Confounding, Bias und Studienvalidität

Dieser Bereich fasst die Konzepte zusammen, die Epidemiologen verwenden, um zu beurteilen, ob eine beobachtete Expositions-Ergebnis-Assoziation einen realen Effekt oder ein Artefakt widerspiegelt. Er unterscheidet systematische Fehler – Confounding, Selektionsbias und Informationsbias – von Zufallsfehlern und formuliert das Ergebnis im Hinblick auf die interne Validität (ist die Schätzung für die Studienpopulation korrekt?) und den verwandten Begriff der Effektmodifikation (unterscheidet sich der Effekt zwischen Untergruppen?).

Definition

Confounding, Bias und Studienvalidität bezeichnen zusammen den Rahmen, mittels dessen die Epidemiologie bewertet, ob eine gemessene Assoziation eine valide Schätzung eines kausalen Effekts ist, indem sie systematische Fehler (Confounding, Selektionsbias, Informationsbias) von Zufallsfehlern und von echten Variationen des Effekts zwischen Untergruppen (Effektmodifikation) trennt.

Scope

Der Bereich bietet einen orientierenden Überblick über die Bedrohungen der Validität in epidemiologischen Studien und das Vokabular, das zur Diskussion darüber verwendet wird. Er verknüpft die detaillierten Themeneinträge zu Confounding, Selektionsbias, Informationsbias, Effektmodifikation und Interaktion sowie interner Validität. Es handelt sich um eine methodische Referenz und gibt keine klinischen oder individuellen Behandlungsempfehlungen.

Sub-topics

• Confounding
• Effektmodifikation und Interaktion
• Informationsbias
• Interne Validität
• Selektionsbias

Core questions

• Wird die beobachtete Assoziation durch eine gemeinsame Ursache von Exposition und Ergebnis erklärt (Confounding)?
• Hat die Art und Weise, wie Probanden in die Studie aufgenommen wurden oder in ihr verblieben, die Assoziation verzerrt (Selektionsbias)?
• Wurden Exposition oder Ergebnis in den Gruppen unterschiedlich gemessen oder berichtet (Informationsbias)?
• Unterscheidet sich der Effekt tatsächlich zwischen Untergruppen (Effektmodifikation), und ist dies von Confounding zu unterscheiden?
• Ist die Schätzung insgesamt intern valide für die tatsächlich untersuchte Population?

Key concepts

• Systematischer versus Zufallsfehler
• Confounding
• Selektionsbias
• Informations- (Mess-) Bias
• Effektmodifikation und Interaktion
• Interne Validität
• Externe Validität (Generalisierbarkeit)
• Kausale Diagramme (DAGs)

Mechanisms

Eine gemessene Assoziation kann aus mehreren unterschiedlichen Gründen vom wahren kausalen Effekt abweichen. Confounding entsteht, wenn ein dritter Faktor eine gemeinsame Ursache sowohl der Exposition als auch des Ergebnisses ist und seinen Effekt mit dem untersuchten vermischt. Selektionsbias entsteht, wenn die Verfahren, die Probanden in die Analyse einbeziehen – und dort halten – gemeinsam von Exposition und Ergebnis abhängen und die Assoziation in der analysierten Stichprobe verzerren. Informationsbias entsteht, wenn Exposition oder Ergebnis falsch klassifiziert werden, und die Fehlklassifikation kann nicht-differentiell (die Schätzung in Richtung der Null verwischend) oder differentiell (sie in beide Richtungen verschiebend) sein. Diese systematischen Fehler sind konzeptionell von Zufallsfehlern getrennt, die die Stichprobenvariabilität widerspiegeln und durch Konfidenzintervalle zusammengefasst werden. Effektmodifikation ist überhaupt kein Fehler: Sie beschreibt eine reale Variation des Effekts über die Ebenen einer dritten Variablen hinweg. Kausale Diagramme (gerichtete azyklische Graphen) bieten eine gemeinsame Sprache zur Unterscheidung von Confounding und Selektionsbias und zur Entscheidung, wofür adjustiert werden sollte.

Clinical relevance

Diese Konzepte sind zentral für die Bewertung der Evidenz, die dem Gesundheitswissen zugrunde liegt. Ob eine berichtete Assoziation zwischen einer Exposition und einer Krankheit glaubwürdig ist, hängt davon ab, wie gut eine Studie Confounding und Bias kontrolliert hat und ob ihre Schätzung intern valide ist. Der Bereich beschreibt, wie Evidenz beurteilt wird, nicht was eine Einzelperson bezüglich einer Diagnose oder Behandlung tun sollte.

Epidemiology

Die Argumentation über Confounding und Bias ist Teil jeder Beobachtungsstudie und ist in Berichtsstandards wie der STROBE-Erklärung verankert, die Autoren auffordert, ihren Umgang mit diesen Bedrohungen zu beschreiben. Der Rahmen wird in Kohorten-, Fall-Kontroll- und Querschnittsstudien angewendet und zunehmend durch explizite kausal-diagrammatische Methoden.

Evidence & guidelines

Die STROBE-Erklärung (von Elm et al., 2007) ist eine weit verbreitete Berichtsrichtlinie, die von Beobachtungsstudien verlangt, Bias-Quellen, die Kontrolle von Confounding und die Einschränkungen hinsichtlich der internen und externen Validität zu behandeln.

History

Das Vokabular von Bias und Confounding kristallisierte sich im Laufe des 20. Jahrhunderts heraus, als die Beobachtungsepidemiologie reifte, basierend auf Debatten über kausale Schlussfolgerungen aus nicht-experimentellen Daten. Ab dem späten 20. Jahrhundert lieferten formale Kausalmodelle – potenzielle Ergebnisse und gerichtete azyklische Graphen – präzise Definitionen, die zuvor getrennte Begriffe von Confounding und Selektionsbias vereinten und ihre Unterscheidung von der Effektmodifikation klärten.

Debates

Sind Confounding und Selektionsbias ein Phänomen oder zwei?

Kausale Diagramme zeigen Confounding (eine gemeinsame Ursache von Exposition und Ergebnis) und Selektionsbias (Konditionierung auf einen gemeinsamen Effekt oder Collider) als strukturell unterschiedlich, auch wenn beide nicht-kausale Assoziationen erzeugen; einige klassische Behandlungen gruppieren sie lockerer.

Key figures

• Sander Greenland
• James Robins
• Judea Pearl
• Kenneth Rothman
• Miguel Hernán

Seminal works

• greenland-pearl-robins-1999
• grimes-schulz-2002-bias
• delgado-rodriguez-2004

Frequently asked questions

Was ist der Unterschied zwischen Bias und Confounding?

Beide sind systematische Fehler, aber Confounding ist eine Vermischung von Effekten aus einer gemeinsamen Ursache von Exposition und Ergebnis, während Bias hier Verzerrungen bezeichnet, die durch die Art der Auswahl der Probanden (Selektionsbias) oder die Art der Messung von Variablen (Informationsbias) entstehen.

Ist Effektmodifikation eine Art von Bias?

Nein. Effektmodifikation beschreibt eine echte Variation eines Effekts zwischen Untergruppen; sie ist ein Merkmal der untersuchten Beziehung und kein Fehler, der wie Confounding oder Bias eliminiert werden muss.