混杂偏倚(confounding-bias)与交互作用演示课件.ppt

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,混杂偏倚,(confounding bias),与交互作用,(interaction),北京大学公共卫生学院,流行病学与卫生统计学系 胡永华,1,偏倚：,选择偏倚(,selection bias),信息偏倚(,information bias),混杂偏倚(,confounding bias),一、混杂偏倚,(confounding bias),2,（一）混杂偏倚的概念：,指在流行病学研究中,由于一个或多个潜在的,混杂因素（,confounding factor),的影响，掩盖或夸大了,研究因素与疾病,(或事件)之间的联系，从而使两者之间的真正联系被错误地估计，造成,混杂（,confounding,）,。,3,混杂因子(,confounding factor,，,confounder),？,研究的暴露因素和研究疾病之外因素（第三因子，外部因素）,此外部因素与研究疾病有关（独立相关）,并且与研究的暴露因素有关（统计关联）,混杂（,confounding,）,若,混杂因素在比较的人群组中分布不匀,可以歪曲(掩盖或夸大)因素与疾病之间真正联系。,举例,研究吸烟与肺癌的关系,性别是个外部变量，性别与肺癌有关，性别与吸烟暴露有关。故性别是该研究中的混杂因子。,无论是队列研究还是病例对照研究，若性别在比较组中分布不均衡，研究将出现混杂。,4,为明确定义混杂因子：,流行病学分析中排除一类外部因子：,该因子是暴露导致疾病的中间环节或中间变量。,如：,吸烟 高血压 心脏病,吸烟,COPD,肺癌,高血压与,COPD,都不是,混杂因子,。,因为它们,为病因链中的因子，也称,内部介导因子（,Intermediate Factor)。,5,混杂因子(,confounding factor,，,confounder),？,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）,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,6,（二）,混杂的特点,1,、,混杂（,confounding,）的本质,是一种效应的混淆。,外部因素对疾病的效应与暴露因素对疾病的效应交织,在一起，故无法正确评价暴露因素对疾病的真实关系。,2,、,代理混杂因子（,Surrogate Confounders）,与混杂因子密切相关，能够引起混杂外部变量称为代理混杂因子。如年龄、文化程度、经济状况等。,7,混杂因素成立与不成立的几种情况,E E E,D D D,F F F,1,2,3,E E E E,D D D D,F F F F,4 5 6 7,F,（代理混杂）,8,（三）,混杂的测量,若,cRR=aRR(f),则,f,无混杂,作用,cRR,不存在,f,的混杂偏倚。,若,cRRaRR(f),则,f,有混杂,作用,cRR,存在,f,的混杂偏倚。,若,cRRaRR(f),正混杂,(,positive confounding)，,亦称阳性混杂，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。,若,cRRaRR(f),为,正混杂,(,positive confounding)，,亦称阳性混杂，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。,若,cRR aRR:,正混杂,(,positive confounding)，,亦称阳性混杂,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。,11,(,五）混杂的控制,（,1,）设计阶段,限制、随机化、配比 利与弊,（,2,）分析阶段,分层（,M-H,法）,标准化,(,直接，间接法,),多因素分析（多元回归分析）,12,限制(,restriction),针对某个或某些可能的混杂因素，在设计时对研究对象的入选条件予以限制,。,随机化(,randomization),使研究对象以等同的机率被分配在各处理组中，从而使潜在的混杂因素在各组间分布均衡。,随机化方法常用于实验性研究，以在临床试验中最常用。,随机分配方法分为简单随机分配与分层随机分配,。,13,随机化(,randomization),使研究对象以等同的机率被分配在各处理组中，从而使潜在的混杂因素在各组间分布均衡。,随机化方法常用于实验性研究，以在临床试验中最常用。,随机分配方法分为简单随机分配与分层随机分配,。,14,配比(,Matching),配比指的是对比较组的选择，使其针对一个或多个潜在的混杂因素与指示研究对象相同或接近。,配比可在研究对象间逐个配比，此为个体配比，也可是组间的配比，此为频数配比。个体配比与频数配比无本质的不同。,在队列研究中，如果设计时进行了配比，就无需在分析时控制配比因素。,在病例对照研究中,若配比因素确实是一个混杂因素，将引入了一个极似混杂的选择偏倚。,引入的偏倚可通过分层分析进行控制。即：配比本身未直接起到控制混杂的作用，控制混杂是靠分层分析实现的。,15,配比(,Matching),在队列研究中，如果设计时进行了配比，就无需在分析时控制配比因素。,在病例对照研究中,若配比因素确实是一个混杂因素，将引入了一个极似混杂的选择偏倚。,引入的偏倚可通过分层分析进行控制。即：配比本身未直接起到控制混杂的作用，控制混杂是靠分层分析实现的。,16,配比过头（,overmatching,）,至少有三种类型的配比过头,。,损害统计效率的配比,：如对仅与暴露有关而与疾病无关的变量的配比。,损害真实性的配比,：如将暴露与疾病之间一个中间变量配比。(例：吸烟、,COPD、,肺癌),损害费用效益的配比,：过多的选择配对条件，使得实施复杂。,17,分层分析,将研究资料按照混杂因素分层,若各层间研究因素与疾病之间的,联系一致,可用,Mantel-Haenszel,分层分析方法进行分析得到将该混杂因素调整后的效应估计值,若各层间研究因素与疾病之间的差异较大,可采用标化的方法调整。（前提：排除交互作用）,18,M-H,法,1959,年,Mantel,和,Haenszel,首次提出了著名的,分层分析法,（,stratified analysis,），以解决肿瘤回顾性研究中的混杂问题。,M-H,法计算简单，而且即使在每层内的频数较少或资料偶然含有零的情况下，也能比较好的估计效应值。,在一般情况下，优先选用,M-H,法，尤其是在处理四格表资料时。,19,Statistical Analysis,Mantel-Haenszel(M-H)estimator,Mantel-Haenszel test statistic,a,i,b,i,c,i,d,i,E E,n,i,m,i,t,i,N,i,=,n,i,+m,i,i,=1,K,a,i,d,i,/N,i,i,=1,K,b,i,c,i,/N,i,i,=1,K,(,(,a,i,n,i,t,i,/N,i,),2,K,i=,1,t,i,(,N,i,t,i,),n,i,m,i,/,(,N,i,2,(,N,i,1),K,i=,1,Mantel N,Haenszel WH Statistical aspects of the analysis of data from retrospective studies of disease.,J.Natl.Cancer Inst,.1959;22:719-748.,20,疾病,暴露组,未暴露组,合计,有,a,i,b,i,M,1i,无,c,i,d,i,M,0i,合计,N,i,N,0i,T,i,队列研究,21,病例对照研究,暴露,未暴露,合计,病例,a,i,b,i,M,1i,对照,c,i,d,i,M,0i,合计,N,1i,N,0i,T,i,OR,MH,=,22,同时患有先天性心脏病和,Down,氏综合症的病孩与健康对照，母亲在受精之前杀精子剂使用情况分布，按母亲的生产年龄分层*,杀精子剂的使用,母亲的年龄（岁）,35,35,有,无,合计,有,无,合计,病例,3,9,12,1,3,4,对照,104,1059,1163,5,86,91,合计,107,1068,1175,6,89,95,比值比,3.39,5.73,OR,MH,=,暴露,有,无,病例,对照,4,109,12,1145,粗的,OR=3.50,23,粗的,OR=3.50,OR,MH,=3.78,cOR aOR 3.50-3.78,混杂偏倚=-,=-=-0.07,aOR 3.78,负混杂，混杂因子造成低估暴露因素的致病作用。,控制混杂后暴露与疾病的关联强度,OR,值为,3.78,。,24,多因素分析方法,如果欲控制的混杂因素较多，往往受样本量的影响，分层分析常不适用。在这种情况下,可应用多因素分析方法予以控制,如多元协方差分析，多元,Logistic,回归分析等等。,25,（一）,背景,不同学科、不同学者对交互作用的概念定义存在歧异。毒理学、药理学、生物化学、物理学,在同一学科中（如,流行病学）,，交互的概念也常被混混淆。,交互作用的概念在流行病学文献中一直有些争议。术语,“,交互作用,”,曾经被用作性质截然不同的统计学、生物学和公共卫生学概念。争议的原因主要是人们对这些概念有着不同理解。,二、,交互作用,(interaction),26,(,二,),流行病学研究中的交互作用概念,指两个或多个因素共同作用与某一事件时，其效应不同于该两个或多个因素单独作用时的和或积，称这些因子间存在交互作用。,McMahon,对流行病学交互作用的定义为：,“,When the incidence rate of disease in the presence of two or more risk factors differs from the incidence rate expected to the result from their,individual effects,.,”,（参考译文：当两个或更多危险因子存在时疾病的发病率不同于它们,独立作用时,所期望的发病率,”,。）,27,（三）交互作用的类型,三类：,统计学交互作用,statistical interaction,：,采用数学模型评价交互作用，虽不涉及生物学机理，但有助于探索病因,。,生物学交互作用,biological interaction,：,采用生物作用机制模型或抽象生物模型评价交互作用。与生物作用机制有关。,公共卫生学交互作用,public health interaction,：,应用统计学模型，多用于公共卫生效果评价。（或称用于评价公共卫生干预效果的统计学交互作用）,28,（,三）统计学,交互作用的概念,统计学交互作用与效应修正,(EFFECT MODIFICATION,，,EM),的概念是一致的。,统计学交互作用效应修正（交互因子,=,效应修正因子）,在流行病学中一般所谈的交互作用是指统计学交互作用,。,交互因子（,效应修正因子）,：,指某种效应的大小依据某些第三因子的值而变化。此第三因子称为交互因子或效应修饰因子,(EFFECT MODIFER,，,EF),。,EM,不是需控制的偏倚，而是需要努力发现、描述与报告的,。,29,（四）统计学交互作用的一般理论,1,、统计学交互作用的评价与所选定的测量效应指标有关：率差？率比？,率差效应：无交互,率比效应,:,有交互,率差效应：有交互,率比效应,:,无交互,年龄是否为交互因子？,30,2.,统计学交互作用的评价分析模型有关,X,：因素,X,，,X=1,：暴露于,X,因素，,X=0,：未暴露,X,因素,Z,：因素,Z,，,Z=1,：暴露于,Z,因素，,Z=0,：未暴露,Z,因素,R,：效应,R,11,：同时暴露,X,与,Z,时的效应，,R,10,：暴露,X,与未暴露,Z,时的效应，,R,01,：暴露,Z,与未暴露,X,时的效应，,R,00,：,X,与,Z,均未暴露时的效应，,31,（,1,）,加法模型,additive model,如果测量的效应为率差，,X,与,Z,无交互作用的条件为：,R,11,R,01,R,10,R,00,也可写成,R,11,R,00,（,R,10,R,00,）,+,（,R,01,R,00,）,如果测量的效应为率比，,X,与,Z,无交互作用的条件为：,R,11,R,01,R,10,R,00,，,等号两边均除,R,00,，则：,R,11,/R,00,R,01,/R,00,R,10,/R,00,1,也可写成,R,11,/R,00,1=(R,10,/R,00,1),(R,01,/R,00,1),32,（,2,）,乘法模型,multiplicative model,X,与,Z,无交互作用的条件为：,R,11,/R,01,R,10,/R,00,等式两边均乘,R,01,/R,00,，则,R,11,/R,00,=(R,10,/R,00,)(R,01,/R,00,),（,3,）判断交互作用必须说明测量效应类型，必须说明所选模型的类型！,流行病学病因研究中，多用率比效应。多用乘法模型。,公共卫生防治效果评估，多用率差效应。多用加法模型。,符合模型条件表明无交互，反之，有交互。,33,3,、,识别统计学交互作用的一般方法,因素之间是否统计学联系？,这种联系是否为偏倚所致？,分层分析，比较各层间的,RR,、,RD,。如果层间,RR,、,RD,差别较大（经统计学检验）则可能存在交互作用。,一般多元回归多是以乘法模型为基础，对数据要求严格，对结果的解说也存在一定问题。,34,4.,分析统计学交互作用时需注意的问题,所选择的测量效应是什么？,所选择的模型是什么？,符合哪个模型就表明不存在相应的交互作用；不符合哪个模型就表明存在相应的交互作用。,需要进行显著性检验,有统计交互不意味有生物学意义，下结论要慎重。,35,4.,混杂因子与效应修正因子的区别,概念不同,性质不同,处理的方法不同,36,概念,CF,：,与所研究的暴露因素和疾病都有联系的外部因子，,可以歪曲,(,掩盖或夸大,),暴露,因素与疾病之间真正联系。,EM,：,与所研究的暴露因素和疾病都有联系的外部因子，它的存在使得暴露因素和疾病之间的效应发生真实的改变。,37,性质,CF,：,造成偏倚，影响结果的真实性。,EM：是一种真实的效应,，与真实性无关,。,38,处理的方法,CF,：,应尽量避免与消除。,EM,：,应尽量去发现，评价。,39,要求掌握的内容：,1,、,confounding factor,？,confounding bias?,2,、,控制混杂的主要方法,?,各种方法的优缺点？,3,、,overmatching?,4,、,interaction?,5,、,effect modifacation?,6,、混杂因子与效应修正因子的区别？,40,谢谢！,41,