施紅英,陳常中,毛廣運,黃陳平,楊新軍
(1.溫州醫科大學 公共衛生與管理學院預防醫學系,浙江 溫州 325035;2.美國哈佛大學醫學院Dana.Farber癌癥研究所,馬薩諸塞州 02115)
基于EmpowerStats的混雜因素篩選及其校正方法
施紅英1,陳常中2,毛廣運1,黃陳平1,楊新軍1
(1.溫州醫科大學 公共衛生與管理學院預防醫學系,浙江 溫州 325035;2.美國哈佛大學醫學院Dana.Farber癌癥研究所,馬薩諸塞州 02115)
目的:介紹和演示一種新的混雜因素篩選和校正方法。方法:從原理簡介、實例講解、軟件操作多角度全面介紹如何根據粗效應值和調整效應值的變化實現混雜因素的篩選以及獨立效應評價。結果:EmpowerStats統計軟件能夠按照一定的標準,科學、簡便地實現混雜因素的識別、篩選及其控制,得到對效應值的最優估計,優于傳統的逐步回歸法。結論:基于效應估計值的改變進行混雜因素的識別和篩選,可以更合理地獲得研究因素的效應估計值。
混雜因素;偏倚;協變量;統計學
眾所周知,一種疾病的預后、一個藥物的療效、一項指標的大小往往是多因素共同作用的結果。當研究某因素(x)與結局變量(y)之間的關聯性或研究某因素(x)對于結局變量(y)的效應大小時,由于某個既與y有關,又與x有關的其他因素(z)的影響,扭曲(夸大、縮小甚至掩蓋)了x與y之間的關系,這種現象就稱為混雜(confounding),因此而產生的系統誤差稱為混雜偏倚(confounding bias),而引起該混雜偏倚的因素(z)為混雜因素(confounding factor)。簡單地說,混雜因素就是會扭曲疾病和暴露之間的關聯性或扭曲某研究因素效應大小的所有因素[1]。……