let op:

We zijn momenteel bezig dit hoofdstuk bij te werken en we waarderen uw geduld terwijl dit wordt voltooid.

Bias in epidemiologisch onderzoek

hoewel de resultaten van een epidemiologisch onderzoek het werkelijke effect van een blootstelling(en) op de ontwikkeling van het onderzochte resultaat kunnen weerspiegelen, moet altijd worden aangenomen dat de bevindingen in feite te wijten kunnen zijn aan een alternatieve verklaring 1.

dergelijke alternatieve verklaringen kunnen te wijten zijn aan de effecten van toeval (willekeurige fout), vooringenomenheid of verstorende effecten die onechte resultaten kunnen opleveren, wat ons tot de conclusie brengt dat er een geldige statistische associatie bestaat wanneer deze niet bestaat of, als alternatief, dat er geen associatie is wanneer deze werkelijk aanwezig is1.

observationele studies zijn bijzonder gevoelig voor de effecten van toeval, bias en verstorende effecten en deze factoren moeten zowel in de ontwerp-als in de analyse-fase van een epidemiologisch onderzoek in aanmerking worden genomen, zodat hun effecten tot een minimum kunnen worden beperkt.

Bias

Bias kan worden gedefinieerd als elke systematische fout in een epidemiologisch onderzoek die resulteert in een onjuiste schatting van het werkelijke effect van een blootstelling op de uitkomst van het onderzoek.1

• Bias is het resultaat van systematische fouten in de onderzoeksmethodologie.
• het effect van bias zal een schatting zijn boven of onder de werkelijke waarde, afhankelijk van de richting van de systematische fout.
• de grootte van de bias is over het algemeen moeilijk te kwantificeren, en er is beperkte ruimte voor de aanpassing van de meeste vormen van bias in de analysefase. Daarom is een zorgvuldige afweging en controle van de manieren waarop bias kan worden ingevoerd tijdens het ontwerp en de uitvoering van het onderzoek essentieel om de effecten op de geldigheid van de onderzoeksresultaten te beperken.

vaak voorkomende bias in epidemiologische studies

meer dan 50 soorten bias zijn geïdentificeerd in epidemiologische studies, maar voor de eenvoud kunnen ze grofweg worden onderverdeeld in twee categorieën: informatie bias en selectie bias.

1. Informatiebias

Informatiebias is het resultaat van systematische verschillen in de manier waarop gegevens over blootstelling of resultaten worden verkregen van de verschillende studiegroepen.1 Dit kan betekenen dat individuen worden ingedeeld in de verkeerde uitkomstcategorie, wat leidt tot een onjuiste schatting van de relatie tussen blootstelling en resultaat.

fouten in metingen zijn ook bekend als misclassificaties, en de omvang van het effect van de bias hangt af van het type misclassificatie dat heeft plaatsgevonden. Er zijn twee soorten misclassificatie – differentieel en niet-differentieel – en deze worden elders behandeld (zie “bronnen van variatie, zijn meting en controle”).de bias van de waarnemer kan het gevolg zijn van de voorkennis van de onderzoeker van de onderzochte hypothese of van de blootstelling of ziektestatus van een individu. Deze informatie kan van invloed zijn op de wijze waarop informatie door de onderzoeker voor elk van de studiegroepen wordt verzameld, gemeten of geïnterpreteerd.

bijvoorbeeld, in een onderzoek met een nieuw medicijn voor de behandeling van hypertensie, kan dit, als de onderzoeker Weet aan welke behandelingsarm deelnemers werd toegewezen, hun meting van bloeddrukmetingen beïnvloeden. Waarnemers kunnen de bloeddruk onderschatten bij degenen die zijn behandeld, en overschatten deze bij degenen in de controlegroep.

vertekening van de Interviewer komt voor wanneer een interviewer belangrijke vragen stelt die systematisch de antwoorden van de geïnterviewden kunnen beïnvloeden.

minimalisering van bias van waarnemer / interviewer:

• waar mogelijk moeten waarnemers worden verblind voor de blootstelling en ziektestatus van de individuele blinde waarnemers voor de onderzochte hypothese.
• in een gerandomiseerde gecontroleerde studie blinde onderzoekers en deelnemers aan de behandelings – en controlegroep (dubbelblindend).
• ontwikkeling van een protocol voor het verzamelen, meten en interpreteren van informatie.
• gebruik van gestandaardiseerde vragenlijsten of gekalibreerde instrumenten, zoals sfygmomanometers.
• opleiding van interviewers.

Recall (of respons) bias – in een case-control-onderzoek worden gegevens over blootstelling retrospectief verzameld. De kwaliteit van de gegevens wordt daarom voor een groot deel bepaald aan de hand van het vermogen van de patiënt om eerdere blootstellingen nauwkeurig te herinneren. Er kan sprake zijn van terugroepactiviteit wanneer de verstrekte informatie over blootstelling verschilt tussen de gevallen en de controles. Zo kan een persoon met de uitkomst die wordt onderzocht (case) zijn blootstellingservaring anders rapporteren dan een persoon zonder de uitkomst (controle) die wordt onderzocht.

Recall bias kan resulteren in een onderschatting of overschatting van het verband tussen blootstelling en resultaat.

methoden om recall bias te minimaliseren zijn:

• het verzamelen van blootstellingsgegevens uit werk-of medische dossiers.
• verblindende deelnemers aan de studiehypothese.de voorkeur voor sociale wenselijkheid komt voor wanneer respondenten op enquêtes geneigd zijn te antwoorden op een manier waarvan zij denken dat ze door anderen als gunstig worden beschouwd, bijvoorbeeld door overmatige melding van positief gedrag of onderrapportage van ongewenste gedragingen. In de rapportage bias, individuen kunnen selectief onderdrukken of onthullen informatie ,om soortgelijke redenen (bijvoorbeeld rond het roken geschiedenis). Rapportage bias kan ook verwijzen naar selectieve uitkomstrapportage door onderzoeksauteurs.

  Prestatiebias verwijst naar wanneer onderzoekspersoneel of deelnemers hun gedrag / reacties wijzigen wanneer zij op de hoogte zijn van groepstoewijzingen.

  Detectiebias treedt op wanneer de manier waarop informatie over de uitkomst wordt verzameld, verschilt van groep tot groep. Meetinstrument bias verwijst naar wanneer een onvoldoende gekalibreerd meetinstrument de meting systematisch overschat / onderschat. Het verblinden van outcome assessors en het gebruik van gestandaardiseerde, gekalibreerde instrumenten kan het risico hiervan verminderen.

  2. Selectie bias

  selectie bias treedt op wanneer er een systematisch verschil is tussen:

  • degenen die aan het onderzoek deelnemen en degenen die dat niet doen (wat de generaliseerbaarheid beïnvloedt) of
  • degenen in de behandelingsarm van een onderzoek en degenen in de controlegroep (wat de vergelijkbaarheid tussen de groepen beïnvloedt).

  dat wil zeggen, er zijn verschillen in de kenmerken tussen de studiegroepen en deze kenmerken houden verband met de blootstelling of het onderzochte resultaat. Selectie bias kan optreden om een aantal redenen.

  Steekproefbias beschrijft het scenario waarin sommige individuen binnen een doelpopulatie vaker voor inclusie worden geselecteerd dan andere. Als de deelnemers bijvoorbeeld worden gevraagd om zich als vrijwilliger voor een studie op te stellen, is het waarschijnlijk dat de vrijwilligers niet representatief zullen zijn voor de algemene bevolking, wat de generaliseerbaarheid van de studieresultaten in gevaar brengt. Vrijwilligers hebben de neiging om meer gezondheid bewust dan de algemene bevolking.

  Allocatiebias komt voor in gecontroleerde proeven wanneer er een systematisch verschil is tussen deelnemers in studiegroepen (anders dan de onderzochte interventie). Dit kan worden voorkomen door randomisatie.

  Loss to follow-up is een bijzonder probleem in verband met cohortstudies. Er kan sprake zijn van vertekening indien de personen die de follow-up verloren hebben, wat de blootstelling en het resultaat betreft verschillen van de personen die in het onderzoek blijven. Het differentiële verlies van deelnemers uit groepen van een gerandomiseerde controlestudie staat bekend als attrition bias.

  • selectie bias in case-control studies

  selectie bias is een bijzonder probleem inherent aan case-control studies, waar het leidt tot niet-vergelijkbaarheid tussen gevallen en controles. In case-control studies moeten controles worden genomen uit dezelfde populatie als de gevallen, zodat ze representatief zijn voor de populatie die de gevallen heeft veroorzaakt. Controles worden gebruikt om een schatting te geven van de mate van blootstelling van de bevolking. Daarom kan een vertekening van de selectie optreden wanneer de personen die als controle worden geselecteerd, niet representatief zijn voor de populatie die de gevallen heeft veroorzaakt.

  het potentieel voor selectiebias in case-control studies is een bijzonder probleem wanneer gevallen en controles uitsluitend uit ziekenhuis of klinieken worden gerekruteerd. Dergelijke controles kunnen om logistieke redenen de voorkeur verdienen. Ziekenhuispatiënten hebben echter meestal andere kenmerken dan de bredere populatie, bijvoorbeeld Zij kunnen een hoger alcoholgebruik of roken van sigaretten hebben. Hun opname in het ziekenhuis kan zelfs verband houden met hun blootstellingsstatus, zodat de metingen van de blootstelling bij de controlegroepen kunnen verschillen van die bij de referentiepopulatie. Dit kan resulteren in een bevooroordeelde schatting van het verband tussen blootstelling en ziekte.

  bijvoorbeeld, in een case-control studie waarin de effecten van roken op longkanker worden onderzocht, zou de sterkte van de associatie worden onderschat als de controlegroep patiënten met andere aandoeningen op de ademhalingsafdeling waren, omdat opname in het ziekenhuis voor andere longziekten ook gerelateerd kan zijn aan de rookstatus. Subtieler kan het effect van alcohol op leverziekten worden onderschat als de controles van andere afdelingen worden genomen: hoger dan gemiddeld alcoholgebruik kan leiden tot opname voor een verscheidenheid van andere aandoeningen, zoals trauma.

  aangezien de kans op een vertekening van de selectie waarschijnlijk minder problematisch zal zijn in op populatie gebaseerde case-control studies, kunnen buurtcontroles een voorkeursbehandeling zijn wanneer gebruik wordt gemaakt van gevallen uit een ziekenhuis of kliniek. Bij wijze van alternatief kan de kans op vertekening van de selectie tot een minimum worden beperkt door controles uit meer dan één bron te selecteren. Bijvoorbeeld het gebruik van zowel ziekenhuis-als buurtcontroles.

  • selectiebias in cohortstudies

  selectiebias kan minder problematisch zijn in cohortstudies in vergelijking met case-controlstudies, omdat blootgestelde en niet-blootgestelde personen worden ingeschreven voordat zij het resultaat van interesse ontwikkelen.

  Er kan echter een vertekening van de selectie worden ingevoerd wanneer de volledigheid van de follow-up of de vaststelling van gevallen verschilt tussen de blootstellingscategorieën. Zo kan het bijvoorbeeld gemakkelijker zijn om blootgestelde personen die allemaal in dezelfde fabriek werken, op te volgen dan onbelichte controles die uit de Gemeenschap worden geselecteerd (verlies aan follow-up-vooringenomenheid). Dit kan tot een minimum worden beperkt door ervoor te zorgen dat een hoog niveau van follow-up door alle studiegroepen wordt gehandhaafd.

  het effect van gezonde werknemers is een mogelijke vorm van selectiebias die specifiek is voor cohortstudies. Een beroepscohortstudie zou bijvoorbeeld kunnen proberen de ziektecijfers bij personen uit een bepaalde beroepsgroep te vergelijken met personen uit een externe standaardpopulatie. Er is een risico van vooringenomenheid hier omdat mensen die in dienst zijn over het algemeen gezond moeten zijn om te werken. De algemene bevolking zal daarentegen ook mensen omvatten die niet in staat zijn om te werken. Daarom kunnen de mortaliteits – of morbiditeitscijfers in de beroepsgroep cohort lager zijn dan in de bevolking als geheel.

  om het potentieel voor deze vorm van vertekening tot een minimum te beperken, moet een vergelijkingsgroep worden geselecteerd uit een groep werknemers met verschillende functies die op verschillende locaties worden verricht binnen één enkele faciliteit1; bijvoorbeeld een groep niet-blootgestelde kantoormedewerkers. Bij wijze van alternatief kan de vergelijkingsgroep worden gekozen uit een externe populatie van werkzame personen.

  • selectiebias in gerandomiseerde onderzoeken is het theoretisch minder waarschijnlijk dat gerandomiseerde onderzoeken worden beïnvloed door selectiebias, omdat personen willekeurig worden toegewezen aan de groepen die worden vergeleken, en er moeten stappen worden genomen om het vermogen van onderzoekers of deelnemers om invloed uit te oefenen op dit toewijzingsproces tot een minimum te beperken. Weigeringen om deel te nemen aan een onderzoek of latere intrekkingen kunnen echter van invloed zijn op de resultaten indien de redenen verband houden met zowel blootstelling als resultaat.

  Confounding

  Confounding, interactie en effect modificatie

  Confounding geeft een alternatieve verklaring voor een associatie tussen een blootstelling (X) en een resultaat. Het treedt op wanneer een waargenomen associatie in feite verstoord is omdat de blootstelling ook gecorreleerd is met een andere risicofactor (Y). Deze risicofactor Y houdt ook verband met de uitkomst, maar onafhankelijk van de onderzochte blootstelling X. bijgevolg is de geschatte associatie niet hetzelfde als het werkelijke effect van blootstelling X op de uitkomst.

  een ongelijke verdeling van de extra risicofactor Y over de studiegroepen zal tot verwarring leiden. De waargenomen associatie kan geheel of gedeeltelijk te wijten zijn aan de effecten van verschillen tussen de studiegroepen en niet aan de blootstelling die wordt onderzocht.1

  een mogelijke confounder is elke factor die een effect kan hebben op het risico van de onderzochte ziekte. Dit kan factoren met een direct causaal verband aan de ziekte omvatten, evenals factoren die proxy maatregelen voor andere onbekende oorzaken, zoals leeftijd en sociaaleconomische status zijn.2

  

  om een variabele als confounder te kunnen beschouwen:

  1. moet de variabele onafhankelijk van de uitkomst worden geassocieerd (d.w.z. een risicofactor zijn).
  2. de variabele moet ook in verband worden gebracht met de onderzochte blootstelling in de bronpopulatie.
  3. de variabele mag niet liggen op de causale route tussen blootstelling en ziekte.

  voorbeelden van verstorende

  in een studie werd alcoholgebruik geassocieerd met het risico op coronaire hartziekten (CHD). Nochtans, kan het roken de associatie tussen alcohol en CHD verward hebben.

  roken is op zichzelf al een risicofactor voor CHD en is dus onafhankelijk van elkaar in verband gebracht met de uitkomst, en roken wordt ook geassocieerd met alcoholgebruik omdat rokers de neiging hebben meer te drinken dan niet-rokers.

  controle op het mogelijke verstorende effect van roken kan in feite geen verband vertonen tussen alcoholgebruik en CHD.

  

  effecten van verstorende factoren

  veroorzaken, indien niet onder controle, een vertekening in de schatting van het effect van de bestudeerde blootstelling. De effecten van verstorende effecten kunnen resulteren in:

  • een waargenomen associatie wanneer er geen echte associatie bestaat.
  • geen waargenomen associatie wanneer een echte associatie bestaat.
  • een onderschatting van de associatie (negatieve verstorende).
  • een overschatting van de associatie (positieve verstorende).

  controle op verstorende effecten

  verstorende effecten kunnen ofwel in de onderzoeksopzetfase worden aangepakt, ofwel in de analysefase worden gecorrigeerd, mits voldoende relevante gegevens zijn verzameld. Een aantal methoden kan worden toegepast op de controle voor potentiële verstorende factoren en het doel van alle van hen is om de groepen zo vergelijkbaar mogelijk met betrekking tot de confounder(s).

  controle op storende factoren in de ontwerpfase

  potentiële storende factoren kunnen worden geïdentificeerd in de ontwerpfase op basis van eerdere studies of omdat een verband tussen de factor en het resultaat als biologisch plausibel kan worden beschouwd. Methoden om verwarring in de ontwerpfase te beperken zijn randomisatie, beperking en matching.

  • randomisatie

  Dit is de ideale methode om verstorende variabelen te controleren, omdat alle potentiële verstorende variabelen, zowel bekende als Onbekende, gelijkelijk over de studiegroepen moeten worden verdeeld. Het gaat om de willekeurige toewijzing (bijvoorbeeld met behulp van een tabel met willekeurige getallen) van individuen aan studiegroepen. Nochtans, kan deze methode slechts in experimentele klinische proeven worden gebruikt.

  • beperking

  beperking beperkt deelname aan het onderzoek tot personen die vergelijkbaar zijn met de confounder. Als de deelname aan een studie bijvoorbeeld beperkt is tot Niet-rokers, wordt elk mogelijk verstorend effect van roken geëlimineerd. Een nadeel van beperking is echter dat het moeilijk kan zijn om de resultaten van de studie te veralgemenen naar de bredere populatie als de studiegroep homogeen is.1

  * Matching

  Matching omvat het selecteren van controles zodat de verdeling van potentiële verstorende factoren (bijvoorbeeld leeftijd of rookstatus) zo vergelijkbaar mogelijk is met die van de gevallen. In de praktijk wordt dit alleen gebruikt in case-control studies, maar het kan op twee manieren worden gedaan:

  1. paar matching-selecteren voor elk geval een of meer controles met vergelijkbare kenmerken (bijv. dezelfde leeftijd en rookgedrag)
  2. Frequentie – ervoor te zorgen dat als een groep van de gevallen dezelfde kenmerken als de controles

  het Opsporen en controleren voor verstorende bij de analyse

  De aanwezigheid of omvang van confounding in epidemiologische studies is geëvalueerd door het observeren van de mate van discrepantie tussen de ruwe schatting (zonder controle voor verstorende) en de aangepaste raming na boekhouding voor de potentiële confounder(s). Als de schatting is veranderd en er weinig variatie is tussen de stratum specifieke ratio ‘ s (zie hieronder), dan is er bewijs van verstorende.

  Het is niet passend statistische tests te gebruiken om de aanwezigheid van verstorende stoffen te beoordelen, maar de volgende methoden kunnen worden gebruikt om het effect ervan tot een minimum te beperken.

  • stratificatie

  stratificatie maakt het mogelijk het verband tussen blootstelling en resultaat te onderzoeken binnen verschillende strata van de confounding variable, bijvoorbeeld naar leeftijd of geslacht. De sterkte van de associatie wordt aanvankelijk afzonderlijk gemeten binnen elk stratum van de verstorende variabele. In de veronderstelling dat de stratum-specifieke percentages relatief uniform zijn, kunnen zij vervolgens worden samengevoegd om een beknopte schatting te geven zoals aangepast of gecontroleerd voor de potentiële confounder. Een voorbeeld hiervan is de Mantel-Haenszel methode. Een nadeel van deze methode is dat hoe meer de oorspronkelijke steekproef wordt gestratificeerd, hoe kleiner elk stratum zal worden, en de macht om associaties te ontdekken wordt verminderd.

  • multivariabele analyse

  statistische modellering (bijv. multivariable regressieanalyse) wordt gebruikt om voor meer dan één confounder tegelijkertijd te controleren, en staat voor de interpretatie van het effect van elke confounder individueel toe. Het is de meest gebruikte methode voor het omgaan met verstorende in de analysefase.

  • standaardisatie

  standaardisatie houdt confounders (in het algemeen leeftijd en geslacht) in door gebruik te maken van een standaard referentiepopulatie om het effect van verschillen in de verdeling van verstorende factoren tussen de onderzoekspopulaties te neutraliseren. Zie “tellers, noemers en risicopopulaties” voor meer details.

  Reststoring

  Het is alleen mogelijk om confounders in de analysefase te controleren als gegevens over confounders nauwkeurig werden verzameld. Restverstoring treedt op wanneer alle verstorende factoren niet voldoende zijn gecorrigeerd, hetzij omdat ze onnauwkeurig zijn gemeten, hetzij omdat ze niet zijn gemeten (bijvoorbeeld Onbekende verstorende factoren). Een voorbeeld hiervan is de socio-economische status, omdat deze van invloed is op meerdere gezondheidsresultaten, maar moeilijk nauwkeurig te meten is.3

  interactie (effect modificatie)

  interactie treedt op wanneer de richting of grootte van een associatie tussen twee variabelen varieert afhankelijk van het niveau van een derde variabele (de effect modifier). Bijvoorbeeld, kan aspirine worden gebruikt om de symptomen van virale ziekten, zoals griep te beheren. Hoewel het bij volwassenen effectief kan zijn, wordt het gebruik van aspirine bij kinderen met virale aandoeningen geassocieerd met leverdysfunctie en hersenbeschadiging (syndroom van Reye).4 in dit geval wordt het effect van aspirine op het beheer van virale ziekten door leeftijd gewijzigd.

  wanneer er interactie bestaat, kan de berekening van een algemene schatting van een associatie misleidend zijn. In tegenstelling tot verstorende, interactie is een biologisch fenomeen en moet niet statistisch worden aangepast voor. Een gemeenschappelijke methode voor het omgaan met Interactie is het analyseren en presenteren van de associaties voor elk niveau van de derde variabele. In het bovenstaande voorbeeld zou de kans op het ontwikkelen van het syndroom van Reye na gebruik van aspirine bij virale ziekten veel groter zijn bij kinderen in vergelijking met volwassenen, en dit zou de rol van de leeftijd als effect modifier benadrukken. De interactie kan statistisch worden bevestigd, bijvoorbeeld met behulp van een chi-kwadraattest om heterogeniteit in de stratum-specifieke schattingen te beoordelen. Het is echter bekend dat dergelijke tests een laag vermogen hebben voor het detecteren van interactie5 en een visuele inspectie van Stratum-specifieke schattingen wordt ook aanbevolen.

  1. Hennekens CH, Buring JE. Epidemiology in Medicine, Lippincott Williams & Wilkins, 1987.Carneiro I, Howard N. Introduction to Epidemiology. Open University Press, 2011.
  2. http://www.edmundjessop.org.uk/fulltext.doc – Geraadpleegd op 20/02/16
  3. McGovern MC. Reye ‘ s syndroom en aspirine: opdat we het niet vergeten. BMJ 2001; 322: 1591.
  4. Marshall SW. Vermogen voor interactietests: effect van het verhogen van het type 1 foutenpercentage. Epidemiologische perspectieven en innovaties 2007; 4: 4.