简述病因学研究中偏倚的类型及控制措施。

定义和类别:\ x0d \ x0d \偏倚是由于研究中(从设计到实施)的系统性误差和解释结果的片面性，使得研究结果与其真值之间存在一定的差异。因为是系统误差造成的，增加样本并不能减少。一个事实一旦被创造出来，它的影响就无法消除。因此，从设计到整个研究过程都必须认识和控制偏倚。病因学研究中有10多种偏倚，可概括为选择性偏倚、信息性偏倚(测量和观察)偏倚和混杂偏倚。\x0d\ (1) selectionbias)\x0d\ \在选择研究对象时，实验组和对照组的建立(纳入标准)不正确，使得两组除治疗因素外，从一开始就存在显著差异，从而产生偏倚。常见的有:\x0d\1。admissionratebias(入院率偏倚)由于疾病的严重程度不同，医疗条件不同，人们对某种疾病的认识和理解程度不同，不同疾病的人(或具有某种特征的人)的住院率是不同的。如果从医院选择质控品时不注意这一点，会造成偏倚。这种偏差最早是由伯克森发现并描述的，因此也被称为伯克森偏差或伯克森谬误。\x0d\2。预防-发病偏倚(也称内曼偏倚)容易出现在病程短的严重致命疾病中，如心肌梗死，有些病例在送医院前已经死亡。如果只把幸存的案例作为研究对象，势必会产生偏差。这些死亡病例通常不计入心梗患者总数，以至于上报的患者数少于实际患者数。再比如，在病例对照研究中，有意无意地排除(或增加)了一些病例，也可能出现偏倚。例如，在研究吸烟与肺癌的关系时，对照组包括慢性支气管炎和冠心病。因为这两种疾病都与吸烟有关，所以吸烟与肺癌的OR降低，甚至看不到作为肺癌病因的吸烟。还可以用病例对照的方法讨论病因的偏倚，如患肺癌后戒烟、患高血压后减少饮食口味、不吃动物脂肪(肥肉)、适当增加体力活动等。在病例对照研究中可以抵消这些因素的致病作用。再比如乳腺癌与利血平关系的病例对照研究。对照组中排除了心血管患者(包括相当一部分服用利血平的高血压患者)，因此得出结论:利血平是乳腺癌的危险因素。在另一项研究中，所有病例都包括在内，但没有发现这种相关性。\x0d\3。detectionsignalbias(unmaskingbias)如果某种因素能够引起或促进某种症状(与所研究疾病的体征或症状相似)的出现，患者就会去找医生，这样会提高疾病的发现几率，使人误以为某种因素与疾病有因果关系。这种错误连接造成的偏差称为检测信号(或检测症状)偏差。例如，研究发现，子宫内膜癌与更年期服用雌激素有关。这项研究的结果是，更年期女性服用雌激素会导致子宫不规则出血，因此有更多机会接受子宫内膜检查，增加了发现子宫内膜癌的机会。不服用雌激素的子宫内膜癌，往往没有明显的症状，发现的几率更小。以刮宫或子宫切除术作为子宫内膜癌的诊断时，更年期服用雌激素的OR为1.7，而子宫出血患者的OR为9.8，差别较大。显然，看医生子宫出血增加或。这种偏差就是检测信号偏差。\x0d\4。无反应偏差是指由于研究对象对研究内容的不同反应而产生的偏差。如果通过沟通调查吸烟情况，不吸烟者和吸烟者的回答率可能会有很大差异。无反应者的暴露或疾病状态可能与反应者不同。如果不应答者的比例很高，那么应答者的研究结果可能会出现严重偏差。因此，需要在研究报告中如实说明回复率，并评估其对结果可能产生的影响。与有些人不回应相反，有些人特别愿意或愿意接受调查或测试。这些人往往是比较关心自身健康或者自觉有某种疾病的人，想得到一个被检查的机会。他们的特征或经历并不代表目标人群。由此产生的偏差被称为志愿者偏差。\x0d\总之，无论是什么原因导致观察组和对照组的成员不来自同一人群，除研究因素外的相关因素在两组中的分布都会不平衡，从而产生选择偏倚。\x0d\ (II) measurementbias或informationbias)\x0d\ \在观察或测量观察组和对照组时，频率和/或强度存在差异，导致最终判断出现偏差。在非盲观察中，这种偏倚更容易发生，因为观察者知道谁在观察组，谁在对照组。\x0d\1。回忆偏倚(recallbias)特别是在病例对照研究中，过去的情况(甚至是遥远的情况，如癌症病因学研究)需要观察者回忆，回忆的准确性会受到影响。病例组可仔细回忆(尤其是怀疑某因素与某种疾病有关时，如吸烟、被动吸烟与某些癌症、口服避孕药与下肢血栓性静脉炎、服用雌激素与子宫内膜癌等。)，而对照组可能不会仔细回忆，尤其是当研究人员反复提醒案例组是否存在这些因素时(诱导他们回答，更容易出现偏误——寻求偏误)。有时候某种症状或状态的存在会诱发或加强其与某种因素的联系，比如前段提到的子宫内膜癌，其与口服雌激素有关的结论就是这个，这叫exposuresuspicionbias。\x0d\2。可疑的诊断偏差当观察者知道被观察人的一些信息时，会有意识或无意识地重点询问和核对相关信息(例如，服用口服避孕药的女性会仔细检查自己是否有下肢血栓性静脉炎，下肢血栓性静脉炎的女性会仔细询问口服避孕药史)，因此有可能得出两者有关联的结论。但实际上可能是偏见造成的。\x0d\3。控制组的成员有意或无意地应用了实验组的措施。例如，在使用低钠盐降低钠摄入量与高血压的关系时，对照组成员也可以购买低钠盐(因为他们接受宣传后认为低钠盐可以预防高血压)，从而使判断结果出现偏差(污染偏差)。实验组成员有意或无意地接受研究因素以外的措施，使结果对实验组有利，称为干扰。在非盲观测条件下最容易出现干扰和污染。\x0d\ (3)当混杂bias)\x0d\ \混杂\因素存在时，在分析结果时可能会将某一因素错误地视为某一结果的原因。即存在混合偏倚。上一节谈到了混杂因素。\x0d\混杂偏倚使得研究结论无法反映真实的因果关系。这种偏倚往往是由于研究者专业知识的限制，不知道混杂的存在，或者虽然知道但不知道它的存在。混合偏倚往往在数据分析阶段显露出来。所以一旦知道了，就可以试着改正。\x0d\混杂因素:①不是要研究的暴露因素，而是研究过程中收集的常规(如年龄、性别、吸烟、饮酒等生活习惯)，是一个额外变量；②是所研究疾病的危险因素，或通过其他危险因素间接发挥病因学作用；③它与所研究的暴露因素之间存在统计关系，但它们是独立存在的。\x0d\本研究结果要结合专业知识考虑，可能存在一些夸大或缩小其效果指数(RR或or)的混合因素。根据可能的混杂因素，对调整后的RR或or(记为aRR或aOR)进行分析，以便与原始的粗RR或OR(记为cRR或cOR)进行比较。如果aRR和cRR相似或者aOR和cOR相似，这个因素不是混杂因素，如果相差很大就是混杂因素。最常用的方法是根据可疑的混杂因素进行分层分析。即把有这个因素的RR或OR作为一层比较，没有这个因素的作为另一层分析。也可以比较分层前后的x2值，然后用Mantel-Haen-szel法比较。如果分层前后没有差异，说明分层因素不是混杂因素。还可以比较分层校正前的OR(cOR)和分层校正后的OR(aOR)。如果有区别的话，分层因子就是混合因子。\x0d\\x0d\控制措施:\x0d\ \ (1)混合偏倚\x0d\根据专业知识提前找出可能的混合因素，在设计中注意去除这些混合因素。混合发生在两组之间分布不均匀的情况下。所以尽量做同样的比较，防止混合因素的影响。\x0d\数据分析阶段显示的混杂偏倚可以通过上一节描述的方法进行校正，如层次分析，也可以通过多元回归分析和标准化进行处理，以确定混杂因素的影响。\x0d\ (2)选择偏倚和测量(measurement)偏倚\x0d\这些偏倚产生于科研设计和观察阶段，主要是由于设计不良和/或测量偏倚。它是有方向性的，不能通过增加样本量来减少。一旦形成，就无法弥补，很可能需要重做。所以从设计之初就要考虑到各个环节可能出现的偏差，并加以防范。一般要注意以下几点:\x0d\1。在设计方案和研究方法的选择上，应选择论证性强的设计方案。\x0d\为避免选择性偏倚，第一个设计方案应为随机对照设计方案。具有严格诊断标准和纳入标准的队列研究方案也更好。病例对照研究因其在临床上易于实施而被广泛应用。这时候一定要注意严格选择有代表性的研究对象(病例和对照)，做到病例和对照平衡，数据可靠，分析正确，或者应用多因素分析法。\x0d\2。严格限定纳入标准，规定纳入和排除标准。对于病例和对照的诊断应该有一个“金标准”。尽量采用随机分组的方法。采用配对方法进行病例对照研究，可以使病例和对照组具有良好的可比性。在测量和判断结果时，应采用盲法，并尽可能应用客观指标。分析中采用了层次分析法和标准化比率法。要有良好的科研作风和严谨的科学态度，争取患者良好的依从性，降低失访率。