分析性研究常见偏倚及控制在线视频

大家好

我是中南大学湘雅公共卫生学院的李杏莉

今天我们主要介绍一下

分析性研究常见的偏倚以及控制

偏倚实际上它是一种系统误差

那么在我们研究的过程中

实际上有两大类的误差

一种就是随机误差

另外一种就是系统误差

而系统误差在研究的过程中

也经常会出现

而且也是一个相对比较难以

发现和测量的这样一大类误差

那么在流行病学研究里面

尤其是在分析性研究里边

有几种常见的偏倚种类

第一种就是选择偏倚

第二种就是信息偏倚

第三种就是混杂偏倚

这三大类的偏倚是在分析性研究里边

最常出现的偏倚类型

那每一种类型的偏倚

其实还有很多种小的偏倚

那我们下面简单介绍一下

第一大类选择偏倚

那么选择偏倚是怎么产生的呢？

选择偏倚主要产生在研究的设计阶段

也就是说在研究设计的时候

研究者会涉及到研究对象的选取

那么当我们所选取的受试对象

被选中的和没有被选中的受试对象

如果存在着系统差异的话

那么就有可能会存在着选择偏倚

那么也就意味着

你所选的受试对象

不能够很好地代表他所来的那样的

一个总体人群的时候

就会产生选择偏倚

那么最常见的选择偏倚

我们介绍几种

第一个

就是伯克森偏倚

也就是说当我们做病例对照研究的时候

你的受试对象是以医院为基础

来收集的时候

那么很容易出现的一种偏倚

就是选择偏倚

伯克森偏倚也叫入院率偏倚

它是以医院为基础

来收集病例和对照的时候容易产生的偏倚

因为什么呢？

因为不同的患者入院

他到不同的医院里去入院

她的入院率是不一样的

由此而产生的这样的一个系统误差

那么如果研究者仅仅是以一所

或者是一种类型的医院

来收集所有的病例的时候

那这个时候我们说不同患者

他的入院率是不同的

那么不同的患者对于不同级别的医院的入院率

也是不同的

那这个时候

可能你就要注意

是不是有选择偏倚

有这种伯克森偏倚要考虑

那么对于这种伯克森偏倚我们进行控制

怎么去控制呢？

一个非常好的办法

就是我们可以从不同级别的医院

来收集你的病例和对照

也就是说不要从同一级别的

或是某一个医院一家医院

来收集所有的病例或者是对照

那这样的话也就是我从不同的级别

因为不同级别的医院他的入院率不一样

那这个时候我就可以很好的去减少

这样的一种偏倚的产生

也就说你的受试对象

从不同级别的医院来收集

一甲二甲三甲医院

都包括一定比例的受试对象

对照也是这样的

那这个时候实际上

也增加了病例和对照的这样的一个代表性

样本的一个代表性

这个就是我们说伯克森偏倚的控制

也就是以医院为基础的

这样的一种研究的时候

收集病例的时候所容易出现的

另外一种病例对照研究容易出现选择偏倚

就是现患病例新发病例偏倚

这样的一种偏倚也叫奈曼偏倚

这种偏倚是怎么产生的呢？

就是说当我们做病例对照研究的时候

你是以现患病例

现患病率也较旧病例

那么当你是以旧病例

为研究对象进行研究的时候

和以新病例作为受试对象

进行研究相比的话

那么旧病例可能

跟新病例之间存在着一些系统性的差异

那么这个时候

所产生的这样的一种系统误差

那么这样的一个奈曼偏倚

它控制的话怎么去控制呢？

实际上就当我们进行病例对照研究的时候

要注意在设计的过程中

选择受试对象的时候

那么病例组的选择

我们最好是以新诊断的或是新发病例

作为你的受试对象

那这样的话就可以减少什么？

减少由于旧病例

由于时间的变化所产生的这样一种误差

你比如说

我们要做血脂和高血压之间的一种关系

或者血脂和冠心病之间的一种关系

如果你选的

那么这个时候按病例对照研究的设计的话

我们就应该选冠心病病人和非冠心病病人

这样的病例组和对照组

然后去看他们血脂

这样的一个水平

那么如果你选的是旧病例

你十几年前已经诊断为是冠心病的

那你现在开始这样的研究

那么你再去测它体内血脂的水平

已经不是当时他发病时候的血脂的水平

它随着时间的变化

它的生活行为习惯的一个改变

那么它这样的一个暴露因素的水平

其实已经发生了很大的变化

那么这个时候

如果你以旧病例作为你的受试对象

病例组的这样一个来源的话

实际上就会与新诊断的这样一个病例

存在着这样的一个系统的差异

所以说或者存在这样的系统误差

就有可能会产生现患病例新病例偏倚

也叫新旧病例偏倚

那么这个时候我们说

另外还有一个问题

就是说你用旧病例的话

你让他去回忆

你曾经的这样的一个暴露史的话

那他的回忆偏倚也比较大

也就是他的信息偏倚也比较大

所以说我们说

当我选择病例的时候

病例组的最佳选择

以新发病例或者新诊断的病例

作为你的受试对象更合适

可以有效的去减少现患病例新病例偏倚

同时也可以减少回忆偏倚

另外还有一种比较常见的选择偏倚

比如说无应答偏倚

那么在流行病学研究里边

实际上无应答者是由于种种原因

他没有对你要调查的信息予以应答

那这就是无应答者

那么在这个队列研究里边

那种失访的受试对象

实际上也是一种无应答

那么在特定的这样的一个研究的样本里边

无应答者的患病的情况

他没有应答你

没给你这样的一个信息

它的患病的情况

以及其他的一些研究因素的暴露情况

可能跟应答者是存在着差异的话

那这个时候就可能会存在着无应答偏倚

那么对这样的一种偏倚的控制

实际上就是你要想办法去提高它的应答率

来减少这样的一种偏倚的产生

当然还有其他种的选择偏倚

这里边我们简单介绍常见的这几种

另外偏倚的一大类就是信息偏倚

信息偏倚实际上是

发生在研究的实施的阶段

也就是你的信息的收集阶段

也就在获取信息的时候

所产生的这样的一种系统误差

我们管它叫信息偏倚

那么常见的信息偏倚

第一个

回忆偏倚

回忆偏倚实际上是病例对照研究里面

最常出现的这样一种偏倚

因为病例对照研究的设计我们知道

它是从结果入手

然后让这些受试对象去回忆

你以前的这样一个暴露的情况

所以说病例对照研究里面

最常见的这样一个信息偏倚

就是回忆偏倚

因此我们在进行病例对照研究的时候

一定要注意

我怎么尽量去减少回忆偏倚

第二种信息偏倚

失访偏倚

那么队列研究里边

实际上我们队列研究的特点就是

它要有一段时间的随访

那么你随访的时间越长

失访的可能性越大

所以队列研究里边最常见的偏倚

实际上就是失访偏倚

还有比如说报告偏倚

报告偏倚

那么报告偏倚实际上就是在

比如说一些职业危害的

这样一个研究和调查里边

一些敏感性的问题的调查和研究里边

比较容易出现

受试对象总会向他有利的方向去报告

所以他可能会存在着一些报告偏倚

因此当你是作一个敏感问题的研究

或者职业危害的调查的时候

要考虑这种偏倚大概有多大

他对你有什么样的影响

当然信息偏倚还有其他的

比如说诊断怀疑偏倚

暴露怀疑偏倚等等

那么我们把最常见的这几种

简单的给大家介绍一下

那么这个就是信息偏倚

那么信息偏倚怎么去控制呢？

我们要怎么去减少它呢？

那么信息偏倚首先

要有严格的信息收集的标准

我用什么样的方式去收集它

我能够进行定量的客观的收集

要用定量客观的方式去收集它

要用特异性强或是敏感性的工具去收集它

另外

为了减少比如说我的诊断怀疑偏倚

暴露怀疑偏倚

这样的我可以采用盲法

在研究的过程中

我们采用盲法的方式去收集数据

不知道你的分组情况

不知道你的结局情况

那这个时候去收集可以减少误差

另外就是在研究的过程中

能够用客观指标进行测量

或者是进行收集的

那么就要用客观的指标

进行收集和测量

还有就是说当我们设计一些

敏感的问题进行调查的时候

可能尤其是一些隐私的问题呢

别人不太愿意去告诉你真实的情况

或者是他会觉得比较难堪

那这个时候我们就可以

用一些相应的调查技术

比如说敏感问题调查技术等等

用一些调查技术来辅助你获取

更加准确的可靠的信息

所以说要看可能可以使用一些调查技术

来帮助你进行调查来控制信息偏倚

还有就是我们可以经过

统计学的方法去处理一下

比方说我去用错分分析

或是我用其他的这样的方式

去处理一下偏倚的大小

但是注意就是我们说

偏倚实际上我们不能只靠着

不能去依靠统计学的方法

我全部用统计方法去处理

这只是其中的一个手段

偏倚或者是误差的控制

一定要预防它产生

在它要产生的时候

减少它产生

在什么地方会产生什么样类型的偏倚

那么这个时候

就应该有意识的去减少它

而不是说他产生了

我再去想办法去控制它 减少它

或者是评估它的大小

那么第三大类偏倚就是混杂偏倚

混杂偏倚实际上

它是混杂因子所产生的这样一种偏倚

那么也就是说因为在研究的过程中

它可能存在着干扰因素或者叫混杂因素

那么这些混杂因素存在

使得你的研究的结果的真实性被扭曲了

或者是夸大了或者是缩小了

你研究的因素或者研究的暴露因素

与疾病之间的一种真实的联系

混杂偏倚

那么混杂偏倚实际上

是在我们实际研究的过程中

一定要重视要控制和减少的这样一种偏倚

因为在我们的一个研究的过程中

实际上有很多的干扰因素存在

那么混杂偏倚一定是混杂因子所产生的

因此混杂因子的判定

要注意

它一定要符合混杂因子

它是混杂因子符合他的三个特征

他才会产生混杂偏倚

这个一定要注意

那么混杂偏倚的这样的一个控制

实际上我们可以采用

比如说在设计阶段

在分析性研究里边

混杂偏倚的控制在设计上

你可以采用限制的方式

或者是匹配的设计

在设计的时候

在选择受试对象的时候

我比如说年龄

是我这样的一个研究

这个研究里边主要的混杂因素

我要控制掉年龄的这样一个作用

那么这个时候

你在受试对象选择的时候

你可以只选比如说40岁到80岁

这样的一个年龄段的受试对象

那么这样的一个设计阶段

所采用的这样的一种限制的手段

这就是控制混杂的一种方式

但是一定要注意

限制这样一个手段的使用

你的受试对象的范围进行了限制

那你要考虑你的研究结果的使用的范围

它同样受到了限制

所以说限制它是一个双刃剑

它不光是控制了混杂它的优势

那么你的研究结果的使用的范围

和外推的范围同样受到了限制

这个一定要注意

另外就是刚才我们说的匹配设计

你把你认为是可能的主要的混杂因素

在这个研究里边

你用匹配的设计把它作为匹配因素

给他匹配进去

使得病例组对照组之间组与组之间

他这个因素的分布是均衡的

那么这个也是控制混杂的一个常用的方法

限制和匹配

那么在数据分析阶段

我们去控制混杂的话

那就是用统计学分析方法去控制它

比如说单因素分析的时候

我们就用混杂因子

做单因素的分层分析

我按照混杂因子来分层

但是这个分层分析

要注意这个是单因素的分析

所以说你一次只能控制一个混杂因素

另外还有就我们统计学里边的

多因素分析方法

比如说logistic回归 cox回归

这些多因素分析方法都可以去控制混杂

可以同时控制多个混杂因素的作用

所以说在这个分析阶段

我们可以采用统计学方法去控制它

那么在这一节里边

我们主要介绍了在分析性研究里面

常见的这三大类的偏倚

那么一定要有一个意识

就一个什么样的意识呢？

就是说偏倚它一旦产生了

实际上我们有的时候在研究的过程中

很难去识别和估计它的大小

因此一定要注意

在什么地方可能产生什么样的偏倚

一定要重视

那么在我们比如说在设计阶段

我在选择受试对象的时候

容易产生什么样的选择偏倚

那么你在选择受试对象的时候

就要有意识地控制和减少它

那么信息偏倚也是一样的

你在分析的过程中

或是在不是分析的过程中

就是你在数据收集的过程中

可能会产生什么样的信息偏倚

要有意识的去减少和识别

好 那么我们今天的课就讲到这

谢谢大家