病例对照的研究设计

混淆因素
• 混淆因素是疾病和暴露情况之间一种表 面上的联系,是由未被考虑在内的第三因 素引起的
2020/11/4
15
混淆因素举例
• 研究A发现赌博和肺癌之间的联系.这项 研究可能被吸烟所混淆.
• 研究B发现佛罗里达州的自然死亡率比阿 拉斯加高很多.这一比率的不同可能被年 龄结构的不同所混淆.
2020/11/4
结果挑选出来的 • 对发生率或危险度(RR)的估计
是通过优势比(OR)获得的
2020/11/4
3
优势比的计算
结果
暴露程度
条件组 对照组
暴露 未暴露
A
B
C
D
条件组的暴露比 对照组的暴露比
A/C B/D
= 优势比（估计相对危险）
2020/11/4
4
比较优势比和危险比
结果
暴露程度 条件组 对照组
暴露
70
计算正确率
正确诊断
患病 非患病
a
bபைடு நூலகம்
c
d
a+c
b+d
总数 a+b c+d a+b+c+d
敏感性= a/(a+c) +预测值= a/(a+b) 特殊性= d/(b+d) -预测值= d/(c+d)
2020/11/4
25
举例:乳腺癌的筛查
乳房X射线照片 结果 患病 非患病 总数
阳性 132 阴性 45 总计 177
(4)
0-18 5 5,000 1.00每1000 60,500,000
19-64 10 25,000 0.40每1000 140,300,000
65+ 100 15,000 6.67每1000 25,700,000
总数 115 45,000 xxx 226,500,000
(3)×(4)=(5) 60,500 56,120 171,419 288,039
12
测试寻找正确的组合
• 检验找出错误的方法是否正确 • 检验对混淆因素的分析是否正确 • 检验结果是否具有统计显著性
2020/11/4
13
检验设计实验-找出错误
• 筛选时的错误
确定研究人群以及选择研究对象过程中的错误
• 信息处理时的错误
评估患病状况以及暴露程度时产生 的错误
2020/11/4
14
16
检验混淆因素
• 计算粗比率 • 计算为找出不同混淆因素调整后的比率 • 比较两种结果
如果混淆因素确实存在的话两种结 果将是不同的(实际操作中,自然比 率和调整后比率相差10%以上)
2020/11/4
17
年龄 癌症死亡数 危险人群 ASR 1980年美国标准人口 死亡人数估计
(1) (2) (1)/(2)=(3)
2020/11/4
7
随机的临床试验(RCT)
金字塔型的标准定群研究
2020/11/4
8
临床试验的图表解释
研究人群
治疗组 干预或新治疗
参与者 随机筛选
非参与者
对照组 实施控制措施
改善
2020/11/4
未改善
改善
未改善
9
交叉设计
• 研究对象被随机化地施与两个或更多个有顺序的处理 • 每个对象都是其自身的控制对象
组别 I II
顺序 A,B B,A
阶段一 A B
阶段二 B A
2020/11/4
10
因子设计
• 对相同的一组对象施与两种或两种以上 的不同处理并对这些处理同时进行评估
随机选择
处理A
安慰剂
处理B 安慰剂
处理B 安慰剂
2020/11/4
11
怎样评估对癌症的研究是否正确呢?
理解错误和混淆因素
2020/11/4
2020/11/4
20
怎样判断癌症与致病因素之间 的联系是偶然的呢?
理解判断偶然性的标准
2020/11/4
21
原因如下
慢性病以及复杂的条件要求使用希尔假 设
• 联系的强度 • 联系的相符性 • 联系的特殊性 • 暂时性 • 生物梯度
•不确定性 •一致性 •实验 •类比
2020/11/4
22
癌症的发病和死亡能在多大程 度上被施加干预而阻止?
未暴露
30
300 370 700 730
100
1000 1100
OR=AD/BC=5.44 RR=Ie / In =4.41
2020/11/4
5
陈述结果
• OR=5.44 患病者暴露的可能性是非患病者的5.44倍
• RR=4.41 暴露者患病的可能性是非暴露 者的4.41倍
2020/11/4
6
对预期定群和病例－对照组 优势和局限的总结
预期定群
条件-对照
优势: 1有可能在病发前估计危险因素 2.能够研究多样的疾病情况 3.能够估计优势比和危险比
优势: 1.获得结果的速度相对较快 2.对稀有疾病有效 3.相对耗费较少
局限: 1.对稀有疾病有效 2.相对耗费较少 3.获得结果的速度相对较快
局限: 1.病发后估计致病因素有出错的可能性 2.在选择控制组时有出错的可能性 3.选定的条件可能无法代表所有病例的暴露情况
结果的 • 95%的置信区间(CI)表明真实值有95%概率
出现的数值范围 • 大容量样本产生小的置信区间 • 小容量样本产生大的置信区间
2020/11/4
19
评价结果
• RR=1:暴露和未暴露组之间在患病方面没有不同 • OR=1:条件组和控制组之间在暴露情况方面没有
不同 • 举例
RR=1.8(1.6,2.0)具有统计显著性 RR=1.8(0.8,2.9)不具有统计显著性 OR=0.7(0.6,0.8)具有统计显著性 OR=0.7(0.4,1.2)不具有统计显著性
理解教育和筛查方案的作用
2020/11/4
23
筛查原则
• 正确性
敏感性:正确确定患病者 特殊性:正确确定非患病者 +预测值:正确的阳性反应所占比例 -预测值:正确的阴性反应所占比例
• 可信性:反应给出给出一致结果 的能力
• 结果:未确认疾病经筛查后予以治 疗的数量
2020/11/4
24
测试结果 阳性 阴性 总数
病例对照研究设计
• 选两组对象，一组是患病者（条件组）， 另一组是非患病者（对照组），与条件 组有着大体相同的身体状况
• 比较两组对象 之前的暴露情况
2020/11/4
1
病例对照研究设计
目标人群
暴露 患病者（条件组）
未暴露
暴露 非患病者（对照组）
未暴露
2020/11/4
2
病例对照研究设计
局限 • 不能获得疾病发生率 ，因为对象是根据
粗比率 (115/45,000) ×1000
不相等
年龄-调整比率 288,039/226,500,000 ×1000
2.56每1000
1.27每1000
年龄是癌症死亡的混淆因素
2020/11/4
18
评估统计显著性
• 仅仅凭偶然机会获得结果的可能性称为P值 • 很低的p值(<0.05)表明机会是不可能解释实验