流行病學(xué)研究中的混雜效應(yīng)控制

流行病學(xué)研究中的混雜效應(yīng)控制第1頁/共51頁混雜效應(yīng)控制1、設(shè)計(jì)階段控制混雜的策略概述：限制、隨機(jī)分配、匹配匹配的概念在隊(duì)列研究和病例對照研究中使用匹配的實(shí)例過度匹配2、分析階段控制混雜的技術(shù)：

分層分析、標(biāo)化、多因素分析第2頁/共51頁1.限制（Restriction）：“簡化”研究對象某些可能起到“混雜”作用的特征，或者說，讓潛在的混雜變量變?yōu)椋ń频模俺Ａ俊? 例如，年齡

2.隨機(jī)分配（Randomizedallocation）：用隨機(jī)分組方法使可能的混雜變量分布在比較組間平衡； 只能用于實(shí)驗(yàn)研究設(shè)計(jì)。

(一)設(shè)計(jì)階段控制混雜效應(yīng)的策略第3頁/共51頁3.匹配（matching）：常在病例對照或隊(duì)列研究中使用；在實(shí)驗(yàn)研究中按照混雜因素分層后再進(jìn)行隨機(jī)分組（分層隨機(jī)）也是一種“頻數(shù)匹配”。(一)設(shè)計(jì)階段控制混雜效應(yīng)的策略（續(xù)）第4頁/共51頁什么是匹配（Matching）？匹配是一種抽樣設(shè)計(jì)指從研究對象總體中，以指示系列或指示組（indexseries/group）某些可能的混雜因素分布為“模板”，選擇與之比較的研究對象（比較組或比較系列，comparisonseries/group），使兩組對象在這些混雜因素上相同或近似。在隊(duì)列研究中就是按暴露組研究對象某些特征選擇非暴露組研究對象；在病例對照研究中就是按照病例組某些特征選擇對照組；第5頁/共51頁匹配方法（1）

個(gè)體匹配（Individualmatching）把指示組中的一個(gè)研究對象（病例或暴露者）與比較組中的一個(gè)/幾個(gè)研究對象（非病例或非暴露者）進(jìn)行匹配；分為：1：1配對（1:1matching;pairedmatching）；1：n匹配（1:nmatching)；即：給每個(gè)病例（/暴露者）選擇在一個(gè)或多個(gè)混雜因素上與之相配的一個(gè)或更多個(gè)對照（/非暴露者）。這是分層的特例，即每層只有一個(gè)病例（/暴露者）和與之匹配的一個(gè)或n個(gè)對照（/非暴露者）。第6頁/共51頁匹配方法（2）

頻數(shù)匹配（Category/frequency/stratifiedmatching）在不同研究組（如：病例組和對照組；或暴露組和非暴露組）之間進(jìn)行匹配；在一個(gè)或多個(gè)混雜因素的不同水平上，使比較組（即非暴露組或?qū)φ战M）的混雜因素分布頻數(shù)與指示組（即暴露組或病例組）相同。第7頁/共51頁匹配方法（續(xù)）匹配實(shí)際需要對“指示組”和“比較組”分別“抽樣”：個(gè)體匹配：選擇一個(gè)或幾個(gè)指示組對象后就給他們匹配比較組成組匹配：需要在“指示組”收集完成后，再依據(jù)頻數(shù)分別抽取“比較組”兩種匹配設(shè)計(jì)的一般原則（通過人為的“選擇”使比較組間在混雜因素構(gòu)成分布上相似）是一樣的，但是兩種匹配設(shè)計(jì)的分析方法不同。匹配后，研究樣本獲得的結(jié)果與研究總體的真實(shí)情況（即：總體中暴露和結(jié)局的關(guān)系）一致嗎？（真的能去除混雜效應(yīng)的影響嗎？）第8頁/共51頁匹配實(shí)例： 下表是在一個(gè)200萬人口的研究對象總體中，不同性別人口的暴露和結(jié)局分布情況：

男性（100萬）女性（100萬）

暴露（90萬）非暴露（10萬）暴露（10萬）非暴露（90萬）年發(fā)病率0.00500.00050.00100.00011年發(fā)生的病例數(shù)45005010090第9頁/共51頁在這個(gè)研究對象總體中：

暴露與疾病結(jié)局是否關(guān)聯(lián)？計(jì)算粗總相對危險(xiǎn)度（暴露組比非暴露組）計(jì)算男性組相對危險(xiǎn)度（暴露組比非暴露組）計(jì)算女性組相對危險(xiǎn)度（暴露組比非暴露組）計(jì)算結(jié)果說明什么？第10頁/共51頁假如從這個(gè)研究總體中抽樣，

用隊(duì)列研究方法探討暴露和疾病的關(guān)聯(lián)（1）建立隊(duì)列的方法（一）假定根據(jù)樣本量估算，我們需要從總體中抽取10%的人做樣本如果采用隨機(jī)抽樣的方法從這個(gè)總體中抽樣，抽到的隊(duì)列研究樣本性別、暴露變量的構(gòu)成如何？如果隨訪一年，暴露和疾病的關(guān)聯(lián)測量結(jié)果是什么？第11頁/共51頁

暴露（10萬）非暴露（10萬）

男性（9萬）女性（1萬）男性（1萬）女性（9萬）1年危險(xiǎn)0.00500.00100.00050.00011年中的病例數(shù)4501059粗（總）相對危險(xiǎn)度：（460/10萬）/（14/10萬）=460/14=32.86男性組相對危險(xiǎn)度：0.0050/0.0005=10女性組相對危險(xiǎn)度：0.0010/0.0001=10第12頁/共51頁假如從這個(gè)研究總體中抽樣，

用隊(duì)列研究方法探討暴露和疾病的關(guān)聯(lián)（2）建立隊(duì)列的方法（二）：假如抽樣前可以獲得總體人群的“暴露”和“非暴露”信息暴露隊(duì)列：從暴露人口中抽取10%做樣本非暴露隊(duì)列：從非暴露人口中抽取10%；而且讓非暴露隊(duì)列在性別特征上與暴露隊(duì)列相匹配。這是匹配的隊(duì)列抽樣設(shè)計(jì)

，匹配的目的是？結(jié)果如何？第13頁/共51頁

男（18萬）女（2萬）全體（20萬）

暴露非暴露暴露非暴露暴露非暴露病例數(shù)4504510146046總?cè)藬?shù)90000900001000010000100000100000^RR10

10

10

匹配抽樣設(shè)計(jì)的隊(duì)列研究結(jié)果：暴露隊(duì)列中：男女比例為9：1非暴露隊(duì)列中：男女比例為9：1匹配的后果第14頁/共51頁在隊(duì)列研究實(shí)例中

匹配抽樣對關(guān)聯(lián)測量的影響：在研究總體中，性別是暴露和疾病關(guān)聯(lián)中的混雜因素（在無病人群中ORef不等于1；非暴露人群中，ORfd不等于1。）

隨機(jī)從總體中抽取研究對象再分成暴露和非暴露隊(duì)列樣本，估算的粗的RR值仍舊帶有性別的混雜效應(yīng)；但是，按照性別進(jìn)行分層分析后，可以去除性別對暴露和結(jié)局關(guān)聯(lián)的混雜效應(yīng)；分別抽取暴露和非暴露組，并對性別匹配后，性別的混雜作用得以消除（粗RR=按照性別分層后的RR）；所以在隊(duì)列抽樣中，對混雜因素進(jìn)行匹配設(shè)計(jì)后，不用分層分析即可以去除混雜因素造成的偏性第15頁/共51頁假如從這個(gè)研究總體中抽樣，

用病例對照方法探討暴露和疾病的關(guān)聯(lián)病例組：200萬人總體中得到的全部4740位病人；對照組：按照與病例組的性別分布頻數(shù)匹配后，從總體中沒有病的研究對象中抽取4740位對照。

第16頁/共51頁

男性女性總樣本

暴露非暴露總計(jì)暴露非暴露總計(jì)暴露非暴露總計(jì)病例45005045501009019046001404740對照409545545501917119041146264740

OR10.0010.005.00頻數(shù)匹配抽樣設(shè)計(jì)的病例對照研究結(jié)果：第17頁/共51頁在病例對照研究實(shí)例中

匹配抽樣對關(guān)聯(lián)測量的影響：在總體中，性別對暴露因素與疾病的關(guān)聯(lián)有混雜效應(yīng)，因此，暴露效應(yīng)的粗RR（32.9）≠分層RR（10.00）；提示研究總體中性別對暴露和疾病的關(guān)聯(lián)有混雜作用，而且是“正混雜”。在上述病例對照研究樣本中，按照性別分層的兩個(gè)RR相等，等于總體中的分層RR。然而，樣本的粗RR（5.00）≠樣本分層RR（10.00）第18頁/共51頁在病例對照研究實(shí)例中

匹配抽樣對關(guān)聯(lián)測量的影響（續(xù)）提示研究樣本中性別對暴露和疾病的關(guān)聯(lián)有混雜效應(yīng)，但是“負(fù)混雜”！換言之，樣本中觀察到的混雜并非是原來總體中的性別混雜效應(yīng)的反映，而是在匹配過程引入的混雜。

Take-homemessage（記?。。。≡诓±龑φ昭芯砍闃又?，如果使用了匹配設(shè)計(jì)，在分析資料時(shí)，必須按照匹配因素進(jìn)行相應(yīng)的配對、分層加權(quán)或者條件Logistic回歸等分析方法才能最終得到真實(shí)的暴露效應(yīng)估計(jì)值（OR）第19頁/共51頁匹配設(shè)計(jì)在混雜效應(yīng)控制中的作用：總結(jié)匹配抽樣設(shè)計(jì)本身是否能減少或避免混雜因素對暴露與結(jié)局變量關(guān)聯(lián)測量上的混雜效應(yīng)，增加關(guān)聯(lián)測量的真實(shí)性（validity）？無論是否進(jìn)行匹配設(shè)計(jì)，都可能通過恰當(dāng)?shù)姆治龇椒?，得到關(guān)聯(lián)測量的“真實(shí)可靠的”結(jié)果，只要：研究測量了所有可能需要考慮的潛在混雜變量；并且分析中使用恰當(dāng)?shù)姆治黾夹g(shù)（例如分層等）控制這些潛在混雜變量的影響。第20頁/共51頁匹配設(shè)計(jì)在混雜效應(yīng)控制中的作用：總結(jié)（續(xù)）僅僅有匹配設(shè)計(jì)并不都能直接增加研究結(jié)果的真實(shí)性，甚至在病例對照研究設(shè)計(jì)中還可能引入混雜；所以，是否需要匹配，常常考慮的是匹配是否可以改善研究效率（efficiency），使數(shù)據(jù)分析可以有效地使用分層等技術(shù)來控制混雜，從而提高研究的真實(shí)性（validity）。最終是否進(jìn)行匹配抽樣還要從研究實(shí)際的考慮出發(fā)的

第21頁/共51頁什么時(shí)候需要考慮匹配：如果匹配變量與結(jié)局變量有很強(qiáng)的相關(guān)而且它是簡單的變量，特別是研究對象數(shù)量很少時(shí)，匹配可能取得很好的效率收益。如果匹配變量是混雜變量而且是多組別的測量值（例如，多個(gè)等位基因位點(diǎn)；兄弟姐妹關(guān)系；職業(yè)等），匹配設(shè)計(jì)對提高研究效率是非常關(guān)鍵的。

第22頁/共51頁匹配可能帶來的問題:經(jīng)過匹配的變量，在研究中無法再研究；匹配變量過多，會使得部分病例找不到對照，致使可用樣本數(shù)量減少，使研究的效率反而降低。如果匹配變量不是混雜因素但是與暴露無關(guān)聯(lián)，匹配毫無必要但也不會導(dǎo)致偏性。

在病例對照調(diào)查中匹配不當(dāng)，會引起過度匹配（overmatching）的問題，掩蓋暴露的真實(shí)作用（產(chǎn)生負(fù)混雜偏性）。第23頁/共51頁過度匹配（Overmatching）指對某個(gè)與暴露因素關(guān)聯(lián)、但不是（獨(dú)立的）結(jié)局變量危險(xiǎn)因素的變量（理論上，該因素不是一個(gè)混雜變量）進(jìn)行匹配。

過度匹配的后果是什么？舉例：第24頁/共51頁20萬總體人群的情況：性別不是暴露和疾病關(guān)系中的混雜因素

男性（10萬）

女性（10萬）

全體（20萬）

暴露非暴露

暴露非暴露

暴露非暴露病人99920

111180

1110200非病人890019980

988989820

9889099800合計(jì)9000010000

1000090000

100000100000RR5.6

5.6

5.6因?yàn)椋耗行钥傮w中：暴露率為90%；女性總體中：暴露率10%

OREF/非病人=OREF/病人=81（性別與暴露因素關(guān)聯(lián)）但： ORDF/非暴露=ORDF/暴露

=1（性別不是疾病危險(xiǎn)因素）

第25頁/共51頁抽取這個(gè)總體中全部1310位病人為病例組再抽取性別上與病人匹配的1310位非病人為對照進(jìn)行病例對照研究：

男性女性總樣本

暴露非暴露總計(jì)暴露非暴露總計(jì)暴露非暴露總計(jì)病例99920101911118029111102001310對照9161031019292622919453651310總計(jì)1915123203814034248220555652620

OR5.65.62.1第26頁/共51頁過度匹配（續(xù)）病例對照研究中過度匹配后，如果分析時(shí)不進(jìn)行分層或者配對分析，暴露-結(jié)局關(guān)聯(lián)測量值將產(chǎn)生趨向無效假設(shè)的偏性（引入總體中不存在的混雜效應(yīng)）。第27頁/共51頁過度匹配（續(xù)）因?yàn)檫^度匹配使病例和對照在暴露史方面趨向一致。

即便在分析時(shí)進(jìn)行分層或者配對分析，由于過度匹配使病例和對照有更多的對子在暴露史上趨向“一致”。這些“暴露史一致”的“對子”在分析中不能使用，因此可以分析的對子數(shù)減少，所以過度匹配會降低對關(guān)聯(lián)測量值估計(jì)的精度或效率。是否匹配要仔細(xì)權(quán)衡第28頁/共51頁（二）分析中控制混雜的技術(shù)（1）個(gè)體配對病例對照設(shè)計(jì)的分析（2）頻數(shù)匹配的分層分析和關(guān)聯(lián)測量指標(biāo)的Mantel-Haenszel加權(quán)調(diào)整（3）多因素分析模型控制混雜第29頁/共51頁個(gè)體匹配病例對照研究中配對資料的數(shù)據(jù)表：

對照有暴露對照無暴露病例有暴露AB病例無暴露CD（每個(gè)格子表示研究對象的“對子數(shù)”）OR=B/C第30頁/共51頁未匹配/頻數(shù)匹配病例對照研究數(shù)據(jù)表

不分層的粗OR值：

暴露無暴露病例ab對照cdOR=（ad）/（bc）第31頁/共51頁分層分析（Stratifiedanalysis）分層分析需按混雜因素（F）分層后，分別估計(jì)暴露與疾病結(jié)局的關(guān)聯(lián)（分層的OR或RR值）；使用分層分析法，可以比較分層OR或RR值與不分層的粗關(guān)聯(lián)測量，以評價(jià)F的混雜效應(yīng)以及效應(yīng)修正作用；未匹配/頻數(shù)匹配病例對照研究數(shù)據(jù)的分析（續(xù)）

第32頁/共51頁分層分析（續(xù)）如果分層后，各個(gè)分層的OR或RR值大致相等，但不等于未分層的OR或RR值（提示分層因素有混雜效應(yīng)），可以用Mantel-Haenszel方法計(jì)算調(diào)整的總的暴露-結(jié)局關(guān)聯(lián)值（調(diào)整OR或調(diào)整RR值）。未匹配/頻數(shù)匹配病例對照研究數(shù)據(jù)的分析（續(xù)）

第33頁/共51頁未匹配/頻數(shù)匹配病例對照研究數(shù)據(jù)的分層分析數(shù)據(jù)表

在F=0層（樣本量N0）

F=0

暴露無暴露病例a0b0對照c0d0OR0=（a0d0）/（b0c0）在F=1層（樣本量N1）F=1

暴露無暴露病例a1b1對照c1d1OR1=（a1d1）/（b1c1）第34頁/共51頁

計(jì)算調(diào)整OR值（ORM-H）的公式：

∑(aidi/Ni)

ORM-H

=---------------------------------∑(bici/Ni)

式中：ai，bi，ci，di為每一層中四格表中的四個(gè)數(shù)；

Ni為每層觀察總?cè)藬?shù)；i為層數(shù)（i=1,2…n)。未匹配/頻數(shù)匹配病例對照研究數(shù)據(jù)的分層分析（續(xù)） 利用Mantel-Haenszel方法計(jì)算調(diào)整OR值:第35頁/共51頁(1)ORM-H=cOR：F不是混雜因子，cOR不存在混雜偏倚；

RRM-H=cRR：F不是混雜因子，cRR不存在混雜偏倚。

(2)ORM-HcOR：F是混雜因子，cOR存在混雜偏倚；

RRM-HcRR：F是混雜因子，cRR存在混雜偏倚。第36頁/共51頁分層分析的基本步驟：1)初步審閱資料；2)計(jì)算粗的比值比或相對危險(xiǎn)度(cOR或cRR)；3)分層：按懷疑的混雜因子分層，并計(jì)算每一層的比值比或相對危險(xiǎn)度(aOR或aRR)；4)比較cOR和aOR（或cRR和aRR）；5)（如果各個(gè)層的aOR相等但不等于cOR

）用Mantel-Haenszel法計(jì)算調(diào)整混雜因子影響后總的ORmh或RRmh；6)進(jìn)行X2mh檢驗(yàn)，計(jì)算ORmh或RRmh95%可信區(qū)間。第37頁/共51頁多因素分析模型控制混雜效應(yīng)當(dāng)用分層的方法同時(shí)控制多個(gè)混雜因子的混雜效應(yīng)時(shí)，會出現(xiàn)分層過多的現(xiàn)象，以至難于實(shí)現(xiàn)對混雜的有效調(diào)整，此時(shí)便需應(yīng)用多因素分析的方法來控制混雜因子的影響。多因素模型的選擇與研究設(shè)計(jì)和結(jié)局變量性質(zhì)和結(jié)局指標(biāo)選擇有關(guān)第38頁/共51頁研究類型結(jié)局變量/因變量的類型多因素分析技術(shù)經(jīng)調(diào)整的關(guān)聯(lián)測量任何類型連續(xù)的生物學(xué)參數(shù)方差分析（ANOVA）；線性回歸（Linearregression）均數(shù)的差值線性回歸系數(shù)橫斷面研究有病、無?。ǘ底兞浚┲苯诱{(diào)整；間接調(diào)整；Mantel-Haenszel調(diào)整；Logistic回歸患病率比標(biāo)化患病率比比值比比值比病例對照研究病例、非病例（二值變量）Mantel-Haenszel調(diào)整；Logistic回歸比值比比值比第39頁/共51頁研究類型結(jié)局變量/因變量的類型多因素分析技術(shù)經(jīng)調(diào)整的關(guān)聯(lián)測量隊(duì)列研究1、累積發(fā)病率（Cumulativeincidence；在隨訪研究結(jié)束時(shí)得到）

2、累積發(fā)病率（Cumulativeincidence；事件發(fā)生時(shí)間(Time-to-event)數(shù)據(jù)）

3、發(fā)病率（Incidencerate；每單位人時(shí)發(fā)病率）直接調(diào)整；間接調(diào)整；Mantel-Haenszel調(diào)整Logistic回歸；

Cox模型；

Mantel-Haenszel調(diào)整Poisson回歸相對危險(xiǎn)度標(biāo)化發(fā)病率比比值比比值比

風(fēng)險(xiǎn)比（Hazardratio）

率比率比巢式病例對照研究不同時(shí)間的疾病發(fā)生狀況（事件發(fā)生時(shí)間數(shù)據(jù)）條件Logistic回歸；Cox模型（withstaggeredentries，處理先后進(jìn)入研究的日歷時(shí)點(diǎn)變量）比值比風(fēng)險(xiǎn)比第40頁/共51頁多元Logistic回歸分析控制混雜例1.定群研究資料分析…弗明漢心血管疾病研究

742名居住在弗明漢年齡為40-49歲的男性，在各自暴露不同水平的影響因素(詳見下表中的7種因素)，經(jīng)12年追蹤觀察冠心?。–HD）發(fā)病情況。 根據(jù)此742名受試者每人暴露各項(xiàng)因素的水平和CHD發(fā)病與否的資料，采用多因素LOGISTIC回歸模型進(jìn)行分析，結(jié)果見表1。第41頁/共51頁

表1.CHD危險(xiǎn)因素定群研究(12年追蹤觀察結(jié)果)變量參數(shù)ii估計(jì)值i標(biāo)準(zhǔn)誤標(biāo)化i截距0-13.2573

年齡(歲)10.12160.04370.3370膽固醇(mg/dl)20.00700.00250.3034BP(mmHg)30.00680.00600.1320相對體重(W/H)40.02570.00910.3458血紅蛋白(g%)5-0.00100.0098-0.0012吸煙(0,1,2,3)60.42230.10310.4952ECG（0，1）70.72060.40090.1750第42頁/共51頁

根據(jù)表1結(jié)果，可建立的CHD影響因素的Logistic回歸模型，公式如下:p=1/{1+exp[-(-13.2573+0.1216x1+0.0070x2++0.7206x7)]}(1)計(jì)算描述因素與疾病間聯(lián)系強(qiáng)度指標(biāo)OR值的大小:例如：膽固醇的值為0.0070，根據(jù)估計(jì)OR值的公式計(jì)算CHD與膽固醇的聯(lián)系強(qiáng)度為：

OR=e3

＝e0.0070=1.007

表明扣除模型中包含的其它因素的影響以后，膽固醇每上升1mg/dl，CHD累積發(fā)病危險(xiǎn)上升1.007倍。例如：當(dāng)ECG的值為0.7206時(shí)，根據(jù)估計(jì)OR值的公式計(jì)算CHD與ECG異常的聯(lián)系強(qiáng)度為：

OR=e7=e7X1/e7X0=e7X(1-0)=e0.7206=2.056

表明扣除模型中包含的其它因素的影響以后，ECG異常者（=1）CHD發(fā)病是正常者（=0）的2.056倍。第43頁/共51頁(2)預(yù)測發(fā)病風(fēng)險(xiǎn):例1:一個(gè)原來不吸煙且膽固醇為230mg/dl的人，如果后來每天改為吸煙1包(x6=2)，膽固醇上升到330mg/dl的話，即使其他因素的暴露不發(fā)生任何不利的改變，其發(fā)生冠心病的風(fēng)險(xiǎn)在12年間也將會增加4.879倍，即：

OR=e3×330＋6×2/e3×230＋6×0

=e0.0070×(330-230)＋0.4223×2

＝4.879第44頁/共51頁例2.病例對照研究實(shí)例一項(xiàng)有關(guān)口服避孕(OC)藥與心肌梗塞(MI)關(guān)系的病例對照研究中，MI病例組234人，對照組1742人。研究因素為口服避孕藥，混雜因素為年齡和吸煙。多因素Logistic回歸分析結(jié)果見表2。第45頁/共51頁表2.口服OC與MI關(guān)系的病例對照研究(成組病例對照設(shè)計(jì))截距0-9.2834

OC(0,1)1

1.1883

0.26103.291.19-1.96年齡(歲)20.15210.01411.161.01-1.20吸煙(1-24支)31.12460.20953.062.03-4.26變量參數(shù)ii估計(jì)值i標(biāo)準(zhǔn)誤OR95%C.I.吸煙(25支)42.13710.20878.505.64-12.80第46頁/共51頁病例對照研究多因素Logistic回歸分析結(jié)果的解釋和利用:

(1)確定每一因素與疾病發(fā)生的聯(lián)系強(qiáng)度:根據(jù)表2中給出的OR值，可認(rèn)為OC、年齡和吸煙均是MI的危險(xiǎn)因素。

(2