01 / 导读
导读
引用
Lash, T. L., VanderWeele, T. J., Haneuse, S., & Rothman, K. J. (2021). Modern Epidemiology (4th ed.). Wolters Kluwer.
章节概要
全书共43章，分为四个部分，约1,200页。四位署名作者撰写了基础、设计和分析部分的大多数章节，更专门的章节由各分支领域的撰稿人完成；据Stata Bookstore的介绍，另有35位专家参与。前三部分（基础、设计、分析）构成方法论核心，第四部分是应用这些方法的专题章节。
第一部分 第1–6章：基础
流行病学的范围（1）；因果推断与科学推理（2）；形式化因果模型（3）；发生频率的测量（4）；效应测量与关联测量（5）；兼顾效度与效率的流行病学研究设计（6）。因果问题紧接开篇章节，排在测量和设计之前。Anders Ahlbom在《European Journal of Epidemiology》上的书评中指出，仅发生频率测量一章就约有25页，因为现实人群使发病率和患病率的计算比教科书中的生命表模型所显示的更为困难。
第二部分 第7–15章：研究设计与解释
队列研究（7）和病例对照研究（8）之后，是公共卫生监测（9）、现场方法（10）和依赖二手数据的研究（11）。本部分其余内容围绕效度：混杂与混杂因素（12）、测量与测量误差（13）、选择偏倚与可推广性（14）、精度与研究规模（15）。Ahlbom注意到，这一部分还包括数据获取和偏倚量化的原则，超出了多数教材对研究设计的涵盖范围。
第三部分 第16–31章：数据分析
分析部分从流行病学数据分析基础（16）、分类统计入门（17）、分层与标准化（18）和多分类暴露与结局的分类分析（19）开始。回归分两章：模型设定（20），以及模型拟合与评估（21）。随后依次是生存（事件发生时间）分析（22）、贝叶斯统计入门（23）、纵向与聚类相关数据分析（24）、时变暴露的因果推断（25）、交互作用分析（26）、中介分析（27）、工具变量与准实验方法（28）、偏倚分析（29）、生态学研究与分析（30）和基于主体的建模（31）。出版社把边际结构模型、工具变量分析和结构嵌套模型列为新增或更新的内容。
第四部分 第32–43章：专题
十二个由撰稿人完成的章节把方法应用到具体领域：传染病流行病学（32）、生殖流行病学（33）、精神流行病学（34）、临床流行病学（35）、分子流行病学（36）、遗传流行病学（37）、伤害与暴力流行病学（38）、社会流行病学（39）、环境流行病学（40）、职业流行病学（41）、营养流行病学（42）和药物流行病学（43）。
核心概念
第一部分：基础
- 因果推断与因果模型：第2章和第3章先讨论关于原因的推理，再讨论包括因果图在内的因果形式化模型。
- 发生频率的测量：发病率和患病率，在第4章中详细讨论。
- 效应与关联的测量：用来比较暴露与结局的量（第5章）。
第二部分：设计与效度
- 队列与病例对照设计：两种主要的观察性设计，各有专章。
- 混杂、测量误差与选择偏倚：各占一章的三类效度威胁。
- 精度与研究规模：与效度相对应的研究规划问题。
第三部分：分析
- 分层与标准化：先于回归的分类分析工具。
- 回归分析：模型的设定、拟合与评估。
- 贝叶斯统计与偏倚分析：处理随机误差之外不确定性的概率方法。
- 中介、交互作用与时变暴露：需要专门方法的因果问题。
- 工具变量与准实验方法：混杂无法完全测量时的设计思路。
第四部分：专题
- 分领域流行病学：传染病、生殖、精神、临床、分子、遗传、伤害与暴力、社会、环境、职业、营养和药物流行病学。
评析
优点
- 因果思想嵌入全书结构。 关于因果推理和因果模型的两章排在测量与设计之前，Ahlbom认为这反映了因果推断在该学科中如今的核心地位。同一篇书评还指出，作者并未试图解决悬而未决的问题，例如原因是否必须是可操纵的。
- 效度有专门的方法。 本书不止于列举偏倚，而是为混杂、测量误差、选择偏倚各设一章，并有专门的偏倚分析一章，使偏倚的量化成为标准工具箱的一部分，而不是事后补充。
- 为流行病学而写的数据分析。 Ahlbom解释说，设置分析部分是因为流行病学的数据和设计需要一般统计书不涉及的方法，并指出本书延续了避免简单零假设检验、强调P值函数的一贯建议。
- 两种读法。 书评预计会有读者通读全书，但更多人会把它当作参考书和百科全书使用；出版社同样把它描述为对流行病学研究原理与方法的全面论述。
局限
- 不是入门书。 本书假定读者已学过流行病学入门课程和一些生物统计学，第三部分很快进入回归、贝叶斯方法和因果估计。
- 没有荟萃分析章节。 Ahlbom原本期待看到关于荟萃分析和研究合并的讨论，但没有找到。目录中也没有这样的章节，需要合并研究的读者应另用资料。
- 篇幅大、作者多。 全书超过1,100页、撰稿人众多，第四部分的专题章节是由不同的人撰写的领域综述，而不是对每个分支的系统课程。
- 方法在不断变化。 书评指出，人工智能和大数据是本书尚未涉及的领域；2021年的第4版是目前的最新版。
在课程中的定位
《Modern Epidemiology》是本课程书单中的研究生层次参考书。《Gordis Epidemiology》是面向缺乏定量训练读者的入门教材，《Essential Epidemiology》是面向公共卫生和卫生专业的更完整的课程教材，两者都应先读。《Epidemiology: An Introduction》从基本原理出发讲述因果、发生频率、设计、偏倚和混杂，重思想而非公式，是为阅读《Modern Epidemiology》所做的最接近的概念性准备。
《Epidemiology: Study Design and Data Analysis》（Woodward）是统计方面最接近的配套读物，用真实数据集演示分析方法。《Modern Epidemiology》第三部分涉及部分相同的领域，范围更广、层次更高，并侧重因果方法和偏倚分析。需要具体计算示例时用Woodward；需要概念依据、方法局限，或Woodward未涉及的主题时用《Modern Epidemiology》。
如何使用本书
本书面向已修完流行病学入门课程以及含回归的生物统计课程的流行病学与公共卫生研究生、博士研究人员和执业流行病学家。
实用读法：按顺序读第一部分，因为后面各部分都用到其中关于因果、发生频率和效应测量的术语。接着读第7、8章和第12至15章，它们构成设计与效度的核心，每次规划或评价研究时都回头查看。把第三部分当作参考：依次读基础（16至19）和回归章节（20、21），其余章节（生存分析、贝叶斯、交互作用、中介、工具变量、偏倚分析）在项目需要时再选读。第四部分读自己所在领域的章节，其他章节可作为同一套方法的应用背景。由于本书不涉及荟萃分析，需要合并研究时请另配资料。