comentariu: trei lumi se ciocnesc: biasul lui Berkson, biasul selecției și biasul colizorului

biasul lui Berkson

în 1984 unul dintre noi (N. P.) locuia pe plaja din Noua Zeelandă. Îmi scriam teza de doctorat, când am avut o accidentare la fotbal (‘fotbal’) care mi-a dat o problemă severă la spate timp de o săptămână. După primele două zile în care m-am întins pe spate ascultând muzică și neputând face altceva, m-am trezit în miez de noapte cu greață și amețeli aparent cauzate de o infecție a urechii interne. În următoarele cinci zile am avut dureri de spate severe când m-am ridicat, greață severă și amețeli când m-am întins și un amestec din cele două când m-am așezat pe un scaun. Scopul povestirii acestei povești triste nu este de a relata istoricul meu medical cititorilor IJE, ci mai degrabă pentru că este relevant pentru povestea prejudecății lui Berkson, pe care o studiasem la acea vreme. Nu am fost internat în spital, dar a fost un lucru aproape și mi—a dat o experiență directă despre cum ‘persoanele cu două sau mai multe boli au o probabilitate mai mare de a fi spitalizate decât persoanele cu o singură boală-chiar dacă aceste rezultate sunt independente’.1 Dacă aș fi fost spitalizat și recrutat pentru un studiu al infecțiilor urechii interne și dacă ar fi existat destui alți oameni ca mine, atunci probabil că am fi contribuit la o concluzie falsă că leziunile de fotbal (care mi—au cauzat problema spatelui) au fost o cauză a infecțiilor urechii interne-aceasta corespunde formei indirecte a prejudecății lui Berkson, 2 așa cum este descris în figura 3A în lucrarea lui Snoep și colab.1

prejudecata lui Berkson (denumită și ‘eroarea lui Berkson’) este probabil una dintre cele mai cunoscute, dar mai puțin bine înțelese, forme de părtinire. Lucrarea de Snoep și colab.1 clarifică ce este prejudecata, de ce uneori contează, dar de ce de obicei nu. vom comenta trei aspecte ale lucrării: (i) utilizarea graficelor aciclice direcționate (dag); (ii) componentele prejudecății lui Berkson; și (iii) puterea și direcția probabilă a acestor prejudecăți.

grafice aciclice direcționate (dag)

lucrarea lui Snoep și colab. ilustrează în mod clar puterea și eleganța graficelor aciclice direcționate (dag). Ceea ce am folosit anterior pentru a încerca să înțelegem folosind cuvinte, probabilități și exemple numerice, poate fi acum explorat mult mai elegant folosind diagrame cauzale. Aceasta reprezintă un progres real și clarifică multe aspecte ale prejudecății lui Berkson.

mai general, dag-urile au clarificat relația anterior tulbure dintre părtinirea selecției și confuzie. În mod tradițional, prejudecata de selecție a fost descrisă ca părtinire care rezultă din selecția inadecvată (sau auto-selecția) subiecților de studiu din populația sursă.3 pe de o parte, acest lucru este destul de clar, dar utilizarea cuvântului selecție a condus adesea la aplicarea termenului la selecția necorespunzătoare a unui grup de comparație,ducând astfel la confuzie cu privire la faptul dacă fenomene precum efectul lucrătorului sănătos sunt exemple de prejudecăți de selecție4 sau de confuzie,5, 6 situația este și mai complicată, deoarece factorii determinanți ai selecției (de exemplu, vârsta, sexul, poziția socioeconomică) pot deveni efectiv confuzi și pot fi controlați în analiză, chiar dacă nu au fost confuzi în populația sursă. Utilizarea dag clarifică acest lucru și face distincția între prejudecățile rezultate din condiționarea (inadecvată) a efectelor comune (‘prejudecată de coliziune’ sau ‘părtinire de selecție’) și lipsa condiționării asupra cauzelor comune ale expunerii și rezultatului (confuzie).6,7 cele două fenomene pot apărea împreună, de exemplu, atunci când condiționăm un colizor care este efectul unei cauze a rezultatului, mai degrabă decât să fie un efect al rezultatului în sine. Unii ar eticheta acest lucru ca părtinire de selecție, 6 alții ar considera că este, de asemenea, un tip de confuzie.8,9

Astfel, deși cei trei termeni sunt uneori folosiți aproape interschimbabil, părtinirea colizorului este fenomenul mai general care implică condiționarea efectelor comune (deși Hernan și colab.6 folosiți termenul ‘părtinire de selecție’ pentru acest fenomen mai general); părtinirea de selecție este atunci un anumit tip de părtinire de coliziune în care efectul comun este selecția în studiu; Biasul lui Berkson este apoi un anumit tip de Bias de selecție10 în care selecția cazurilor în studiu depinde de spitalizare, iar expunerea este o altă boală sau o cauză a unei alte boli, care are ca rezultat și spitalizarea. Este puțin probabil ca acest lucru să fi fost atât de ușor clarificat fără utilizarea DAGs.

componentele biasului lui Berkson

în esența sa, biasul lui Berkson poate fi văzut ca o estimare părtinitoare a șanselor de expunere în rândul cazurilor, deoarece cazurile expuse sunt identificate cu o probabilitate mai mare decât cazurile neexpuse, când rata de spitalizare pentru cazuri este mai mică de 100%, iar expunerea este o altă boală sau o cauză a unei alte boli, care are ca rezultat spitalizarea. Este posibil să ilustrăm cu exemple numerice diferiții pași implicați în părtinirea lui Berkson. Să începem cu populația raportată în tabelul 5 din lucrarea lui Berkson2, unde raportul de Cote este de 1,0 (Tabelul 1).

acum presupunem că studiul compară cazurile spitalizate cu controalele generale ale populației (corespunzând figurii 1B din Snoep și colab.1). Folosim aceleași probabilități de spitalizare pentru boala 1 (expunerea—0,15) și boala 2 (cazurile—0,05) ale lucrării lui Berkson. De asemenea, presupunem (diferit de Berkson2 și de Snoep și colab.1) că întreaga populație are o prevalență de 0,2 și o rată de spitalizare de 0,025 pentru orice altă boală decât D1 și D2 (aceste ipoteze diferite înseamnă că numerele noastre sunt ușor diferite de cele ale Berkson2 și Snoep și colab.1). Dacă studiul compară cazurile spitalizate cu controalele generale ale populației eșantionate din non-cazuri cu o fracțiune de eșantionare de 10%, rezultatele corespunzătoare sunt prezentate în tabelul 2. Rata estimată a cotelor este acum de 3,59, din cauza cotelor de expunere mai mari în cazurile spitalizate (comparativ cu toate cazurile). Acest lucru este cauzat de părtinirea colizorului, așa cum se arată în figura 1B din Snoep și colab.1

rezultatele corespunzătoare dintr-un studiu efectuat în rândul pacienților spitalizați din aceeași populație sunt prezentate în tabelul 3. Tendința este acum în direcția opusă, deoarece creșterea cotelor de expunere în cazuri (comparativ cu toate cazurile) este mai mult decât compensată de o creștere și mai mare a cotelor de expunere în non-cazuri (comparativ cu populația generală). Acest lucru este din nou cauzat de părtinirea colizorului, așa cum este descris în figura 1a din Snoep și colab.1

Tabelul 4 prezintă un exemplu mai similar cu cel al lui Berkson, 2 în care o anumită boală a fost aleasă pentru selectarea controalelor, iar boala de control are o probabilitate de spitalizare de 0,20 și o prevalență de 0,005; raportul de șanse este acum 2,26, iar prejudecata este acum în direcția opusă Tabelului 3, deoarece rata de spitalizare pentru boala de control este mai mare decât rata de spitalizare pentru boala de caz (și, prin urmare, creșterea expunerii este mai mare în cazuri decât în controale).

astfel, atunci când se utilizează controale generale ale populației, părtinirea lui Berkson va tinde să producă rate de cote ridicate (când rata de spitalizare pentru boala de caz este mai mică de 100%); atunci când se utilizează controale spitalicești, părtinirea poate fi în ambele direcții.

puterea și direcția de părtinire

lucrarea de Snoep și colab. nu numai că clarifică aceste mecanisme subiacente ale prejudecății lui Berkson; oferă, de asemenea, estimări ale puterii și direcției sale într-o varietate de circumstanțe (vezi Snoep și colab., Tabelul 31). Acest lucru relevă faptul că, atunci când Berkson a construit un scenariu similar cu tabelul 4 în care rata de spitalizare în boala de control (erori de refracție) a fost considerabil mai mare decât în cazul bolii (diabet)-0,2 comparativ cu 0.05-ratele de Cote au fost puternic părtinitoare în sus (linia 1 a Snoep și colab., tabelul 31); când rata de spitalizare este mai mică în boala de control, raportul de șanse este părtinitor în jos (liniile 4-5 din tabelul 3 din Snoep și colab.1), în timp ce nu există părtinire atunci când rata spitalizării este aceeași pentru cele două boli, iar pacienții care au atât cazul, cât și boala de control sunt numărați doar ca cazuri (liniile 8-9, Tabelul 3 din Snoep și colab.1).

deci, părtinirea lui Berkson poate apărea cu siguranță, dar contează cu adevărat? As Snoep și colab.1 Notă, exemplul lui Berkson sa bazat pe un studiu ipotetic care implică asocierea dintre cazurile predominante și o altă boală predominantă (expunerea). Atunci când expunerea nu este un motiv direct pentru spitalizare în sine, doar forma indirectă a părtinirii lui Berkson este relevantă—cum ar fi exemplul despre problema spatelui cauzată de o accidentare la fotbal (vezi mai sus). Această prejudecată este în mare măsură atenuată prin utilizarea cazurilor incidente și poate fi prevenită complet prin excluderea cazurilor care au fost spitalizate din cauza unei alte boli. Acest lucru poate fi văzut din exemplul descris mai sus—multe persoane cu infecții ale urechii medii incidente ar trebui să fie spitalizate pentru leziuni de fotbal concurente pentru a apărea părtinire materială. Astfel, în multe (sau poate Cele mai multe) situații plauzibile, părtinirea va fi extrem de mică, în special dacă se utilizează cazuri de incidente. Deși este teoretic interesant, în practică a fost în mare parte ‘mult zgomot pentru nimic’.

poate că mesajul principal aici este că nu este suficient doar pentru a demonstra că ar putea apărea o părtinire; este necesar să se evalueze, de asemenea, probabilitatea ca aceasta să apară și puterea și direcția probabilă a acesteia. Studiile epidemiologice sunt frecvent criticate pe baza potențialului de părtinire a informațiilor sau de confuzie reziduală. În unele cazuri, aceste probleme potențiale sunt reale și importante; în altele sunt banale. Metodele bayesiene devin din ce în ce mai disponibile pentru a evalua puterea și direcția probabilă a unor astfel de prejudecăți.11

care ne aduce la limitele dag-urilor. Lucrarea lui Berkson a produs rezultate extreme, deoarece s-a bazat pe cazuri predominante, situație care nu poate fi ușor reprezentată de dag-uri. Dacă trecem de la cazuri predominante la cazuri incidente, toate dag-urile din figurile 1-6 Din Snoep și colab.1 încă arată la fel, dar prejudecățile au devenit, în general, banale. Acest lucru ilustrează o problemă mai generală a DAG—urilor-acestea pot arăta că ar putea apărea o părtinire, dar nu oferă estimări ale puterii și direcției sale probabile. Fără aceasta, este ușor să cedezi ‘paraliziei de analiză’ care provine din teama de a se adapta pentru un potențial confuz (care ar putea fi, de asemenea, un colizor într-o altă cale), deoarece acest lucru ar putea duce la părtinirea colizorului (‘anxietatea colizorului’). În unele situații, părtinirea colizorului poate fi comparabilă ca mărime cu confuzia necontrolată.7 în altele nu va fi, iar beneficiul de a controla confuzia va depăși cu mult efectele părtinirii colizorului. Totul depinde.

finanțare

Centrul de cercetare în Sănătate Publică este susținut de un Grant de program de la Consiliul de cercetare în Sănătate din Noua Zeelandă.

mulțumiri

îi mulțumim lui Jan Vandenbroucke pentru comentariile sale asupra proiectului de manuscris.

Conflict de interese: niciunul declarat.