Confounding

Confounding ist eine Vermischung von Effekten: Eine scheinbare Assoziation zwischen einer Exposition und einem Ergebnis wird verzerrt, weil ein dritter Faktor – der Confounder – eine gemeinsame Ursache für beide ist. Wenn er nicht berücksichtigt wird, kann Confounding eine harmlose Exposition als schädlich erscheinen lassen, einen tatsächlichen Effekt verbergen oder einen solchen übertreiben. Die Kontrolle von Confounding ist eine der zentralen Aufgaben der Beobachtungsepidemiologie.

Definition

Confounding ist die Verzerrung einer Expositions-Ergebnis-Assoziation, die entsteht, wenn eine dritte Variable eine gemeinsame Ursache sowohl für die Exposition als auch für das Ergebnis ist (und nicht auf dem kausalen Pfad zwischen ihnen liegt), sodass die Rohassoziation den Effekt der Exposition mit dem Effekt dieser Variablen vermischt.

Scope

Der Eintrag behandelt, was eine Variable zu einem Confounder macht, wie Confounding mittels kausaler Argumentation und gerichteter azyklischer Graphen erkannt wird und welche Hauptstrategien zur Kontrolle durch Design und Analyse existieren. Er unterscheidet Confounding auch von Effektmodifikation und Mediation. Es handelt sich um eine methodologische Referenz, nicht um eine klinische Leitlinie.

Core questions

• Ist eine Kandidatenvariable eine gemeinsame Ursache sowohl für Exposition als auch für Ergebnis?
• Liegt die Variable auf dem kausalen Pfad (ein Mediator) und ist sie kein Confounder?
• Welche Variablen müssen adjustiert werden, um Confounding zu beseitigen?
• Könnte residuales oder ungemessenes Confounding die Assoziation noch erklären?

Key concepts

• Gemeinsame Ursache
• Confounder
• Gerichteter azyklischer Graph (DAG)
• Austauschbarkeit
• Hintertürpfad
• Adjustierung, Stratifizierung und Matching
• Residuales und ungemessenes Confounding
• Confounding versus Mediation

Mechanisms

Aus der Perspektive potenzieller Ergebnisse ist Confounding ein Versagen der Austauschbarkeit (exchangeability): Die exponierten und nicht exponierten Gruppen unterscheiden sich in ihrem Hintergrundrisiko für das Ergebnis aus anderen Gründen als der Exposition. In Begriffen kausaler Diagramme öffnet ein Confounder einen nicht-kausalen „Hintertürpfad“ (backdoor path), der Exposition und Ergebnis über eine gemeinsame Ursache verbindet; das Blockieren dieses Pfades – durch Konditionierung auf eine geeignete Menge von Variablen – beseitigt das Confounding. Eine Variable auf dem kausalen Pfad (ein Mediator) ist kein Confounder, und die Adjustierung dafür kann eine eigene Verzerrung einführen. Die Kontrolle kann durch das Studiendesign (Randomisierung, Restriktion, Matching) oder durch die Analyse (Stratifizierung, Standardisierung, Regressionsanpassung und Methoden wie Propensity Scores) erfolgen. Da die Adjustierung nur gemessene Confounder berücksichtigen kann, bleiben ungemessenes und residuales Confounding eine Einschränkung von Beobachtungsschätzungen.

Clinical relevance

Confounding ist ein Hauptgrund dafür, dass Beobachtungsassoziationen nicht automatisch kausal sind, und die Beurteilung, wie gut eine Studie damit umgegangen ist, ist zentral für die Bewertung von Evidenz bezüglich Expositionen und Krankheiten. Das Konzept erklärt, wie Evidenz interpretiert wird; es ist selbst keine Empfehlung zur Diagnose oder Behandlung für eine Einzelperson.

Epidemiology

Die Besorgnis über Confounding durchdringt die Beobachtungsforschung in Kohorten-, Fall-Kontroll- und Querschnittsstudien. Sie motiviert randomisierte Studien (die im Durchschnitt sowohl gemessene als auch ungemessene Confounder ausgleichen) und die zunehmende Verwendung expliziter kausaler Diagramme und quantitativer Bias-Analysen, um zu begründen, wofür adjustiert werden muss.

History

Das Bewusstsein, dass ein dritter Faktor Effekte vermischen kann, ist alt, aber präzise Definitionen entstanden im späten zwanzigsten Jahrhundert. Greenland und Robins (1986) formulierten Confounding durch Austauschbarkeit und den kontrafaktischen Vergleich, den die Studie zu approximieren versucht, und der kausale Diagrammrahmen von Greenland, Pearl und Robins (1999) lieferte ein grafisches Kriterium zur Identifizierung von Confoundern und zur Auswahl von Adjustierungssätzen. Diese Entwicklungen trennten Confounding sauber von Effektmodifikation und Selektionsbias.

Debates

Wie sollten Confounder für die Adjustierung ausgewählt werden?

Ältere Praktiken stützten sich auf statistische Kriterien (z. B. Änderung der Schätzung oder Signifikanz von Assoziationen), während kausale Diagrammansätze argumentieren, dass Adjustierungssätze aus vorherigem Fachwissen über die kausale Struktur ausgewählt werden sollten, um eine Adjustierung für Mediatoren oder Collider zu vermeiden.

Key figures

• Sander Greenland
• James Robins
• Judea Pearl
• Olli Miettinen

Seminal works

• greenland-robins-1986
• greenland-pearl-robins-1999
• maldonado-greenland-2002

Frequently asked questions

Was ist der Unterschied zwischen einem Confounder und einem Mediator?

Ein Confounder ist eine gemeinsame Ursache sowohl für Exposition als auch für Ergebnis und liegt außerhalb des kausalen Pfades; ein Mediator liegt auf dem Pfad von der Exposition zum Ergebnis. Die Adjustierung für einen Confounder reduziert Bias, aber die Adjustierung für einen Mediator kann diesen einführen.

Beseitigt Randomisierung Confounding?

Randomisierung neigt im Durchschnitt und insbesondere in großen Studien dazu, sowohl gemessene als auch ungemessene gemeinsame Ursachen zwischen den Gruppen auszugleichen, weshalb sie Confounding auf eine Weise kontrolliert, die die Adjustierung von Beobachtungsdaten nicht vollständig erreichen kann.

Ist Confounding dasselbe wie Effektmodifikation?

Nein. Confounding ist eine Verzerrung, die beseitigt werden muss; Effektmodifikation ist eine echte Variation des Effekts über Untergruppen hinweg und eine Eigenschaft der Beziehung, kein Fehler.