Informationsbias

Informationsbias ist ein systematischer Fehler, der aus ungenauer Messung oder Klassifizierung von Exposition, Ergebnis oder Kovariaten entsteht. Wenn Probanden in die falsche Kategorie eingeordnet werden – exponiert als nicht exponiert gezählt oder krank als nicht krank – kann die resultierende Fehlklassifizierung die geschätzte Assoziation verzerren. Ihre Auswirkung hängt entscheidend davon ab, ob die Fehler unabhängig von der anderen Variablen sind (nicht-differentiell) oder mit ihr zusammenhängen (differentiell).

Definition

Informationsbias ist eine Verzerrung einer Expositions-Ergebnis-Assoziation, die durch Fehler bei der Messung oder Klassifizierung von Exposition, Ergebnis oder anderen Studienvariablen verursacht wird, sodass Probanden systematisch falschen Kategorien zugeordnet werden.

Scope

Der Eintrag behandelt die Quellen von Messfehlern, die entscheidende Unterscheidung zwischen nicht-differentieller und differentieller Fehlklassifizierung und deren typische Wirkungsrichtungen sowie gängige benannte Formen wie Recall-Bias und Interviewer-Bias. Es handelt sich um eine methodologische Referenz, die keine klinische Anleitung bietet.

Core questions

• Wie genau wurden Exposition und Ergebnis gemessen oder klassifiziert?
• Ist die Fehlklassifizierung nicht-differentiell oder differentiell in Bezug auf die andere Variable?
• In welche Richtung würde die Fehlklassifizierung die Schätzung voraussichtlich verschieben?
• Könnte der Messprozess selbst vom Wissen über den Expositions- oder Krankheitsstatus abhängen?

Key concepts

• Fehlklassifizierung
• Nicht-differentielle Fehlklassifizierung
• Differentielle Fehlklassifizierung
• Recall-Bias
• Interviewer-/Beobachter-Bias
• Sensitivität und Spezifität der Messung
• Regressionsverdünnung

Mechanisms

Informationsbias entsteht durch unvollkommene Messinstrumente, fehlerhafte Erinnerung oder inkonsistente Klassifizierung. Ihre Konsequenzen hängen von einer entscheidenden Unterscheidung ab. Nicht-differentielle Fehlklassifizierung, bei der Fehler unabhängig von der anderen Variablen sind, verzerrt die Schätzung typischerweise (für eine binäre Exposition mit zwei Kategorien) in Richtung der Nulllinie, wodurch ein realer Effekt verwischt wird. Differentielle Fehlklassifizierung, bei der der Fehler in einer Variablen vom Wert der anderen abhängt – zum Beispiel, wenn Fälle vergangene Expositionen gründlicher erinnern als Kontrollen (Recall-Bias) oder Interviewer exponierte Probanden genauer befragen (Interviewer-Bias) – kann die Schätzung in beide Richtungen verzerren und ist schwerer vorhersehbar. Da Informationsbias innerhalb der Datenerhebung entsteht, unterscheidet er sich konzeptionell von Confounding (einer gemeinsamen Ursache) und Selektionsbias (bedingt durch die Auswahl der Teilnehmer). Messfehler in einem Confounder können auch nach der Adjustierung ein Rest-Confounding hinterlassen.

Clinical relevance

Informationsbias ist ein Grund, warum eine berichtete Assoziation zu stark, zu schwach oder in die falsche Richtung weisen kann. Daher ist die genaue Prüfung, wie Expositionen und Ergebnisse gemessen wurden, Teil der Bewertung von Evidenz. Das Konzept beschreibt, wie Studienergebnisse verzerrt werden können; es ist keine Empfehlung für die Diagnose oder Behandlung einer Person.

Epidemiology

Informationsbias ist in jedem Studiendesign ein Anliegen, ist aber besonders relevant, wenn die Exposition nach Bekanntwerden des Ergebnisses berichtet wird – zum Beispiel Recall-Bias in Fall-Kontroll-Studien – und wenn die Ergebnisermittlung je nach Expositionsstatus unterschiedlich ausfallen kann. Das Bewusstsein für Fehlklassifizierung motiviert Validierungs-Substudien und verblindete oder standardisierte Messungen.

History

Recall-, Interviewer- und Beobachter-Bias wurden im Laufe der Epidemiologie des 20. Jahrhunderts als wiederkehrende Bedrohungen in Beobachtungsstudien katalogisiert. Die formale Behandlung der Fehlklassifizierung in Bezug auf Sensitivität und Spezifität und das Ergebnis, dass nicht-differentielle Fehler in der Regel in Richtung der Nulllinie verzerren, wurden zu Standardbestandteilen methodologischer Texte, während Glossare wie Delgado-Rodríguez und Llorca (2004) die vielen benannten Informationsbias organisierten.

Debates

Verzerrt nicht-differentielle Fehlklassifizierung immer in Richtung der Nulllinie?

Das Ergebnis der Verzerrung in Richtung der Nulllinie gilt unter gängigen Bedingungen (insbesondere unabhängiger, nicht-differentieller Fehler bei einer dichotomen Exposition), aber Ausnahmen ergeben sich bei mehr als zwei Expositionskategorien oder bei abhängigen Fehlern, sodass die Intuition „immer konservativ“ irreführend sein kann.

Key figures

• Kenneth Rothman
• Sander Greenland
• Miquel Delgado-Rodríguez

Seminal works

• delgado-rodriguez-2004
• grimes-schulz-2002-bias

Frequently asked questions

Was ist der Unterschied zwischen differentieller und nicht-differentieller Fehlklassifizierung?

Nicht-differentielle Fehlklassifizierung bedeutet, dass Messfehler unabhängig von der anderen Variablen sind und typischerweise (für eine binäre Exposition) in Richtung der Nulllinie verzerren; differentielle Fehlklassifizierung bedeutet, dass der Fehler von der anderen Variablen abhängt und die Schätzung in beide Richtungen verzerren kann.

Ist Recall-Bias eine Art von Informationsbias?

Ja. Recall-Bias ist ein differentieller Informationsbias, bei dem Probanden mit dem Ergebnis vergangene Expositionen anders erinnern oder berichten als solche ohne, wodurch die gemessene Assoziation verzerrt wird.

Wie unterscheidet sich Informationsbias von Selektionsbias?

Informationsbias entsteht dadurch, wie Variablen gemessen oder klassifiziert werden, während Selektionsbias dadurch entsteht, wer in die Analyse einbezogen oder für diese beibehalten wird.