偏倚

偏倚(bias)，指从研究设计、到实施、到数据处理和分析的各个环节中产生的系统误差，以及结果解释、推论中的片面性，导致研究结果与真实情况之间出现倾向性的差异，从而错误地描述暴露与疾病之间的联系，则称之为偏倚。即在流行病学研究中样本人群所测得的某变量值系统地偏离了目标人群中该变量的真实值，使得研究结果或推论的结果与真实情况之间出现偏差，这是由于系统误差造成的。

一 偏倚的定义：是一种从各种样本病例组的比较研究中所得结果不能如实反映目标人群中真实结果而产生的系统误差。
二、偏倚的方向：是一种系统误差，它或偏向正方向，使原来的真值被夸大或偏向负方向真值被缩小，有方向性。向一个方向系统地发生偏差而不能反映真实情况。

公卫论坛

假定：研究中的真实效应用RR(θ)表示，当RR(θ) =1.0，即为空效应；当RR(θ)>1为危险效应；RR(θ)<1为保护效应。 为偏倚的RR。

三、偏倚的分类

1、选择偏倚(selection bias)是研究中的一种系统误差，来源于研究对象的选择过程以及影响研究对象参与的因素。当暴露和疾病之间的联系在参加者和不参加者之间存在差异时，可能产生选择偏倚。由于在不参加者中暴露和疾病之间的关联常常是未知的，所以是否存在选择偏倚通常必须通过推断，而不是观察来发现。

2、信息偏倚(information bias)或分类偏倚(classification bias)，指研究中有关研究对象的或来自研究对象的信息是错误的，会产生系统误差。如果被测定的变量是用于分类的，错误会导致个体被纳入不正确的分组中，这种信息常被称为错分(misclassification)。

3、混杂偏倚是当研究暴露于某一因素与疾病之间的关系时，由于某个既与所研究的疾病有联系又与所研究的因素有联系的因素影响，掩盖或夸大了所研究的暴露与疾病的联系强度，即混杂偏倚(confounding bias)，引起混杂偏倚的因素叫混杂因素(confounding factor)。 公卫百科

四、常见的选择偏倚

1、入院率偏倚(admission bias) 亦有人称为就诊机会偏倚，因首先由J．Berkson于1946年提出，故又称伯克森偏倚(Berkson's bias)。利用医院资料进行研究时容易产生这种偏倚。

2、现患-新发病例偏倚(prevalence-incidence bias) 又称奈曼偏倚(Neyman bias)。通常病例对照研究的病例组和现况研究中的调查对象多选自现患病例，该病的死亡病例及轻型病例或不典型病例不是难以调查就是不易发现。然而在队列研究中却可以观察到各种临床型的新病例，这样病例对照研究和现况研究中所采用的病例与队列研究中的病例就会有所不同。因而前两种研究所获得的某种因素与某病的关系，和后一种研究所得到的会有差异。这就是现患-新发病例偏倚。 公卫考场

3、无应答偏倚和志愿者偏倚(non-respondent bias and volunteer bias) 无应答者指调查对象中那些因为各种原因不能回答调查研究工作所提出的问题的人。一项研究工作的无应答者可能在某些重要特征或暴露上与应答者有所区别。如果无应答者超过一定比例，就会使研究结果产生偏倚，即无应答偏倚。 公卫家园

与此种偏倚相对的情况叫做志愿者偏倚，也叫自身选择偏倚。

此外，常见的选择偏倚还有诊断偏倚、存活偏倚及检测偏倚等。

五、选择偏倚的控制方法

如果选择偏倚已经发生，再消除或校正其影响就比较困难，因此应慎重地做好研究设计，尽可能避免和减少选择偏倚的发生。 公卫考场

1、研究者应充分了解该项研究工作中各种可能的选择偏倚来源，并在研究设计过程中尽量避免。

2、为了避免存活因素的影响，在进行病例对照研究时，如果病例组选择新诊断的病人，则对照组不应由慢性病病人组成；如果对照所患的慢性病严重地影响暴露，则更不应作为对照。 公卫家园

3、为了避免由于拒绝参加研究而引人选择偏倚，应尽可能地降低拒绝参加人员的比例。有人主张对拒绝参加者做出各种假设分开分析。

4、在队列研究中随访全部研究对象，或获得尽可能高的应答率，可能预防或减小偏倚。

六、信息偏倚的控制方法

公卫百科

1、严格的调查设计和研究人员的科学态度，严格的质量控制措施。

2、尽量采用“盲法”收集资料。

3、尽量收集客观指标的资料。

4、收集资料的范围可以适当广泛些，借以分散调查人员和研究对象对某项因素的注意力，减少某些偏见带来的偏倚。

公卫人

七、混杂因子的特征

从本质上讲，这些条件提示混杂因子必须具有两种关联：一是混杂因子必须同疾病有关联(或是作为病因，或是代表病因，但不是疾病的结果)；二是混杂因子必须同暴露有关联；混杂因子的第三条特征是：混杂因子必须不是暴露的效应。

八、控制混杂偏倚的方法

最简单的方法是限制(也叫排除exclusion，或规范化specification)。例如，如果怀疑吸烟是一个混杂因素，研究可以只要不吸烟者。虽然这种策略避免了混杂，但是它阻碍了研究对象的纳入，因此使其功效(power)不能外推到吸烟者。

控制混杂的另一种方法是匹配。一项病例对照研究中，吸烟被认为是一个混杂因素，病例和对照可以按吸烟情况匹配。为每个吸烟的病例找一个吸烟的对照。研究者虽然常常使用这种方法，但是它有两个缺点。如果对几个可能的混杂因素匹配，选择研究对象的过程可能麻烦，并且根据定义，就不能测定匹配变量的效应了。

研究完成后研究者仍然可以控制混杂。一个方法就是分层。分层可以考虑是限制之后的一种方式，在分析期间而不是在研究期间完成的。分层就是把暴露与未暴露人群或病例与对照放在匀质或较为匀质的范围内进行比较。由于每层之间混杂因素的作用变化很小，使该因素与暴露在各层中无联系。因此每层均提供了未被混杂的暴露与疾病联系的结果。

公卫百科

多变量技术中，数学模型检查了当同时控制了许多其他因素的效应后，某一个因素的可能的效应。这些方法的一个主要优点是它们能比分层控制更多的因素。例如，研究者可能使用多变量logistic回归研究口服避孕药对卵巢癌的危险。此时，他们可以同时控制年龄、种族、家族史、经产情况，等等。对一些研究者来说，多变量方法的缺点包括较难理解获得的结果，并且丢失了亲自处理数据的感觉。

公卫家园