中医研究中的统计方法 应用统计工程前沿丛书

作者简介

内容简介

第3章混杂因素的处理 3.1混杂因素处理的基本问题 3.1.1混杂因素与混杂偏倚 在实际的医学问题研究中,为了探讨某处理因素(如 某种药物、治疗方法)与结果(如生存时间、智力恢复) 的关系,需要设立处理组和对照组进行比较，比较的前 提是二者具有可比性,也就是说二者除了具备所研究的 因素之外,其他因素应该尽可能在两组间是一样的。如 果被研究人群中存在一个或多个既与研究结果有关,又 与处理因素有关的因素,可能会掩盖或夸大所研究的处 理因素与结果之间的联系（Cochran,1973），这些因素 称为混杂因素(confounding factors)。这种由混杂因 素造成的偏差称为混杂偏倚(confounding bias)。 例如，在对非随机分组的观察性研究中，研究对象 被分配到各组的机会往往取决于研究对象的基线特征（ 如年龄、性别、并发症、病情严重程度以及分级等）， 而这些基线特征又会对治疗的结果产生影响。这时，利 用各种统计检验直接比较各组间的治疗结局(如治愈率) 的差异是不恰当的，因为结果不同可能是由于基线特征 不同而导致的，如病程、年龄等。 混杂偏倚的本质是既与所研究的处理因素有关，又 与研究结局有关的混杂因素在处理组和对照组中分布不 均或不平衡造成的（耿直，2004）。 3.1.2混杂因素处理的常用方法 对混杂因素处理的目的就是要控制混杂偏倚，传统 控制混杂偏倚的方法包括在研究设计阶段进行匹配,限 制一定条件的研究对象进入； 在数据分析阶段使用标 准化法，或按照混杂因素分层,以及采用多因素数学模 型进行调整等。但这些方法都有一定的局限性： 如匹 配设计、分层分析需要考虑的混杂因素都不能太多，否 则由于匹配的混杂因素太多会导致找不到合适的匹配对 象，分层因素太多会导致所分层数太多而使每个层内的 分析样本量太少而无法分析，多因素数学模型较为常用 ，但往往需要注意数学模型的适用条件。 而倾向评分法则不受以上限制，它可以在分析和设 计阶段有效平衡非随机对照研究中的混杂偏倚，使研究 结果接近随机对照研究的结果。 相较于上述传统方法的局限性，2000年后兴起的倾 向评分法则具有以下优点： (1) 适用于混杂因素很多，而结局变量发生率很低 的情况； (2) 通过倾向值调整组间的混杂因素，使临床观察 性数据可以成为循证医学的诊疗证据，而这些数据获取 成本低且量大，更能够反映医疗实践中实际存在的疾病 谱； (3) 在无法实现随机化的药物临床试验以及医疗器 械临床试验中，可以通过倾向评分方法，平衡组间的混 杂因素； 另外，在意向性治疗(intention to treat ，ITT)分析中，综合考虑脱落病例的基线水平与结局发 生情况，采用倾向评分方法对其完成临床试验的条件概