觀察型研究中，由於介入/治療行為並非由研究者施予及分組，非受試者與受試者在受到其他許多背景、環境等因素操弄之下，而形成他們在研究中被觀察到的組別或治療型態。而醫學研究中，常見的觀察性研究資料類型多數為病歷回顧或是資料庫形式。當研究者從現有的資料集中萃取研究個案將其分組，並觀察追蹤期間的結果時，會因為【分組】這個動作而產生存活偏誤(Survival bias)，或是不死的時間偏誤(Immortal time bias)。舉例來說，研究者從現有資料庫中篩選出一群急性心肌梗塞(AMI)的病人，看病人出院後90天內的Statin藥物使用狀況，將病人分成Statin組跟Non-statin組，並觀察病人從AMI出院之後發生AMI再住院或死亡的風險。這看似順風順水的研究設計，潛藏著一個干擾觀察結果的偏誤(bias)，出院後90天內因為有使用Statin而被分到Statin組的人，從病人出院到使用Statin的這段時間是保證存活(意即活著的人才有機會被開Statin)，因為死亡而來不及使用Statin的人就會被分到Non-statin組。在比較Statin與Non-statin組在AMI出院之後的AMI再住院與死亡時，就可能會發現Non-statin組死亡率比較高且AMI再住院率比較低，這是因為死亡而來不及用藥的人都在Non-statin組，而死亡的人也比較不容易被觀察到AMI的再住院，這個現象就稱為不死的時間偏誤(Immortal time bias)。
流行病學研究設計中，有幾種處理不死的時間偏誤(Immortal time bias)的方式，以下援引American Journal of Epidemiology於2005年介紹的5種研究設計方式，其中方法1跟方法2都是會強烈受到偏誤(bias)影響研究結果，而方法3~5則是控制偏誤(bias)的方式，下一章節將逐一導讀介紹文獻中的5種研究設計方法，以及這5種研究設計之下對結果產生的影響。
圖1、不同研究設計的方法與相對應的分析方式
(圖片來源：Zhou Z, Rahme E, Abrahamowicz M, Pilote L. Survival bias associated with time-to-treatment initiation in drug effectiveness evaluation: a comparison of methods. American journal of epidemiology 2005; 162: 1016–1023.)
延伸閱讀
Zhou Z, Rahme E, Abrahamowicz M, Pilote L. Survival bias associated with time-to-treatment initiation in drug effectiveness evaluation: a comparison of methods. American journal of epidemiology 2005; 162: 1016–1023.
關鍵字：存活偏誤、Survival bias、不死的時間偏誤、Immortal time bias
留言列表
{{ article.title }}