流行病學(xué)07流行病學(xué)中的偏倚(編輯修改稿)
2025-06-22 12:15 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 暴露 非暴露 暴露 非暴露 病例 非病例 樣 本 x x1 x2 x3 x? x?1 x?2 x?3 病例 非病例 Y=x?/x Y1= x?1/ x1 Y2= x?2/x2 Y3= x?3/x3 2022年 6月 23日 蚌埠醫(yī)學(xué)院 26 偏 倚（ bias) 上 圖 所示： 總 人群ＯＲ＝ 樣 本ＯＲ 1＝ x ?. x ? 3/ x ? 1. x ? 2 根據(jù) 選擇 概率 ＯＲ1＝ ＯＲ 選擇偏倚 ＝ 或 = 1 OR1OR OR 2022年 6月 23日 蚌埠醫(yī)學(xué)院 27 偏 倚（ bias) 選擇偏倚控制方法 ?了解整個(gè)研究中可能出現(xiàn)的選擇偏倚 ?嚴(yán)格掌握研究對(duì)象納入、排除標(biāo)準(zhǔn) ?取得研究對(duì)象合作，減少無(wú)應(yīng)答、失訪 ?盡量采用多種對(duì)照 ?采用嚴(yán)格科學(xué)的研究設(shè)計(jì) 2022年 6月 23日 蚌埠醫(yī)學(xué)院 28 偏 倚（ bias) 二 、 信息偏倚 （ information bias） 在收集和整理有關(guān)暴露或疾病資料時(shí)所出現(xiàn)的系統(tǒng)誤差 ， 主要發(fā)生在觀察 、 收集資料及測(cè)量等實(shí)施階段 這種偏倚既可來(lái)自于 研究對(duì)象、研究者本身，也可來(lái)自于測(cè)量?jī)x器、設(shè)備、方法等。 2022年 6月 23日 蚌埠醫(yī)學(xué)院 29 偏 倚（ bias) 常見(jiàn)種類 暴露懷疑偏倚 診斷懷疑偏倚 測(cè)量偏倚 報(bào)告偏倚 回憶偏倚 歸類錯(cuò)誤偏倚 誘導(dǎo)偏倚 2022年 6月 23日 蚌埠醫(yī)學(xué)院 30 偏 倚（ bias) 暴露懷疑偏倚 （ exposure suspicion bias） 研究者在收集并確定病例組的暴露比例時(shí)所具有的認(rèn)真、細(xì)致、深入程度同對(duì)照組相比有重大的系統(tǒng)差別 診斷懷疑偏倚 （ diagnostic suspicion bias） 常發(fā)生在前瞻性研究中，在病例對(duì)照研究中也可發(fā)生，特別是診斷亞臨床病例，判斷藥物的毒副作用時(shí)，研究者主觀偏見(jiàn)和研究對(duì)象的主觀因素 2022年 6月 23日 蚌埠醫(yī)學(xué)院 31 偏 倚（ bias) 測(cè)量偏倚（ detection bias） 實(shí)驗(yàn)過(guò)程中由于實(shí)驗(yàn)的儀器和試劑質(zhì)量及操作人員的操作誤差造成的偏倚稱為測(cè)量偏倚，又叫 檢出偏倚 報(bào)告偏倚 （ reporting bias） 研究對(duì)象的有意做假所造成，即有意的夸大或縮小某些信息而導(dǎo)致的偏倚，亦被稱作 說(shuō)謊偏倚 2022年 6月 23日 蚌埠醫(yī)學(xué)院 32 偏 倚（ bias) 回憶偏倚（ recalling bias） 研究對(duì)象在回憶以往發(fā)生的事件或經(jīng)歷時(shí)，由于記憶失真或不完整在準(zhǔn)確性和完整性上的差異所致的系統(tǒng)誤差 歸類錯(cuò)誤偏倚（ misclassification bias） 每 項(xiàng)病癥所用的客觀診斷試驗(yàn)或測(cè)定儀器都有一定的靈敏度和特異度，而不可能是100%，于是就會(huì)產(chǎn)生一定的假陽(yáng)性和假陰性錯(cuò)誤即誤診和漏診這就發(fā)生了錯(cuò)分，即本應(yīng)是病人，錯(cuò)將他分入了對(duì)照組，而本應(yīng)是健康者，錯(cuò)將其分入了病例組 2022年 6月 23日 蚌埠醫(yī)學(xué)院 33 偏 倚（ bias) 誘導(dǎo)偏倚 （ inducement bias） 調(diào)查者的詢問(wèn)技術(shù)不正確，或?yàn)楂@得陽(yáng)性結(jié)論誘使被調(diào)查者做一傾向性回答，往往表現(xiàn)為對(duì)病例組做誘導(dǎo)，而對(duì)對(duì)照組不做誘導(dǎo)或負(fù)誘導(dǎo)，由此只能作出虛假的結(jié)論 2022年 6月 23日 蚌埠醫(yī)學(xué)院 34 偏 倚（ bias) 測(cè)量 信息偏倚的表現(xiàn)形式為錯(cuò)誤分類，暴露狀 態(tài)、疾病結(jié)局、混雜因素都可能發(fā)生錯(cuò)分。目 前用于錯(cuò)分的軟件有很多種，以暴露因素的錯(cuò) 分為例進(jìn)行分析。 以研究對(duì)象的一個(gè)樣本（對(duì)照組）為例， 令：真正暴露 X=1，真正非暴露 X=0；被分類為 暴露 X*=1，被分為非暴露 X*=0。由此得到四個(gè) 概率： 2022年 6月 23日 蚌埠醫(yī)學(xué)院 35 偏 倚（ bias) Se=暴露對(duì)象被分為暴露的概率 =靈敏度=Pr（ X*=1 X=1） Fn=暴露對(duì)象被分為非暴露的概率 =假陰性概率 =Pr（ X*=0 X=1） =1 Se Sp=非暴露對(duì)象被分類為非暴露的概率 =特異度 =Pr（ X*=0 X=0） Fp=非暴露對(duì)象被分類為暴露的概率 =假陽(yáng)性概率 = Pr（ X*=1 X=0） =1 Sp 2022年 6月 23日 蚌埠醫(yī)學(xué)院 36 偏 倚（ bias) 假設(shè)研究對(duì)象 B1是真正暴露，研究對(duì)象 B0是真 正非暴露，那么： B1 =預(yù)期被分類為暴露的研究對(duì)象數(shù) = Se B1+ Fp B0 （方程式 1） * 2022年 6月 23日 蚌埠醫(yī)學(xué)院 37 偏 倚（ bias) B0=預(yù)期被分類為非暴露的研究對(duì)象數(shù) = Fn B1+ Sp B0 （方程式 2） 注意 ： Se+ Fn= Fp +Sp=1，故錯(cuò)分不改變總數(shù)： M0= B1 + B0= （ Se+ Fn） B1+（ Sp+ Fp） B0 =B1 + B0 在大多數(shù)研究中，觀察到的是正確分類數(shù)和 錯(cuò)分類數(shù)的和。假定靈敏度和特異度分別為 Se和 Sp，（則 Fn=1 Se， Fp=1 Sp），那么通過(guò)解 方程式 1和式 2可以估計(jì) B1 和 B0 * * * 2022年 6月 23日 蚌埠醫(yī)學(xué)院 38 偏 倚（ bias) 從方程式 2得到： B0=（ B0 Fn B1） / Sp 代入方程式 1得到： B1 = Se B1+ （ B0 Fn B1）
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1