上記の広告は1ヶ月以上更新のないブログに表示されています。
新しい記事を書く事で広告が消せます。

[PR] 台湾ワーキングホリデー

--.--.-- -- l スポンサー広告 l top
1st Semesterの疫学の講義の中で、

Confoundingの条件として、

・Outcomeに対して、独立した因子として影響を持つ
・Study factorとOutcomeの間に介在する因子ではない
・Study factorとConfounding factorの間には関連があり、
 暴露の割合がConfounding factorによって異なる

という3つの条件があることを学びました(詳細はこちら)。

今日、Multiple Regressionと、Categorical Analysisの2つの講義で、
これらの条件の、現実的な優先順位について学びました。
最も重要な条件は、
「Confounding factorがOutcomeに対して、独立して関連している」ということです。
この関連が強ければ、3つ目に挙げた、
「Study factorとConfounding factorとの間の関連…」は、
あまり強くない、つまり有意な関連がなくてもいいわけです。

2番目の条件は、今日の話題とはあまり関連はありませんが、
必須の条件だと考えてください。

さて、どうしてStudy factorとの間に有意な関連がなくてもいいか、
ということですが、
もし、Study factorのそれぞれ、
例えば喫煙・非喫煙という2つのカテゴリにおける、
男女の割合が全く一緒だとした場合、
どんなに性別が病気に影響していたとしても、
喫煙と病気の関連に影響することはありません。

しかし、喫煙者では男性52%、非喫煙者では男性48%といったように、
有意ではないものの、それぞれのカテゴリにおける男女比が異なると、
男性が強く疾患に影響していた場合(例えば女性の5倍病気になりやすい)、
明らかに喫煙者全体と、非喫煙者全体での罹患率に影響します。

この例で喫煙者が非喫煙者の2倍病気になりやすいとした場合、
女性・非喫煙のリスクが1、
女性・喫煙のリスクが2、
男性・非喫煙のリスクが5、
男性・喫煙のリスクが10、となります。

男女比が同じであれば、
リスクはそのまま喫煙:非喫煙=100:50ですが、
上記の男女比となると、喫煙の人はもともとのリスクに、
2/100×10(男性喫煙2%↑)-2/100×2(女性喫煙2%↓)=16%
リスクが上乗せされ、
一方で、非喫煙の人は、
2/100×5(男性非喫煙2%↑)-2/100×1(女性非喫煙2%↓)=8%
リスクが減少するわけです。

つまり、116:42となって、
喫煙者全体のリスクは以前よりも増えるわけです(116/42=約2.8)。

(計算はちょっと不安ですが^^;)

…ということで、
もし、喫煙者・非喫煙者の間で、
男女比に有意な差が認められなかったとしても、
性別が疾患と強い関連があった場合には、
性別を交絡因子としてモデルに投入しなければなりません。

3つの条件…と言っても、
状況に応じて、さまざまな考え方をしていかなければならない、
ということですね。

いやぁ、本当に毎日勉強になります(笑)。
スポンサーサイト

[PR] 台湾ワーキングホリデー

2010.09.21 Tue l 疫学・生物統計学 l コメント (0) トラックバック (0) l top

コメント

コメントの投稿












トラックバック

トラックバック URL
http://shoppingtrolley.blog112.fc2.com/tb.php/185-3654d087
この記事にトラックバックする(FC2ブログユーザー)
上記広告は1ヶ月以上更新のないブログに表示されています。新しい記事を書くことで広告を消せます。