医学科研中的偏倚和交互作用
医学科研中的偏倚和交互作用
医学科研中的偏倚与交互作用与控制第一节概念一、误差科研设计、实施及分析过程中产生的各种误差（error），可能导致研究结果不能真实地、精确地反映实际正确的结果。
误差是指对事物某一特征的度量值偏离真实值的部分，即测定值与真实值之差。
因此，必须有“金标准”（golden standard）或相对可靠的标准来度量真实值才能度量误差。
研究结果与真实情况的差异即为误差。
误差有两类：（1）随机误差（random error），(2)系统误差（systematic error）或称偏倚。
随机误差（random error）：广义的随机误差，泛指因机遇不同估计总体参数时所产生的误差，机遇既可以指选择的机遇，也可以指时间的机遇。
如果误差由机遇以外的原因所造成，则为非随机误差。
狭义的随机误差指随机抽样所得均值对总体均值的误差。
随机误差主要是由抽样误差引起，其中包括一些随机测量误差。
抽样误差指随机抽样所得均值对总体均值的误差，它由总体中个体的变异引起，其大小决定于研究设计和评价指标的统计学特点。
抽样误差无一定方向，可以相互抵消，并可通过改进抽样技术（如严格遵守随机化原则，分层抽样，增加样本含量，重复试验以及提高抽样对象的受检率，减少失访率等）加以控制，但不可能完全避免。
因此在资料分析阶段，必须用统计学方法计算抽样误差的大小。
二、偏倚偏倚是指在调查研究设计或实施阶段，由于某种或某些因素的影响，使得研究或推论的结果与真实的情况存在系统误差，或指在研究或推论过程中所获得的结果系统地偏离其真实值，属于系统误差。
偏倚造成的结果与真值间的差异，具有方向性，它可以发生在高于真值的方向，也可发生在低于真值的方向。
偏倚是影响流行病学研究真实性的重要原因之一，由于有时难以得到判断真实性的金标准，因此即便在很严格的流行病学研究设计之下，也很难判断是否完全避免了偏倚。
尽管如此，如果对偏倚的来源和产生原因有了深刻的认识，则有可能最大限度地减少偏倚的发生，以便取得有价值的研究结果。
医学科研中的偏倚及其控制
系统评价的定义及目的
定义
系统评价是对临床研究、试验、观察性研 究等证据进行全面、系统、严谨的评价和 分析，以获得对某一特定问题的综合、客 观、全面的认识。
VS
目的
通过对各种相关研究进行综合评价，为临 床医生、政策制定者、研究人员等提供决 策依据，提高医疗质量和安全。
系统评价中的偏倚及其影响
对照
设立对照组，以评估试验组与对照组之间的差异是否具 有统计学显著性。
意向性分析
对所有符合纳入标准的研究对象进行分析，不考虑失访 情况，以避免选择性偏倚。
标准化
对研究对象的诊断、治疗和随访进行标准化操作，以减 少信息偏倚。
多中心合作
多个研究中心共同参与研究，以增加样本量和提高研究 的外部真实性。
05
03
偏倚的控制方法
随机化
随机化概述
随机化是医学研究中最重要的偏倚控制方法之一，通过将研究对象随机分配到不同的处理组和对照组，以平衡潜在的混杂因 素，减少偏倚的影响。
随机化方法
随机化方法包括简单随机化、区组随机化、分层随机化等，应根据研究的具体情况选择合适的方法。
随机化的实现
在实施随机化时，应注意确保研究的可重复性和盲法原则。
意向性分析是指对研究对象按照其原始的随机分配分组意向进行分析的方法，以最大程度 地利用和挖掘研究数据。
意向性分析的优势
意向性分析可以减少由于失访等原因引起的偏倚，同时可以更准确地评估处理效应。
意向性分析的实施
在进行意向性分析时，应注意对研究数据的完整性、准确性和科学性进行充分评估，同时 注意制定详细的操作规程和标准。
选择偏倚
1
选择偏倚是指在研究设计阶段，由于研究对象 的选择不当而导致的偏倚。
14临床科研中偏倚及其控制(一)
研究 A（研究对象 200 人，随机分配到两组） 膳食改良组 降胆固醇药物组
0
5
10
15
五年内发生 心肌梗死风险（%）
研究 B（研究对象 2000 人，随机分配到两组） 膳食改良组 降胆固醇药物组
0
5
10
15
五年内发生 心肌梗死风险（%）
图3 膳食与药物预防心机梗死的样本变异性示例
图3研究A和研究B中膳食改良组五年内发生心梗死的风 研究A和研究B 险为9% 险为9%，降胆固醇药物组为6% 9%，降胆固醇药物组为6% A样本较小（200人），两组效应指标（心肌梗死风险） 样本较小（200人），两组效应指标（心肌梗死风险） 的95%可信限较大，从而发生重叠，统计检验无显著性 95%可信限较大，从而发生重叠，统计检验无显著性 差异 研究B样本较大（2000人），两组效应指标的95%可信 研究B样本较大（2000人），两组效应指标的95%可信 限较小，从而未发生重叠，统计检验有显著性差异 一般而言，研究样本越大，效应估计值的抽样误差越 小（95%可信限越小），统计检验能发现的两组间效应 小（95%可信限越小），统计检验能发现的两组间效应 差值越小
（三）研真实值的部分，即 误差是指对事物某一特征的测量值偏离真实值 误差是指对事物某一特征的测量值偏离真实值的部分，即 测定值与真实值之差。即研究结果与客观实际存在不符合的地 方。 分类
系统误差（偏倚）:有固定方向与大小。来自研究对象选 有固定方向与大小。来自研究对象选
（六）研究偏倚的意义
临床流行病学研究中少不得“ 临床流行病学研究中少不得“中庸之道”，即 不偏不倚。 偏倚可发生在研究设计、实施、分析以至推论 的各个阶段。 加大样本量并不能使之减少。只有深入研究， 加大样本量并不能使之减少。只有深入研究， 才能了解、认识各类偏倚，以便在研究过程中 尽量加以避免或控制，才能保证研究结果的真 尽量加以避免或控制，才能保证研究结果的真 实性。
医学专题流行病学探究中常见偏倚
P<0.01，
OR＝ ad ＝ 660 2880＝1.74 bc 9121200
上述结果表明人群中A病与X因素本无关联，而以医院病例 作为样本所得观察结果则是有关联的。
2.现患病例-新病例偏倚 （prevalence-incidence bias）
在病例对照研究，调查时选择的病例往 往是存活的现患病例，无法对那些因患 病已死亡的病例或轻型、非典型或已痊 愈的病例进行调查，而队列研究中常采 用新发生的病例，因而病例对照研究得 出的结论与队列研究的结果可能发生差 异，此即现患病例-新病例偏倚，也称为 奈曼偏倚（Neyman bias）。
检查时新 未发病
检查时现患 未发病
合计
合计
病人总数 人数
病人总数 人数
胆固醇≥
85
462 547
38
P75
34 72
胆固醇<P75 116
1511 1627
113
117 230
合计 RR
201 1973 2174
151
151 302
2.4
1.16
进一步调查发现，患冠心病病人在被诊 断为该病后，其后来的生活习惯或嗜好 发生改变，如开始戒烟、多食低胆固醇 食物、进行体育锻炼，从而使血中胆固 醇水平降低，因此病例对照研究的结论
从上例可以看出选好对照组是十分不容易 的，它同研究者的临床知识，经验，及 关于研究变量的特征，对象选入的方法 等都有关。有时还需将多种对照同时观 察更能说明问题。
5. 无应答偏倚 （nonrespondent bias）
无应答者是指研究对象中未按设计要求 对被调查的内容予以应答者。某个特定 样本中的无应答者的患病情况及某些因 素的暴露情况与应答者可能不同，因此 而产生的偏倚称为无应答偏倚。此种偏 倚在分析性研究和实验性研究中均可发 生。
混杂偏倚(confounding bias)与交互作用
（四）混杂的大小及其方向 cRR – aRR cOR - aOR 混杂偏倚= 混杂偏倚=------------- or -----------aOR aRR cRR= aRR: cRR> aRR: 无混杂 正混杂( confounding)， 正混杂(positive confounding)， 亦称阳性混杂 负混杂称阴性混杂 cRR低估 称阴性混杂, cRR< aRR: 负混杂称阴性混杂, cRR低估 了因素与研究疾病之间的联系。 了因素与研究疾病之间的联系。
9
（三）混杂的测量
若cRR=aRR(f) cRR=aRR(f) 无混杂作用,cRR不存在 的混杂偏倚。 不存在f 则f无混杂作用,cRR不存在f 的混杂偏倚。 cRR≠aRR(f) 若cRR≠aRR(f) 有混杂作用,cRR存在 的混杂偏倚。 存在f 则f 有混杂作用,cRR存在f 的混杂偏倚。 cRR>aRR(f) 正混杂( confounding)， 若 cRR>aRR(f) 为 正混杂 ( positive confounding)， 亦 称阳性混杂，即由于f 的混杂作用， cRR高估了研究因 称阳性混杂，即由于f 的混杂作用，使cRR高估了研究因 素与研究疾病之间的联系。 素与研究疾病之间的联系。 cRR<aRR(f) 负混杂( confounding)， 若 cRR<aRR(f) 为 负混杂 ( negative confounding)， 亦 称阳性混杂, 即由于f 的混杂作用， cRR低估了因素与 称阳性混杂, 即由于f 的混杂作用，使cRR低估了因素与 研究疾病之间的联系。 研究疾病之间的联系。
◦ 研究的暴露因素和研究疾病之外因素（第三因子，外部因素） 研究的暴露因素和研究疾病之外因素（第三因子，外部因素） 此因素与研究疾病有关（独立相关，危险因子或保护因子） 1. 此因素与研究疾病有关（独立相关，危险因子或保护因子） 并且与研究的暴露因素有关（统计关联） 2. 并且与研究的暴露因素有关（统计关联） 该因素不是暴露导致疾病的中间环节或中间变量 3. 该因素不
临床研究中的偏倚及控制讲解
临床研究中的偏倚及控制讲解在医学领域，临床研究对于推动医学进步、改善医疗质量至关重要。
然而，在临床研究的过程中，偏倚的存在可能会导致研究结果的不准确和不可靠，从而影响临床决策和患者的治疗效果。
因此，了解和控制临床研究中的偏倚是至关重要的。
一、什么是临床研究中的偏倚偏倚，简单来说，就是在研究过程中，由于各种因素的影响，导致研究结果偏离了真实情况。
在临床研究中，偏倚可能来自研究设计、研究对象的选择、数据的收集和分析等多个环节。
常见的偏倚类型包括选择偏倚、信息偏倚和混杂偏倚。
选择偏倚发生在研究对象的选择过程中。
例如，如果研究某种疾病的治疗效果，但只选择了病情较轻的患者，那么得出的治疗效果可能会过于乐观，无法反映真实情况。
信息偏倚则与数据的收集有关。
比如，患者回忆病史时不准确，或者医生在诊断和评估时存在主观偏差，都可能导致信息偏倚。
混杂偏倚是指除了研究因素之外，还有其他因素同时影响了研究结果。
比如，在研究吸烟与肺癌的关系时，如果没有考虑到空气污染这个混杂因素，可能会得出错误的结论。
二、偏倚产生的原因1、研究设计不合理研究方案不完善，如样本量不足、对照组选择不当、随访时间过短等，都可能导致偏倚的产生。
2、研究对象的选择偏差如果纳入和排除标准不明确，或者在招募研究对象时存在倾向性，就可能导致研究对象不能代表总体人群，从而产生偏倚。
3、测量误差在收集数据时，使用的测量工具不准确、测量方法不一致或者观察者的主观判断差异，都可能引入测量误差，进而导致偏倚。
4、随访丢失在长期的随访研究中，部分研究对象失去联系或拒绝继续参与，导致数据不完整，也可能产生偏倚。
5、数据分析方法不当错误的统计分析方法或不合理的数据分析策略，可能会放大或掩盖偏倚的影响。
三、偏倚对临床研究的影响偏倚会严重影响临床研究的质量和可靠性。
如果研究结果存在偏倚，可能会导致错误的临床决策，浪费医疗资源，甚至对患者的健康造成危害。
例如，一项关于某种新药物疗效的研究，如果因为选择偏倚只纳入了对药物反应良好的患者，可能会高估药物的疗效，从而使医生在临床实践中过度使用该药物，而实际上它对大多数患者可能并没有那么有效。
临床科研中常见的偏倚及其防止
分层分析纵隔肿块大小和何杰金病预后关系
分组
II III 症状 无 有
纵隔肿块的大小
大
小或无
复发率（％）
10/14(71)
6/32(19)
4/4(100)
7/13(54)
10/14(71) 4/4(100)
11/41(27) 2/4(50)
五、分层（Stratification）
病例对照和队列研究的分层分析 Mantel－Haenszel 方法
七、多变量分析
Mantel－Haenszel法只能平衡个别少数的 混杂因素，且对连续性的变量只能用等级分层 法（不太合理）。
60年代起，Comfield提出了Logistic回归 模型进行多变量分析，能在复杂关系中平衡多 种混杂因素的作用，进一步筛选出主要的危险 因素或预后因素，决定在病因及预后中的相对 比重。
是系统误差，可发生在设计阶段，在分析阶段易暴露 出来，可用分层方法加以消除，而一般偏倚则不易消 除，混杂不易在设计阶段识别加以均衡
存在混杂的几种情况：
E
E
E
D
D
D
F
F
F
三、混杂性偏倚（续）
分层 STRATIFICATION
心梗 对照
饮酒 有 无
合计
医学科研中常见的偏倚类型及控制方法
信息偏倚的控制
严格的调查设计和研究人员的科学态度，严 格的质量控制措施 尽量采用“盲法”收集资料 尽量收集客观指标的资料 采用调查技巧避免无应答、回忆和说谎偏倚 收集资料的范围可以适当广泛些，借以分散 调查人员和研究对象对某项因素的注意力， 减少某些偏见带来的偏倚
三、混杂偏倚(confounder bias)
暴露因素与疾病发生的关联程度受到其他因 素的歪曲或干扰而造成的系统误差
在研究设计阶段和资料分析阶段未能对混杂因 素加以控制或未进行校正，使得研究结果与真 实情况不符
混杂偏倚会影响病因研究的因果关系、疾病治 疗的效果和预后因素的评价
混杂因素存在的条件
混杂因素对研究结果有影响 混杂因素与暴露因素伴随存在 混杂因素在比较人群中的分布不均衡
Wilcox等人在调查流产回忆准确性的研究中 发现，调查10年前流产的有82%的回忆完整， 调查20年前流产的有73%人回忆完整。在受 孕前6周流产者能回忆起来的有54%。而在受 孕13周流产者能回忆起来的有93%
病例组和对照组的回忆误差也可能不一致，病 例组往往比对照组记忆准确。原因是调查事件 的重要性对两组人是不一样的，选择不易忘记 的指标做调查，并重视问卷和询问技术，有助 于减少调查中的回忆偏倚
主要内容
偏倚的类型 混杂因素与交互作用 偏倚的控制
误差(error)
➢定义：
指对事物某一特征的度量值偏离真实值的部分， 即测量值与真实值之差
➢分类：
随机误差(random error) 系统误差(systematic error)，即偏倚(bias)
举例：用动脉血压计测量某人血压(实际值 为80mmHg)，各次测量的均值为 100mmHg。下图为系统误差和随机误差的 示意图
- 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)。
医学科研中的偏倚与交互作用与控制第一节概念一、误差科研设计、实施及分析过程中产生的各种误差（error），可能导致研究结果不能真实地、精确地反映实际正确的结果。
误差是指对事物某一特征的度量值偏离真实值的部分，即测定值与真实值之差。
因此，必须有“金标准”（golden standard）或相对可靠的标准来度量真实值才能度量误差。
研究结果与真实情况的差异即为误差。
误差有两类：（1）随机误差（random error），(2)系统误差（systematic error）或称偏倚。
随机误差（random error）：广义的随机误差，泛指因机遇不同估计总体参数时所产生的误差，机遇既可以指选择的机遇，也可以指时间的机遇。
如果误差由机遇以外的原因所造成，则为非随机误差。
狭义的随机误差指随机抽样所得均值对总体均值的误差。
随机误差主要是由抽样误差引起，其中包括一些随机测量误差。
抽样误差指随机抽样所得均值对总体均值的误差，它由总体中个体的变异引起，其大小决定于研究设计和评价指标的统计学特点。
抽样误差无一定方向，可以相互抵消，并可通过改进抽样技术（如严格遵守随机化原则，分层抽样，增加样本含量，重复试验以及提高抽样对象的受检率，减少失访率等）加以控制，但不可能完全避免。
因此在资料分析阶段，必须用统计学方法计算抽样误差的大小。
二、偏倚偏倚是指在调查研究设计或实施阶段，由于某种或某些因素的影响，使得研究或推论的结果与真实的情况存在系统误差，或指在研究或推论过程中所获得的结果系统地偏离其真实值，属于系统误差。
偏倚造成的结果与真值间的差异，具有方向性，它可以发生在高于真值的方向，也可发生在低于真值的方向。
偏倚是影响流行病学研究真实性的重要原因之一，由于有时难以得到判断真实性的金标准，因此即便在很严格的流行病学研究设计之下，也很难判断是否完全避免了偏倚。
尽管如此，如果对偏倚的来源和产生原因有了深刻的认识，则有可能最大限度地减少偏倚的发生，以便取得有价值的研究结果。
误差与偏倚都是指测量结果与真值间的偏离。
但它们两者之间有着本质的区别。
随机误差是由于抽样而致的变异，它无方向性，这种误差是普遍存在的。
它可以设法减少但不能完全防止（如随机化抽样，加大样本量）。
偏倚是指随机误差以外的误差，是指观察到的均值与真值之间的系统误差，这种误差不能用统计学方法处理，它是由某些较为恒定的不能准确定量的因素造成，重复抽样或加大样本含量并不能使这种误差减少或消失，它只能依靠研究者的周密设计和科学判断来加以解决。
偏倚系非抽样误差，它是错误的，必须努力防止。
三、偏倚的方向偏倚是一种系统误差，它或偏向于正方向，使原来的真值被夸大；或偏向于负方向，使原来的真值被缩小，因此偏倚是有方向的。
定量并精确地估计偏倚的程度（即偏倚的大小）有困难，而确定偏倚的方向相对比较容易。
偏倚的方向指研究人员对事物所产生效应（effect）的估计值是大于或小于效应真值所做出的一种定性判断，不涉及偏倚的大小。
现假定某一欲观察或测量效应值的真实值为θ，而反映在样本中的观测值为θˆ。
设定凡是夸大真实效应者为正偏倚，不论真实效应为危险效应还是保护效应，而缩小真实效应者为负偏倚。
零效值（null value）是一个统计学中的概念，是指产生零效应的值。
例如，对于RR 或OR=1时即为无效值。
因此，研究中的真实效应用RR（θ）表示，当RR（θ）=1.0，即为零效应；RR（θ）>1为危险效应，RR（θ）<1为保护（预防）效应。
RR（θˆ）为RR偏倚了的RR。
因此，在具有危险效应RR（θ）>1：θˆ>θ>1，夸大危险效应，或远离零效应值（或无效值），称为正偏倚;θ>θˆ>1，缩小危险效应，趋向零效应值，称为负偏倚；当效应值为保护（预防）效应时，RR（θ）<1;θ<θˆ<1，偏倚缩小了保护效应，θˆ趋近零效应值，称为负偏倚;θˆ<θ<1，偏倚夸大了保护效应，θˆ远离零效应值，称为正偏倚。
举例说明：①RR（θ）>1，RR=2.0，是危险效应；当RRˆˆ=1.5时，Rˆˆ被判为正偏倚；R Rˆˆ=4.0时，它远离零效应值，夸大了原危险效应，R它趋近零效应值，缩小了原危险效应，RRˆˆ被判为负偏倚。
②RR（θ）<1，RR=0.6，是一种保护效应；当RRˆˆ=0.3时，它远离零效应值，夸大了保护效应，RRˆˆ被判为正偏倚；当RRˆˆ被判为负偏倚。
Rˆˆ=0.7，它趋近于零效应值，缩小了保护效应，R也有一种称颠倒偏倚（switchover bias），指无论θ>1或θ<1，若θ和θˆ分别在1.0的两侧，则为颠倒偏倚。
即所产生的偏倚跨过零效应值1.0，由保护效应偏离为危险效应或由危险效应偏离为保护效应。
第二节偏倚的类型一、偏倚的种类目前将流行病学调查研究过程中出现的偏倚分为三类：1.选择偏倚（selection bias）指研究者在挑选研究人群时由于选择条件受限制或设计失误所致的系统误差。
主要发生在研究设计阶段；2.信息偏倚（information bias）指在收集和整理有关暴露或疾病资料时所出现的系统误差，主要发生在观察、收集资料及测量等实施阶段；3.混杂偏倚（confounding bias）主要由调查中所涉及的混杂因素与疾病和暴露因素三者之间的内在联系所决定，研究者在设计阶段若不注意随机化原则，各比较组间除比较因素外其他非比较因素不均衡，同时在分析阶段又不设法加以控制，即可发生混杂偏倚。
（一）选择偏倚在设计阶段选择观察对象时，被选入的对象同未选入的对象间在与研究有关的特征方面有系统的差别，同时在各比较组间除比较因素外，其他一些有关因素分布不均衡，导致研究结果系统地偏离真实情况，即为选择偏倚。
在各类流行病学研究中选择偏倚均可发生，以在病例对照研究与现况研究中常见。
选择偏倚既可产生于设计阶段的选择研究对象，又可产生于资料收集阶段的失访或无应答等。
了解选择偏倚的目的是在设计阶段充分考虑其存在的可能性并尽量予以避免，在分析和作结论时要慎重从事。
选择偏倚的种类很多，常见的有以下几种。
1.入院率偏倚（admission rate bias）又称伯克森偏倚（Berkson’s bias），是指利用医院就诊或住院病人作为研究对象时，由于入院率不同而导致的偏差。
以研究恶性黑素瘤为例，产生的条件是：①研究某危险因素是否同恶性黑素瘤有关时，恶性黑素瘤病例取自医院，对照取自同时住院的其他病例，骨折病人；②恶性黑素瘤，骨折病人由于某医院在治疗某病（恶性黑素瘤或骨折）方面的疗效不同、距离医院的远近不同、病情的轻重程度不同，出现了不同的入院率；③暴露因素本身也有一定的独立的同疾病无关的入院率。
于是就产生伯克森偏倚，现举例如下：假定某研究者计划研究恶性黑素瘤同高血脂的关系，恶性黑素瘤病例取自医院，同时，他从同院某病区随机抽取相应人数的骨折患者作对照。
恶性黑素瘤病人在人群中约有5 000例，骨折患者也有5 000例，具有高血脂因素者在恶性黑素瘤病人和骨折病人中各占15%，并假定恶性黑素瘤、骨折、高血脂三者之间无任何关联（表1），三者的入院率又相对独立。
表1 人群恶性黑素瘤、骨折两病及高血脂的人群分布病种有高血脂者无高血脂者总人数恶性黑素瘤750 4250 5000骨折750 4250 5000恶性黑素瘤伴有高血脂同骨折伴有高血脂间的OR=（750×4250）/（4250×750）=1.0 表1资料表明人群中恶性黑素瘤、骨折、高血脂三者之间并无关联，OR=1.0。
现假定恶性黑素瘤和骨折入院率不同，分别为60%及25%，同时伴有高血脂者的入院率为40%（表2）。
表2 来自医院恶性黑素瘤和骨折两病及高血脂的病例分布病种有高血脂者无高血脂者总人数恶性黑素瘤（病例）570 2 550 3 120骨折（对照）413 1 063 1 476 根据不同的入院率计算住院病人数：恶性黑素瘤伴有高血脂人数：（750×60%）+[（750―750×60%）×40%]=570骨折伴有高血脂人数：（750×25%）+[（750―750×25%）×40%]=413恶性黑素瘤住院而无高血脂人数：（5 000―750）×60%=2 550骨折住院而无高血脂人数：（5 000―750）×25%=1 063住院病例恶性黑素瘤同高血脂关联的OR=（570×1 063）/（2 550×413）=0.575从表1和表2结果看，社区样本人群中恶性黑素瘤同高血脂本无任何关联，而以医院病例作为样本所得观察结果，高血脂是恶性黑素瘤的保护（预防）因素，而对骨折则是一危险因素。
此即伯克森偏倚，因为它远离无效值1.0，本来是无效，现在则是夸大了其保护效应，或可以说是造成了一虚假的效应，不管它是危险效应还是保护效应，因此该伯克森偏倚是正偏倚。
不同疾病在不同医院的就诊或住院率各异，其原因是多方面的，如群众对某种疾病危害的认识水平，患者所患疾病的严重程度，患者的经济状况，以及就诊方便与否，不同医院的技术专长等等，均可影响入院率。
当利用医院住院病人作为病例和对照时，由于对照是医院的某一部分病人，而不是全体目标人群中的一个随机样本；又由于病例只是该医院或某些医院的特定病例，因为病人对医院及医院对病人双方都有选择性，所以作为病例组的病例也不是病人全体的一个随机样本，因此，就同一病因学调查课题，在社区和医院同时做调查，其结论是否相同，取决于病例和对照到医院就诊或住院的就诊率（入院率）。
在入院率为100%的情况下，两者的调查结果一致，但在实际工作中很难在医院观察到100%的病例，如果入院率不同，则表现为系统误差。
因此利用医院的资料作病例对照研究分析病因时，要警惕可能出现这种偏倚，在解释研究结果时要慎重。
2.现患病例-新发病例偏倚（prevalence-incidence bias）这种偏倚又称奈曼偏倚（Neyman's bias）。
在病例对照研究或现况研究中，用于研究的病例一般是研究期间的现患病例，而不包括死亡病例和那些病程短、轻型、不典型的病例。
存活病例中又有新发病例和现患病例。
存活病例同死亡病例在所研究的因素方面往往有系统差异，同样新发病例同现患病例间也有这类系统差异；此外，某些病人在患病后，有可能会改变其原来的某些因素的暴露情况，这种用于研究的病例类型（现患病例）显然会与队列研究或实验研究不同（多用新发病例），由此而产生的偏倚即为现患病例-新发病例偏倚。
病例对照研究所得结论常与队列研究结果不一致，其原因除了各自的一般优缺点外，主要是病例对照研究收集的大部分是现患病例，而队列研究可观察新发病例。