01 / 导读
导读
引用
Woodward, M. (2013). Epidemiology: Study Design and Data Analysis (3rd ed.). Chapman & Hall/CRC.
章节概要
全书共十四章，另有三个附录（本书网站上的资料、统计用表、供习题使用的补充数据集）。每章末尾都有习题。出版社称本书自成体系：先介绍研究设计并回顾标准方法，然后带领读者分析队列研究、病例对照研究和干预研究，并讲到样本量、统计建模、荟萃分析、风险预测和计算密集型方法。
第 1 章：基本问题
开篇一章以 Doll 和 Hill 的工作为案例，提问什么是流行病学。内容包括总体与样本、疾病和危险因素的测量、因果关系、使用常规数据的研究、研究设计概述以及数据分析概述。
第 2 章：基本分析方法
为需要的读者回顾初等统计学：变量类型、表和图、分类变量的推断、定量变量的描述方法、关于均值和非正态数据的推断，以及一致性的度量和诊断试验的评价。
第 3 章：评估危险因素
本章发展标准的关联度量：风险与相对风险、比值与比值比（及如何在二者之间选择）、患病率研究、关联检验、在多个水平上测量的危险因素、归因危险度、率与相对率，以及差值度量。其中包括 Stata 的 EPITAB 命令。
第 4 章：混杂与交互作用
介绍混杂和交互作用的概念，以及识别、评估和处理它们的方法，标准化和 Mantel-Haenszel 方法，以及交互作用的检验。
第 5 章：队列研究
先讲队列研究的设计与分析考虑，然后是队列生命表、Kaplan-Meier 估计、生存概率的比较、竞争风险、人时法和时期-队列分析。
第 6 章：病例对照研究
本章涵盖基本设计与分析、病例和对照的选择、匹配以及匹配研究的分析，还有各种变体，包括巢式病例对照、病例-队列和病例交叉设计。
第 7 章：干预研究
讨论伦理问题和偏倚的避免，然后是平行组、交叉和序贯设计，治疗组的分配，以及把试验作为队列来分析。
第 8 章：样本量的确定
先介绍检验效能，然后讲检验均值、均值之差、比例和相对风险时的样本量，病例对照研究的样本量，以及复杂抽样设计的样本量。
第 9 章：定量结局变量的建模
连续结局的统计模型，从一个解释变量到多个解释变量，模型的建立与检验、一般线性模型、混杂、样条、面板数据和非正态的替代方法。
第 10 章：二分类结局数据的建模
本章说明为什么标准回归不适合二分类结局，并发展 logistic 回归：系数的解释、多元模型、假设检验、混杂与交互作用、定量解释变量、模型检验和测量误差。病例对照研究、多水平结局、纵向数据、二项回归和倾向评分结束本章。
第 11 章：随访数据的建模
生存时间的函数和风险函数的估计引出比例风险模型，包括 Cox 模型和 Weibull 模型，以及模型检验、竞争风险、Poisson 回归和合并 logistic 回归。
第 12 章：荟萃分析
本章讲文献证据的回顾与系统综述、合并的一般方法、异质性、表格数据的合并、个体参与者数据、研究质量、发表偏倚，以及荟萃分析的优点与局限。
第 13 章：风险评分与临床决策规则
本版新增。内容包括由统计模型得到的风险评分、区分度、校准与重新校准、预测的准确性、重新分类、验证、风险评分的呈现以及影响研究。
第 14 章：计算密集型方法
同样是新增的一章。内容包括 bootstrap、bootstrap 置信区间与假设检验、置换检验和缺失值，其中有朴素插补以及单变量和多变量多重插补。
核心概念
第 1–4 章：基础
- 相对风险与比值比：两个主要的关联度量，并说明如何在二者之间选择（第 3 章）。
- 混杂与交互作用：第三个因素如何扭曲或修饰关联（第 4 章）。
- 标准化与 Mantel-Haenszel 方法：调整混杂的方法（第 4 章）。
第 5–8 章：设计
- Kaplan-Meier 估计与人时法：队列随访的分析（第 5 章）。
- 匹配与巢式病例对照设计：病例对照方法的变体（第 6 章）。
- 检验效能与样本量：规划研究所需的规模（第 8 章）。
第 9–14 章：模型与进阶方法
- Logistic 回归与倾向评分（第 10 章）;比例风险模型（第 11 章）。
- 荟萃分析、异质性与发表偏倚（第 12 章）。
- 风险评分的区分度与校准（第 13 章）。
- Bootstrap、置换检验与多重插补（第 14 章）。
评析
优点
- 在流行病学情境中讲统计学。 作者是生物统计学家，每种设计都配有各自的分析：队列研究、病例对照研究和干预研究各有专章，建模各章则按结局类型（定量、二分类和随访）组织。
- 内容与时俱进。 第三版增加了风险评分和计算密集型方法两章，以及二项回归、竞争风险、信息准则、倾向评分和样条等小节。
- 实际支持。 出版社在本书网页上提供真实数据集、SAS 和 Stata 程序以及样本量电子表格，习题也使用 Stata 和 SAS。
- 评论反应。 Gregory E. Gilbert 在 The American Statistician(2014 年 11 月）中写道，作者文笔极佳，正文中习题丰富。对早期版本的评论称赞其技术难度平易近人，并称只用求和号就描述了相当复杂的模型和分析。
局限
- 这是方法书，而非第一门流行病学课。 本书重点在定量，关于因果关系和研究逻辑的概念性内容集中在第一章，因此刚接触流行病学的读者需要另配一本概念性教材。
- 软件选择。 实例程序用 SAS 和 Stata 编写，使用其他软件的读者需要自行转换示例。
- 模型介绍面广而快。 对早期版本的一篇书评（国际统计学会的 Short Book Reviews)称其对常用模型的介绍是不错但很快的巡览，因此需要深入某一类模型的读者应查阅专门的教材。
在课程中的定位
这是流行病学课程中偏定量、重分析的一本。Gordis 的 Epidemiology、Epidemiology: An Introduction 和 Essential Epidemiology 是概念性的入门教材：它们说明疾病如何测量、研究如何设计、因果关系如何判断，很少或不涉及回归。它们是合适的起点；Woodward 随后补上统计工具。
Modern Epidemiology 是研究生水平的综合参考书，深入处理因果推断和偏倚的定量评估。Woodward 篇幅较短，更直接地联系分析和软件，因此在需要分析数据集时是实用的伙伴，而 Modern Epidemiology 是理论与偏倚方面的下一步。
如何使用本书
本书适合流行病学、公共卫生和医学统计的研究生，以及需要分析队列、病例对照或试验数据的研究者。最好已学过一门流行病学入门课和一门统计学入门课；第 2 章回顾初等统计学，后面各章则假定读者对回归并不完全陌生。
一个实用的读法：
- 核心： 第 1 章和第 3–7 章，学习设计与关联度量；第 4 章关于混杂的内容是后面建模各章的基础。
- 分析： 按顺序读第 9–11 章的回归模型，每章都建立在前一章之上。
- 按需阅读： 规划研究时读第 8 章，做综述时读第 12 章，需要预测和重抽样方法时读第 13–14 章。
- 练习： 下载数据集和程序，用 Stata 或 SAS 重现书中的实例，并完成每章末尾的习题。