อคติจากข้อมูล

อคติจากข้อมูล (information bias) คือความคลาดเคลื่อนอย่างเป็นระบบที่เกิดจากการวัดหรือการจำแนกปัจจัยเสี่ยง ผลลัพธ์ หรือตัวแปรร่วมที่ไม่ถูกต้อง เมื่อกลุ่มตัวอย่างถูกจัดอยู่ในหมวดหมู่ที่ไม่ถูกต้อง เช่น ผู้ที่ได้รับปัจจัยเสี่ยงถูกนับเป็นผู้ไม่ได้รับ หรือผู้ป่วยถูกนับเป็นผู้ไม่ป่วย การจำแนกผิดพลาดที่เกิดขึ้นอาจบิดเบือนความสัมพันธ์ที่ประเมินได้ ผลกระทบของอคติจากข้อมูลขึ้นอยู่กับว่าความคลาดเคลื่อนนั้นไม่เกี่ยวข้องกับตัวแปรอื่น (non-differential) หรือเกี่ยวข้องกับตัวแปรอื่น (differential)

Definition

อคติจากข้อมูล (information bias) คือการบิดเบือนความสัมพันธ์ระหว่างปัจจัยเสี่ยงและผลลัพธ์ ซึ่งเกิดจากความคลาดเคลื่อนในการวัดหรือการจำแนกปัจจัยเสี่ยง ผลลัพธ์ หรือตัวแปรอื่น ๆ ในการศึกษา ทำให้กลุ่มตัวอย่างถูกจัดอยู่ในหมวดหมู่ที่ไม่ถูกต้องอย่างเป็นระบบ

Scope

บทความนี้ครอบคลุมแหล่งที่มาของความคลาดเคลื่อนในการวัด ความแตกต่างที่สำคัญระหว่างการจำแนกผิดพลาดแบบไม่แตกต่าง (non-differential misclassification) และแบบแตกต่าง (differential misclassification) รวมถึงทิศทางของผลกระทบที่มักจะเกิดขึ้น และรูปแบบที่พบบ่อย เช่น อคติจากการระลึก (recall bias) และอคติจากผู้สัมภาษณ์ (interviewer bias) บทความนี้เป็นข้อมูลอ้างอิงทางระเบียบวิธีวิจัยและไม่มีคำแนะนำทางการแพทย์

Core questions

• ปัจจัยเสี่ยงและผลลัพธ์ถูกวัดหรือจำแนกอย่างถูกต้องเพียงใด?
• การจำแนกผิดพลาดนั้นเป็นแบบไม่แตกต่าง (non-differential) หรือแบบแตกต่าง (differential) เมื่อเทียบกับตัวแปรอื่น?
• คาดว่าการจำแนกผิดพลาดจะผลักดันการประมาณค่าไปในทิศทางใด?
• กระบวนการวัดเองอาจขึ้นอยู่กับความรู้เกี่ยวกับสถานะการได้รับปัจจัยเสี่ยงหรือสถานะของโรคหรือไม่?

Key concepts

• การจำแนกผิดพลาด
• การจำแนกผิดพลาดแบบไม่แตกต่าง
• การจำแนกผิดพลาดแบบแตกต่าง
• อคติจากการระลึก
• อคติจากผู้สัมภาษณ์ / ผู้สังเกตการณ์
• ความไวและความจำเพาะของการวัด
• การลดทอนการถดถอย

Mechanisms

อคติจากข้อมูลมีต้นกำเนิดมาจากเครื่องมือวัดที่ไม่สมบูรณ์ การระลึกที่ผิดพลาด หรือการจำแนกที่ไม่สอดคล้องกัน ผลกระทบของมันขึ้นอยู่กับความแตกต่างที่สำคัญ การจำแนกผิดพลาดแบบไม่แตกต่าง (non-differential misclassification) ซึ่งความคลาดเคลื่อนไม่เกี่ยวข้องกับตัวแปรอื่น มักจะ (สำหรับปัจจัยเสี่ยงแบบไบนารีที่มีสองหมวดหมู่) ทำให้อคติของการประมาณค่าเข้าใกล้ค่าว่าง (null) ซึ่งทำให้ผลกระทบที่แท้จริงไม่ชัดเจน การจำแนกผิดพลาดแบบแตกต่าง (differential misclassification) ซึ่งความคลาดเคลื่อนในตัวแปรหนึ่งขึ้นอยู่กับค่าของตัวแปรอื่น เช่น ผู้ป่วยระลึกถึงปัจจัยเสี่ยงในอดีตได้ละเอียดกว่ากลุ่มควบคุม (recall bias) หรือผู้สัมภาษณ์ซักถามผู้ที่ได้รับปัจจัยเสี่ยงอย่างละเอียดกว่า (interviewer bias) สามารถทำให้อคติของการประมาณค่าไปในทิศทางใดก็ได้และคาดการณ์ได้ยากกว่า เนื่องจากอคติจากข้อมูลเกิดขึ้นในกระบวนการเก็บข้อมูล จึงแตกต่างจากตัวแปรกวน (confounding) (ซึ่งเป็นสาเหตุร่วม) และอคติจากการคัดเลือก (selection bias) (ซึ่งเกิดจากผู้ที่ถูกรวมเข้าในการศึกษา) ความคลาดเคลื่อนในการวัดตัวแปรกวนยังสามารถทำให้เกิดตัวแปรกวนที่หลงเหลืออยู่ (residual confounding) แม้จะมีการปรับแก้แล้วก็ตาม

Clinical relevance

อคติจากข้อมูลเป็นสาเหตุหนึ่งที่ทำให้ความสัมพันธ์ที่รายงานอาจแข็งแกร่งเกินไป อ่อนแอเกินไป หรือผิดทิศทาง ดังนั้น การพิจารณาอย่างละเอียดว่าปัจจัยเสี่ยงและผลลัพธ์ถูกวัดอย่างไรจึงเป็นส่วนหนึ่งของการประเมินหลักฐาน แนวคิดนี้อธิบายว่าผลการศึกษาอาจถูกบิดเบือนได้อย่างไร ไม่ใช่คำแนะนำสำหรับการวินิจฉัยหรือการรักษาของบุคคลใดบุคคลหนึ่ง

Epidemiology

อคติจากข้อมูลเป็นข้อกังวลในการออกแบบการศึกษาทุกประเภท แต่มีความสำคัญเป็นพิเศษในกรณีที่ปัจจัยเสี่ยงถูกรายงานหลังจากทราบผลลัพธ์แล้ว เช่น อคติจากการระลึกในงานวิจัยแบบกรณีควบคุม (case-control studies) และในกรณีที่การยืนยันผลลัพธ์อาจแตกต่างกันไปตามสถานะการได้รับปัจจัยเสี่ยง การตระหนักถึงการจำแนกผิดพลาดกระตุ้นให้มีการศึกษาตรวจสอบความถูกต้องย่อย (validation sub-studies) และการวัดแบบปกปิด (blinded) หรือแบบมาตรฐาน

History

อคติจากการระลึก อคติจากผู้สัมภาษณ์ และอคติจากผู้สังเกตการณ์ ได้รับการจัดหมวดหมู่ตลอดศตวรรษที่ 20 ในระบาดวิทยาว่าเป็นภัยคุกคามที่เกิดขึ้นซ้ำ ๆ ในการศึกษาเชิงสังเกต การจัดการอย่างเป็นทางการของการจำแนกผิดพลาดในแง่ของความไว (sensitivity) และความจำเพาะ (specificity) และผลลัพธ์ที่ว่าความคลาดเคลื่อนแบบไม่แตกต่างมักจะทำให้อคติเข้าใกล้ค่าว่าง ได้กลายเป็นส่วนมาตรฐานของตำราทางระเบียบวิธีวิจัย ในขณะที่อภิธานศัพท์ เช่น Delgado-Rodríguez และ Llorca (2004) ได้จัดระเบียบอคติจากข้อมูลที่มีชื่อเรียกต่าง ๆ มากมาย

Debates

การจำแนกผิดพลาดแบบไม่แตกต่างทำให้อคติเข้าใกล้ค่าว่างเสมอหรือไม่?

ผลลัพธ์ที่เข้าใกล้ค่าว่างนั้นเป็นจริงภายใต้เงื่อนไขทั่วไป (โดยเฉพาะอย่างยิ่งความคลาดเคลื่อนที่เป็นอิสระและไม่แตกต่างในปัจจัยเสี่ยงแบบ dichotomous) แต่มีข้อยกเว้นเกิดขึ้นเมื่อมีหมวดหมู่ปัจจัยเสี่ยงมากกว่าสองหมวดหมู่ หรือเมื่อมีความคลาดเคลื่อนที่ขึ้นต่อกัน ดังนั้นสัญชาตญาณที่ว่า 'อนุรักษ์นิยมเสมอ' อาจทำให้เข้าใจผิดได้

Key figures

• Kenneth Rothman
• Sander Greenland
• Miquel Delgado-Rodríguez

Seminal works

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

Frequently asked questions

ความแตกต่างระหว่างการจำแนกผิดพลาดแบบแตกต่างและไม่แตกต่างคืออะไร?

การจำแนกผิดพลาดแบบไม่แตกต่างหมายถึงความคลาดเคลื่อนในการวัดไม่เกี่ยวข้องกับตัวแปรอื่น และโดยทั่วไป (สำหรับปัจจัยเสี่ยงแบบไบนารี) จะทำให้อคติเข้าใกล้ค่าว่าง; การจำแนกผิดพลาดแบบแตกต่างหมายถึงความคลาดเคลื่อนขึ้นอยู่กับตัวแปรอื่น และสามารถทำให้อคติของการประมาณค่าไปในทิศทางใดก็ได้

อคติจากการระลึกเป็นประเภทหนึ่งของอคติจากข้อมูลหรือไม่?

ใช่ อคติจากการระลึกเป็นอคติจากข้อมูลแบบแตกต่าง ซึ่งผู้ที่มีผลลัพธ์จดจำหรือรายงานปัจจัยเสี่ยงในอดีตแตกต่างจากผู้ที่ไม่มีผลลัพธ์ ซึ่งบิดเบือนความสัมพันธ์ที่วัดได้

อคติจากข้อมูลแตกต่างจากอคติจากการคัดเลือกอย่างไร?

อคติจากข้อมูลเกิดจากวิธีการวัดหรือจำแนกตัวแปร ในขณะที่อคติจากการคัดเลือกเกิดจากผู้ที่ถูกรวมเข้าหรือคงอยู่ในการวิเคราะห์