病例对照研究设计类型在线视频

大家好

我是中南大学湘雅公共卫生学院的李杏莉

今天我们介绍的是病例对照研究设计的类型

病例对照研究呢是一个常见的

也是常用的医学研究的这样一种类型

那病例对照研究

它有哪些主要的设计类型呢

我们主要介绍一下

第一种

病例对照不匹配设计的

这样的一种设计类型

也就是说病例和对照不匹配

那么病例和对照不匹配

实际上就是在设计的过程中

我们呢就是随机选择病例和对照

就是在我的一个规定的这样一个病例的人群

和对照的人群里边呢

分别抽取一定量的这样的一个研究对象

分为病例组和对照组

它这个过程中

我们没有将病例和对照这样的一个受试对象

进行任何因素的匹配

另外呢就是不匹配的病例对照研究

实际上它的一般情况下要求

对照组的人数不要小于病例组的人数

那么注意对照实际上

它应该也是来自于产生病例的那个人群

要注意这个问题

所以说这就是病例对照不匹配设计的

这样的一种设计类型

另外呢还有一种设计类型

就是病例和对照匹配

那么病例和对照匹配设计

实际上呢就是匹配设计

我病例和对照在某些因素上

它的分布或者它的特征是保持一致的

这就叫匹配

那么匹配原来我们说过

配对是一种匹配形式

随机区组设计它也是匹配形式

那么匹配的目的是什么

匹配的目的就是说

主要是想提高我的研究的效率

提高研究效率

也就是说病例组和对照组在某些特征上

进行一个分布让它一致

那这个时候它的目的就是

进行两组比较的时候呢

排除我匹配的这个因素的干扰

因此我们说采用匹配设计的病例对照研究的话

那个匹配因素常常是

你这个研究里边的混杂因素

而且是主要的混杂因素

我把它匹配掉之后

使得这个因素在病例组和对照组分布是均衡的

这就是匹配设计

那么匹配设计呢实际上如果再细分的话

还分为两种

一种就是频数匹配

一种是个体匹配

那么频数匹配是一种什么样的匹配方式

比如说性别

在你的研究过程中

它是一个主要的干扰因素

我想让病例组和对照组呢

在性别的分布上是一致的

来排除性别因素的干扰

那我采用匹配设计怎么去做呢

那么比如说我的病例组的受试对象

40%是男性

60%是女性

那么你也使你的对照组的受试对象

40%是男性

60%是女性

那么这样的一种匹配

我们可以体会到

病例组和对照组这两组受试对象

在性别上它的分布是一致的

但是呢它的这样一种匹配呢

又不是一对一的这样的一个匹配

所以这样的一种匹配是频数匹配

我们管它叫频数匹配

也就是使得病例组和对照组

这两组人群

它在这样的一个特征上是

可比的

是一致的

这是频数匹配

另外一种匹配是个体匹配

个体匹配它的特点就在于

它一个个体 一个个体的匹配

这叫个体匹配

那么个体匹配的话

比如说1:1的个体匹配

1:1的个体匹配

实际上就是我们以前说的配对设计

配对设计

也就是说比如说还是这个例子

比如说性别是我这个研究里边主要的干扰因素

我要把它去掉

这个作用去掉

那这个时候我病例组我选一名男性

那么对照组同时给它匹配一名男性

我病例组选一个女性做我的受试对象

那么我对照组也选一个女性跟它进行匹配

那么这样的一种匹配是一个一个的

在个体水平上的这样的一个匹配

我们管它叫个体匹配

那么个体匹配呢在研究过程中发现呢

有1:1的匹配

1:2的匹配

也就是一个病例配两个对照

那么还有1:R的匹配

那么研究发现呢随着你这样的一个R的增加

它的这样的一个研究的效率的增加

但是当你的R到4的时候

你的研究效率实际上增加的不太多了

也就是说对照

你选4个对照是这样的话

你比如说你对照选得越多

实际上对你对照的选择提供了难度

那么这个时候呢我们就是说一般情况下

R不大于4

这样的话呢随着这个你的这样的*

比如说1:1 1:2

1:3的这样的一个匹配

它的这样的一个研究的效能在增加

但是你的R如果再继续往上增加的话呢

它就到了一个平台

它增加的量就不明显了

那么但是呢你的对照越多

那么对你选择对照的难度也就越大

所以说给你提供的研究中的这个难度就增大了

所以说呢我们说一般情况下我们R不超过4

那么像这样的在个体水平上的去匹配

这就叫个体匹配

那么匹配设计的病例对照研究

实际上就分为这两种

这两种设计类型要注意

你要分清楚

你是频数匹配呢还是个体匹配

因为什么

因为它们在数据的处理上是有差异的

频数匹配的病例对照研究

它的分析方法就跟成组的

病例对照研究是一样的

就是跟不匹配的是一样的

而个体匹配的病例队列研究

它的数据的处理就要用

比如说你是1:1匹配的

那就要用配对设计了

这样的一个处理

1:R的匹配的

你就去找它们

1:R的匹配的这样一个数据处理的方式

它是不一样的

所以一定要分清楚

这个就是刚才我们说的

频数匹配和个体匹配

那么我们说要注意在进行匹配的时候

我们匹配的目的研究中

在进行匹配

这样的一种设计

实际上是想提高研究的效率

控制混杂

但是匹配中一定要注意几个问题

第一个是一定要慎重的选择你的匹配因素

不要把什么样的因素都拿出来进行匹配

为什么

你想

匹配是指的是把这些个匹配的因素

使得它在病例组和对照组的受试对象

这些个因素的分布上是均衡的

而我们病例对照研究比较的又是什么呢

病例对照研究比较的就是病例组和对照组

它在哪些因素上分布是不均衡的

对不对

那么如果你把一些因素都进行了匹配

那这个时候你要分析的因素自然就会减少

因此要慎重选择你的匹配因素

那么你要匹配的这些因素

一定是你这个研究里边的主要的混杂因素

第二

如果你是在广泛的去探讨一个疾病病因的话

你说我也不太清楚

这个因素跟这个疾病之间有没有关系

那么你可疑的这样的一个病

它有可能是它的病因

那么不要用匹配设计

就是不要把这个因素

作为匹配因素给它匹配进去

也是这样的一个意思

也就是如果一旦作为匹配因素

给它匹配进去以后你就会发现

病例组和对照组

在这个因素上它的分布就一致了

你就没有办法分析出

这样的一个因素对疾病这样的一个作用了

所以说一定要注意

如果是你的可疑的病因

那这个时候就不要把这个因素

作为匹配因素给它匹配进去

另外就是刚才我说了这个一般的

1:R的匹配

这个R一般呢

虽然是说随着它的这个增加研究的效率在增加

但是一般情况下不超过4

还有呢就是要注意的呢就是出现匹配过度

有些事情做得过头了

这反而就不好

那么匹配过度就是把不应该匹配的因素

给它匹配掉了

那实际上你是在也降低了

一个研究的研究的效率 对不对

所以说我们在匹配的过程中

我们主要是想提高一个研究的效率

要注意但是这个事情不能做过头

你比如说我要做

吸烟和心脏病之间的关系和冠心病之间的关系

那么这里边呢我把这个病例组

和对照组用什么去匹配呢

比如说血脂的水平

用这样的一个变量去把它做一个匹配因素

你想那实际上这个就是

说明你匹配因素选择就是不合适

为什么说这个因素选择不合适呢

比如说吸烟实际上

它是通过改变血脂的一个水平

然后再产生这个冠心病

它是它的病因链上的这样一个中间的一个环节

如果你把这个因素作为匹配因素的话

那这个时候你就会降低了

这个研究的这样一个效率

实际上从这里边我们也可以看到

你这个血脂

在这个吸烟和冠心病之间这样的一个研究里边

血脂这样的一个因素

它不是一个合适的一个匹配因素

因为它根本就不符合混杂因素的条件 对不对

匹配的因素一般来讲都是

这样的一个研究里边的主要的混杂因素

那么混杂因素其中还有一个特征就是

它一定不是暴露因素

与疾病之间的一个中间环节

那么吸烟和冠心病之间的这样的一个历程中

这样的一个发展过程中

血脂水平实际上就是它们中间的一个环节

所以它实际上这个因素

血脂这个因素并不是一个混杂因素

所以说你在这里边

比如说你用这样的一个血脂的因素

使得病例组和对照组血脂的水平是一致的

那实际上这样的一个匹配因素的选择

就是不合适的

所以说我们在进行匹配的时候呢一定要注意

不要进行匹配过度

那么主要的来讲

匹配的最主要的目的就是要提高你研究的效率

控制研究中的主要的混杂因素

这个呢实际上就是我们匹配的这样一个目的

那么在这一节里呢我们主要介绍了

病例对照研究最常见的两种设计类型

一个就是成组设计

也就叫病例和对照不匹配设计

一种呢就是病例和对照的匹配设计

那么在我们研究的过程中

一定要分清楚这两种设计类型

那么我们今天的课呢就上到这

谢谢大家