预防医学-偏倚和病因
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)。
与其自身对暴露的易感性有关。由于各比较组中 的研究对象的易感性不同而产生的偏倚称之为易 感性偏倚
易感性偏倚(例)
健康工人效应（healthy worker effect ） 暴露于同一种危险因素后, 不同人的易感性可能不同, 高
易感性的人可能有主动避免继续暴露的倾向, 而低易感性 可能并不在意暴露.例如调查喷漆的职业暴露与患支气管 哮喘的关系时, 那些对油漆气味过敏或耐受性差的人, 可 能一开始就不选择喷漆工的职业, 或者虽然选择了这一职 业但因不适应而很快调离此岗位。这时的病例对照调查结 果, 将会低估暴露油漆后产生支气管哮喘的作用，甚至可 能得出暴露油漆与支气管哮喘无关的相反结论。在流行病 学观察研究中完全避免此类偏倚是困难的, 因此在评价职 业暴露的危险性时,应考虑易感性偏倚的问题,有利于获得 较客观的结论。
定义
研究对象的选取过程中，由于选取方式不当， 导致入选对象与未入选对象之间存在系统差异， 由此造成的偏倚称为选择偏倚。
常见选择偏倚
入院率偏倚 检出症候偏倚 现患病例-新病例偏倚 无应答偏倚 易感性偏倚 时间效应偏倚 领先时间偏倚
入院率偏倚
入院率偏倚（ admission rate bias ），(伯克 森偏倚Berkson bias)
1.θ >1时： （1） θ ’>θ >1时，夸大危险效应，为正偏倚。 （2）θ >θ ’>1时，缩小危险效应，为负偏倚。
2.θ <1时： （1） θ ’<θ <1时，夸大保护效应，为正偏倚。 （2）θ <θ ’<1时，缩小保护效应，为负偏倚。
（二）趋向无效值偏倚、远离无效值偏倚或颠倒偏倚： 无效值指产生零效应的值。例如，对于RR或OR等 于1时即无效值。就RR或OR而言：
倚。
（2）RR＝0.6 RR’=0.8时，为趋向无效值负偏 倚。
（3）RR=1.2 RR’=0.9时，为颠倒负偏倚。
二﹑常见偏倚及其分类
选择偏倚(selection bias) 信息偏倚(information bias) 混杂偏倚(confounding bias)
一、选择偏倚（selection bias）
由于入院率的不同，使本来不存在联系的B病与因素X之 间出现了统计学上的联系。这种联系是一种虚假的联系，此 即入院率偏倚。
检出症候偏倚
检出症候偏倚(detection signal bias，detection bias，unmasking bias) 某因素如能引起或促进某症候（与所研究疾病 的体征或症状类似）的出现，部分所研究的病例 因为某种与所研究疾病无关的症状或体征而就医， 接受多种检查，使该人群有较高的检出率，以致 得出该因素与该疾病相关联的错误结论。
时间效应偏倚
时间效应偏倚(time effect bias) ������ 对于肿瘤、冠心病等慢性病，从开始暴露于
内外危险因素到发病有一个漫长的发病过程。在 进行病例对照研究时，特别是在选择对照组时， 往往容易把暴露后即将发病的人、已发生早期病 变而未能检出的人作为非病例而进入对照组，从 而导致研究结果发生偏倚。
诊断怀疑偏倚:主要发生在随访性质的研究，如队 列研究、实验研究等。研究者事先已经知道了研究 对象对研究因素的暴露情况，因而会在研究过程中 对暴露组会更加仔细的寻找某种结果，但对于对照 组的研究对象则不会这样，从而产生偏倚。
暴露怀疑偏倚:发生于研究者事先知道研究对象患 有某种疾病，而在资料收集过程中会对患病者比对 未患病者更仔细收集暴露因素，而产生偏倚。
入院率偏倚(例)
病例 对照
入院率偏倚(例)
假设: ������ 患A病者的住院率为40%， ������ 患B病者的住院率为80%， ������ 暴露于因素X者的住院率为40%。 ������ A病、B病及因素X是独立的，这样实际住院
人数应为：
入院率偏倚(例)
患A病且暴露于因素X者为： 200×0.4＋(200－200×0.4)×0.4=128 ������ 患A病而不暴露于因素X者为： 800×0.4=320 ������ 患B病且暴露于因素X者为： 200×0.8＋(200－200×0.8)×0.4=176 ������ 患A病而不暴露于因素X者为： 800×0.8=640
陷等)与实施过程的不恰当所致。 内部真实性(internal validity)指研究结果能准确
反映目标人群真实状况的程度。 外部真实性(external validity)指研究结果被外推
至不同时间、不同地区、不同人群时所能反映的可 靠程度。
Random error and Bias
Random error
果系统的偏离真实值. ������ 特点: 具有方向性
可以测量其大小和方向 不能用统计学方法处理 能够预先考虑到而加于预防和控制
偏倚的方向： （一）正偏倚和负偏倚：
凡夸大真实效应者为正偏倚。 凡缩小真实效应者为负偏倚。 假如某特征的真实值为θ ，而测得值为θ ’。 θ ＝1.0为零效应； θ >1为危险效应； θ <1为保护效应。
1946年由J. Berkson 提出。是指利用医院就诊 或住院病人作为研究对象时，由于入院率的不同 而导致的偏差。
入院率偏倚(例)
若在某医院住院病人中选择研究对象进行病例对 照研究，以B病为对照研究A病与某因素X的关系。
设人群中A病与B病患者各为1000人，患这两种 疾病的病人，暴露于因素X者各为200人，非暴露 于因素X者各为800人，暴露率均为20%， OR=1，A病与因素X无关。
Bias
举例：用血压计和动脉内套管测量某人血压的系统误差和随机误 差可用以下图示。
动脉内套管测量均值 血压计法测量均值
发
系统误差
生
频 次
随机误差
80
100
图9-1 血压计法测量舒张压值的分布
舒张压 （mmHg）
(二)偏倚的概念
流行病学研究中的各种系统误差被称为偏倚(bias)。 ������ 概念:偏倚只指在研究或推论过程中所获得的结
提高精确性的方法
增加研究样本量: 样本量可用统计学中有关样本大小的公式计算。
样本量的大小与研究设计、研究总体、把握度等 因素有关。 提高信息获取的效率: 样本大小相同的两项研究，正确的设计者将获得 更加精确的估计，更具有统计效率。
2.流行病学研究的真实性
流行病学研究的真实性是研究中的系统误差的问题 系统误差：由研究设计(方法的本身特点、设计的缺
分类: 随机错分(无差异错分)偏倚 非随机错分(有差异错分)偏倚
随机错分:
指在对比的各组都存在相同比例的被错误分类的个体(研 究组与比较组错分的几率是相同的).
对研究结果的影响:
①在病例对照研究中，对两组暴露测量方法一致，而该暴 露变量是二分变量，一般来说，资料的效应估计（OR或 RR）低于实际值，使效应估计趋于无效值，低估研究因 素与疾病之间的联系。
例如, 在研究冠心病与高胆固醇血症的相关关系 的病例对照研究中, 其OR为1.6, 而在同一目标人 群中同样内容的队列研究, 其相对危险度达到 2.18. 试分析其原因
������ 其重要原因是病例对照研究时, 由于冠心病 的死亡病例不可能进入病例组, 而已确定为冠心 病者是存活的病例, 可能回改变原来的暴露状况, 如更注意饮食控制, 会使血胆固醇水平逐步下降, 甚至他们本身的胆固醇水平就比死亡病例低, 因 此会造成比值比趋向1的现象。
无应答偏倚
无应答偏倚(non-respondent bias) ������ 研究对象因各种原因对研究的内容不予回答而
产生的偏倚，称为无应答偏倚(non-respondent bias)
易感性偏倚
易感性偏倚 (susceptibility bias) ������ 研究对象是否发生疾病不仅与暴露有关，还
回忆偏倚:研究对象在回忆以往发生的事情或经历 时, 由于在准确性和完整性上的不同而产生的系 统误差.
报告偏倚: (说谎偏倚)由于研究对象有意夸大或缩 小某些信息而导致的系统误差.此类偏倚常见于对 一些敏感问题的调查.(例如对性问题的调查, 在校 学生的吸烟史,个人和家庭收入等)
测量偏倚: 对研究所需指标或数据进行测量时所 产生的系统误差。
当θ >1时，若θ ’>θ >1,则为远离无效值偏倚。 若θ >θ ’>1,则为趋向无效值偏倚。
当θ <1时，若θ ’<θ <1,则为远离无效值偏倚。 若θ <θ ’<1,则为趋向无效值偏倚。
（三）无论θ >1或θ <1，若θ 和θ ’在1的两侧，则为颠 倒偏倚。
3.举例： （1）RR＝1.5 RR’=2.0时，为远离间偏倚（lead time bias） ������ 在应用筛检发现的病例进行预后或疗效研究
时，有相当一部分患者是属于早期病例，其生存 期自筛检之日算起。在观察某因素对预后的影响 时，即使措施无效，也会因为确诊时间的领先而 出现这些病例的生存期长于症状出现后被医院确 诊病例的生存期的假象。
二、信息偏倚（information bias）
定义
又称测量偏倚、观察偏倚或错误分类偏倚 （misclassification bias） ，是来自于测量或资 料收集方法的问题，使得获取的资料存在系统误差。 来源：测量方法有问题、诊断标准不明确，资料收 集不完整等。
常见信息偏倚
诊断怀疑偏倚(diagnostic suspicion bias) 暴露怀疑偏倚(exposure suspicion bias) 回忆偏倚(Recall Bias) 报告偏倚(reporting bias) 测量偏倚(detection bias) 错误分类偏倚（misclassification bias）
1.流行病学研究的精确性
流行病学研究中的精确性(Precision)就是研究中 随机误差的问题。
随机误差主要来源于研究对象的选择过程，即抽样。 随机误差不可避免，因此,精确性具有相对性，随
机误差可用统计学方法评价。 随机误差的大小（研究的精确性）与样本大小有关，
与抽样方法及观察值的变异(变量的变异度)有关。
检出症候偏倚(例)
子宫内膜癌与服用雌激素： 1975年Ziel等进行病例对照研究发现这两者之间
有密切的关系,其后又有许多学者报道了类似的研 究结果.对此类结果, 后来有学者发现:服雌激素导 致子宫容易出血频繁就医接受检查早发现(从而提 高了检出率,用这样的病人作研究病例时,由于服 用雌激素起了提醒作用, 造成了上面的错误结论.)
第四章 偏倚的控制与病因推断
刘伟新 公共卫生学院
第一节流行病学研究中的偏倚
一﹑偏倚的概念 • 流行病学研究的精确性 • 流行病学研究的真实性 • 偏倚的概念 二﹑常见偏倚及其分类 三﹑偏倚的控制
一﹑流行病学研究的精确性与真实性
误差 ������ 概念：真实值与研究结果值之差。 ������ 类型: 随机误差与系统误差 随机误差是流行病学研究的精确性问题 系统误差是流行病学研究的真实性问题
现患病例-新病例偏倚
现患病例-新病例偏倚(prevalence incidence bias，Neyman bias)
������ 1955年Neyman提出，指因现患病例与新 病例的构成不同，新发病例可以包括某种疾病的 各种类型的病例，包括病情较轻可能很快就痊愈 者以及病情较重可能很快就死亡者，而现患病例 仅包括新、旧病例，把已痊愈的轻型病例和由于 病重已死亡者排除在外。由于存活病例与死亡病 例、轻型病例和重型病例在一些特征上存在差异， 因此只研究现患病例将导致的偏倚。
所用仪器, 设备校正不准, 试剂不符合要求, 使用 方法的标准或程序不统一, 分析, 测试条件不一致, 以及操作人员的技术问题等等, 都可导致测量结 果的不正确。
错误分类偏倚（misclassification bias） 指由于在测量暴露和疾病时标准不统一或者方法
不当，导致在病例组与非病例组,暴露组与非暴露 组之间的错误分组，从而引起的偏倚。
易感性偏倚(例)
健康工人效应（healthy worker effect ） 暴露于同一种危险因素后, 不同人的易感性可能不同, 高
易感性的人可能有主动避免继续暴露的倾向, 而低易感性 可能并不在意暴露.例如调查喷漆的职业暴露与患支气管 哮喘的关系时, 那些对油漆气味过敏或耐受性差的人, 可 能一开始就不选择喷漆工的职业, 或者虽然选择了这一职 业但因不适应而很快调离此岗位。这时的病例对照调查结 果, 将会低估暴露油漆后产生支气管哮喘的作用，甚至可 能得出暴露油漆与支气管哮喘无关的相反结论。在流行病 学观察研究中完全避免此类偏倚是困难的, 因此在评价职 业暴露的危险性时,应考虑易感性偏倚的问题,有利于获得 较客观的结论。
定义
研究对象的选取过程中，由于选取方式不当， 导致入选对象与未入选对象之间存在系统差异， 由此造成的偏倚称为选择偏倚。
常见选择偏倚
入院率偏倚 检出症候偏倚 现患病例-新病例偏倚 无应答偏倚 易感性偏倚 时间效应偏倚 领先时间偏倚
入院率偏倚
入院率偏倚（ admission rate bias ），(伯克 森偏倚Berkson bias)
1.θ >1时： （1） θ ’>θ >1时，夸大危险效应，为正偏倚。 （2）θ >θ ’>1时，缩小危险效应，为负偏倚。
2.θ <1时： （1） θ ’<θ <1时，夸大保护效应，为正偏倚。 （2）θ <θ ’<1时，缩小保护效应，为负偏倚。
（二）趋向无效值偏倚、远离无效值偏倚或颠倒偏倚： 无效值指产生零效应的值。例如，对于RR或OR等 于1时即无效值。就RR或OR而言：
倚。
（2）RR＝0.6 RR’=0.8时，为趋向无效值负偏 倚。
（3）RR=1.2 RR’=0.9时，为颠倒负偏倚。
二﹑常见偏倚及其分类
选择偏倚(selection bias) 信息偏倚(information bias) 混杂偏倚(confounding bias)
一、选择偏倚（selection bias）
由于入院率的不同，使本来不存在联系的B病与因素X之 间出现了统计学上的联系。这种联系是一种虚假的联系，此 即入院率偏倚。
检出症候偏倚
检出症候偏倚(detection signal bias，detection bias，unmasking bias) 某因素如能引起或促进某症候（与所研究疾病 的体征或症状类似）的出现，部分所研究的病例 因为某种与所研究疾病无关的症状或体征而就医， 接受多种检查，使该人群有较高的检出率，以致 得出该因素与该疾病相关联的错误结论。
时间效应偏倚
时间效应偏倚(time effect bias) ������ 对于肿瘤、冠心病等慢性病，从开始暴露于
内外危险因素到发病有一个漫长的发病过程。在 进行病例对照研究时，特别是在选择对照组时， 往往容易把暴露后即将发病的人、已发生早期病 变而未能检出的人作为非病例而进入对照组，从 而导致研究结果发生偏倚。
诊断怀疑偏倚:主要发生在随访性质的研究，如队 列研究、实验研究等。研究者事先已经知道了研究 对象对研究因素的暴露情况，因而会在研究过程中 对暴露组会更加仔细的寻找某种结果，但对于对照 组的研究对象则不会这样，从而产生偏倚。
暴露怀疑偏倚:发生于研究者事先知道研究对象患 有某种疾病，而在资料收集过程中会对患病者比对 未患病者更仔细收集暴露因素，而产生偏倚。
入院率偏倚(例)
病例 对照
入院率偏倚(例)
假设: ������ 患A病者的住院率为40%， ������ 患B病者的住院率为80%， ������ 暴露于因素X者的住院率为40%。 ������ A病、B病及因素X是独立的，这样实际住院
人数应为：
入院率偏倚(例)
患A病且暴露于因素X者为： 200×0.4＋(200－200×0.4)×0.4=128 ������ 患A病而不暴露于因素X者为： 800×0.4=320 ������ 患B病且暴露于因素X者为： 200×0.8＋(200－200×0.8)×0.4=176 ������ 患A病而不暴露于因素X者为： 800×0.8=640
陷等)与实施过程的不恰当所致。 内部真实性(internal validity)指研究结果能准确
反映目标人群真实状况的程度。 外部真实性(external validity)指研究结果被外推
至不同时间、不同地区、不同人群时所能反映的可 靠程度。
Random error and Bias
Random error
果系统的偏离真实值. ������ 特点: 具有方向性
可以测量其大小和方向 不能用统计学方法处理 能够预先考虑到而加于预防和控制
偏倚的方向： （一）正偏倚和负偏倚：
凡夸大真实效应者为正偏倚。 凡缩小真实效应者为负偏倚。 假如某特征的真实值为θ ，而测得值为θ ’。 θ ＝1.0为零效应； θ >1为危险效应； θ <1为保护效应。
1946年由J. Berkson 提出。是指利用医院就诊 或住院病人作为研究对象时，由于入院率的不同 而导致的偏差。
入院率偏倚(例)
若在某医院住院病人中选择研究对象进行病例对 照研究，以B病为对照研究A病与某因素X的关系。
设人群中A病与B病患者各为1000人，患这两种 疾病的病人，暴露于因素X者各为200人，非暴露 于因素X者各为800人，暴露率均为20%， OR=1，A病与因素X无关。
Bias
举例：用血压计和动脉内套管测量某人血压的系统误差和随机误 差可用以下图示。
动脉内套管测量均值 血压计法测量均值
发
系统误差
生
频 次
随机误差
80
100
图9-1 血压计法测量舒张压值的分布
舒张压 （mmHg）
(二)偏倚的概念
流行病学研究中的各种系统误差被称为偏倚(bias)。 ������ 概念:偏倚只指在研究或推论过程中所获得的结
提高精确性的方法
增加研究样本量: 样本量可用统计学中有关样本大小的公式计算。
样本量的大小与研究设计、研究总体、把握度等 因素有关。 提高信息获取的效率: 样本大小相同的两项研究，正确的设计者将获得 更加精确的估计，更具有统计效率。
2.流行病学研究的真实性
流行病学研究的真实性是研究中的系统误差的问题 系统误差：由研究设计(方法的本身特点、设计的缺
分类: 随机错分(无差异错分)偏倚 非随机错分(有差异错分)偏倚
随机错分:
指在对比的各组都存在相同比例的被错误分类的个体(研 究组与比较组错分的几率是相同的).
对研究结果的影响:
①在病例对照研究中，对两组暴露测量方法一致，而该暴 露变量是二分变量，一般来说，资料的效应估计（OR或 RR）低于实际值，使效应估计趋于无效值，低估研究因 素与疾病之间的联系。
例如, 在研究冠心病与高胆固醇血症的相关关系 的病例对照研究中, 其OR为1.6, 而在同一目标人 群中同样内容的队列研究, 其相对危险度达到 2.18. 试分析其原因
������ 其重要原因是病例对照研究时, 由于冠心病 的死亡病例不可能进入病例组, 而已确定为冠心 病者是存活的病例, 可能回改变原来的暴露状况, 如更注意饮食控制, 会使血胆固醇水平逐步下降, 甚至他们本身的胆固醇水平就比死亡病例低, 因 此会造成比值比趋向1的现象。
无应答偏倚
无应答偏倚(non-respondent bias) ������ 研究对象因各种原因对研究的内容不予回答而
产生的偏倚，称为无应答偏倚(non-respondent bias)
易感性偏倚
易感性偏倚 (susceptibility bias) ������ 研究对象是否发生疾病不仅与暴露有关，还
回忆偏倚:研究对象在回忆以往发生的事情或经历 时, 由于在准确性和完整性上的不同而产生的系 统误差.
报告偏倚: (说谎偏倚)由于研究对象有意夸大或缩 小某些信息而导致的系统误差.此类偏倚常见于对 一些敏感问题的调查.(例如对性问题的调查, 在校 学生的吸烟史,个人和家庭收入等)
测量偏倚: 对研究所需指标或数据进行测量时所 产生的系统误差。
当θ >1时，若θ ’>θ >1,则为远离无效值偏倚。 若θ >θ ’>1,则为趋向无效值偏倚。
当θ <1时，若θ ’<θ <1,则为远离无效值偏倚。 若θ <θ ’<1,则为趋向无效值偏倚。
（三）无论θ >1或θ <1，若θ 和θ ’在1的两侧，则为颠 倒偏倚。
3.举例： （1）RR＝1.5 RR’=2.0时，为远离间偏倚（lead time bias） ������ 在应用筛检发现的病例进行预后或疗效研究
时，有相当一部分患者是属于早期病例，其生存 期自筛检之日算起。在观察某因素对预后的影响 时，即使措施无效，也会因为确诊时间的领先而 出现这些病例的生存期长于症状出现后被医院确 诊病例的生存期的假象。
二、信息偏倚（information bias）
定义
又称测量偏倚、观察偏倚或错误分类偏倚 （misclassification bias） ，是来自于测量或资 料收集方法的问题，使得获取的资料存在系统误差。 来源：测量方法有问题、诊断标准不明确，资料收 集不完整等。
常见信息偏倚
诊断怀疑偏倚(diagnostic suspicion bias) 暴露怀疑偏倚(exposure suspicion bias) 回忆偏倚(Recall Bias) 报告偏倚(reporting bias) 测量偏倚(detection bias) 错误分类偏倚（misclassification bias）
1.流行病学研究的精确性
流行病学研究中的精确性(Precision)就是研究中 随机误差的问题。
随机误差主要来源于研究对象的选择过程，即抽样。 随机误差不可避免，因此,精确性具有相对性，随
机误差可用统计学方法评价。 随机误差的大小（研究的精确性）与样本大小有关，
与抽样方法及观察值的变异(变量的变异度)有关。
检出症候偏倚(例)
子宫内膜癌与服用雌激素： 1975年Ziel等进行病例对照研究发现这两者之间
有密切的关系,其后又有许多学者报道了类似的研 究结果.对此类结果, 后来有学者发现:服雌激素导 致子宫容易出血频繁就医接受检查早发现(从而提 高了检出率,用这样的病人作研究病例时,由于服 用雌激素起了提醒作用, 造成了上面的错误结论.)
第四章 偏倚的控制与病因推断
刘伟新 公共卫生学院
第一节流行病学研究中的偏倚
一﹑偏倚的概念 • 流行病学研究的精确性 • 流行病学研究的真实性 • 偏倚的概念 二﹑常见偏倚及其分类 三﹑偏倚的控制
一﹑流行病学研究的精确性与真实性
误差 ������ 概念：真实值与研究结果值之差。 ������ 类型: 随机误差与系统误差 随机误差是流行病学研究的精确性问题 系统误差是流行病学研究的真实性问题
现患病例-新病例偏倚
现患病例-新病例偏倚(prevalence incidence bias，Neyman bias)
������ 1955年Neyman提出，指因现患病例与新 病例的构成不同，新发病例可以包括某种疾病的 各种类型的病例，包括病情较轻可能很快就痊愈 者以及病情较重可能很快就死亡者，而现患病例 仅包括新、旧病例，把已痊愈的轻型病例和由于 病重已死亡者排除在外。由于存活病例与死亡病 例、轻型病例和重型病例在一些特征上存在差异， 因此只研究现患病例将导致的偏倚。
所用仪器, 设备校正不准, 试剂不符合要求, 使用 方法的标准或程序不统一, 分析, 测试条件不一致, 以及操作人员的技术问题等等, 都可导致测量结 果的不正确。
错误分类偏倚（misclassification bias） 指由于在测量暴露和疾病时标准不统一或者方法
不当，导致在病例组与非病例组,暴露组与非暴露 组之间的错误分组，从而引起的偏倚。