施红英，陈常中，毛广运，黄陈平，杨新军

（1.温州医科大学 公共卫生与管理学院预防医学系，浙江 温州 325035；2.美国哈佛大学医学院Dana．Farber癌症研究所，马萨诸塞州 02115）

基于EmpowerStats的混杂因素筛选及其校正方法

施红英1，陈常中2，毛广运1，黄陈平1，杨新军1

（1.温州医科大学 公共卫生与管理学院预防医学系，浙江 温州 325035；2.美国哈佛大学医学院Dana．Farber癌症研究所，马萨诸塞州 02115）

目的：介绍和演示一种新的混杂因素筛选和校正方法。方法：从原理简介、实例讲解、软件操作多角度全面介绍如何根据粗效应值和调整效应值的变化实现混杂因素的筛选以及独立效应评价。结果：EmpowerStats统计软件能够按照一定的标准，科学、简便地实现混杂因素的识别、筛选及其控制，得到对效应值的最优估计，优于传统的逐步回归法。结论：基于效应估计值的改变进行混杂因素的识别和筛选，可以更合理地获得研究因素的效应估计值。

混杂因素；偏倚；协变量；统计学

众所周知，一种疾病的预后、一个药物的疗效、一项指标的大小往往是多因素共同作用的结果。当研究某因素（x）与结局变量（y）之间的关联性或研究某因素（x）对于结局变量（y）的效应大小时，由于某个既与y有关，又与x有关的其他因素（z）的影响，扭曲（夸大、缩小甚至掩盖）了x与y之间的关系，这种现象就称为混杂（confounding），因此而产生的系统误差称为混杂偏倚（confounding bias），而引起该混杂偏倚的因素（z）为混杂因素（confounding factor）。简单地说，混杂因素就是会扭曲疾病和暴露之间的关联性或扭曲某研究因素效应大小的所有因素[1]。……