百奥知

医学研究中的偏倚及其控制之选择偏倚

发布时间:2022-04-26 阅读:11762

在进行流行病学研究中,不论采用何种研究方法,都是采用样本来推断总体。有许多因素会影响其准确性使研究结果与真实情况发生偏差。引起偏差的原因包括两个方面,一是随机误差,二是系统误差。其中随机误差是由个体差异、抽样和其他未知原因引起的随机性误差,是无法避免的误差,但可以通过研究设计和统计分析方法减少和控制;系统误差一般是由人为或者测量方法不对引起的误差,即我们所说的偏倚,系统误差是可以减少甚至可以避免。减少随机误差可以提高研究的精准性,减少或避免系统误差可以提高研究的真实性。

偏倚是随机误差以外的,可导致研究结果与真实情况差异的系统误差,可发生于研究的各个环节,有方向性。偏倚主要包括三类:选择偏倚、信息偏倚和混杂偏倚。

今天我们先介绍选择偏倚,之后小编将用两篇文章详细介绍信息偏倚与混杂偏倚。

选择偏倚

  选择偏倚概念

  选择偏倚是指被选入研究中的研究对象与没有选入研究的对象在特征上的差异所导致的系统差异。

  产生环节

  1.确定研究样本、选择对照组时; 

  2.资料收集过程中患者失访或者无应答。

  发生研究类型

  选择偏倚可发生在各种流行病学研究中,在病例对照研究和现况研究中最为常见。



1. 入院率偏倚

入院率偏倚也称为Berkson’s bias,指当以医院病人作为研究对象进行研究时,由于不同患者入院率的不同所导致的系统差异。

2.现患病例-新发病例偏倚

现患病例-新发病例偏倚也称为Neyman bias,是指以现患病例为对象进行研究和以新发现病例为对象进行研究时相比较,因研究对象的特征差异所导致的系统误差。例如,在进行现况研究或者病例对照研究中,研究的病例对象为现在患病的人,那些发病症状轻,病程短的患者就没包含在内。但是在队列研究中这些患者就会涵盖在病例组进行研究和分析。

3.检出症候偏倚

某因素与研究疾病在病因学上无关,但由于该因素的存在导致了所研究疾病相关的症状或者体征出现,使其及早就医,致使该人群比一般人群该病的检出率高,从而得出该因素与疾病相关联的错误结论。在病因性研究中常见。

4.无应答偏倚

由于种种原因没有对调查信息予以应答的研究对象的患病状况以及某些研究暴露因素的情况与应答者可能不尽相同,从而导致系统误差。

5.易感性偏倚

研究对象暴露于某可疑致病因素与否与许多主客观原因有关,有可能直接或间接地影响研究对象对所研究疾病的易感程度,从而导致某因素与某疾病间的虚假关联,由此导致的系统误差称为易感性偏倚。例如暴露某因素的对象身体素质高,比一般人更健康,不易患病,可能就会得出暴露因素与疾病无关的错误结论。

选择偏倚控制

1.掌握各种偏倚发生的环节

在研究设计阶段就采取相应的措施防止或者减少此类偏倚的发生。

2. 严格选择标准

明确研究对象的纳排标准,明确研究对象的选择范围,在随机对照研究中,采用适当的随机化方法进行研究对象分配。

3.尽可能确保研究对象的配合

采用多种方式例如宣传、补助、电子化随访等降低研究对象的无应答或失访,主要是减少无应答偏倚。

4. 采用多种对照

设置一组以上的对照与观察人群进行比较分析。例如以医院为基础的病例对照研究是比较常见的研究类型,但容易产生入院率偏倚,此时可选择多个对照组,例如不同病种对照,健康体检中心一般是比较好的健康人群对照的选择。



百奥知数据解决方案采用前沿技术融合业内专家在多年临床试验中积累的经验确保系统更加智能、规范、稳定、灵活、高效、美观易用。百奥知通过WHO-Drug、CDISC、ISO9001、ISO20000、ISO27001等国际认证,通过数家医药企业和CRO公司的稽查,具备符合国际标准的完整质量体系。迄今为止,百奥知数据解决方案已经集合EDC临床数据采集系统)、RTSM(随机化与试验药物管理)、CDTMS(临床数据全流程管理系统)、MedCoding(医学编码系统)、ePRO(患者报告结局系统)等众多产品,为广大用户提供全方位的数据解决方案,大幅度提高了数据采集、管理效率并极大提升数据质量。