混杂和交互

混杂和交互ConfoundingandinteractionExposureDisease?MediatorConfounderEffectmodifier第一节混杂（一）定义在流行病学研究中，由于一个或多个外来因素（又称第三因子）的存在，掩盖或夸大了研究因素与疾病（或事件）的联系，从而部分或全部地歪曲了两者之间的真实联系。AlcoholLungcancerSmokingConfounding:Example（二）形成混杂的条件1.混杂因子必须与所研究疾病的发生有关，是该疾病的危险因素之一；2.必须与所研究因素有关；3.必须不是研究因素与疾病病因链上的中间环节或中间步骤。满足这些基本条件的因素如果在所比较的各组间分布不均，就可导致混杂偏倚的发生。（二）混杂的判别略第二节交互或效应修饰（EffectModification）假设有如下研究数据，两种方法用于一种致死性疾病治疗，旨在减少死亡–数据按年龄“年青”和“年老”分为两个层年青层，手术组33%的人死亡，药物组67%死亡RR=0.50，OR=0.25年老层，手术组67%的人死亡，药物组33%死亡RR=2.0，OR=4.0手术组和药物组死亡比例相同（50%）RR=1.0，OR=1.0年龄是一个效应修饰因素–年龄对死亡与治疗方法之间的关联有修饰作用（年龄和治疗方法之间存在统计学交互作用）死亡与治疗方法之间的关联与年龄有关–年青病人采用手术治疗效果好，年老病人采用药物治疗效果好死亡与某一变量（治疗方法）之间的关联取决于另一变量（年龄）效应修饰（EffectModification）概念当两个或更多危险因子存在时，疾病的发病率不同于根据它们单独作用所估计的发病率–Statisticalinteraction–Biologicalinteraction–Publichealthinteraction效应修饰的类型1.增强作用（synergism），又称正交互，两个或两个以上因子共同作用于某一事件时，其效应明显大于这些因子单独作用时的和和（或）积2.拮抗作用（antagonism），又称负交互效应修饰和混杂不同–混杂是一种偏倚，分析的目的是为了从所得的联系中校正或去除其作用–效应修饰是两种因素或多种因素共同存在时产生的相互作用，是研究者所要研究，估计和报道的一种真实存在1.效应修饰与研究设计无关2.效应修饰与研究的有效性无关，是一种客观效应，是研究希望了解并准确详尽的报道3.效应修饰可定量描述，不可能去除混杂和效应修饰（effectmodification）的区分外来因素的作用并非仅为混杂，cRR≠分层RRi或cRR≠aRR，也可由效应修饰所致。理论上，样本足够大时，如果分层RRi相等，且cRR≠aRR，主要是由混杂所致；如果分层RRi不等，则以效应修饰为主。如果分层RRi不等时，造成cRR≠aRR的原因主要是效应修饰，但并不能因此而完全排除混杂作用，只是效应修饰的影响比混杂更明显，且较难定量地区分混杂和效应修饰的作用，因此分析以效应修饰为主混杂和效应修饰（effectmodification）的区分以色列缺血性心脏病研究心肌梗死与收缩血压关系的病例对照研究────────────────────心肌梗死对照小计────────────────────收缩血压≥14029711740收缩血压1402712441271小计5619552011────────────────────cOR=1.88，χ2=5.56以色列缺血性心脏病研究（分层）心肌梗死与收缩血压关系的病例对照研究────────────────────年龄≥60岁心肌梗死对照合计────────────────────收缩血压≥1409115124收缩血压14067379合计15188203───────────────────OR1=0.95,χ12=0.008以色列缺血性心脏病研究（分层）────────────────────年龄60岁心肌梗死对照合计────────────────────收缩血压≥14020596616收缩血压1402111711192合计4117671808────────────────────OR2=1.87,χ22=4.04上表资料总结如下：层ORilnORiVar（lnORi）1/Var（lnORi）=wi10.95-0.05131/9+1/6+1/115+1/73=0.3003.3321.870.62591/20+1/21+1/596+1/1171=0.1000.00为了检验交互作用，可用下式计算χ2k-1（一致性检验或同质性检验），据此来确定各层的lnORi与lnOR之间的差异是否超出随机变异所能解释的范围。–（lnORi−lnOR）2–χ22-1=∑──────────Var（lnORi）–（−0.0513−0.4567）2（0.6259−0.4567）2=──────────+─────────0.3000.100=1.15–P0.20。效应修饰处理方法如两个因素有交互作用（即存在效应修饰），计算ORHM就不合适，这时可以暴露组为参照计算SMR估计值。或以未暴露组为标准进行标化，计算标化比值比（standardizedoddsratio,sOR）。^ΣaiSMR=────────bi×ciΣ（────）diai×diΣ[────]bisOR=───────Σci吸烟和不吸烟英国男医生冠心病死亡专率英国男医生的年龄别冠心病死亡专率吸烟者（1）不吸烟者（0）年龄──────────────────────RR死亡数人年数率死亡数人年数率a1in1iR1ia0in0iR0i35～443252407.00061218790.000115.7445～5410443248.002401210673.001122.1455～6420628612.00720285710.004901.4765～7418612663.01469282585.010831.3675～841025317.01918311462.021200.90合计630142247.0044310138220.00264─标化的效应估计由该资料可知，各年龄组的死亡率比是不同的，表达这些资料的合理的方法是分别表述各年龄层的结果，而不是只用一个总结性的数字。有时可能需要一个总结性估计值可采用死亡率比的标化估计计算SMR（这里SMR是指对暴露人群分布的标化）：O∑aiSMR=──=─────Ebici∑───di630630=─────────────=────=1.42[（2/18790）（52407）+...]444.41标化的效应估计吸烟与肺癌关系的病例对照研究─────────────────吸烟不吸烟合计─────────────────肺癌68821709对照65059709合计1338801418─────────────────cOR=688×59/21×650=2.97,χ2=19.13上表资料按性别分层后的结果──────────────────────男女──────────────────吸烟不吸合计吸烟不吸合计──────────────────────肺癌6472649411960对照62227649283260计12692912986951120OR14.042.47──────────────────────按性别分层后吸烟与肺癌仍有很强的联系，但男、女两层ORi的方向不一致，即男性的ORi较cOR大，女性的ORi较cOR小。据上述分析，不能认为性别是混杂因素，各层的ORi相差很大，直接用Mantel-Haenszel法进行调整不敏感。这时可计算标化比值比（standardizedoddsratio,sOR），以未暴露组为标准进行标化。ai×di647×2741×32Σ[────]────+────bi62228sOR=───────=───────────=3.57Σci2+19该例的cOR=2.97。Σai–ΣE（ai）sOR的显著性检验:U=─────────√ΣV（ai）为了计算方便，可将ai、E（ai）、V（ai）值列成下表。表sOR的U检验计算用表────────────────aiE（ai）V（ai）────────────────男647634.57.09女4134.57.39计68866914.48────────────────U=（688–669）/√14.48=4.99，P0.001。效应修饰与混杂的区别（小结）─────────────────────────────────区别效应修饰混杂─────────────────────────────────性质客观存在的真实效应。偏倚，歪曲暴露与疾病的联系。产生原因与发病机制和临床表现的该因素在暴露与非暴露组的分性质有关。布不均。识别方法层间ORi的一致性检验，根据经验、已有的知识、统多因素分析。计学显著性检验。处理方法分别描述各层的ORi。设计：限制。计算暴露的标化OR或估分析：分层调整、标化、多变计^SMR。量数学模型模拟。─────────────────────────────────混杂与效应修饰现象粗RR（OR）按F分层后RR（OR）第1层第2层正混杂、交互4.001.021.86负混杂、交互1.001.743.00无混杂、无交互1.831.831.83正混杂、无交互4.001.011.03负混杂、无交互1.003.003.02强交互、小混杂4.001.079.40强交互、小混杂1.003.000.33效应修饰的模型--一般理论假设两个因素X与Z为二分变量，X0Z0表示两个因素均不存在R11表示X与Z两个因素均存在时的危险度（1）相加模型（additivemodel）R11-R01=R10-R00110010000100()()RRRRRR（1）相加模型（1）相加模型（2）相乘模型假设：两个或两个以上因子共同作用于某一事件时，其效应等于这些因子单独作用时的积。仍以两因素为例：R11/R10=R10/R00100111000000RRRRRR（2）相乘模型