>>>2017年公衛助理醫師《流行病》章節講義匯總

　　>>>關注“考試吧執業醫師”微信，獲取精華復習資料

第六節 病例對照研究中的偏倚及其防止

　　(一)選擇偏倚(selection bias)：由于選入的研究對象與未選入的研究對象在某些特征上存在差異而引起的誤差。常發生于設計階段。

　　⒈入院率偏倚(admission rate bias) 也叫Berkson偏倚。當利用醫院病人作為病例和對照時，由于對照是醫院的某一部分病人，而不是全體目標人群的一個隨機樣本，又由于病例只是該醫院或某些醫院的特定病例，因為病人對醫院及醫院對病人雙方都有選擇性，所以作為病例組的病例也不是全體病人的隨機樣本，所以難免產生偏倚，特別是因為各種疾病的入院率不同導致病例組與對照組某些特征上的系統差異。盡量采用隨機選擇研究對象，在多個醫院選擇對象等方法以減少偏倚程度。

　　2、現患病例-新發病例偏倚(prevalence-incidence bias) 又稱奈曼偏倚(Neyman bias)。調查對象選自現患病例，可能得到很多信息可能只與存活有關，而未必與該病發病有關，從而高估某些暴露因素病因作用。另一種情況，某病的幸存者改變了生活習慣，從而降低了某個危險因素的水平，明確規定納入標準為新發病例，或有可能做隊列研究，同時將暴露程度、暴露時間和暴露結局聯系起來做結論可減少偏倚程度。

　　3、出征侯偏倚(detection signal bias) 也稱暴露偏倚(unmasking bias)。病人常因某些與致病無關的癥狀而就醫，從而提高了早期病例的檢出率，致使過高地估計了暴露程度，而產生的系統誤差。如果延長收集病例的時間，使其超過由早期向中、晚期發生的時間，則檢出病例中暴露者的比例會趨于正常。

　　⒋時間效應偏倚(time effect bias)慢性疾病，從開始暴露于危險因素到出現病變往往經歷一個較長的時間過程。那些暴露后即將發生病變的人，已發生早期病變而不能檢出的人，或在調查中已有病變但因缺乏早期檢測手段而被錯誤地認為是非病例的人，都可能被選入對照組，由此產生的誤差。在調查中盡量采用敏感的疾病早期檢查技術，開展觀察期充分長的縱向調查。

　　(二)信息偏倚(information bias)：又稱觀察偏倚(observation bias)或測量偏倚(measurement bias)，是在收集整理信息過程中由于測量暴露與結局的方法有缺陷造成的系統誤差。

　　⒈回憶偏倚(recall bias)由于被調查者記憶失真或不完整造成結論的系統誤差。選擇不易為人們所忘記的重要指標做調查，并重視問卷的提問方式和調查技術，將有助于減少回憶偏倚。

　　⒉調查偏倚(investigation bias) ：可能來自于調查對象及調查者雙方。病例與對照的調查環境與條件不同，或者調查技術、調查質量不高或差錯以及儀器設備的問題等均可產生調查偏倚。采用客觀指征、合適的人選參加調查、調查技術培訓、復查等方法做好質量控制，檢查條件盡量一致、檢查儀器應精良、嚴格掌握試劑的要求等均可望減少偏倚。

　　(三)混雜偏倚(confounding bias)：當研究某個因素與某種疾病的關聯時，由于某個既與疾病有制約關系，又與所研究的暴露因素有聯系的外來因素的影響，掩蓋或夸大了所研究的暴露因素與疾病的聯系。這種現象或影響叫混雜(confounding)或混雜偏倚(confounding bias)，該外來因素叫混雜因素(confounding factor)。防止辦法：在設計時利用限制的方法，配比的方法;資料分析階段采用分層分析或多因素分析模型處理。

長按二維碼關注即可獲得醫師資格證

獲取2套仿真內部資料

獲取10頁精華點題講義

獲取醫師筆試歷年真題

獲取2017醫師最新資訊

執業醫師萬題庫下載丨微信搜索"考試吧執業醫師考試"

　　相關推薦：

　　考試吧：2017年公衛助理醫師考試大綱匯總

　　2017年公衛助理醫師考試專項試題及答案匯總

　　關注“考試吧執業醫師”微信，獲取精華復習資料