编辑推荐：
在医学研究中，参数估计意义重大，如风险比（RR）、优势比（OR）、风险比（HR）等常通过指数化回归系数获得。但这些估计存在偏差，影响结果准确性。研究人员分析相关数据后发现，纠正指数化偏差会使估计值显著不同。该研究为医学研究提供更可靠估计，意义重大。
在医学研究的广阔领域中，从探究疾病的危险因素，像幽门螺杆菌感染与胃癌风险的关联，到评估新药物或治疗手段的效果，如 SGLT - 2i 对心力衰竭患者住院和死亡率的影响，参数估计都起着举足轻重的作用。其中，优势比（OR）、风险比（RR）和风险比（HR）这些关键指标，常通过对回归系数进行指数化来得到，以便更直观地解释研究结果。然而，一个不容忽视的问题出现了，这些指数化后的估计值往往存在偏差。这不仅可能导致对疾病风险的误判，还会影响到基于研究结果制定的医疗决策和公共卫生政策的准确性。就好比在黑暗中摸索，错误的估计值就像错误的导航，让医学研究的道路充满了不确定性。为了拨云见日，来自斯洛文尼亚卢布尔雅那大学医学院、奥地利维也纳医科大学、英国华威大学等机构的研究人员，展开了一项深入的研究。他们的研究成果发表在《BMC Medical Research Methodology》上，为解决这一长期困扰医学研究的难题带来了曙光。
研究人员采用了两种主要的关键技术方法。一是运用自动化文本挖掘程序，从 MEDLINE/PubMed 英文摘要中提取 OR、RR 和 HR 的估计值及其置信区间。他们通过精心设计的正则表达式规则，在大量的文献数据中 “大海捞针”，获取了丰富的数据资源。二是使用 R 语言进行数据分析，利用 brglm2 包中的 expo () 方法计算校正后的估计值，以此来评估偏差校正的效果。
研究结果主要从以下几方面呈现：
- 数据基本特征：在提取并清理数据后，发现最常提取的效应类型是 OR（62.38%），其次是 HR（22.88%）和 RR（14.73%）。多数效应大小（ψ^）大于 1，且置信区间不包含 1，表明存在效应。同时，OR 的中位值和四分位距以及估计标准误差最高，RR 最低。
- 偏差校正后的收缩情况：研究人员发现，校正指数化偏差会使估计值向零收缩。两种校正估计量ψ~TA和ψ~LA中，ψ~LA的收缩程度更大。对于所有三种效应类型，大多数效应大小收缩小于 5%，但仍有相当比例的效应值收缩较大，如约 35% 的 ORs、22% 的 RRs 和 24% 的 HRs 收缩大于 5%，约 5% 的 ORs、3% 的 RRs 和 2% 的 HRs 收缩大于 25%。而且，报告正向效应（ψ^≥1）的估计值收缩程度比负向效应（ψ^<1）更大。
研究结论和讨论部分指出，ORs、RRs 和 HRs 这些指数化估计值的偏差，源于原始估计量的偏差和指数化带来的偏差。虽然可以通过偏差校正的原始估计量去除部分偏差，但仅校正指数化偏差可能并不足够，尤其是当原始估计量偏差较大或为负时。此外，减少指数化尺度上的偏差可能会增加低估风险。然而，在实际应用中，鉴于回归尺度上偏差减少方法的广泛可用性，研究人员鼓励从业者常规使用这些方法。在政策和规划等对估计准确性要求较高的场景中，更应校正指数化偏差，以提供更可靠的关键效应量估计。这项研究为医学研究人员在处理数据和评估结果时提供了重要的参考，让他们在医学研究的道路上能更加准确地把握方向，为推动医学发展和保障公众健康奠定了坚实的基础。
