文献类型：期刊文章

作　　者：刘子言[1] 吴小丽[1] 解美秋[1] 王志鹏[1] 刘爱忠[1]

LIU Zi-yan;WU Xiao-li;XIE Mei-qiu;WANG Zhi-peng;LIU Ai-zhong(Department of Epidemiology and Health statistics,School of Public Health,Central South University,Changsha 410008,China)

机构地区：[1]中南大学湘雅公共卫生学院流行病与卫生统计学系,长沙410008

出　　处：《中华疾病控制杂志》

年　　份：2019

卷　　号：23

期　　号：3

起止页码：351-355

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EMBASE、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：在流行病学研究中,选择偏倚会导致研究样本无法代表一般人群,使研究结果偏离真实值,无法推断真实的因果关联。本文通过构建有向无环图(directed acyclic graphs, DAGs),将复杂的因果关系可视化,提供识别选择偏倚的直观方法,并通过冲撞分层偏倚的图形结构来验证不同类型的选择偏倚。在实际研究中,可能同时存在多种偏倚,对冲撞变量进行不恰当的调整会新增冲撞分层偏倚,打开后门路径,引入混杂偏倚,甚至改变原有混杂偏倚的大小与方向。为了得到暴露到结局的无偏估计,研究者可以通过构建DAGs,帮助识别冲撞变量,防止冲撞偏倚的发生。

关 键 词：病因研究 有向无环图 选择偏倚  冲撞分层偏倚  

分 类 号：R181]