二、偏 倚

观察性研究由于组间不可比性产生的系统误差称为偏倚。偏倚可以发生在研究的各个阶段，包括设计、收集资料、整理分析资料、解释分析结果及发表结果的过程中。偏倚指研究的结果或推论偏离真实值，或导致这种偏离的过程。因此，偏倚有一定方向性，它使观察值向一定方向偏离，或是增高，或是降低。多次重复测量及增加样本含量可以减少流行病学调查研究中的随机误差，但却不能减少系统误差。偏倚的特点：通过严谨的临床科研设计、严格的实施措施及加强受试对象的依从性等可以被消除。

偏倚是由于非研究因素影响而造成的恒定不变的或是遵循着一定规律变化的误差。应尽可能设法预见到各种系统误差的具体来源，并极力消除其影响，对不能消除的系统误差则应设法估计其误差的影响程度，以供分析资料时参考。

（一）偏倚的类型

1.选择偏倚 选择偏倚（selection bias）指在临床研究中由于选择对象的方法不当，或在研究过程中发生样本变异而使研究结果偏离了真实情况。选择偏倚主要发生在研究设计阶段，如入院率偏倚、现患-新发病例偏倚、检出症候偏倚、无应答偏倚、志愿者偏倚等。例如，评价一种药物疗效，若对照组的病情重于观察组，其药物疗效观察结果可能两组差异非常显著，而客观事实该药疗效并非那么好，是由于两组病情差异所造成的假象，导致错误的结论。

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，通常有以下做法：①在设计中控制纳入对象的代表性；②选用两个或两个以上不同来源的对照组；③病例对照研究中尽可能选用新诊断病例；④尽可能降低拒绝参加人员的比例；⑤尽可能提高应答率；⑥病例对照研究严格诊断标准；⑦随机抽样。(https://www.daowen.com)

2.信息偏倚（information bias） 在资料收集阶段，由于观察和测量方法上有缺陷，使各比较组所获得的信息产生系统误差，即为信息偏倚，又称为观察偏倚（observation bias）或测量偏倚（measurement bias）。信息偏倚主要发生在收集资料阶段。如诊断怀疑偏倚、暴露怀疑偏倚、回忆偏倚等。

减少信息偏倚的方法：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。

3.混杂偏倚（confounding bias） 由于受到既与研究疾病有联系，又与研究因素有关的因素的影响，造成测量结果与真实结果的误差，称为混杂偏倚。这些既与研究疾病有联系，又与研究因素有关的因素称为混杂因素（confounding factor）。混杂偏倚发生于资料的搜集阶段，若没有得到很好的控制时则将在分析阶段发生影响。可通过对资料进行分层分析、多元分析、标准化等统计分析方法控制。混杂因素的条件：①混杂因素必须是所研究疾病的危险因素，即与所研究疾病有联系；②混杂因素必须与所研究的暴露有联系；③混杂因素不应该是暴露与疾病之间因果链中的一个中间环节。

控制混杂偏倚的方法：①最简单的方法是限制。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。②控制混杂的另一种方法是匹配。为每个吸烟的病例找一个吸烟的对照。③研究完成后研究者仍然可以控制混杂，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。