SUND
Bias og confounding
Når vi evaluerer pålideligheden af et videnskabeligt studie eller troværdigheden af dets resultater, er vi nødt til at forholde os til begreberne bias og confounding. Men hvad dækker det egentlig over?
Det er faktorer, der påvirker os alle. Det er fejlkilder i vores målemetoder og analyser. Det er vores forventninger eller forhåbninger om bestemte behandlingsresultater. Det er tankefælder, der gør det lettere for os at fastholde vores verdensbillede, eller faktorer, som vildleder vores opfattelser af årsag og effekt.
På denne side vil du få en dybere forståelse af bias og confounding i alle deres nuancer. Måske opdager du endda mere om dig selv i processen.
De fleste mennesker betragter sig selv som rationelle og gode beslutningstagere. Ikke desto mindre viser det sig, at vi alle har huller i vores opmærksomhed og tyer til smutveje i vores tankegang. Dette kan bidrage til hurtig beslutningstagning, men det medfører samtidig en øget risiko for fejl.
Når man diskuterer bias, skelnes der ofte mellem bias i forskning og kognitive bias, afhængig af den type fejl eller skævvridning, der er på spil. Ønsker man at fremme en mere rationel tankegang og minimere fejl i sin beslutningstagning, er det afgørende at have indsigt i både andres og sine egne fejlkilder. Begge former for bias er derfor vigtige at forstå, hvorfor vi på denne side vil belyse en række forskellige bias.
Det er ikke muligt at måle bias direkte, men ved brug af tjeklister kan man vurdere forskningsbias indirekte. Dog bør du fortsat være opmærksom på dine egne kognitive bias, herunder confirmation bias, som du kan læse mere om nedenfor.
Confirmation bias, også kendt som bekræftelsesbias, refererer til den menneskelige tendens til at søge information, der bekræfter ens egne overbevisninger. Dette fænomen forekommer ofte ubevidst, hvor vi måske slet ikke lægger mærke til modstridende information. I andre tilfælde anvender vi motiveret ræsonnering for at afvise information, der ikke stemmer overens med vores synspunkter. En teori er, at confirmation bias opstår for at undgå kognitiv dissonans, en psykologisk tilstand af ubehag, der opstår på grund af manglende konsistens mellem holdninger og handlinger.
Confirmation bias er særlig udbredt, når vi søger og fortolker information. Hvilket link vælger du, når du søger på Google? Er det linket med den fængende overskrift, der synes at give præcis det, du leder efter, eller vælger du linket med den modsatrettede konklusion? Og hvad med den videnskabelige artikel, der udfordrer din hypotese? Finder du fejl i studiets design og konkluderer, at det ikke længere er relevant, eller er du villig til at revidere dit verdensbillede?
Vi kan også finde eksempler på confirmation bias i hverdagen: En kvinde ønsker, at hendes mand altid slår toiletbrættet ned efter brug. Hver gang brættet ikke er slået ned, ser hun det som bekræftelse af sin hypotese om, at han med vilje undlader det. Når brættet derimod er slået ned, lægger hun måske ikke mærke til det. Hendes mand oplever det modsatte og lægger dermed ikke mærke til, når brættet ikke er slået ned. Hvis han havde lagt mærke til det, ville det naturligvis være blevet gjort.
Hvad tænker du resultatet ville være, hvis man i ovenstående tilfælde forsøgte at modbevise, eller falsificere sin egen teori? Det er ikke tilfældigt at falsifikation er et centralt princip i videnskabelig metode.
Se videoen til højre eller læs artiklerne for flere eksempler på confirmation bias samt råd til, hvordan du kan væbne dig imod dine tendenser til at søge bekræftende information.
Confounders er faktorer, der slører billedet mellem eksponering og udfald. Hvis man ikke håndterer disse, kan man eksempelvis komme til at antage, at kaffedrikning (eksponering) øger risikoen for lungekræft (udfald), selvom det i virkeligheden er rygning, der øger risikoen. I dette eksempel fungerer rygning som en confounder, da personer der drikker kaffe, er mere tilbøjelige til at ryge, og samtidig er rygning en selvstændig risikofaktor for udvikling af lungekræft.
Der er ikke tale om confounders, hvis en faktor befinder sig som et led i årsagskæden og dermed forklarer, hvordan en given eksponering øger risikoen for et udfald. Dette kaldes en mediator.
Andre faktorer, der kan have indflydelse på associationen mellem eksponering og udfald, er effektmodifikatorer. Disse faktorer modificerer (styrker eller mindsker) associationen mellem eksponering og udfald. Hvis der i vores eksempel med rygning og lungekræft var forskel på, om mandlige rygere var mere tilbøjelige til at udvikle lungekræft end kvindelige rygere, ville køn være en effektmodifikator.
Når du læser i en videnskabelig artikel, at forfatterne har justeret for alder eller taget højde for uddannelsesniveau, så er dette udtryk for, at forfatterne har forsøgt at justere for potentielle confounders. Af gode grunde forsøger man ikke at justere for mediatorer eller effektmodifikatorer, da dette ville resultere i en underestimering af associationen.
Få en grundigere forståelse af confounding og relaterede begreber samt hvordan disse udfordringer håndteres inden for forskning ved at tilgå ressourcerne til højre.
Selektionsbias er systematiske fejl, der kan opstå, når studiepopulationen ikke afspejler den population, man egentlig ønsker at undersøge. I et tænkt eksempel, hvor man ønsker at analysere effekten af konditionstræning på hjertekarsygdomme, kan selektionsbias opstå på flere måder. For eksempel kan der være tilfælde af selektionsbias, hvis personer, der er sundere eller mere fysisk aktive end gennemsnittet, er mere tilbøjelige til at deltage i studiet, kendt som "healthy worker effect." Hvis deltagerne rekrutteres i forbindelse med en hospitalsindlæggelse, er der også risiko for, at disse individer adskiller sig fra dem, der ikke er diagnosticeret med hjertekarsygdomme eller ikke har en behandlingskrævende tilstand.
Et andet eksempel på selektionsbias er, at meget af vores viden om adfærd og psykologi er baseret på forskning i vestlige, uddannede, industrialiserede, rige demokratiske samfund, selvom denne population ikke nødvendigvis repræsenterer resten af verdens befolkning.
Survivorship bias, eller overlevelsesbias, er en type selektionsbias, der opstår, når forskeren ikke analyserer dem, der er døde, eller har trukket sig fra en intervention. I gamle dage, hvor åreladning var almindelig praksis som behandling af mange sygdomme, kunne man fejlagtigt tro, at åreladningen var effektiv, hvis man kun observerede dem, der overlevede på trods af åreladningen.
Få større indsigt i selektionsbias og lær, hvordan man undgår det, ved at udforske de tilgængelige ressourcer til højre.
Selektionsbias, Explain xkcd.
Informationsbias er en paraplybetegnelse for en række systematiske afvigelser fra virkeligheden, der opstår under indsamling og behandling af data. Følgende er nogle underkategorier af informationsbias:
- Recall bias: Dette refererer til fejlkilder, der opstår, når nogle individer husker begivenheder eller eksponeringer anderledes end andre. For eksempel kan cases (i et case-kontrolstudie) huske tidligere eksponeringer mere nøjagtigt end raske kontroller. Dette kan være særligt problematisk i retrospektive studier, hvor informationen indsamles efter en begivenhed har fundet sted.
- Social desirability bias: Når det kommer til subjektive svar, kan der være en tendens til over- eller underrapportering baseret på, hvad en deltager finder socialt acceptabelt. Eksempelvis kan personer underrapportere deres forbrug af cigaretter eller alkohol, hvis disse vaner opfattes som socialt uacceptable.
- Misklassifikationsbias: Dette sker, når studiedeltagere fejlagtigt klassificeres i en kategori, de ikke hører til. For eksempel kan rygere fejlagtigt ende i gruppen af ikke-rygere på grund af manglende præcision i et spørgeskema. Hvis misklassifikationen er lige sandsynlig mellem syge og raske, eller eksponerede og ikke-eksponerede (afhængigt af studiedesign), kaldes det ikke-differentieret misklassifikation. Dette udvisker forskellene mellem grupper og resulterer i en underestimering af eventuelle associationer. En mere alvorlig form er differentieret misklassifikation, hvor misklassifikationen afhænger af både udfald og eksponering. Dette kan skævvride en association i en ukendt retning.
Få yderligere indsigt i informationsbias og de deraf følgende konsekvenser gennem linket til højre.
I forskningsverdenen ses en tendens til, at positive resultater er mere tilbøjelige til at blive publiceret, mens studier med negative eller modsigende resultater ofte ikke bliver offentliggjort. Dette fænomen kaldes også file drawer-effekten.
Rapporteringsbias dækker over en række bias, der hver især beskriver fejlkilder i rapporteringen af forskningsresultater, alt efter om disse er postive eller negative. Udvalgte typer af rapporteringsbias vil blive gennemgået kort nedenfor.
- Publikationsbias
Når studier bliver publiceret på baggrund af deres resultat, eksempelvis fordi resultaterne er positive, giver det anledning til bias. Når man undersøger effekten af en intervention i en meta-analyse, vil den sande effekt dermed blive overestimeret, fordi studier, som ikke finder en effekt ikke publiceres med samme frekvens. - Outcome reporting bias
Denne type af bias finder sted ved selektiv rapportering af forskningsresultater. Over- og underrapportering af effekter eller skadevirkninger kan være meget alvorligt, idet dette kan resultere i spild af forskningsressourcer, unødig lidelse og død.
For mere information om publikationsbias, outcome reporting bias og andre typer rapporteringsbias, samt hvordan man kan afhjælpe disse, kan du udforske de tilgængelige ressourcer til højre.
Utilstrækkelig blindning af deltagere eller behandlere i et lodtrækningsstudie kan føre til afvigelser fra den tiltænkte behandling. Sådanne afvigelser kan opstå, fx hvis deltagere ændrer adfærd, når de er klar over, hvilken gruppe de er blevet tildelt, eller hvis behandlere ændrer deres opførsel over for deltagerne. Dette kan resultere i forskelle mellem grupperne udover selve interventionen, hvilket gør det vanskeligt at konkludere, om interventionen har været effektiv.
Bliv klogere på performance bias gennem ressourcerne til højre.
Ved frafald af deltagere i kliniske forsøg kan der opstå systematiske fejlkilder. Dette kaldes Attrition bias. I et hypotetisk eksempel, hvor et nyt lægemiddel testes mod placebo, kan der observeres et betydeligt frafald i interventionsgruppen på grund af lægemidlets mange bivirkninger. Hvis kun de deltagere, der tolererer lægemidlet og oplever positive resultater, forbliver i forsøget, er der risiko for at overvurdere den sande effekt og værdi af lægemidlet. Der kan være mange andre potentielle årsager til deltagernes frafald, og disse bør nøje beskrives.
Det er ligeledes afgørende, at forskere præciserer, hvordan de har valgt at analysere data. Som udgangspunkt bør en Intention to Treat-analyse være udført, hvor deltagerne analyseres i den gruppe, de oprindeligt blev tildelt.
Til højre finder du yderligere information om konsekvenserne af frafald og korrekt håndtering af dette.
Detektionsbias refererer til fejl, der kan opstå, når data indsamles eller behandles forskelligt mellem grupper. Subjektive resultater, såsom fortolkning af scanningsbilleder, er mere sårbare over for fejl, men også objektive resultater kan påvirkes af bias. For eksempel kan der opstå bias ved ublindet dataindsamling, hvor forskere, bevidst eller ubevidst, påvirker resultaterne baseret på deres viden om deltagernes allokering samt behandlingens forventede effekt. En sådan påvirkning kan eksempelvis forekomme, når forskere afrunder op eller ned ved indsamling af data fra en blodprøve afhængigt af, hvilken retning der er mest fordelagtig for resultaterne og hypotesen. Dette fænomen kaldes også observatørbias.
I artiklerne til højre, kan du finde flere eksempler på, hvordan detektionsbias og observatørbias kan påvirke forskningsresultater.
På nuværende tidspunkt vil du være klar over, hvor stor risiko der er for fejl og skævvridning af forskningsresultater. Derfor er det meget vigtigt at være grundig i sin forskningsmetodik samt udvise gennemsigtighed i den anvendte metode.
Der findes imidlertid en sidste type bias, som er relevant at fremhæve. Bias blind spot er særligt interessant, fordi den beskriver den menneskelige tendens til at kunne identificere, hvordan andre er fejlbehæftede, samtidig med at man har blinde vinkler, når det angår ens egne bias. Det er vigtig viden, at også DU vil søge information, der bekræfter dine teorier eller forforståelser, ganske underbevidst. Som studiedeltager kan du bidrage til informationbias, fordi du svarer på, hvad du tror er socialt ønskværdigt. Som forsker kan du foretage ubevidste målefejl, blot fordi du kender dine studiedeltageres allokering. Vi er alle underlagt bias, men hvis du har læst så langt, er din risiko for at begå fejl måske blevet en smule mindre.