《预防医学》第五章 偏倚控制及病因推导
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)。
• 易感性偏倚（susceptibility bias）
入院率偏倚（admission rate bias)/ 伯克森偏倚（Berkson’s bias ）
产生于医院为基础的病例对照研究
病例组和对照组（其他疾病患者）入院率不同 入选的与不入选的暴露率不同 病例组和对照组病人
治疗疗效不同 距离医院的远近不同 病情的轻重程度不同
信息偏倚的种类
调查对象引起的偏倚:
回忆偏倚（recall bias)
报告偏倚（reporting bias)
调查偏倚: 调查员对具有不同特征的调查对象 采用不同的调查方式或态度
诊断怀疑偏倚(diagnostic suspicion bias) 暴露怀疑偏倚（exposure suspicion bias)
抽样
–抽样方法(manner of sampling) –样本含量(size of sampling) –测量方法
研究的真实性（validity ）
是指研究收集的数据、分析结果和所得 结论与客观实际的符合程度。包括：
内部真实性（internal validity） 外部真实性（external validity）
目标/源人群
对照 组(A 病) 140 400
OR=1 A病与暴露无统计学关联
暴 露
－
研究样本
OR＝1.86 A病与暴露有统计学关联 入院率偏倚歪曲了因素与疾病之间的联系
检出症候偏倚 (detection signal bias) /暴露偏倚 (unmasking bias)
• 指某因素与某疾病虽无关联，但因暴露于该因素可引发该 病的某些症状或体征，具有该症状或体征的患者急于求医， 结果接受检查的机会增加，使其中患该病的病人提早确诊， 检出率被人为地提高 • 如果入选病例中早期病例较多的话，则暴露比例必然被虚 假的增高
– 随机误差(random error)
– 系统误差(systematic error)
研究的偏倚 （bias）
偏倚：任何导致错误估计的系统误差
设计、实施、分析至推断过程中均可发生偏倚Hale Waihona Puke Baidu
偏倚的种类
• 选择偏倚（Selection bias）
• 信息/测量偏倚(information bias) • 混杂偏倚（confounding bias)
诊断怀疑偏倚 (diagnostic suspicion bias)
• 定义：
– 研究者有暴露于某因素者易发生某疾病的现入之见， 所以在诊断疾病时对暴露组采取了比非暴露组更认真 的方法和态度，致使暴露者更易做出某疾病诊断的情 况。
• 易发生于队列研究 • 结果
暴露组比非暴露组诊断疾病的灵敏度提高，非暴露 组较暴露组会漏掉更多的病例，使疾病错分。
失访偏倚（loss to follow-up bias)
失访：指研究对象因各种原因从原定的研究队列中退出。 失访偏倚：失访者在某些与研究有关的特征上与未失访 者存在的系统误差 发生于随访性质的研究中：如队列研究、实验研究、预 后观察等
易感性偏倚（susceptibility bias)
易感性偏倚：在观察性研究中，由于样本人群与总体人 群之间或对比组人群之间对所研究疾病的 易感性不同而引起的偏倚。
检出症候偏倚 (detection signal bias) 暴露偏倚 (unmasking bias)
举例：1975年Ziel等的病例对照研究发现服用雌激素 与子宫内膜癌有关，是子宫内膜癌的危险因素 学者指出：该结论是虚假的，是由于存在检出症候偏 倚导致的。 理由：绝经期妇女服用雌激素会造成子宫不规则出 血而到医院就诊，使子宫内膜癌早期病例被发现的 机会大大增加。 而未服用者没有出血症状不去就医而不能及时发现 早期病例。 病例组中早期病例过多，相对于在暴露因素中选择 病例，势必导致疾病与因素的虚假联系。
错分数据 OR＝3.19
研究真实数据 OR＝2.3
对照 32 68
对照较病例漏调了更多的暴露
错分的原因
问卷的问题 数据管理的问题
☻不准确的回忆
☻不明确的问题 ☻过分热情或冷淡的调查员 生物标本的问题
☻编码
设计或分析的问题
☻测量时间不合适
☻不适当的汇总变 ☻标本采集、处理或保存过程中的 量 问题 ☻检测方法固有的限制 ☻仪器故障
合计 1000 1000
非暴露 (无X)
•病例组和对照组的X暴露率均为20％ •OR＝(200×800)/(800×200）=1.0 •A病与X因素无统计学关联。
入院率偏倚（admission rate bias)/ 伯克森偏倚（Berkson’s bias ）
再假设，上述病例组和对照组按照A病入 院率20％、B病入院率50％、暴露于X者入院 率40％的比例到某医院就医。
报告偏倚 （reporting bias)
• 定义：
– 由于种种原因研究对象回答问题不准确，有 意夸大或缩小某些信息而导致的偏倚。
• 产生报告偏倚的因素:
– 暴露因素涉及到生活方式或隐私
• 如饮酒、收入水平、婚姻生育史和性行为 ，研究对 象会因种种原因而隐瞒或编造有关信息
– 研究对象遇到某些敏感问题或称社会不认同行 为
内部真实性
就是指从当前研究对象得到的结果与目标人
群（源人群）真实情况的符合程度。
外部真实性
从当前研究对象得到的结果被外推至目标人
群以外的其他人的程度
内部真实性是外部真实性的先决条件
我们常说的真实性常指的是内部真实性
影响真实性的因素
• 任何研究的目的都是要发现真相
• 影响真实性的因素（得到错误的结论）
选择偏倚 （Selection bias）
• 定义
– 不同类型 (就研究的暴露、结局特征而言) 的个 体入选研究的概率不同 – 使研究对象与目标人群的特征存在系统误差， 而使效应估计值与真值之间发生偏差 – 既可产生于研究初期对象的入选（病例对照研 究和横断面研究），也可产生于收集资料过程 中出现失访或无应答（队列研究）
入院率偏倚（admission rate bias)/ 伯克森偏倚（Berkson’s bias ）
• 假设，某社区中患A病和B病者各为1000人，患A 病和B病 的人群中各有20%的人具有某因素X，以此社区为基础以 B病为对照进行因素X与A病关系的病例对照研究可获得如 下数据：
病例组 (A 病） 暴露 （有X） 200 800 对照组 (B病） 200 800
第一节
流行病学研究的偏倚
研究的变异性 （variation）
个体
–个体变异（individual variation） –测量变异（measurement variation）
群体
–个体间遗传变异(genetic variability between individuals) –环境变异(environmental variability) –测量变异
• 混杂偏倚（confounding bias)
信息偏倚 (information bias)
又称测量偏倚、观察偏倚。是在收集 整理信息过程中由于测量暴露与结局的方 法(工具)有缺陷，使收集到的信息不准确 （即不完全真实）造成的系统误差。
导致错分 因此又称为错误分类偏倚(misclassification bias)
暴露的无差异性错分
心肌梗死 对照
高脂肪膳食
低脂肪膳食
60
40
40
60
•病例和对照中均有20％的高 脂肪饮食者报告是低脂肪饮食
研究真实数据 OR＝2.3
心肌梗 死 高脂肪膳食 低脂肪膳食 48 52
错分数据 OR＝2.0
对照 32 68
暴露的差异性错分
心肌梗死
对照
高脂肪膳食
低脂肪膳食
60
40
40
60 心肌梗 死 高脂肪膳食 低脂肪膳食 60 40
现患病例－新发病例偏倚 (prevalenceincidence bias) /奈曼偏倚（Neyman bias ）
入选的为现患或存活病例( 新、旧病例） 不包括死亡病例和病程短的病例
改变了对原来某些因素的暴露情况 导致疾病与关联的误差
现患病例－新发病例偏倚 (prevalenceincidence bias) /奈曼偏倚（Neyman bias ）
健康工人效应（health
worker effect)： 由于工作性质，暴露者的健康水平高于 非暴露者（也就是暴露者对疾病的易感性 低于非暴露者）
选择偏倚的控制
• 主要方法 –随机抽样 –设立对照 –严格诊断标准 –提高应答率 –采用多种对照
偏倚的种类
• 选择偏倚（Selection bias） • 信息/测量偏倚(information bias)
案例
1000
1000
820 180 8.8 (95% CI 7.2, 10.9) OR 340 660
上述案例提示
• 结果：携带火柴者发生肺癌的危险性是不 携带火柴者的8.8倍 • 提示：携带火柴与肺癌有关联，携带火柴 是肺癌的危险因素
• 显然这是一个虚假的关联
学习目的
• 描述流行病学研究中常见的选择偏倚、信 息偏倚和混杂偏倚； • 列举选择偏倚和信息偏倚的种类； • 定义本章所涉及的概念； • 列举选择偏倚、信息偏倚和混杂偏倚的控 制方法； • 描述因果关联的推断标准 • 认识统计学关联和因果关联的关系 。
常见的选择偏倚
• 入院率偏倚 (admission rate) / 伯克森偏倚 （Berkson） • 检出症候偏倚 (detection signal bias) / 暴露偏倚 (unmasking bias) • 现患病例－新发病例偏倚 (prevalence-incidence bias) /奈曼偏倚（Neyman） • 无应答偏倚(non-respondent bias) • 失访偏倚(withdraw bias)
错分的种类
• 无差异性错分（nondifferential misclassification)，或均衡性错分
暴露或疾病的错误分类与研究分组无关，即 在各比较组间不存在差异。
• 差异性错分（differential nisclassification)或非 均衡性错分
暴露或疾病的错误分类与研究分组有关，即 在各比较组间存在差异。
测量偏倚(measurement bias) 发表偏倚(publication bias)
回忆偏倚 （recall bias)
• 定义：
– 研究对象在回忆以往发生的事件时，比较组 间在回忆的准确性和完整性上存在的系统误 差。
• 产生回忆偏倚的因素:
– – – – 调查时间和事件发生的时间间隔 事件的重要性 被调查者的构成 问卷技术
第五章 偏倚控制及病因推断
案例
烟草公司的研究者坚持认为火柴 暴露可以引起肺癌 他们开展了一项大型的病例对照 研究来检验这个假说
案例
研究者通过人群登记系统找到了1000名 肺癌病例，其中820人曾携带过火柴 从人群中随机抽取了1000名对照，经X线 确认未患肺癌，其中340人曾携带过火柴 根据这批数据，定量估计火柴与肺癌之 间的关联
暴露怀疑偏倚 （exposure suspicion bias)
• 定义：
研究者有某疾病与暴露某因素有关联的先入 之见，因而在收集病例组和对照组的暴露信息时 采取了不同的方法和态度，致使病例组比对照组 更易获得暴露信息的情况。
• 易发生于病例对照研究
• 病例比对照会报告更多的不实的暴露，而对照 较病例会漏掉更多的暴露
入院率偏倚（admission rate bias)/ 伯克森偏倚（Berkson’s bias ）
病例组 (A病） ＋ 暴 露 － 对照组 (B病)
200 800
200 800
α=0.2+0.8×0.4=0.52 β=0.5+0.5×0.4=0.70 γ=0.5 β δ=0.2
α γ δ
＋
病例组 (B病) 104 160
• 如：研究高胆固醇与心梗的关系 –高胆固醇是研究疾病的预后因素 –高胆固醇的心梗患者较低胆固醇的心梗患 者更易发生突发性死亡 –入选的为现患或存活病例( 新、旧病例）， 不包括死亡病例和病程短的病例
• 结果将低估高胆固醇与心梗的关系
无应答偏倚 (non-response bias)
调查对象不合作或因种种原因不能或不 愿意参加调查从而降低了应答率。无应答者 的某些特征与应答者存在系统误差，并由此 歪曲研究结果。
入院率偏倚（admission rate bias)/ 伯克森偏倚（Berkson’s bias ）
产生于医院为基础的病例对照研究
病例组和对照组（其他疾病患者）入院率不同 入选的与不入选的暴露率不同 病例组和对照组病人
治疗疗效不同 距离医院的远近不同 病情的轻重程度不同
信息偏倚的种类
调查对象引起的偏倚:
回忆偏倚（recall bias)
报告偏倚（reporting bias)
调查偏倚: 调查员对具有不同特征的调查对象 采用不同的调查方式或态度
诊断怀疑偏倚(diagnostic suspicion bias) 暴露怀疑偏倚（exposure suspicion bias)
抽样
–抽样方法(manner of sampling) –样本含量(size of sampling) –测量方法
研究的真实性（validity ）
是指研究收集的数据、分析结果和所得 结论与客观实际的符合程度。包括：
内部真实性（internal validity） 外部真实性（external validity）
目标/源人群
对照 组(A 病) 140 400
OR=1 A病与暴露无统计学关联
暴 露
－
研究样本
OR＝1.86 A病与暴露有统计学关联 入院率偏倚歪曲了因素与疾病之间的联系
检出症候偏倚 (detection signal bias) /暴露偏倚 (unmasking bias)
• 指某因素与某疾病虽无关联，但因暴露于该因素可引发该 病的某些症状或体征，具有该症状或体征的患者急于求医， 结果接受检查的机会增加，使其中患该病的病人提早确诊， 检出率被人为地提高 • 如果入选病例中早期病例较多的话，则暴露比例必然被虚 假的增高
– 随机误差(random error)
– 系统误差(systematic error)
研究的偏倚 （bias）
偏倚：任何导致错误估计的系统误差
设计、实施、分析至推断过程中均可发生偏倚Hale Waihona Puke Baidu
偏倚的种类
• 选择偏倚（Selection bias）
• 信息/测量偏倚(information bias) • 混杂偏倚（confounding bias)
诊断怀疑偏倚 (diagnostic suspicion bias)
• 定义：
– 研究者有暴露于某因素者易发生某疾病的现入之见， 所以在诊断疾病时对暴露组采取了比非暴露组更认真 的方法和态度，致使暴露者更易做出某疾病诊断的情 况。
• 易发生于队列研究 • 结果
暴露组比非暴露组诊断疾病的灵敏度提高，非暴露 组较暴露组会漏掉更多的病例，使疾病错分。
失访偏倚（loss to follow-up bias)
失访：指研究对象因各种原因从原定的研究队列中退出。 失访偏倚：失访者在某些与研究有关的特征上与未失访 者存在的系统误差 发生于随访性质的研究中：如队列研究、实验研究、预 后观察等
易感性偏倚（susceptibility bias)
易感性偏倚：在观察性研究中，由于样本人群与总体人 群之间或对比组人群之间对所研究疾病的 易感性不同而引起的偏倚。
检出症候偏倚 (detection signal bias) 暴露偏倚 (unmasking bias)
举例：1975年Ziel等的病例对照研究发现服用雌激素 与子宫内膜癌有关，是子宫内膜癌的危险因素 学者指出：该结论是虚假的，是由于存在检出症候偏 倚导致的。 理由：绝经期妇女服用雌激素会造成子宫不规则出 血而到医院就诊，使子宫内膜癌早期病例被发现的 机会大大增加。 而未服用者没有出血症状不去就医而不能及时发现 早期病例。 病例组中早期病例过多，相对于在暴露因素中选择 病例，势必导致疾病与因素的虚假联系。
错分数据 OR＝3.19
研究真实数据 OR＝2.3
对照 32 68
对照较病例漏调了更多的暴露
错分的原因
问卷的问题 数据管理的问题
☻不准确的回忆
☻不明确的问题 ☻过分热情或冷淡的调查员 生物标本的问题
☻编码
设计或分析的问题
☻测量时间不合适
☻不适当的汇总变 ☻标本采集、处理或保存过程中的 量 问题 ☻检测方法固有的限制 ☻仪器故障
合计 1000 1000
非暴露 (无X)
•病例组和对照组的X暴露率均为20％ •OR＝(200×800)/(800×200）=1.0 •A病与X因素无统计学关联。
入院率偏倚（admission rate bias)/ 伯克森偏倚（Berkson’s bias ）
再假设，上述病例组和对照组按照A病入 院率20％、B病入院率50％、暴露于X者入院 率40％的比例到某医院就医。
报告偏倚 （reporting bias)
• 定义：
– 由于种种原因研究对象回答问题不准确，有 意夸大或缩小某些信息而导致的偏倚。
• 产生报告偏倚的因素:
– 暴露因素涉及到生活方式或隐私
• 如饮酒、收入水平、婚姻生育史和性行为 ，研究对 象会因种种原因而隐瞒或编造有关信息
– 研究对象遇到某些敏感问题或称社会不认同行 为
内部真实性
就是指从当前研究对象得到的结果与目标人
群（源人群）真实情况的符合程度。
外部真实性
从当前研究对象得到的结果被外推至目标人
群以外的其他人的程度
内部真实性是外部真实性的先决条件
我们常说的真实性常指的是内部真实性
影响真实性的因素
• 任何研究的目的都是要发现真相
• 影响真实性的因素（得到错误的结论）
选择偏倚 （Selection bias）
• 定义
– 不同类型 (就研究的暴露、结局特征而言) 的个 体入选研究的概率不同 – 使研究对象与目标人群的特征存在系统误差， 而使效应估计值与真值之间发生偏差 – 既可产生于研究初期对象的入选（病例对照研 究和横断面研究），也可产生于收集资料过程 中出现失访或无应答（队列研究）
入院率偏倚（admission rate bias)/ 伯克森偏倚（Berkson’s bias ）
• 假设，某社区中患A病和B病者各为1000人，患A 病和B病 的人群中各有20%的人具有某因素X，以此社区为基础以 B病为对照进行因素X与A病关系的病例对照研究可获得如 下数据：
病例组 (A 病） 暴露 （有X） 200 800 对照组 (B病） 200 800
第一节
流行病学研究的偏倚
研究的变异性 （variation）
个体
–个体变异（individual variation） –测量变异（measurement variation）
群体
–个体间遗传变异(genetic variability between individuals) –环境变异(environmental variability) –测量变异
• 混杂偏倚（confounding bias)
信息偏倚 (information bias)
又称测量偏倚、观察偏倚。是在收集 整理信息过程中由于测量暴露与结局的方 法(工具)有缺陷，使收集到的信息不准确 （即不完全真实）造成的系统误差。
导致错分 因此又称为错误分类偏倚(misclassification bias)
暴露的无差异性错分
心肌梗死 对照
高脂肪膳食
低脂肪膳食
60
40
40
60
•病例和对照中均有20％的高 脂肪饮食者报告是低脂肪饮食
研究真实数据 OR＝2.3
心肌梗 死 高脂肪膳食 低脂肪膳食 48 52
错分数据 OR＝2.0
对照 32 68
暴露的差异性错分
心肌梗死
对照
高脂肪膳食
低脂肪膳食
60
40
40
60 心肌梗 死 高脂肪膳食 低脂肪膳食 60 40
现患病例－新发病例偏倚 (prevalenceincidence bias) /奈曼偏倚（Neyman bias ）
入选的为现患或存活病例( 新、旧病例） 不包括死亡病例和病程短的病例
改变了对原来某些因素的暴露情况 导致疾病与关联的误差
现患病例－新发病例偏倚 (prevalenceincidence bias) /奈曼偏倚（Neyman bias ）
健康工人效应（health
worker effect)： 由于工作性质，暴露者的健康水平高于 非暴露者（也就是暴露者对疾病的易感性 低于非暴露者）
选择偏倚的控制
• 主要方法 –随机抽样 –设立对照 –严格诊断标准 –提高应答率 –采用多种对照
偏倚的种类
• 选择偏倚（Selection bias） • 信息/测量偏倚(information bias)
案例
1000
1000
820 180 8.8 (95% CI 7.2, 10.9) OR 340 660
上述案例提示
• 结果：携带火柴者发生肺癌的危险性是不 携带火柴者的8.8倍 • 提示：携带火柴与肺癌有关联，携带火柴 是肺癌的危险因素
• 显然这是一个虚假的关联
学习目的
• 描述流行病学研究中常见的选择偏倚、信 息偏倚和混杂偏倚； • 列举选择偏倚和信息偏倚的种类； • 定义本章所涉及的概念； • 列举选择偏倚、信息偏倚和混杂偏倚的控 制方法； • 描述因果关联的推断标准 • 认识统计学关联和因果关联的关系 。
常见的选择偏倚
• 入院率偏倚 (admission rate) / 伯克森偏倚 （Berkson） • 检出症候偏倚 (detection signal bias) / 暴露偏倚 (unmasking bias) • 现患病例－新发病例偏倚 (prevalence-incidence bias) /奈曼偏倚（Neyman） • 无应答偏倚(non-respondent bias) • 失访偏倚(withdraw bias)
错分的种类
• 无差异性错分（nondifferential misclassification)，或均衡性错分
暴露或疾病的错误分类与研究分组无关，即 在各比较组间不存在差异。
• 差异性错分（differential nisclassification)或非 均衡性错分
暴露或疾病的错误分类与研究分组有关，即 在各比较组间存在差异。
测量偏倚(measurement bias) 发表偏倚(publication bias)
回忆偏倚 （recall bias)
• 定义：
– 研究对象在回忆以往发生的事件时，比较组 间在回忆的准确性和完整性上存在的系统误 差。
• 产生回忆偏倚的因素:
– – – – 调查时间和事件发生的时间间隔 事件的重要性 被调查者的构成 问卷技术
第五章 偏倚控制及病因推断
案例
烟草公司的研究者坚持认为火柴 暴露可以引起肺癌 他们开展了一项大型的病例对照 研究来检验这个假说
案例
研究者通过人群登记系统找到了1000名 肺癌病例，其中820人曾携带过火柴 从人群中随机抽取了1000名对照，经X线 确认未患肺癌，其中340人曾携带过火柴 根据这批数据，定量估计火柴与肺癌之 间的关联
暴露怀疑偏倚 （exposure suspicion bias)
• 定义：
研究者有某疾病与暴露某因素有关联的先入 之见，因而在收集病例组和对照组的暴露信息时 采取了不同的方法和态度，致使病例组比对照组 更易获得暴露信息的情况。
• 易发生于病例对照研究
• 病例比对照会报告更多的不实的暴露，而对照 较病例会漏掉更多的暴露
入院率偏倚（admission rate bias)/ 伯克森偏倚（Berkson’s bias ）
病例组 (A病） ＋ 暴 露 － 对照组 (B病)
200 800
200 800
α=0.2+0.8×0.4=0.52 β=0.5+0.5×0.4=0.70 γ=0.5 β δ=0.2
α γ δ
＋
病例组 (B病) 104 160
• 如：研究高胆固醇与心梗的关系 –高胆固醇是研究疾病的预后因素 –高胆固醇的心梗患者较低胆固醇的心梗患 者更易发生突发性死亡 –入选的为现患或存活病例( 新、旧病例）， 不包括死亡病例和病程短的病例
• 结果将低估高胆固醇与心梗的关系
无应答偏倚 (non-response bias)
调查对象不合作或因种种原因不能或不 愿意参加调查从而降低了应答率。无应答者 的某些特征与应答者存在系统误差，并由此 歪曲研究结果。