跳到正文
← 返回论文列表与筛选
阅读说明

本页整理公开书目信息,不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成,未完成全文核验,可能有误;具体假设、证明与结论请核对原文。摘要保留来源文本,未经模型改写。

DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要;缺少可靠材料时保留待补状态。

引用量采用 OpenAlex 单条关联记录,不合计多个记录;关联记录可能包含正式发表版本,不等于此版本单独引用。缺失不视为零,引用指标不代表论文质量。

关注作者按书目中的完整姓名匹配,同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列,再参考通用方法与发表日期。

分类依据与纠错

AI 根据所提供的论文材料归类:摘要明确关注非随机化比较、偏差识别与偏差消除,这些内容直接关联观察性研究中的因果推断。

反馈分类问题

正在核对关联版本…

代码、数据与补充材料

正在核对对应版本的资源…

关注这篇论文的作者
Sonja M. McKinlay

观察性研究的设计与分析:综述

研究问题
在缺少充分随机化、尤其涉及人群的比较研究中,如何设计与分析研究以减少偏差,并识别需要进一步发展的方法?
方法与思路
作者综述偏差降低技术的发展,讨论列联表分析对偏差成分识别与估计的作用,并纳入偏差消除评估及测量误差研究。
材料陈述的贡献
摘要明确提供观察性研究设计与分析的历史和方法综述,梳理偏差处理方面的重要进展,并指出正在出现的研究需求。
阅读关注点
应核对各类偏差的定义、调整方法依赖的信息与条件,以及测量误差和偏差消除评估如何影响非随机比较的解释。
阅读边界
仅据 OpenAlex 索引摘要,稿件版本未注明,不推断刊本变化;这是一篇综述,摘要未提供具体因果识别假设或调整方法有效性的结论。

原文摘要

In recent years the number of studies which attempt comparisons without adequate randomization has increased rapidly, particularly in disciplines and areas of research involving human populations. This article highlights some of the more important developments (and emerging needs) in the design and analysis of such investigations. It provides a historical overview of those techniques adapted to bias reduction, covers recent developments in contingency table analysis, particularly as this relates to the identification and estimation of possible bias components, and considers recent work on the statistical evaluation of methods of bias removal. Since it is clearly relevant to considerations of bias, pertinent work on measurement error is also included.

笔记与分组
相关领域论文