暴露測量中的誤差可能會對所研究的暴露-疾病關係產生不同的影響，這取決於誤差的分佈方式。 如果流行病學研究是盲目進行的（即，在不了解研究參與者的疾病或健康狀況的情況下進行測量），我們預計測量誤差將均勻分佈在疾病或健康狀況的各個層面。

表 1 提供了一個示例：假設我們招募了一群在工作中接觸有毒物質的人，以調查一種常見疾病。 我們僅在招募時確定暴露狀態（T₀), 而不是在後續的任何進一步時間點。 然而，假設許多人確實在下一年改變了他們的暴露狀態：在時間 T₁，原來250名接觸者中有1,200人停止接觸，而原來150名未接觸者中有750人開始接觸毒物。 因此，在時間 T₁, 1,100 人暴露，850 人未暴露。 因此，根據我們在時間 T 對暴露狀態的初始測量，我們對暴露進行了“錯誤分類”₀. 然後在 20 年後（在時間 T₂) 並評估疾病的累積風險。 （示例中的假設是只有超過一年的風險才是一個問題。）

表 1. 在時間 T 招募的 1950 人（在工作中暴露和未暴露）的假設隊列₀ 並且在時間 T 確定其疾病狀態₂

暴露工人 1200 250 退出暴露 1100 (1200-250+150)

時間 T 的病例數₂ = 220 暴露在外的工人

非接觸工人 750 150 開始接觸 850 (750-150+250)

時間 T 的病例數₂ = 85 在未接觸的工人中

真正的風險 時間 T 的疾病₂ 在暴露的工人中為 20% (220/1100)，
未接觸的工人 (10/85) 為 850%（風險比 = 2.0）。

預估風險 在 T₂ 被歸類為暴露於 T 的人群中的疾病₀：20％
（即暴露者的真實風險）´ 950（即 1200-250）+ 10%
（即未暴露的真實風險）´ 250 = (190+25)/1200 = 17.9%

預估風險 在 T₂ 被歸類為非暴露的人群中的疾病
T₀: 20%（即暴露者的真實風險）´ 150 +10%
（即未暴露的真實風險）´ 600（即 750-150）= (30+60)/750 = 12%

估計風險比率 = 17.9% / 12% = 1.49

在這個例子中，錯誤分類取決於研究設計和人群特徵，而不是暴露測量的技術限制。 錯誤分類的影響是暴露人群和未暴露人群的累積風險之間的“真實”比率 2.0 變為“觀察到”比率 1.49（表 1）。 這種對風險比率的低估源於暴露與疾病之間關係的“模糊”，這種情況發生在暴露的錯誤分類（如本例）根據疾病或健康狀況均勻分佈時（即，暴露測量是不受此人是否患有我們正在研究的疾病的影響）。

相比之下，當暴露錯誤分類未均勻分佈在感興趣的結果中時，可能會低估或高估感興趣的關聯。 在示例中，我們可能有 偏見, 如果暴露分類取決於工人的疾病或健康狀況，不僅會模糊病因學關係。 例如，如果我們決定從一組暴露的工人和一組未暴露的工人那裡收集生物樣本，以便識別與工作暴露相關的早期變化，就可能會出現這種情況。 與未暴露的工人樣本相比，暴露工人的樣本可能會以更準確的方式進行分析； 科學好奇心可能會促使研究人員測量暴露人群中的其他生物標誌物（包括淋巴細胞中的 DNA 加合物或 DNA 氧化損傷的尿液標誌物），假設這些人在科學上“更有趣”。 這是一種相當普遍的態度，但可能會導致嚴重的偏見。

上一頁