手机版 下载桌面 设为首页

再谈混杂因素的调整----正确理解混杂效应的连续性

  在前几天举办的“京津冀临床流行病和循证医学协同发展促进会”上,与会者与临床流行病学专家就混杂因素的调整问题进行了深入讨论,主要争论点在于“单因素分析时两组间某混杂因素差异没有统计学意义时,是否应该将此混杂因素纳入回归方程进行分析”。这个问题曾经困绕很多小编,但经过查阅资料和仔细思考,小编有一些自己的思考,在此与各位分享,不同观点者可以讨论。

  首先我们从混杂因素的定义入手:混杂因素指与研究因素和研究结局均有关,若在比较的人群组中分布不匀,可以歪曲(掩盖或夸大)因素与疾病之间真正联系的因素。混杂因素存在的三个条件是:

  ①必须是所研究疾病的独立危险因子;

  ②必须与研究因素(暴露因素)有关;

  ③一定不是研究因素与研究疾病因果链上的中间变量。

  以上是流行病教材中的内容,从中可以看出:如果某因素成为混杂因素,必须是比较的组中分布不匀,这是成为混杂的必要条件。但对于“不均匀”却有不同的解释,其是否等同于两个比较组间混杂因素的差异有统计学意义呢?

  混杂的实质是暴露因素对疾病的效应和混杂因素的效应混在一起,造成对暴露因素效应的有偏估计。例如研究高血压与心脏病的关系时,年龄也是心脏病的危险因素,假设高血压组和对照组的病例数各100例;

  1)高血压组和对照组高龄(>60岁)占30%,即完全平衡,此时虽然年龄是危险因素,但由于在各组分布均匀,所以不会产生混杂效应;

  2)高血压组高龄占30%,对照组高龄占29%,两组不全均衡,由于高血压组高龄人多,如果不调整年龄的影响,此时会高估高血压对心脏病的影响,对两组的高龄人比例做卡方检验,p=0.877;

  3)高血压组高龄占30%,对照组高龄占20%,两组不全均衡,同上年龄也会产生混杂作用,此时会高估高血压对心脏病的影响,对两组的高龄人比例做卡方检验,p=0.102;

  4)高血压组高龄占30%,对照组高龄占18%,两组不全均衡,同上年龄也会产生混杂作用,此时会高估高血压对心脏病的影响,对两组的高龄人比例做卡方检验,p=0.047;

  上面四种情况中,随着两组比例不均衡性增加,混杂效应是增加的,也即混杂效应是一个连续变化的过程,情况3和4相比,对照组高龄比例相差仅2%,如果使用卡方检验差异有统计学意义才调整的话,情况4需要调整,但情况3不用调整,但情况3可能也存在较大的混杂效应。

  对于混杂因素的调整,我们不能只简单地认为某因素是(否)混杂因素,混杂效应是一个连续递进的过程(只是我们也没有一个指标去衡量混杂效应大小),统计学上有无差异与是否产生混杂效应不能等同。在样本量足够且既往文献已经确定某因素是混杂因素时,应将这个因素纳入回归分析。

分类标签:混杂因素  混杂效应  

声明:本文转载仅出于学习和传播信息所需,并不意味着代表本站观点或证实其内容的真实性;其他网站或个人转载使用须保留本站所注“来源”,并自负相关法律责任;如作者不希望被转载或其他事宜,请及时联系我们!