灵敏度（％）10080604020A110120130140150160170180190200100908070
00204060801001－特异度（％）纵轴表示真阳性率(灵敏度) 图7-4 糖尿病血糖试验的ROC曲线横轴表示假阳性率(1-特异度) 三、筛检效果的评价指标
1、收益（yield）也称收获量，指经筛检后能使多少原来未发现的病人得到诊断和治疗。
提高筛检收益的方法：
（1）、选择患病率高的人群(即高危人群)； （2）、选用高灵敏度的筛检试验； （3）、采用联合试验
串联：用两种以上筛检试验，只有全部结果均为阳性者才定为阳性，凡有一项结果阴性者都作为阴性。串联可提高特异度。
并联：同时进行几项筛检试验，只要有一项结果阳性者就作为阳性。可提高灵敏度。
2、生物学效果的评价 3、卫生经济学效果的评价
成本-效果分析(cost-effectiveness analysis): 投入的费用与获得的生物学效果； 成本-效益分析(cost-benefit analysis): 投入的费用与获得的经济效益的比值 ； 成本-效用分析(cost-utility analysis): 投入的费用与获得生命质量改善的评价分析。
四、常见偏倚
1、领先时间偏倚（Lead time bias）：是指筛检诊断时间和临床诊断时间之差被解释为因筛检而延长的生存时间。
领先时间（lead time）是指通过筛检试验，在慢性病自然史的早期阶段，在症状出现前提前做出诊断，从而赢得提前治疗疾病的时间。
2、病程长短偏倚(Length bias)：检查到长病程的概率比短病程的概率要大，前者生存期比后者长，产生筛检者比未筛检者生存时间长的假象。
31
3、志愿者偏倚(Volunteer bias）：也有称之为病人自我选择性偏倚(patient self selection bias)，筛检参加者与不参加者之间，某些特征可能存在不同，使得通过筛检发现的病例的预后较临床期确诊的病例的预后好。
第九章、偏倚及其控制
一、研究结果的变异性 (一）、概述
包括描述性、分析性数据的变动或波动
来源：生物学变异和测量误差、随机误差和系统误差
（二）、个体水平的变异
1、个体真值的变化； 2、测量误差引起的误差； 3、环境因素改变； 4、测量者记录误差。
（三）、群体水平误差 （四）、样本水平的差异性 二、研究的真实性
1、内部真实性：研究结果与实际研究对象真实情况的符合程度； 2、外部真实性：研究结果与外推对象真实情况的符合程度。
三、常见偏倚的种类
偏倚（Bias）：研究误差中的系统误差部分称为偏倚。
1、选择偏倚（Selection bias）：研究对象选取过程中，由于选取方式的不当，导致入选对象
与未入选对象之间存在系统误差。各类流行病学研究中均可发生选择偏倚，以病例对照研究中较为常见。常见的有以下六种。
（1）入院率偏倚（Berkson’s bias）：是指利用医院就诊或住院病人为研究对象时，由于入院率的不同而造成的偏差。
（2）现患病例-新发病例偏倚（Neyman bias）：在病例对照或现况研究中，用于研究的病例一般为现患典型病例，不包括某些不典型病例；另外，某些病人患病以后可能会改变其原来某些因素的暴露情况。而在队列研究和实验流行病学研究所用的多是新病例，由此而产生的偏倚称为现患病例-新发病例偏倚。
（3）检出征候偏倚：某因素在病因学上与某疾病本无关联，但可引起所研究疾病的症状或体征，从而促使患者及早就诊，提高了早期病例检出率，从而过高地估计了暴露程度，得出因素与疾病关联的错误结论。
32
（4）易感性偏倚：某些因素可直接或间接地影响研究对象对所研究疾病的易感性，导致该因素与研究的疾病出现虚假关联。
（5）排除偏倚：由于未严格按对等原则或标准选择研究对象，而是自观察组或对照组中排除某些研究对象，从而错误估计了因素与疾病之间的联系。
（6）无应答偏倚：研究对象未按要求回答调查内容，而无应答者的患病或因素的暴露情况与应答者又不同，从而造成该偏倚。
2、信息偏倚（Information bias）：又称测量偏倚或观察偏倚。是来自于测量或资料收集方
法的问题，使得资料存在系统误差。
无差异错分：暴露或疾病的错分同研究分组无关，即在各比较组间不存在差异。使得研究效应估计值偏低。
差异错分：暴露或疾病的错分同研究分组有关，即在各比较组间存在差异。使得研究效应估计值低估或者高估。
差异性信息偏倚常见于：回忆偏倚、调查者偏倚
（1）回忆偏倚：由于研究对象不能准确、完整地回忆以往发生的事情和经历时所产生的差异。
回忆偏倚主要原因：
1）、研究对象对调查的内容关心程度不同；
2）、调查的事件或因素发生的频率较低，未给研究对象留下深刻印象而遗忘； 3）、调查事件是很久以前发生的事情，研究对象记忆不清。
（2）报告偏倚：由于研究对象有意扩大或缩小某些信息造成的偏倚。它与回忆偏倚是不同的。常见
于敏感问题，如未成年人的吸烟史。对于一些职业危害进行调查，研究对象因涉及劳保福利等原 因可能会夸大某些暴露信息。
（3）诊断怀疑偏倚：由于研究者和被研究者事先了解被研究者的暴露或分组情况，怀疑被研究者已
经患病，或希望出现阳性结果，因而在诊断或分析时做出带倾向性的判断而造成的偏倚。此类偏 倚多见于队列研究和临床试验。
（4）暴露怀疑偏倚：研究者事先了解研究对象的患病情况或结局，可能会对其使用与对照组不可比
的方法探寻认为与某病或结局有关的因素，而对同一组研究对象以不同的方法调查。这样，结果 会出现很大差异。见于病例对照研究，对两组对象以不同的调查方法进行调查，从而产生偏倚。 （5）测量偏倚：是指对研究所需指标或数据进行测量时产生的偏倚。
3、混杂偏倚（Confounding bias）：在研究某因素与某疾病关联时，由于一个或多个混杂因素
的影响，掩盖或扩大了所研究的因素与疾病的联系，从而错误地估计了二者之间的真正联系。 混杂因素的基本特点:
（1）必须是研究疾病的独立危险因子； （2）必须与研究因素有关；
33
（3）不是研究因素与疾病因果链上的中间变量，混杂因素在比较组间分布不均衡，即可产生混杂。
混杂偏倚引起的假关联：
（1）、继发关联：怀疑的病因E和疾病D存在共同的原因C。
（2）、直接因果关联的扭曲：病因和疾病既存在直接关联又存在间接关联。 二、流行病学研究中常见偏倚的控制
1、选择偏倚的控制
（1）、注意研究对象的代表性，避免有问题的选取方式； （2）、严格掌握研究对象的纳入和排除标准； （3）、尽量提高应答率，降低失访率。 2、信息偏倚的控制
（1）、尽量采用“盲法”收集资料； （2）、尽量采用客观指标或记录； （3）、利用其它来源的信息加以核查。 3、混杂偏倚的控制 研究设计阶段控制：
（1）、限制：针对某一或某些可能的混杂因素，在研究设计时限制研究对象的入选条件，得到同质研究对象，可防止某些混杂偏倚；
（2）、匹配（配比）：在为指示研究对象选择对照时，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，从而消除混杂因素对研究结果的影响。匹配的方法在实验和非实验研究中均可应用；
（3）、随机化：常用于实验流行病学研究，使研究对象以同等的概率分配到各处理组中，从而使潜在的混杂因素也在各组中均匀分配； 资料处理阶段：
（1）、分层分析；（2）、标准化率分析；（3）、多变量分析。
三、流行病学研究中常见偏倚的测量
1、选择偏倚的测量
可通过比较总人群的比值比（OR）与实际抽样人群的比值比(OR)来测量选择偏倚的大小和方向。选择偏倚=(OR-OR)/OR，若得值=0，无选择偏倚，OR=OR；若>0，有选择偏倚，OR>OR，若<0，有选择偏倚，OR 可通过比较一定研究对象中调查所得的信息和实际信息予以测量信息偏倚的大小和方向。信息偏倚=(ORx-OR)/OR，若得值=0，则无信息偏倚，ORx=OR；若>0，则有信息偏倚，ORx>OR；若<0，则有信息偏倚， 00000 ORx 3、混杂偏倚的测量 34 可将含有该因素时的研究因素与疾病的效应估计值（cRR、cOR）与排除该因素时的研究因素与疾病的效应估计值[aRR(f)、aOR(f)]进行比较。混杂偏倚= [cRR -aRR(f)]/ aRR(f)，若该值=0, 则无混杂；若该值为正值，则为正混杂；若该值为负值，则为负混杂。 第十章、病因和病因推断 一、病因的概念 （一）、病因的定义 病因：又称危险因素（Risk factor），使人群疾病发生概率升高的因素。 （二）、病因模型 病因模型是用简洁的概念关系图来表达因果关系 1、生态学模型：将机体与环境作为一个整体来考虑。简明、整体性强，但失之于笼统。 流行病学三角、轮状模型。 2、疾病因素模型：将因素分为两个层次：外围的远因和致病机制的近因。流行病学的危险因素主要指外围的远因。 3、病因网(web of causation)模型：病因相互存在联系，按时间先后联接起来就构成一条病因链，多个病因链交错联接起来就形成一张病因网，这就是病因网络模型。提供因果关系的完整路径，表达清晰具体，系统性强，能很好地阐述复杂的因果关系。 4、因果联系方式：单因单果、单因多果、多因单果、多因多果、以及直接／间接病因。 5、寻找病因的条目指南 （三）、充分病因和必要病因 1、充分和必要病因的概念 充分病因：是指有该病因存在，必定(概率为100％)导致疾病发生。 必要病因：是指有相应疾病发生，以前必定(概率为100%)有该病因存在。 病因可以分为以下四类：①充分而且必要病因；②必要但不充分病因；③充分但不必要病因；④不充分又不必要病因。 2、充分和必要病因的局限性 （1）、充分病因几乎是不存在的。流行病学的病因研究不可能也不需要追求充分病因，而是测量危险因素“使疾病发生率升高”的程度。 （2）、对于一般的慢性病，从病的字面或定义上，我们不可能得到“必要病因”的启示。流行病学研究中，我们可以测量病因的必要性或必要程度，而不必刻意追求“必要病因”。 35