下载文档原格式
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。
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。
偏倚医学名词解释
偏倚是指在医学研究或临床实践中，因为一些特定的因素（如疾病类型、患者特征等）导致研究结果或治疗效果产生偏差。
常见的偏倚包括选择偏倚、信息偏倚、观察偏倚等。
选择偏倚是指在研究过程中，研究者或患者在选择治疗方案或参与研究时存在某些偏好或限制，导致样本不被随机分配，从而影响结果的有效性。
信息偏倚是指在搜集、分析数据时可能存在的误差或偏差，包括研究设计、数据质量、测量误差等因素。
观察偏倚是指在临床实践中，医生或患者由于自身经验或预期结果的影响而产生的偏差。
这种偏差可能会导致治疗效果被高估或低估，从而影响临床决策和治疗效果。
为了减少偏倚的影响，医学研究和临床实践中需要采取严格的研究设计和数据采集方法，以确保结果的可靠性和有效性。
- 1 -。
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。
