08章 偏倚及其控制.pptx

第1页：第八章偏倚及其控制封面

• 偏倚及其控制Biases
• and
• Their
• Control第八章

第2页：偏倚及其控制引言

流行病学研究结果的偏差随机误差和系统误差精确性与真实性偏倚及其种类引言

第3页：第八章目录

第一节选择偏倚第二节信息偏倚第三节混杂偏倚目录

第4页：选择偏倚的定义

第一节选择偏倚选择偏倚

被选入到研究中的研究对象，与没有被选入者特征上的差异所导致的系统误差。此种偏倚在确定研究样本、选择比较组时容易产生，也可产生于资料收集过程中的失访或无应答等。

第5页：

第6页：选择偏倚的种类、测量与控制

选择偏倚的种类选择偏倚的测量选择偏倚的控制第一节选择偏倚

第7页：入院率偏倚

• 选择偏倚的种类
• 入院率偏倚（admission
• rate
• bias）
• 亦称伯克森偏倚（Berkson’s
• bias）。
• 当以医院病人作为研究对象进行研究时，由于不同患者入院率的不同所导致的系统误差。

第8页：入院率偏倚示例

Example：人群：医院:A=1000因A入院率=60%B=1000因B入院率=10%X均=10%因X入院率=50%A病为对照X与疾病B无关

第9页：住院A、B病患者与X暴露的关系表

住院A、B病患者与X暴露的关系表：下表列出课件中的相关数据。

注：OR=4.13，χ2=50.65，P<0.01；人群真实OR为1，说明入院率差异造成选择偏倚。

第10页：现患病例-新发病例偏倚

• 现患病例-新发病例偏倚（prevalence-incidence
• bias）
• 也称奈曼偏倚（Neyman
• bias）。
• 以现患病例为对象进行研究，与以新病例为对象进行研究时相比，因研究对象的特征差异所致的系统误差。

第11页：检出症候偏倚

• 检出症候偏倚（detection
• signal
• bias）
• 某因素与研究疾病在病因学上无关，但由于该因素的存在导致了所研究疾病相关症状或体征的出现，使其及早就医，以致该人群比一般人群该病的检出率高，从而得出该因素与该疾病相关联的错误结论。由此所致的系统误差称为检出症候偏倚。

第12页：无应答偏倚

在流行病学研究中，无应答者

由于种种原因那些没有对调查信息予以应答的研究对象。

• 无应答偏倚（non-response
• bias）
• 在特定研究样本中，无应答者的患病状况以及对某些研究因素的暴露情况与应答者可能会不尽相同，从而导致系统误差。

第13页：易感性偏倚与健康工人效应

• 易感性偏倚（susceptibility
• bias）
• 研究对象暴露于某可疑致病因素与否，与许多主、客观原因有关，其有可能直接或间接地影响研究对象对所研究疾病的易感程度，从而导致某因素与某疾病间的虚假联系。
• 健康工人效应（healthy
• worker
• effect）

第14页：选择偏倚的测量方法

• 选择偏倚的测量
• 测量方法

第15页：总人群比值比与样本比值比

• 总人群比值比
• 样本比值比以α、β、γ、δ分别代表A、B、C、D的样本选择概率，（α=a/A，β=b/B，γ=c/C，δ=d/D）

第16页：选择偏倚方向与判断

• 选择偏倚=或
• 若得值=0，即=1，则不存在选择偏倚；
• 若得值>0，即>1，则存在选择偏倚，为正偏倚；
• 若得值<0，即<1，则存在选择偏倚，为负偏倚。

第17页：选择偏倚的测量举例

测量举例前面资料。在总人群中，A病、B病患者各1000人，暴露于因素X者各100人，非暴露者各900人；由于住院率的不同，实际住院人数如表8-1。若以住院病人作为研究对象，则：患B病且暴露于因素X的选择概率α=55/100=0.55患B病但未暴露于因素X的选择概率β=90/900=0.10患A病且暴露于因素X的选择概率γ=80/100=0.80患A病但未暴露于因素X的选择概率δ=540/900=0.60

第18页：选择偏倚的测量结果

• 人群中OR（ORT）=1，住院病人OR（ORO）=4.13选择偏倚=
• (4.13-1)/1=-1
• =3.13得值>0，由医院住院病人为对象进行研究所得OR值被错误地高估，比人群OR值高3.13倍。

第19页：选择偏倚的控制

• 选择偏倚的控制
• 掌握发生环节
• 严格选择标准
• 研究对象的合作
• 采用多种对照

第20页：信息偏倚的定义

• 第二节信息偏倚
• 观察偏倚（observational
• bias），指在研究实施过程中，获取研究所需信息时产生的系统误差。
• 错误分类（misclassification）
• 无差异错误分类（non-differential
• misclassification）
• 有差异错误分类（differential
• misclassification）

第21页：回忆偏倚

• 信息偏倚的种类
• 回忆偏倚（recall
• bias）指研究对象在回忆以往研究因素的暴露情况等信息时，由于准确性或完整性上的差异而导致的系统误差。

第22页：类风湿关节炎家族史调查结果

类风湿关节炎家族史调查结果：下表列出课件中的相关数据。

注：Schull and Cobb，1969；原文另含B组数据，完整的病例与对照分布请以原课件表格为准。

第23页：报告偏倚与暴露怀疑偏倚

• 报告偏倚（reporting
• bias）在研究信息收集时，由于某些原因，研究对象有意夸大或缩小某些信息而导致的系统误差。
• 暴露怀疑偏倚（exposure
• suspicion
• bias）研究者若事先了解研究对象的患病情况或某结局，可能会对其采取与对照组不可比的方法探寻认为与某病或某结局有关的因素，由此而导致的系统误差称为暴露怀疑偏倚。

第24页：诊断怀疑偏倚

• 诊断怀疑偏倚（diagnostic
• suspicionbias）研究者若事先了解研究对象研究因素的暴露情况，在主观上倾向于应该或不应该出现某种结局，在作诊断或分析时，有意无意地倾向于自己的判断，由此而导致的系统误差称为诊断怀疑偏倚。

第25页：测量偏倚

• 测量偏倚（detection
• bias）研究者对研究所需数据进行测量时所产生的系统误差。

第26页：信息偏倚的测量方法

• 信息偏倚的测量
• 重测一致性测量与评价信息偏倚的常用方法是对调查获得的信息予以重复调查（测量），根据调查与重复调查数据计算Kappa(κ)值，来评价重测的一致性（consistency），以作为研究结果内部真实性评价的依据。

第27页：雀斑信息两次调查结果表

雀斑信息两次调查结果表：下表列出课件中的相关数据。

注：原文括号内数值为构成比，本表括号内数值与行列对应关系建议对照原课件核对。

第28页：Kappa值的计算与判断标准

• κ值计算如下：
• 观察一致率
• 机遇一致率
• κ
• κ值判断一致性强度的标准，一般认为：>0.8，很好；0.6~0.8，较好；0.4~0.6，中度；<0.4，较差。

第29页：信息偏倚的程度与方向

• 偏倚程度与方向
• 信息偏倚
• 若得值=0，则不存在信息偏倚；
• 若得值>0，则存在信息偏倚，此时ORO>ORT，为正偏倚；
• 若得值<0，则存在信息偏倚，此时ORO<ORT，为负偏倚。

第30页：病例组与对照组两种暴露测量方式比较

病例组与对照组两种暴露测量方式比较：下表列出课件中的相关数据。

注：病例组灵敏度18/24=0.75、特异度164/166=0.99；对照组灵敏度12/14=0.86、特异度149/151=0.99。

第31页：两种测量方式的灵敏度与特异度

病例组：灵敏度=18/24=0.75;特异度=164/166=0.99对照组：灵敏度=12/14=0.86;特异度=149/151=0.99OR0=20×151/(170×14)=1.27ORT=24×151/(166×14)=1.56

第32页：信息偏倚的计算结果

信息偏倚=(1.27-1.56)/1.56=-0.19得值≠0，存在有差异错误分类信息偏倚。根据自我陈述调查资料计算的OR值低估了他汀类药物暴露与乳腺癌之间的关系，程度为19%。

第33页：信息偏倚的控制

• 信息偏倚的控制
• 严格信息标准
• 盲法收集信息
• 采用客观指标
• 调查技术的应用
• 统计学处理

第34页：根据Kappa值校正OR

• 统计学处理
• 根据信息重测κ值校正
• 校正公式如下：ORT=
• (κ+ORO-1)/κ
• 根据前面资料已经获得κ值为0.833，计算所得OR（ORo）为1.51（Elwood,2007）;
• 则，ORT=
• (0.833+1.51-1)/0.833=1.61

第35页：调查数据与校正后的OR值

调查数据与校正后的OR值：下表列出课件中的相关数据。

注：病例组灵敏度0.86、特异度0.93；对照组灵敏度0.70、特异度0.98（Elwood JM，2007）。

第36页：根据灵敏度特异度的校正公式

• 校正方法如下：
• 研究对象实际暴露例数=[暴露观测值-(1-特异度)×合计数]/(灵敏度+特异度-1)
• 研究对象实际非暴露例数=合计数–实际暴露例数

第37页：校正后的实际暴露例数计算

• 病例组:实际暴露例数=[200-(1-0.93)×500]
• /(0.86+0.93-1)=209实际非暴露例数=500-209=291对照组:实际暴露例数=[100-(1-0.98)×500]
• /(0.70+0.98-1)=132实际非暴露例数=500-132=368则校正后的OR=209×368/(132×291)=2.00

第38页：混杂偏倚的定义

• 第三节混杂偏倚混杂偏倚或称混杂（confounding）指在流行病学研究中,由于一个或多个潜在的混杂因素（confounding
• factor）的影响，掩盖或夸大了研究因素与研究疾病（事件）之间的联系，从而使两者之间的真正联系被错误地估计的系统误差。

第39页：混杂因素及其定义

混杂因素及其定义

与研究因素和研究疾病均有关,若在比较的人群组中分布不均衡，可以歪曲（缩小或夸大）研究因素与疾病之间真实联系的因素。

• 混杂因素及其特点
• 亦称外来因素（extraneous
• factor）、混杂因子或混杂变量。

第40页：混杂因素的特点

• 特点：
• 是所研究疾病的危险因素；
• 与所研究的因素有关；
• 不是研究因素与研究疾病因果链上的中间变量。

第41页：混杂偏倚的测量

• 混杂偏倚的测量
• 以效应估计值RR为例：
• 若cRR=aRR(f)；f无混杂作用,cRR不存在f的混杂偏倚。
• 若cRR≠aRR(f)；f有混杂作用,cRR存在f的混杂偏倚。
• 若cRR>aRR(f)；为正混杂（positiveconfounding）
• 若cRR<aRR(f)；为负混杂（negativeconfounding）

第42页：混杂偏倚程度的计算式

• 混杂偏倚的程度与方向可用下式测量:混杂偏倚=(cRR-aRR(f))/
• aRR(f)
• 若得值=0，为无混杂。
• 当得值≠0时，若为正值，为正混杂;若为负值，为负混杂。值的大小为混杂的程度。

第43页：男性体力劳动强度与冠心病死亡队列研究

男性体力劳动强度与冠心病死亡队列研究：下表列出课件中的相关数据。

注：Paffenbarger and Hale，1975；粗RR为3.44，年龄调整后aRR约1.78，年龄起正混杂作用。

第44页：粗RR与调整RR的计算

• 与重度体力劳动相比，轻、中度体力劳动与冠心病死亡的cRR为：(81.8/10000人年)/(23.8/10000人年)=3.44
• 各层间的同质性检验，χ2=0.77（P>0.05），以Mantel-Haenszel分层分析方法计算所得调整年龄后的RR,即aRR为:

第45页：混杂偏倚的计算结果

• 混杂偏倚=(3.44-1.78)/1.78=0.933
• 得值≠0，且为正值。
• 说明年龄对轻、中度体力劳动强度与冠心病死亡关系的估计，起正混杂作用，使RR值高估了93.3%。

第46页：混杂偏倚的控制

• 混杂偏倚的控制
• 限制（restriction）
• 随机化（randomization）
• 匹配（matching）
• 统计学处理