The source population consists of Exposed group (denoted by subscript 1) and Unexposed…
- User
The source population consists of Exposed group (denoted by subscript 1) and Unexposed group (denoted by subscript 0), in a certain period of follow-up: •P T1 and P T0: person-time at risk for Exposed and Unexposed. •a and b: numbers of Exposed and Unexposed people developed the disease. •Incidence rates: I1 = a P T1 , I0 = b P T0. In density-based sampling, suppose the control group contains c Exposed and d Unexposed people, •c/P T1 and d/P T0 are control sampling rates. •Aim is to have (ignoring the sampling error): c d= P T1 P T0 , or equivalently c
. P T1 P T0 •When sampling is independent of exposure, two rates c/P T1 and d/P T0 will be equal. 这个呢
Assistant
这个部分是 密度抽样(Density-based Sampling) 的数学原理和目标的详细推导。我用更直观的方式解释,并说明它为什么能保证 OR = IRR(发病率比)。
1. 核心概念回顾
- 源人群(Source Population):包含 暴露组(1) 和 非暴露组(0)。
- 人时(Person-Time, PT):
- ( PT_1 ):暴露组的总人时(例如 1000 人 × 1 年 = 1000 人年)。
- ( PT_0 ):非暴露组的总人时(例如 4000 人 × 1 年 = 4000 人年)。
- 发病数(Cases):
- ( a ):暴露组发病人数。
- ( b ):非暴露组发病人数。
- 发病率(Incidence Rate, I):
- ( I_1 = \frac{a}{PT_1} )(暴露组发病率)。
- ( I_0 = \frac{b}{PT_0} )(非暴露组发病率)。
- 发病率比(Incidence Rate Ratio, IRR): [ IRR = \frac{I_1}{I_0} = \frac{a/PT_1}{b/PT_0} ]
2. 密度抽样的目标
在 密度型病例-对照研究 中,我们希望 对照组的暴露比例 反映 源人群中的人时比例。 也就是说: [ \frac{\text{对照组中暴露人数}}{\text{对照组中非暴露人数}} = \frac{PT_1}{PT_0} ] 用符号表示: [ \frac{c}{d} = \frac{PT_1}{PT_0} ] 其中:
- ( c ):对照组中暴露人数。
- ( d ):对照组中非暴露人数。
3. 为什么要这样抽样?
因为 发病率(I) 的分母是 人时(PT),所以如果对照组的暴露比例与 人时比例 一致,那么:
- 对照组的暴露比例 ( \frac{c}{c+d} ) ≈ 源人群中暴露人时的比例 ( \frac{PT_1}{PT_1 + PT_0} )。
- 这样,病例组(暴露 vs. 非暴露)与对照组(暴露 vs. 非暴露)的 比值比(OR) 就会等于 发病率比(IRR)。
4. 如何实现这个目标?
(1)独立于暴露的抽样(Independent of Exposure)
如果 对照的抽样概率 与暴露状态无关,那么:
- 暴露组的抽样率 = ( \frac{c}{PT_1} )。
- 非暴露组的抽样率 = ( \frac{d}{PT_0} )。
- 如果抽样 独立于暴露,那么 ( \frac{c}{PT_1} = \frac{d}{PT_0} )。
- 这意味着: [ \frac{c}{d} = \frac{PT_1}{PT_0} ] 正好满足我们的目标!
(2)实际操作:风险集抽样(Risk-Set Sampling)
在 每个病例发生的时刻,从 当时仍在风险的人群(Risk Set) 中随机抽取对照。
- 因为 暴露人时多 → 被抽中的概率高,所以对照组的暴露比例会自然接近 ( \frac{PT_1}{PT_0} )。
- 这样,病例组(暴露 vs. 非暴露)与对照组(暴露 vs. 非暴露)的 OR 就会等于 IRR。
5. 为什么 OR = IRR?
在密度抽样下:
- 病例组的暴露比例 = ( \frac{a}{a+b} )。
- 对照组的暴露比例 = ( \frac{c}{c+d} = \frac{PT_1}{PT_1 + PT_0} )(因为 ( \frac{c}{d} = \frac{PT_1}{PT_0} ))。
- 比值比(OR)为: [ OR = \frac{a/c}{b/d} = \frac{a \cdot d}{b \cdot c} ] 由于 ( \frac{c}{d} = \frac{PT_1}{PT_0} ),所以: [ OR = \frac{a/PT_1}{b/PT_0} = \frac{I_1}{I_0} = IRR ] 因此,OR = IRR,无需“罕见病假设”。
6. 例子说明
假设:
- 暴露组:( PT_1 = 1000 ) 人年,发病 ( a = 10 ) 人 → ( I_1 = 10/1000 = 0.01 )。
- 非暴露组:( PT_0 = 4000 ) 人年,发病 ( b = 20 ) 人 → ( I_0 = 20/4000 = 0.005 )。
- 真实 ( IRR = \frac{0.01}{0.005} = 2 )。
密度抽样:
- 对照组抽样比例 ( \frac{c}{d} = \frac{PT_1}{PT_0} = \frac{1000}{4000} = \frac{1}{4} )。
- 如果抽 ( c = 5 ) 暴露对照,那么 ( d = 20 ) 非暴露对照。
- 计算 OR: [ OR = \frac{a \cdot d}{b \cdot c} = \frac{10 \times 20}{20 \times 5} = 2 = IRR ]
7. 关键点总结
- 密度抽样的目标:让对照组的暴露比例 ( \frac{c}{d} ) 等于源人群的人时比例 ( \frac{PT_1}{PT_0} )。
- 如何实现:
- 在每个病例发生时刻,从 风险集 中随机抽对照(暴露人时多 → 被抽中概率高)。
- 或者 独立于暴露的抽样,保证 ( \frac{c}{PT_1} = \frac{d}{PT_0} )。
- 结果:这样得到的 OR = IRR,无需罕见病假设。
8. 为什么不直接用累积抽样?
- 累积抽样(Cumulative Sampling):在研究结束时从 未发病者 中抽对照。
- 问题:对照组的暴露比例反映的是 人数比例,而不是 人时比例。
- 只有在 罕见病 情况下,OR ≈ RR ≈ IRR。
- 密度抽样:对照组的暴露比例反映 人时比例,所以 OR = IRR,即使疾病不罕见。
9. 实际应用中的注意事项
- 动态暴露:如果暴露随时间变化(如用药、空气污染),密度抽样能准确捕捉。
- 匹配:可以按年龄、性别等匹配,但要确保匹配不干扰暴露-人时关系。
- 抽样率:如果 ( \frac{c}{PT_1} \neq \frac{d}{PT_0} ),OR 会偏离 IRR(但可通过加权调整修正)。
10. 结论
密度抽样通过 让对照组的暴露比例匹配源人群的人时比例,确保 OR = IRR,是估计 发病率比 的黄金标准。它特别适用于:
- 随时间变化的暴露。
- 动态队列(如医疗数据库研究)。
- 无需罕见病假设。
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.