医学科研中的偏倚和交互作用.docx
《医学科研中的偏倚和交互作用.docx》由会员分享，可在线阅读，更多相关《医学科研中的偏倚和交互作用.docx（21页珍藏版）》请在冰豆网上搜索。
医学科研中的偏倚和交互作用
医学科研中的偏倚与交互作用与控制
第一节概念
一、误差
科研设计、实施及分析过程中产生的各种误差（error），可能导致研究结果不能真实地、精确地反映实际正确的结果。
误差是指对事物某一特征的度量值偏离真实值的部分，即测定值与真实值之差。
因此，必须有“金标准”（goldenstandard）或相对可靠的标准来度量真实值才能度量误差。
研究结果与真实情况的差异即为误差。
误差有两类：
（1）随机误差（randomerror），
（2）系统误差（systematicerror）或称偏倚。
随机误差（randomerror）：
广义的随机误差，泛指因机遇不同估计总体参数时所产生的误差，机遇既可以指选择的机遇，也可以指时间的机遇。
如果误差由机遇以外的原因所造成，则为非随机误差。
狭义的随机误差指随机抽样所得均值对总体均值的误差。
随机误差主要是由抽样误差引起，其中包括一些随机测量误差。
抽样误差指随机抽样所得均值对总体均值的误差，它由总体中个体的变异引起，其大小决定于研究设计和评价指标的统计学特点。
抽样误差无一定方向，可以相互抵消，并可通过改进抽样技术（如严格遵守随机化原则，分层抽样，增加样本含量，重复试验以及提高抽样对象的受检率，减少失访率等）加以控制，但不可能完全避免。
因此在资料分析阶段，必须用统计学方法计算抽样误差的大小。
二、偏倚
偏倚是指在调查研究设计或实施阶段，由于某种或某些因素的影响，使得研究或推论的结果与真实的情况存在系统误差，或指在研究或推论过程中所获得的结果系统地偏离其真实值，属于系统误差。
偏倚造成的结果与真值间的差异，具有方向性，它可以发生在高于真值的方向，也可发生在低于真值的方向。
偏倚是影响流行病学研究真实性的重要原因之一，由于有时难以得到判断真实性的金标准，因此即便在很严格的流行病学研究设计之下，也很难判断是否完全避免了偏倚。
尽管如此，如果对偏倚的来源和产生原因有了深刻的认识，则有可能最大限度地减少偏倚的发生，以便取得有价值的研究结果。
误差与偏倚都是指测量结果与真值间的偏离。
但它们两者之间有着本质的区别。
随机误差是由于抽样而致的变异，它无方向性，这种误差是普遍存在的。
它可以设法减少但不能完全防止（如随机化抽样，加大样本量）。
偏倚是指随机误差以外的误差，是指观察到的均值与真值之间的系统误差，这种误差不能用统计学方法处理，它是由某些较为恒定的不能准确定量的因素造成，重复抽样或加大样本含量并不能使这种误差减少或消失，它只能依靠研究者的周密设计和科学判断来加以解决。
偏倚系非抽样误差，它是错误的，必须努力防止。
三、偏倚的方向
偏倚是一种系统误差，它或偏向于正方向，使原来的真值被夸大；或偏向于负方向，使原来的真值被缩小，因此偏倚是有方向的。
定量并精确地估计偏倚的程度（即偏倚的大小）有困难，而确定偏倚的方向相对比较容易。
偏倚的方向指研究人员对事物所产生效应（effect）的估计值是大于或小于效应真值所做出的一种定性判断，不涉及偏倚的大小。
现假定某一欲观察或测量效应值的真实值为θ，而反映在样本中的观测值为
。
设定凡是夸大真实效应者为正偏倚，不论真实效应为危险效应还是保护效应，而缩小真实效应者为负偏倚。
零效值（nullvalue）是一个统计学中的概念，是指产生零效应的值。
例如，对于RR或OR=1时即为无效值。
因此，研究中的真实效应用RR（）表示，当RR（）=1.0，即为零效应；RR（）>1为危险效应，RR（）<1为保护（预防）效应。
RR（
）为RR偏倚了的RR。
因此，在具有危险效应RR（）>1：
>>1，夸大危险效应，或远离零效应值（或无效值），称为正偏倚;
>
>1，缩小危险效应，趋向零效应值，称为负偏倚；
当效应值为保护（预防）效应时，RR（）<1;
<
<1，偏倚缩小了保护效应，
趋近零效应值，称为负偏倚;
<<1，偏倚夸大了保护效应，
远离零效应值，称为正偏倚。
举例说明：
RR（）>1，RR=2.0，是危险效应；
当
=4.0时，它远离零效应值，夸大了原危险效应，
被判为正偏倚；
=1.5时，它趋近零效应值，缩小了原危险效应，
被判为负偏倚。
RR（）<1，RR=0.6，是一种保护效应；
当
=0.3时，它远离零效应值，夸大了保护效应，
被判为正偏倚；
当
=0.7，它趋近于零效应值，缩小了保护效应，
被判为负偏倚。
也有一种称颠倒偏倚（switchoverbias），指无论>1或<1，若和
分别在1.0的两侧，则为颠倒偏倚。
即所产生的偏倚跨过零效应值1.0，由保护效应偏离为危险效应或由危险效应偏离为保护效应。
第二节偏倚的类型
一、偏倚的种类
目前将流行病学调查研究过程中出现的偏倚分为三类：
1.选择偏倚（selectionbias）指研究者在挑选研究人群时由于选择条件受限制或设计失误所致的系统误差。
主要发生在研究设计阶段；
2.信息偏倚（informationbias）指在收集和整理有关暴露或疾病资料时所出现的系统误差，主要发生在观察、收集资料及测量等实施阶段；
3.混杂偏倚（confoundingbias）主要由调查中所涉及的混杂因素与疾病和暴露因素三者之间的内在联系所决定，研究者在设计阶段若不注意随机化原则，各比较组间除比较因素外其他非比较因素不均衡，同时在分析阶段又不设法加以控制，即可发生混杂偏倚。
（一）选择偏倚
在设计阶段选择观察对象时，被选入的对象同未选入的对象间在与研究有关的特征方面有系统的差别，同时在各比较组间除比较因素外，其他一些有关因素分布不均衡，导致研究结果系统地偏离真实情况，即为选择偏倚。
在各类流行病学研究中选择偏倚均可发生，以在病例对照研究与现况研究中常见。
选择偏倚既可产生于设计阶段的选择研究对象，又可产生于资料收集阶段的失访或无应答等。
了解选择偏倚的目的是在设计阶段充分考虑其存在的可能性并尽量予以避免，在分析和作结论时要慎重从事。
选择偏倚的种类很多，常见的有以下几种。
1.入院率偏倚（admissionratebias）又称伯克森偏倚（Berkson’sbias），是指利用医院就诊或住院病人作为研究对象时，由于入院率不同而导致的偏差。
以研究恶性黑素瘤为例，产生的条件是：
①研究某危险因素是否同恶性黑素瘤有关时，恶性黑素瘤病例取自医院，对照取自同时住院的其他病例，骨折病人；②恶性黑素瘤，骨折病人由于某医院在治疗某病（恶性黑素瘤或骨折）方面的疗效不同、距离医院的远近不同、病情的轻重程度不同，出现了不同的入院率；③暴露因素本身也有一定的独立的同疾病无关的入院率。
于是就产生伯克森偏倚，现举例如下：
假定某研究者计划研究恶性黑素瘤同高血脂的关系，恶性黑素瘤病例取自医院，同时，他从同院某病区随机抽取相应人数的骨折患者作对照。
恶性黑素瘤病人在人群中约有5000例，骨折患者也有5000例，具有高血脂因素者在恶性黑素瘤病人和骨折病人中各占15%，并假定恶性黑素瘤、骨折、高血脂三者之间无任何关联（表1），三者的入院率又相对独立。
表1人群恶性黑素瘤、骨折两病及高血脂的人群分布
病种
有高血脂者
无高血脂者
总人数
恶性黑素瘤
750
4250
5000
骨折
750
4250
5000
恶性黑素瘤伴有高血脂同骨折伴有高血脂间的OR=（750×4250）/（4250×750）=1.0
表1资料表明人群中恶性黑素瘤、骨折、高血脂三者之间并无关联，OR=1.0。
现假定恶性黑素瘤和骨折入院率不同，分别为60%及25%，同时伴有高血脂者的入院率为40%（表2）。
表2来自医院恶性黑素瘤和骨折两病及高血脂的病例分布
病种
有高血脂者
无高血脂者
总人数
恶性黑素瘤（病例）
570
2550
3120
骨折（对照）
413
1063
1476
根据不同的入院率计算住院病人数：
恶性黑素瘤伴有高血脂人数：
（750×60%）+[（750―750×60%）×40%]=570
骨折伴有高血脂人数：
（750×25%）+[（750―750×25%）×40%]=413
恶性黑素瘤住院而无高血脂人数：
（5000―750）×60%=2550
骨折住院而无高血脂人数：
（5000―750）×25%=1063
住院病例恶性黑素瘤同高血脂关联的OR=（570×1063）/（2550×413）=0.575
从表1和表2结果看，社区样本人群中恶性黑素瘤同高血脂本无任何关联，而以医院病例作为样本所得观察结果，高血脂是恶性黑素瘤的保护（预防）因素，而对骨折则是一危险因素。
此即伯克森偏倚，因为它远离无效值1.0，本来是无效，现在则是夸大了其保护效应，或可以说是造成了一虚假的效应，不管它是危险效应还是保护效应，因此该伯克森偏倚是正偏倚。
不同疾病在不同医院的就诊或住院率各异，其原因是多方面的，如群众对某种疾病危害的认识水平，患者所患疾病的严重程度，患者的经济状况，以及就诊方便与否，不同医院的技术专长等等，均可影响入院率。
当利用医院住院病人作为病例和对照时，由于对照是医院的某一部分病人，而不是全体目标人群中的一个随机样本；又由于病例只是该医院或某些医院的特定病例，因为病人对医院及医院对病人双方都有选择性，所以作为病例组的病例也不是病人全体的一个随机样本，因此，就同一病因学调查课题，在社区和医院同时做调查，其结论是否相同，取决于病例和对照到医院就诊或住院的就诊率（入院率）。
在入院率为100%的情况下，两者的调查结果一致，但在实际工作中很难在医院观察到100%的病例，如果入院率不同，则表现为系统误差。
因此利用医院的资料作病例对照研究分析病因时，要警惕可能出现这种偏倚，在解释研究结果时要慎重。
2.现患病例-新发病例偏倚（prevalence-incidencebias）这种偏倚又称奈曼偏倚（Neyman'sbias）。
在病例对照研究或现况研究中，用于研究的病例一般是研究期间的现患病例，而不包括死亡病例和那些病程短、轻型、不典型的病例。
存活病例中又有新发病例和现患病例。
存活病例同死亡病例在所研究的因素方面往往有系统差异，同样新发病例同现患病例间也有这类系统差异；此外，某些病人在患病后，有可能会改变其原来的某些因素的暴露情况，这种用于研究的病例类型（现患病例）显然会与队列研究或实验研究不同（多用新发病例），由此而产生的偏倚即为现患病例-新发病例偏倚。
病例对照研究所得结论常与队列研究结果不一致，其原因除了各自的一般优缺点外，主要是病例对照研究收集的大部分是现患病例，而队列研究可观察新发病例。
这两种不同的病例所提供的有关暴露等情况会有很大差别。
比如，现患病例，尤其是慢性病的现患病例不能如实、详尽地回忆起较早时期的暴露情况，或因时间过久，某些同暴露危险因素有关的生活习惯等已有很大的改变，更重要的是已分辨不清哪个暴露发生在症状出现之前，哪个在后。
而对队列研究来说，由于观察、调查的是新发病例，故很少发生上述问题。
3.健康工人效应偏倚（healthyworkereffectbias）在生物学群体中，个体差异普遍存在，暴露于同一种危险因素后不同个体的易感性可能不同，高易感性的个体又有主动避免继续暴露的倾向，而低易感性者可能并不在意暴露。
例如在进行职业性肿瘤的前瞻性研究时，选择接触职业性毒物的工人作为观察对象，很可能这些工人都是些留下来不易患肿瘤的人员，而对该毒物敏感的那些工人可能一开始就不选择该职业，或者虽然选择了这一职业但因不适应很快调离去从事其他职业或早已转出而失访了，这种偏倚称健康工人效应偏倚。
在流行病学观察研究中完全避免本类偏倚是困难的，特别当评论某些在短期接触后即使人们因能否耐受做出职业选择的危险因素时，应考虑到易感性不同所产生的偏倚。
在这种情况下，如选择动物做实验研究或者选择无论被观察者易感性如何，都难以避免遭受暴露的某些偶然事件进行研究时（如广岛原子弹爆炸事件），则有利于获得较客观的结论。
4.无应答偏倚（nonrespondentbias）是因为研究样本中的无答复者，即调查对象中那些没有按照研究设计对被调查的内容予以应答或不依研究设计接受治疗者，由于其身体素质、暴露状况、患病情况、嗜好等可能与应答者不同，由此产生的偏倚称为无应答偏倚。
这里应强调的是不应答者泛指研究设计中应予调查但因各种原因拒绝回答问题的人或失访的人。
如临床研究中对治疗效果、治疗反应等不作回答者称为无应答者。
不应答能否带来偏倚，取决于不应答者在疾病暴露等方面的特征与应答者是否有区别。
如果差别显著，则产生无应答偏倚。
对敏感问题调查时最容易引起不应答偏倚。
例如有研究者调查我国南方某县农村婴儿死因时，有26.8%的家长拒绝提供其婴儿死亡原因，而现场调查旁证显示该县当年的新生儿男女性别之比高达116.8%。
这种现象的发生与当地存在重男轻女而溺死女婴的行为有关，由此得到的婴儿死亡原因构成比，显然发生了系统误差。
无应答偏倚在观察性研究或实验性研究中均可发生。
在队列研究中，无应答偏倚同样存在。
造成无应答的原因是多方面的，如对调查内容是否感兴趣、年龄、受教育程度、身体健康状况、对健康关心程度以及外出未遇等均可影响研究对象的应答率。
失访是无应答的另外一种表现形式，指在随访性研究中，研究对象未能按照计划被随访。
失访在队列研究中很容易发生，是此类研究选择性偏倚的主要来源之一。
应答率一般至少应达到90%，且各比较组间无多大差别。
如某一组的应答率特别低应作专项调查，查明原因。
5.检出征候偏倚（detectionsignalbias）所谓检出征候，指在疾病和暴露之外存在一个征候因素，即一种临床症状或体征。
这种症状或体征不是疾病的危险因素，但人们因具有这种征候去就诊，从而提高了早期病例的检出率，致使过高地估计了暴露程度，因而发生了系统误差，最终可能得出该征候因素与该疾病有联系的错误结论。
在对一些慢性疾病如恶性皮肤肿瘤、动脉硬化、结石等进行病因研究时，这种偏倚的意义特别重要。
例如，1975年Ziel和Finkle用病例对照研究设计，从美国加州洛杉矶妇女中研究口服雌激素同子宫内膜癌之间的关系，结果认为两者之间存在高度关联，结论是口服雌激素是妇女患子宫内膜癌的危险因素。
1978年，Horwitz和Feinstein指出，以上关于口服雌激素与子宫内膜癌相关联的结论是一种检出征候偏倚，两者之间的高度关联是虚假的。
因为进一步研究发现使用雌激素可以刺激子宫内膜生长，从而使子宫容易出血。
因而服用者较早、较频繁地去求医，从而有可能使医生能较多地早期发现子宫内膜癌病人。
相反，那些不服雌激素的无症状子宫内膜癌病人，由于没有或少有子宫出血的症状，因此不会去医院，因而也就不易于被诊断出来，导致子宫内膜癌病例中服雌激素的比重人为地增加了，其结果得出子宫内膜癌与使用雌激素有关的虚假关联。
在同一医院不同科室进行的研究发现，服用雌激素的子宫内膜癌病人中，79%为早期病人；而非服用雌激素的子宫内膜癌病人中，早期病人仅占55%。
以上实例说明发生选择偏倚的重要原因之一是选入的研究对象在所研究的特征方面同未选入的对象有差异。
但有同等重要意义的是如何选择好对照组。
它同研究者的临床知识，经验及关于研究变量的特性，对象选入的方法等都有关。
因此，在设计中对观察对象进入样本的条件应作严格限制，比如病例组中的病例应严格限制在只选入稍晚期的子宫内膜癌病人，对照组的特征如去医院求治的机会、方便条件等非研究因素同病例组应相同。
6.时间效应偏倚（timeeffectbias）许多慢性病（如恶性肿瘤、冠心病等）自接触有效暴露（内、外环境的危险因素）之日起至出现临床症状止，其间经过一段漫长的潜隐过程，在此期间他们实际上是有暴露史但未出现症状，用现有检测手段未能发现有症状的病人；但由于无明显的症状，因此常被错误地归入健康对照组内。
例如，早在二战之后西方妇女吸烟的人数便迅速增加，但直到20世纪70年代以后才表现出妇女肺癌发生率的明显上升，原因在于开始暴露至发病的时间很长。
类似的情况在遗传性疾病中也有，比如，未到外显年龄的观察对象被分配到健康对照组，常发生结果估计过低的偏倚。
因而进行遗传性疾病研究时应特别注意外显年龄，不到外显年龄的对象常排除在观察之外，不管是对照组还是病例组。
因此，在进行病例对照研究时，那些暴露后即将发生病变的人，已发生早期病变而不能检出的人，或在调查中已有病变但因缺乏早期检测手段而被错误地认为是非病例的人，都可能被选入对照组，由此可能导致研究结果的系统误差。
在调查中尽量使用敏感的疾病早期检查技术，或开展观察期足够长的纵向研究，则可以尽可能地控制时间效应偏倚。
7.排除偏倚（exclusivebias）研究者在设计时除规定研究对象诊断标准、纳入标准外，还应规定哪些个体不能选作研究对象，即规定排除标准，这些标准在实施期间不得更改。
因此，当在研究对象确定过程中，没有依照事先设计要求对等的原则或标准，从观察组或对照组中排除某些研究对象，这样导致因素与疾病之间的联系被错误估计，称为排除偏倚。
例如在一项关于阿斯匹林与心肌梗死关系的病例对照研究中，病例组与对照组均不应包括患慢性关节炎者，亦不应包括慢性胃溃疡病人，因前者倾向服用此药，后者则不倾向服用此药。
若患这两种疾病者在两组分布不均匀，可导致对阿斯匹林与心机梗死关系的错误估计。
8.志愿者偏倚（volunteerbias）这种偏倚在实验性研究中较易出现。
一般来说，志愿参加观察研究者同非志愿者在关心健康、注意饮食卫生及营养食疗、禁烟禁酒、坚持锻炼等方面有差异，因志愿者常被入选为观察对象，而非志愿者常被落选，故这样的观察或研究结果肯定有选择偏倚。
例如，进行一项措施（如避免阳光晒伤）以预防恶性黑素瘤发生的观察研究，参加者都是志愿者，而将非志愿者作为对照，以此比较该项措施的效果，这显然难以得出正确结论。
（二）信息偏倚
又称观察偏倚（observationbias），指在研究的实施阶段，在资料的观察、测量及收集方法上，诊断试验的灵敏度、特异度以及患者在提供各种有关信息的准确性方面都可能有所不足，而且这种不足或缺陷在各比较组间有系统的差别或不一致，于是导致在研究的实施阶段产生系统误差。
信息偏倚在各种类型的流行病学研究中均可发生，既可来自于研究对象、研究者本身，又可来自于测量的仪器、设备、方法等。
信息偏倚的表现是使研究对象的某种特征被错误分类（misclassification），如某病的患者被错误地认为是非患者，暴露于某因素被错误地认为是非暴露者等等。
常见的信息偏倚有以下几种。
1.暴露怀疑偏倚（exposuresuspicionbias）研究者在收集并确定病例组的暴露比例时所具有的认真、细致、深入程度同对照组相比有重大的系统差别。
这种偏倚主要见于病例对照研究。
研究者若事前了解研究对象的患病情况或某种结局，可能影响采用与对照组不可比的方法探寻认为与某病或某结局有关的因素，如多次认真地调查和询问病例某因素的暴露史，而漫不经心地调查和询问对照组，从而导致错误结论，此即暴露怀疑偏倚。
对同一组研究对象以不同的调查方法进行调查，结果可出现很大差异。
例如，采用病史记录作为分析资料进行病例对照研究时，因为询问病史的医师知道某些因素和某病发生有关，因此在询问病例病史时特别仔细，常有阳性的记录，而被选为对照的病史，因为医师们知道该因素和对照病例无关，因此询问马虎，阴性结果多，从而产生偏倚。
如Nishiyama等对儿童甲状腺癌过去放射性物质暴露史的调查发现，如以常规和查阅医疗记录方法调查有暴露史者分别为28%和0%；而经过细致的调查和询问，同一对象组的放射性物质暴露史变为47%和50%。
可见不可比的调查获得的照射率有明显差异。
上例也说明暴露怀疑偏倚往往会夸大可疑致病因素与疾病之间的关联。
2.诊断怀疑偏倚（diagnosticsuspicionbias）这类偏倚常发生在前瞻性研究中。
研究者带有“先入之见”的主观倾向性，以一种主观偏见或愿望来左右诊断，由于研究者事先了解研究对象研究因素的暴露情况，怀疑其已患病，或在主观上倾向于应该出现某种阳性结果，因此在作出诊断或分析时，倾向于自己的判断。
于是对暴露者和未暴露者在询问暴露史、疾病史和作各种检查时，采取了不可比的做法，如对暴露者或实验组进行非常细致的检查，而对非暴露者或对照组则不然，这样各比较组所获得的资料就会出现系统误差，从而使研究结果出现偏差，即谓之诊断怀疑偏倚。
诊断怀疑偏倚多见于临床试验和队列研究，在病例对照研究中也可产生，特别是在诊断亚临床病例、判断药物的毒副反应时，这种偏倚最容易发生。
例如在一项研究口服避孕药与妇女下肢血栓性静脉炎关系的队列研究中，观察者对口服避孕药妇女，会更加频繁和仔细地寻求静脉炎的证据，认真地检查身体，并对更多的怀疑者，作进一步检查，这必然会更多地发现病例，尤其是那些病情较轻，需较复杂准确的诊断检查才能确诊的病例。
相反有可能较马虎地检查未服避孕药的妇女，造成结果的偏倚。
此类偏倚亦可发生于研究对象。
若研究对象知道自己暴露于研究因素的情况，或了解研究目的，主观因素可能会对研究结果产生很大影响，如对是否出现新症状的主观判断等。
3.测量偏倚（detectionbias）测量偏倚指对研究所需指标或数据进行测定或测量时产生的系统误差。
如所用调查表设计的科学性、记录是否完整、调查人员对工作的认真程度以及访问方式、态度等等。
均可导致不准确的信息，产生测量偏倚。
此外如所用仪器、设备校正不准确，例如调查时需测血压值，但血压计未经校正，而得到血压的偏值；试剂不符合要求，使用方法的标准或程序不统一，分析测试条件不一致以及操作人员的技术问题等等，均可导致测量结果的不正确，使测量结果偏离真值。
4.报告偏倚（reportingbias）与回忆偏倚不同，报告偏倚是研究对象的有意做假所造成，即有意的夸大或缩小某些信息而导致的偏倚，因此亦被称作说谎偏倚。
最常见的报告偏倚见于敏感问题的调查，例如调查性乱史和中小学生吸烟史，有相当一部分有意掩盖阳性行为，有些人有冶游史，可能隐瞒实情。
另一种情况，被调查者为了达到个人目的而有意说谎，例如征兵体检时，愿意入伍者会有意隐瞒病史，而不愿意入伍者有可能故意夸大病史甚至无中生有。
在对某些职业人群进行健康调查时，一些研究对象可能会为继续从事该职业而故意缩小某些患病信息，而涉及劳保、福利等，对一些问题的调查如职业危害，研究对象可能会夸大某些暴露信息。
因此，对有客观指征或记录在案的事件做调查，常可以避免一部分报告偏倚，或者隔一定时间重复调查，比较前后两次调查的重复性，也可以据Kappa值判断报告偏倚。
5.回忆偏倚（recallingbias）回忆偏倚是指研究对象在回忆以往发生的事件或经历时，由于记忆失真或不完整在准确性和完整性上的差异所致的系统误差。
回忆偏倚的大小取决于作对照的人群，例如病例组和对照组或暴露组和非暴露组产生回忆误差的相对比例和程度的不同，既可能产生正偏倚也可能产生负偏倚，偏倚的趋向可以趋近于零也可以远离零。
回忆偏倚最容易发生于病例对照研究，在现况研究和回顾性的队列研究中凡涉及需要回忆的调查内容也都可能发生。
回忆偏倚在病例对照研究中最常见，其产生与以下原因有关：
①对照组是来自社区的一般人群，与来自医院的病例组相比，对过去的暴露经历更易遗忘或不予重视，而病例组却会对过去暴露经历认真回忆并提供有关信息；②调查事件是很久以前发生的事情，研究对象记忆不清；③调查的事件或因素发生的频率甚低，未给研究对象留下深刻印象而被遗忘。
例如Stolley等研究发现，仅有9%的自费购药病人错误记忆了使用过的最新药品名称，而享受福利或公费医疗者有23%发生记忆错误；Wilcox等在自发性流产回忆准确程度的研究中发现：
由于流产发生的孕周不同对孕妇
升级会员 