互作用和混杂的方法是一致性检验。如 果层间差异无显著性（P>0.05），说明不存在 交互作用，这时可按混杂处理，可以用一个加 权平均效应值来表达，如果平均效应值与粗效 应值一致，说明无混杂。
2016/2/3
25
二、形成研究问题
根据数据的变量特征，可以初步形成可研究问题的范 围。 欲进行诊断准确性研究，数据库里必须有检查结果和 疾病诊断信息。 研究副作用，基线资料中必须有治疗信息，随访资料 中须有副作用的信息。 评估疗效，基线资料中须有治疗的信息，随访资料中 须有结局信息。 研究危险因素，基线资料中须有可疑病因的信息，随 访资料中须有有关疾病的信息。 对研究者最大的挑战不是如何进行分析，而是如何形 成研究问题？
2016/2/3 28
四、估计相应的指标
根据研究目的以及最佳研究设计，就能够确定 需要估计的指标。 现况研究中，只需要估计有关变量的均数和百 分数； 评估治疗效果时，主要估计治疗对结局作用的 大小； 评估诊断的准确性，主要估计灵敏度和特异度； 研究副作用，主要估计治疗对不良结局的作用 大小值。
2016/2/3
5
流行病学数据分析的目的
估计有关统计学指标，如相对危险度； 估计该统计学指标的可信区间； 控制可能的混杂因素； 分析剂量反应关系； 分析可能的效应修饰因子； 分析可能存在的偏倚。
2016/2/3
6
三、流行病学数据中的变量分类
典型的流行病学研究中变量可根据其用 途分为五类： 暴露变量：因，自变量，可以有多个 结局变量：果，因变量，是数据分析的 核心 混杂因素：需要控制 效应修饰因素：需要描述 其他变量：
常规数据分析的特殊性有三点： 第一，对研究问题的设定和对分析结果真实性 的评估； 第二，由于没有预先设定研究问题，可研究的 问题取决于资料内容和性质； 第三，设计框架不清楚或不完善，存在多种偏 倚，结果真实性较差或不确定。 本节将以医院的病人资料为例，说明常规数据 分析的目的、方法、步骤和注意事项。
2016/2/3 17
七、识别和控制混杂
混杂是由于同一个研究里暴露对某疾病的作用 与其他病因的作用交织在一起导致暴露效应估 计上的误差。 混杂必须同时具备三个条件：其一，是疾病确 定的病因或危险因素；其二，不是暴露和疾病 间的中间因素；其三，可疑的混杂因素在暴露 组和非暴露组的分布不均衡。如性别可能就是 吸烟与肺癌关系中的一个混杂因素。
2016/2/3 26
三、常规数据“研究设计”的缺陷
表 20-7 研究目的 治疗的效果 诊断的准确性 预后和预后因素 病因和危险因素 罕见的病因 罕见的药物副作用 病人和服务现状 总结现有的研究证据
2016/2/3
常见临床问题的最佳研究设计 流行病学最佳设计 随机对照试验 现况研究 前瞻性研究 前瞻性研究 病例对照研究 病例对照研究 现况研究 系统综述
（二）变量的特征和分类
按照临床特征可将常规数据中的变量分为治 疗措施、诊断结果、病因/危险因素、预后因 素、结局、服务相关因素（如药价、医疗保 险等）。 变量决定可能的研究问题。例如，数据中无 治疗信息，则无法研究疗效和副作用；无诊 断结果，则无从研究诊断准确性。无结局信 息，则不能研究疗效、预后因素、危险因素。
2016/2/3 15
例如，某项吸烟和肺癌关系的前瞻性研究，纳入无肺癌的吸烟者 10,000 人， 无肺癌的非吸烟者 20,000 人，平均随访 10 年，不同研究对象观察时间的差别不 超过 3 个月。10 年内吸烟组中新发肺癌 50 例，非吸烟组新发肺癌 20 例。吸烟 对肺癌发病的效应测量指标计算如下： 吸烟组 10 年累积发病率 I１＝50/10000=0.005 非吸烟组 10 年累积发病率 I0＝20/20000=0.001 相对危险度 RR=I１/I0=0.005/0.001=5.0 率差 RD=I１-I0=0.005-0.001=0.004 归因危险度百分数 ARP=(I１-I0)/I1=(0.005-0.001)/0.005=0.004/0.005=80% 比值比 OR=[I１(1-I０)]/[I０(1-I１)]=[0.005(1-0.001)]/[0.001(1-0.005)]=5.02 需治疗人数 NNT=1/0.004=250
2016/2/3 14
五、估计效应值
效应就是暴露或治疗对结局作用或影响的大 小，多用暴露组与非暴露组或治疗组与对照 组间发病率的差别来表达。
流行病学研究中常见的效应测量指标有：①相对危险度 RR=I1/I0；②归因危 险度百分数 ARP=(I1-I0)/I1；③相对危险减少度 RRR=(I1-I0)/I0；④比值比 OR=ad/bc；⑤率差 RD=I1-I0；⑥需治疗人数 NNT=1/RD。
20
2016/2/3
交互作用模型及其相对性
决策应基于相加模型
表 20-3 肺癌发病率—交互作用与效应指标的关系（1/10 万） 吸烟史 有 吸烟者 非吸烟者 率比 率差 50 5 10 [=50/5] 45 [=50-5] 石棉接触史 无 10 1 10 [=10/1] 9 [=10-1]
2016/2/3
一、流行病学研究与流行病学数据
狭义的流行病学数据（epidemiological data）指任何来自针对明确研究目的而 开展特定流行病学研究所收集的资料。 广义的流行病学数据还包括出于其他目 的和用途而收集的、可以用来定量地探 索疾病健康或医疗卫生服务其他问题的 资料。 即一切可为流行病学所用的数据。目前 的临床大数据是个宝库。
2016/2/3 30
五、评估数据中的偏倚
分析常规数据时，针对偏倚需考虑以下问题：
设计框架中，是否具有病因（或治疗）、结局和 混杂因素的信息，结局的测量是否发生在病因或 治疗发生后的一段时间内； 是否存在选择偏倚：数据代表性及失访率等； 是否存在信息偏倚； 是否存在混杂偏倚：有关混杂因素的基线信息是 否完整。
4
2016/2/3
二、流行病学数据分析的目的
流行病学数据分析是针对明确研究问题、具有 明确目的、采用特定方法对流行病学数据进行 统计整理、统计描述、统计推断和总结。 流行病学研究的问题涉及疾病分布、病因与危 险因素、诊断、预防和治疗效果评价等。 数据分析的根本是正确地回答有意义的问题， 而不是统计学数字游戏。
2016/2/3
29
常规数据分析的具体步骤
分析数据的时间框架和变量的特征； 提出可探索的问题，确定最终研究的问题； 与最佳研究设计比较，检查数据的“研究设计” 缺陷； 估计必要的指标及其可信区间与其它必要的分 析； 分析数据中可能存在的其他偏倚，例如选择偏 倚、信息偏倚和混杂偏倚； 综合设计缺陷、偏倚和结果，对研究问题做出 结论。
第二节 流行病学专题研究的数据分析
一、描述研究对象的数量变动 数据分析的第一步须对研究对象数 量随时间的变动进行描述，这是判断选 择偏倚是否存在及其大小的主要依据； 对选样、抽样和筛选都应交代原则和方 法；对退出和失访都应记录数量和原因 。
2016/2/3
10
2016/2/3
11
二、流行病学变量的分类与数据转换
7
2016/2/3
按统计Байду номын сангаас分类
定性：二分类和多分类（无序多分类） 定量：在多数流行病学研究中被转化为分类变 量 半定量（分级，有序多分类） 同一个研究中，因变量和自变量的关系应该是 固定的、不能互换。但在不同的研究中，一个 变量在这个研究中可能是果，在另一个研究中 也可能是因。例如，高血压可能是遗传的结果， 血压也可能是心脑血管事件的原因。
转换目的： 习惯、专业考量、模型限制 转换类型：定量转定性或分级，定性转 定量 转换常用原则：借鉴既往同类研究的分 级方法；按照通用的分级标准，如年龄 可按国际通用的婴儿、幼儿、青少年、 青年、中年、老年的年龄切点来分级； 把研究人群分成每组人数均等的3~5组等。
12
2016/2/3
三、描述基线资料
流行病学数据统计分析策略
中南大学湘雅公共卫生学院 谭红专 教授
主要内容
概述 专题研究的数据分析 常规收集的流行病学数据的分析
2016/2/3
2
第一节 概述
流行病学研究与流行病学数据 流行病学数据分析的目的 流行病学数据中的变量分类 流行病学数据分析的内容
2016/2/3
3
2016/2/3 23
一、常规数据的特征
（一）数据的时间框架和分类 时间框架指数据的时间特征，主要分为 随访数据（队列数据）和非随访数据 （现况数据）。 现况数据主要探索病人现况、服务状况 和诊断准确性，偶尔用于初步探索病因、 疗效和不良反应。队列数据可用于大多 数临床问题的探索。
2016/2/3 24