基于边界的多重偏倚敏感性分析

未测量混杂、选择偏倚和测量误差是流行病学研究中众所周知的偏倚来源。评估这些偏倚的方法各有其局限性。许多定量敏感性分析方法单独考虑每一类偏倚，而更复杂的方法难以实施或需要大量假设。由于未能同时考虑多重偏倚，研究者可能低估或高估其联合影响。我们证明，可以对这三类来源导致的总复合偏倚进行界定，并利用该边界评估风险比对任意组合的这些偏倚的敏感性。我们在多种情景下推导了总复合偏倚的边界，为研究者提供评估其总潜在影响的工具。我们将该技术应用于一项同时关注未测量混杂和选择偏倚的研究，以及另一项关注可能的差异性暴露错分和未测量混杂的研究。我们还证明，一个“多重偏倚E值”可以描述使观测风险比与零因果效应（或其他预先指定的效应量）相容所必需的联合偏倚参数关联的最小强度。这或可增进对各类偏倚相对影响的直观理解。我们描述的方法易于实施且假设极少，并提供了相应的R函数。