【Bias, etc.】詞彙說明

Bias的種類：

  1. potential bias

    • 是指系統性的錯誤，導致對研究結果的錯誤估計

    • CCAT User Guide 中提及各種可能干擾研究結果（產生偏誤）之來源。以下解釋之：

  • attrition bias（受試者流失偏誤）：attrition（流失）是指研究進行過程中，受試者減少之情況。可能發生流失之研究類型包含世代研究追蹤與隨機試驗分派研究。流失之可能原因包含非系統性與系統性；非系統性指退出研究之受試者為隨機，相反地，系統性指受試者流失之原因與暴露、預後因素或介入效果/副作用有關。當受試者因系統性原因流失時，會因為缺少追蹤/後測資料，而無法瞭解未參與完整研究流程之族群與完成研究流程之族群有何差異，導致研究結果之人口學資料或質性、量性特質會有不同於真實情況之結果，因此產生偏誤，影響對介入效果的估計。【解決方法：intention-to-treat analysis】

  • detection bias（檢測/觀察偏誤）：當對疾病的檢測或治療會因特定族群的特質而改變時，將影響檢測正確性或治療效果，就是檢測/觀察偏誤。此種偏誤可能出現在相關性研究（如：影響疾病盛行率之相關因子）與介入研究。

  • information bias（資訊偏誤）：任何與事實有系統性差異之資訊，皆為資訊偏誤。資訊偏誤可能發生於資料收集、回想、記錄與處理資訊等，包含如何處理遺漏資料 (missing data)。此種偏誤可能出現在觀察型研究（特別是回溯性研究設計）與實驗型研究。

  • observer bias（觀察者偏誤）：觀察很難不受到主觀判斷影響，因此觀察者之間會有變異。觀察者之間判斷的差異可能出自非系統性與系統性，當有觀察者使用某量表時傾向高估/低估、或傾向判斷為異常/正常，則系統性差異存在。觀察結果與事實存在系統性差異，就稱為觀察者偏誤。此種偏誤可能出現在觀察型與介入型研究。但不是所有觀察皆會造成明顯偏誤，例如：所觀察的數據客觀（如：死亡），那麼觀察者偏誤的風險將低很多。

  • performance bias（表現性偏誤）：特指因知道受試者組別分派而產生的偏誤，可能來自受試者與研究者。具體而言，因為知道分組，控制組之受試者可能去尋求其他治療，而研究者也可能產生不同的對待。此種偏誤可能出現在控制研究。

  • recall bias（回想偏誤）：為資訊偏誤的一種，發生於受試者未能正確記得先前的事件或經驗，或省略細節。此種偏誤可能出現在回溯型研究、個案控制研究等以個案自陳 (self-report)作為資料收集方式之研究。

  • selection bias（選擇性偏誤）：指參與研究的受試者皆具備某一共同特質，使得研究樣本不具有代表性。此種偏誤可能出現在實驗型與觀察型研究。

  1. confounding variables（干擾變項）

    • 也稱為共變項、混擾因子

    • 一些與研究中自變項和依變項無關的變項，但會同時影響/干擾自變項和依變項

    • 干擾變項之特性：

      1. 與自變項有相關，不一定要為因果關係

      2. 與依變項為因果關係

〔舉例〕

研究中發現喝咖啡較有可能罹患肺癌。然而，這是否代表不喝咖啡就能降低罹患肺癌的風險？

值得注意的是，常喝咖啡的人往往也會吸菸，而抽菸與罹患肺癌的關係已被證實。因此，吸菸為此研究中的干擾變項；而移除了干擾變項，自變項與依變項的相關性可能改變。

  1. effect modifiers（效果修飾）

    • 當自變項對依變項的影響程度或相關性，因為其他變項而改變，則為效果修飾

〔舉例〕

喝咖啡與罹患肺癌在男性中被證實有相關，在女性中則沒有相關，則性別為此研究的效果修飾因子。

  1. interactions（交互作用）

    • 由二個以上自變項結合，對依變項帶來的效果。此效果超出它們各自對依變項之效果。舉例：療效驗證時，以ANOVA（多變量分析）分析組別與時間之交互作用，即為二變項結合/相乘的效果。


分派相關詞彙：

  1. sequence generation：將個案產生順序的方法

  2. group allocation：將個案分派至組別的方法

  3. group balance：平衡組別條件，使各組基本資訊相當的方法


參考資料

  1. Nunan, D., Aronson, J., & Bankhead, C. (2018). Catalogue of bias: attrition bias. BMJ Evidence-Based Medicine, 23(1), 21. https://doi.org/10.1136/ebmed-2017-110883

  2. Catalogue of Bias: https://catalogofbias.org

  3. Confounding variables: https://www.scribbr.com/methodology/confounding-variables/

  4. Effect modifiers: https://sphweb.bumc.bu.edu/otlt/mph-modules/bs/bs704_multivariable/BS704_Multivariable4.html

  5. Confounding and Effect modification：https://medium.com/@conankoh/confounders-and-effect-modification-what-is-the-difference-between-them-e7a1d1adbfcd

留言

張貼留言