upozornění:

v současné době jsme v procesu aktualizace této kapitoly a vážíme si vaší trpělivosti, zatímco je tato dokončena.

Zkreslení v Epidemiologické Studie

Zatímco výsledky epidemiologických studií mohou odrážet skutečný účinek expozice(s) na rozvoj výsledek v šetření, to by mělo být vždy za to, že zjištění mohou být ve skutečnosti vzhledem k alternativní explanation1.

tato alternativní vysvětlení může být způsobeno účinky šanci (náhodná chyba), předpojatost nebo zkreslující, které mohou vést k falešným výsledkům, nás vede k závěru, že existuje validní statistické asociace, když jeden neexistuje, nebo případně absence sdružení, když jeden je opravdu present1.

Pozorovací studie jsou zvláště citlivé na účinky šanci, předpojatosti a matoucích a tyto faktory je třeba zvážit při navrhování a analýzy fáze epidemiologické studie tak, že jejich účinky mohou být minimalizovány.

Bias

Bias lze definovat jako jakoukoli systematickou chybu v epidemiologické studii, která má za následek nesprávný odhad skutečného účinku expozice na výsledek zájmu.1

• Bias vyplývá ze systematických chyb v metodice výzkumu.
• efekt zkreslení bude odhad buď nad nebo pod skutečnou hodnotou, v závislosti na směru systematické chyby.
• velikost zkreslení je obecně obtížné kvantifikovat, a omezené existuje prostor pro úpravu většiny forem zkreslení ve fázi analýzy. V důsledku toho je nezbytné pečlivé zvážení a kontrola způsobů, kterými může být zkreslení zavedeno během návrhu a provádění studie, aby se omezily účinky na platnost výsledků studie.

Běžné typy zkreslení v epidemiologických studiích,

Více než 50 typů zkreslení zjištěné v epidemiologických studiích, ale pro jednoduchost mohou být obecně rozděleny do dvou kategorií: informace, zaujatost a výběrové zkreslení.

1. Informační zkreslení

informační zkreslení vyplývá ze systematických rozdílů ve způsobu, jakým jsou získávány údaje o expozici nebo výsledku z různých studijních skupin.1 to může znamenat, že jednotlivci jsou zařazeni do kategorie nesprávných výsledků, což vede k nesprávnému odhadu souvislosti mezi expozicí a výsledkem.

chyby v měření jsou také známé jako nesprávné klasifikace a velikost účinku zkreslení závisí na typu nesprávné klasifikace, ke které došlo. Existují dva typy nesprávného zařazení – diferenciální a non-diferenciální – a tyto jsou řešeny jinde (viz „Zdroje variability, jeho měření a řízení“).

zaujatost pozorovatele může být výsledkem předchozí znalosti vyšetřovatele o vyšetřované hypotéze nebo znalosti expozice nebo stavu onemocnění jednotlivce. Tyto informace mohou ovlivnit způsob, jakým jsou informace shromažďovány, měřeny nebo interpretovány zkoušejícím pro každou ze studovaných skupin.

například, v procesu, nové léky k léčbě hypertenze, pokud vyšetřovatel si je vědom, jaká léčba ruku účastníků byly přiděleny, může to ovlivnit jejich čtení měření krevního tlaku. Pozorovatelé mohou podceňovat krevní tlak u těch, kteří byli léčeni, a přeceňovat to v těch v kontrolní skupině.

zaujatost tazatele nastává, když tazatel položí hlavní otázky, které mohou systematicky ovlivňovat odpovědi dotazovaných.

minimalizace zaujatosti pozorovatele / tazatele:

• Kde je to možné, by pozorovatelé měli být schopni expozice a nemoc stav jedince
• Slepá pozorovatele k hypotéze předmětem vyšetřování.
• v randomizované kontrolované studii slepí vyšetřovatelé a účastníci léčby a kontrolní skupiny (dvojitě oslepující).
• vývoj protokolu pro sběr, měření a interpretaci informací.
• použití standardizovaných dotazníků nebo kalibrovaných nástrojů, jako jsou sfygmomanometry.
• školení tazatelů.

Recall (nebo response) bias-v případové kontrolní studii jsou údaje o expozici shromažďovány retrospektivně. Kvalita údajů je proto do značné míry určována na schopnosti pacienta přesně vzpomenout na minulé expozice. Zkreslení vyvolání může nastat, pokud se informace poskytnuté o expozici liší mezi případy a kontrolami. Například jednotlivec s vyšetřovaným výsledkem (případem) může hlásit své zkušenosti s expozicí jinak než jednotlivec bez vyšetřovaného výsledku (kontroly).

zkreslení vyvolání může vést buď k podcenění nebo nadhodnocení souvislosti mezi expozicí a výsledkem.

metody pro minimalizaci zkreslení vyvolání zahrnují:

• shromažďování údajů o expozici z pracovních nebo lékařských záznamů.
• oslepující účastníky hypotézy studie.

Sociální potřebnosti zkreslení dochází, kde respondenti průzkumů mají tendenci odpovídat způsobem, který oni cítí, bude vnímáno jako příznivé jiní, například tím, že přes-hlášení pozitivní chování nebo pod-hlášení nežádoucí ty. Při vykazování zaujatosti mohou jednotlivci selektivně potlačit nebo odhalit informace z podobných důvodů(například kolem historie kouření). Vykazování zkreslení může také odkazovat na selektivní hlášení výsledků autory studie.

zkreslení výkonu označuje, kdy pracovníci studie nebo účastníci mění své chování / odpovědi, pokud jsou si vědomi rozdělení skupin.

detekce zkreslení nastane, když způsob, jakým jsou shromažďovány informace o výsledku se liší mezi skupinami. Zkreslení přístroje se týká případů, kdy nedostatečně kalibrovaný měřicí přístroj systematicky nadhodnocuje / podceňuje měření. Oslepení hodnotitelů výsledků a použití standardizovaných kalibrovaných přístrojů může toto riziko snížit.

2. Výběrové zkreslení

Výběrové zkreslení nastane, když tam je systematický rozdíl mezi:

• Ti, kteří účast ve studii a těmi, kteří nemají (postihují generalisability) nebo
• Ti, v rameni studie, a těch v kontrolní skupině (ovlivňující srovnatelnost mezi skupinami).

to znamená, Že existují rozdíly v charakteristice jednotlivých studijních skupin, a tyto charakteristiky jsou vztaženy buď expozice, nebo výsledek v šetření. Zkreslení výběru může nastat z mnoha důvodů.

vzorkovací zkreslení popisuje scénář, ve kterém jsou někteří jedinci v cílové populaci s větší pravděpodobností vybráni k zařazení než jiní. Například, pokud účastníci jsou požádáni, aby dobrovolnice pro studii, je pravděpodobné, že ti, kteří dobrovolně nebude zástupce obecné populace, ohrožující generalisability výsledků studie. Dobrovolníci mají tendenci být více zdraví vědomé než běžné populace.

zkreslení alokace se vyskytuje v kontrolovaných studiích, pokud existuje systematický rozdíl mezi účastníky ve studovaných skupinách(kromě studovaného zásahu). Tomu lze zabránit randomizací.

ztráta následného sledování je zvláštní problém spojený s kohortovými studiemi. Zkreslení může být zavedeno, pokud se jednotlivci, kteří ztratili sledování, liší s ohledem na expozici a výsledek od těch osob, které zůstávají ve studii. Diferenciální ztráta účastníků ze skupin randomizované kontrolní studie je známá jako zkreslení opotřebení.

• Výběrové zkreslení v case-control studiích,

Výběrové zkreslení je zvláštní problém, tkvící v case-control studiích, kde to vede k nesrovnatelnosti mezi případy a kontrolami. V case-control studiích, kontroly by měly být čerpány z téže populace jako případy, takže jsou reprezentativní pro populaci, která vyrábí případech. Kontroly se používají k poskytnutí odhadu míry expozice v populaci. Proto, zkreslení výběru může nastat, pokud tito jedinci vybraní jako kontroly nereprezentují populaci, která případy vytvořila.

potenciál zkreslení výběru ve studiích case-control je zvláštním problémem, pokud jsou případy a kontroly přijímány výhradně z nemocnice nebo klinik. Tyto kontroly mohou být výhodné z logistických důvodů. Nemocniční pacienti však mají tendenci mít odlišné vlastnosti než širší populace, například mohou mít vyšší úroveň konzumace alkoholu nebo kouření cigaret. Jejich přijetí do nemocnice může dokonce souviset s jejich expozičním stavem, takže měření expozice mezi kontrolami se mohou lišit od měření v referenční populaci. To může vést k zkreslenému odhadu souvislosti mezi expozicí a onemocněním.

například, v case-control studie, která zkoumala vliv kouření na rakovinu plic, síla asociace by být podceňována, kdyby kontroly byly u pacientů s dalšími podmínkami na dýchací oddělení, protože přijetí do nemocnice pro jiné onemocnění plic může být také v souvislosti s kouřením. Více jemně, vliv alkoholu na onemocnění jater by mohly být podhodnoceny, pokud ovládací prvky jsou převzaty z jiných oddělení: vyšší než průměrná spotřeba alkoholu může mít za následek vstupné pro řadu dalších podmínek, jako je trauma.

Jako potenciál pro výběrové zkreslení je pravděpodobné, že bude menší problém v populaci-based case-control studií, sousedství kontroly mohou být vhodnější volbou při použití případů z nemocnice nebo na klinice nastavení. Alternativně může být potenciál zkreslení výběru minimalizován výběrem ovládacích prvků z více než jednoho zdroje. Například využití nemocničních i sousedských kontrol.

• selekční bias v kohortových studií

Selection bias může být menší problém v kohortových studií ve srovnání s case-control studií, protože exponovaných a neexponovaných jedinců jsou zapsáni dříve, než se rozvíjet na výsledku zájem.

může však být zavedeno zkreslení výběru, pokud se úplnost následného sledování nebo zjišťování případů liší mezi jednotlivými kategoriemi expozice. Například může být snazší sledovat exponované osoby, které pracují ve stejné továrně, než neexponované kontroly vybrané z komunity (ztráta následného zkreslení). To lze minimalizovat zajištěním zachování vysoké úrovně následného sledování ve všech studijních skupinách.

efekt zdravého pracovníka je potenciální forma výběrového zkreslení specifická pro kohortní studie z povolání. Například, kohortová studie z povolání by se mohla snažit porovnat míru nemocí mezi jednotlivci z určité pracovní skupiny s jednotlivci v externí standardní populaci. Existuje zde riziko zaujatosti, protože jednotlivci, kteří jsou zaměstnáni, musí být obecně zdraví, aby mohli pracovat. Naproti tomu běžná populace bude zahrnovat i ty, kteří nejsou způsobilí k práci. Proto může být úmrtnost nebo morbidita v kohortě okupační skupiny nižší než v populaci jako celku.

s cílem minimalizovat potenciál pro tuto formu zkreslení, srovnávací skupina by měla být vybrána ze skupiny pracovníků s různou pracovní místa provádí na různých místech v rámci jednoho facility1; například, skupina non-vystaveny kancelářských pracovníků. Alternativně může být srovnávací skupina vybrána z externí populace zaměstnaných osob.

• Výběrové zkreslení v randomizovaných studiích,

Randomizovaných studiích jsou teoreticky méně pravděpodobné, že být ovlivněny výběrovým zkreslením, protože jednotlivci jsou náhodně přidělena do skupiny, být ve srovnání, a měla by být přijata opatření, aby se minimalizovala možnost vyšetřovatelů nebo účastníky, aby vliv tohoto procesu přidělování. Odmítnutí účasti ve studii nebo následné stažení však může ovlivnit výsledky, pokud důvody souvisejí s expozicí i výsledkem.

Matoucí

Matoucí, interakce a vliv modifikace

Matoucí poskytuje alternativní vysvětlení pro souvislost mezi expozicí (X) a výsledek. Vyskytuje se, když je pozorovaná asociace ve skutečnosti zkreslená, protože expozice je také korelována s jiným rizikovým faktorem (Y). Tento rizikový faktor Y je také spojena s výsledkem, ale nezávisle na expozici v rámci šetření, X. v důsledku toho, odhaduje asociace není to stejné jako skutečný efekt expozice X na výsledek.

nerovnoměrné rozdělení dalšího rizikového faktoru, Y, mezi studované skupiny bude mít za následek matoucí. Pozorovaná asociace může být způsobeno zcela, nebo zčásti účinky rozdíly mezi studijní skupiny, spíše než expozice v šetření.1

potenciální zmatek je jakýkoli faktor, který by mohl mít vliv na riziko studovaného onemocnění. To může zahrnovat faktory, které mají přímou příčinnou souvislost s onemocněním, stejně jako faktory, které jsou proxy opatření týkající se jiných neznámých příčin, jako je věk a socioekonomický status.2

aby pro proměnnou považovat za confounder:

1. proměnná musí být nezávisle spojena s výsledkem (tj. být rizikovým faktorem).
2. proměnná musí být také spojena se studovanou expozicí ve zdrojové populaci.
3. proměnná by neměla ležet na příčinné dráze mezi expozicí a onemocněním.

příklady matoucích

studie zjistila, že konzumace alkoholu je spojena s rizikem ischemické choroby srdeční (CHD). Kouření však mohlo zmást souvislost mezi alkoholem a CHD.

kouření je samo o sobě rizikovým faktorem pro CHD, takže je nezávisle spojeno s výsledkem a kouření je také spojeno s konzumací alkoholu, protože kuřáci mají tendenci pít více než nekuřáci.

kontrola možného matoucího účinku kouření nemusí ve skutečnosti vykazovat žádnou souvislost mezi konzumací alkoholu a CHD.

Účinky matoucí

Matoucích faktorů, pokud není kontrolována, protože zkreslení při odhadu dopadu expozice studovány. Účinky zmatení mohou mít za následek:

• pozorovanou asociaci, pokud neexistuje žádná skutečná asociace.
• žádná pozorovaná asociace, pokud existuje skutečná asociace.
• podcenění asociace (negativní matoucí).
• nadhodnocení asociace (pozitivní matoucí).

pro Ovládání matoucí

Matoucí může být určena buď na studijním fázi návrhu, nebo upravit pro ve fázi analýzy poskytují dostatečné množství relevantních dat byly shromážděny. Pro kontrolu potenciálních matoucích faktorů lze použít řadu metod a cílem všech z nich je, aby byly skupiny co nejpodobnější s ohledem na matoucí faktory.

Ovládání pro matoucích ve fázi návrhu,

Potenciální zavádějící faktory mohou být identifikovány ve fázi návrhu, na základě předchozí studie, nebo proto, že souvislost mezi faktorem a výsledek může být považován za biologicky věrohodný. Metody omezení matení ve fázi návrhu zahrnují randomizaci, omezení a párování.

• Randomizace

Toto je ideální způsob řízení za zmatečné, protože všech možných matoucích proměnných, a to jak známé a neznámé, by měly být rovnoměrně rozloženy mezi studijních skupin. Pomocí tabulky náhodných čísel) jednotlivců ke studiu skupin. Tuto metodu však lze použít pouze v experimentálních klinických studiích.

* omezení

omezení omezuje účast ve studii na jednotlivce, kteří jsou si podobní ve vztahu k zmatenému. Pokud je například účast ve studii omezena pouze na nekuřáky, bude vyloučen jakýkoli potenciální matoucí účinek kouření. Nevýhodou omezení je však to, že může být obtížné zobecnit výsledky studie na širší populaci, pokud je studijní skupina homogenní.1

* shoda

shoda zahrnuje výběr ovládacích prvků tak, aby rozdělení potenciálních zmatků (např. věk nebo kouření) bylo co nejvíce podobné jako u případů. V praxi se to používá pouze ve studiích case-control, ale lze to provést dvěma způsoby:

1. párování-výběr pro každý případ jednoho nebo více kontrol s podobnými vlastnostmi (např. stejný věk a kouření)
2. Frekvence odpovídající – zajištění toho, že jako skupina případů má podobné vlastnosti ovládací prvky

Zjištění a řízení za zmatečné ve fázi analýzy

přítomnost nebo velikost matoucích v epidemiologických studiích je hodnocena na základě pozorování stupeň rozpor mezi hrubý odhad (bez kontroly matoucí) a upraven odhad po zohlednění potenciální confounder(s). Pokud se odhad změnil a existuje malá odchylka mezi poměry specifickými pro stratum (viz níže), pak existují důkazy o zmatení.

není vhodné používat statistické testy k posouzení přítomnosti zmatku, ale k minimalizaci jeho účinku lze použít následující metody.

* stratifikace

stratifikace umožňuje zkoumat souvislost mezi expozicí a výsledkem v různých vrstvách matoucí proměnné, například podle věku nebo pohlaví. Síla asociace se zpočátku měří Samostatně v každé vrstvě matoucí proměnné. Za předpokladu, že sazby specifické pro stratum jsou relativně jednotné, mohou být poté sloučeny, aby poskytly souhrnný odhad jako upravený nebo kontrolovaný pro potenciální zmatek. Příkladem je Mantel-Haenszelova metoda. Jednou nevýhodou této metody je, že čím více je původní vzorek stratifikován, tím menší bude každá vrstva a sníží se schopnost detekovat asociace.

* vícerozměrná analýza

statistické modelování (např. multivariabilní regresní analýza) se používá k řízení více než jednoho zmatku současně a umožňuje interpretaci účinku každého zmatku individuálně. Je to nejčastěji používaná metoda pro řešení zmatků ve fázi analýzy.

• Normalizace

Normalizace účtů pro confounders (obecně věku a pohlaví) pomocí standardní referenční populace negovat účinek rozdíly v distribuci další faktory, mezi studie populace. Další podrobnosti viz „Čitatelé, jmenovatelé a ohrožené populace“.

Zbytkové matoucí

To je možné pouze ovládání pro let ve fázi analýzy, pokud údaje o zkreslující jevy byly přesně zjišťovat. Zbytkový zavádějící nastane, když všechny zkreslující jevy nebyly dostatečně upraveny pro, buď proto, že byly nepřesně měří, nebo proto, že nebyly měřeny (například neznámé confounders). Příkladem by byl socioekonomický status, protože ovlivňuje více zdravotních výsledků, ale je obtížné přesně měřit.3

interakce (modifikace efektu)

interakce nastává, když se směr nebo velikost asociace mezi dvěma proměnnými mění podle úrovně třetí proměnné(modifikátor efektu). Například aspirin může být použit k léčbě příznaků virových onemocnění, jako je chřipka. I když však může být účinný u dospělých, užívání aspirinu u dětí s virovými onemocněními je spojeno s dysfunkcí jater a poškozením mozku (Reyeův syndrom).4 v tomto případě je účinek aspirinu na zvládnutí virových onemocnění upraven podle věku.

Pokud existuje interakce, může být výpočet celkového odhadu asociace zavádějící. Na rozdíl od matení je interakce biologickým jevem a neměla by být statisticky upravována. Běžnou metodou řešení interakce je analýza a prezentace asociací pro každou úroveň třetí proměnné. Ve výše uvedeném příkladu by šance na rozvoj Reyeho syndromu po použití aspirinu u virových onemocnění byla mnohem větší u dětí ve srovnání s dospělými, což by zdůraznilo roli věku jako modifikátoru účinku. Interakce může být potvrzena statisticky, například pomocí testu chí-kvadrát k posouzení heterogenity v odhadech specifických pro vrstvu. Je však známo, že takové testy mají nízký výkon pro detekci interakce5 a doporučuje se také vizuální kontrola odhadů specifických pro stratum.

1. Hennekens CH, Buring JE. Epidemiologie v medicíně, Lippincott Williams & Wilkins, 1987.
2. Carneiro I, Howard N. Úvod do epidemiologie. Open University Press, 2011.
3. http://www.edmundjessop.org.uk/fulltext.doc – Accessed 20/02/16
4. McGovern MC. Reyeův syndrom a aspirin: abychom nezapomněli. BMJ 2001; 322: 1591.
5. Marshall SW. Výkon pro zkoušky interakce: účinek zvýšení chybovosti typu 1. Epidemiologické perspektivy a inovace 2007; 4: 4.