Upload
truongtruc
View
214
Download
0
Embed Size (px)
Citation preview
Fejlkilder i epidemiologiske undersøgelser
April 2004
Søren Friis
Nøjagtigheden (eng: accuracy) af et givent
punktestimat afhænger af graden af tilfældig
og systematisk variation i målingen af effekten
Variation
• Tilfældig variation– præcision
• Systematisk variation– intern validitet
• BIAS
• CONFOUNDING
Generaliserbarhed- ekstern validitet
Fejlkilder i epidemiologiske undersøgelser
• TILFÆLDIGHED
• BIAS
• CONFOUNDING
Statistisk usikkerhed vurderet via konfidensinterval
Tilfældig variation
• Ved at udvide antallet af undersøgelsesdeltagere kan man indsnævre denne variation og derved forbedre præcisionen
• Graden af tilfældig variation fremgår af konfidens-intervallet omkring risikomålet
• Bredden af konfidensintervallet er omtrent omvendt proportionalt med kvadratroden af stikprøvestørrelsen
Eksempel 1
To forskellige undersøgelser af samme problemstilling Eksposition
Syge
Raske
I alt
KIP (%)
Undersøgelse 1
+ 40 160 200 20 - 20 180 200 10
Undersøgelse 2
+ 10 26 36 28 - 5 31 36 14
Undersøgelse 1: RR = 2.0 p = 0.005 Undersøgelse 2: RR = 2.0 p = 0.14
95% KI = 1.23 - 3.25
95% KI = 0.79 - 5.10
Teoretisk problemstilling
Empirisk definition
Målevariation
Uoverensstemmelse mellem teoretiskog empirisk definition
– Ex:• vitamin-indtagelse/cancer • passiv rygning/hjertesygdom• acetylsalicylsyre/hjertesygdom
Præcise kriterier for fastlæggelse af eksponering og udfald
Sand værdi af parameter
Biologisk variation
Sand værdi på måletidspunktet
Bias og variation som knytter sig til det valgte “måleinstrument”Bias som knytter sig til de personer der bliver undersøgtBias som knytter sig til de personer der foretager målingerne
Oparbejdning og analyse
Værdi af parameter i undersøgelse
Fejlkilder i epidemiologiske undersøgelser
• TILFÆLDIGHED
• BIAS
• CONFOUNDING
Eksempel 3
• I en nylig dansk undersøgelse blev forbruget af svage analgetika blandt teenagere beskrevet
• Forbruget viste sig at være overraskende højt og fremkaldte de store overskrifter i aviserne
• Problemer?
– stikprøvestrategi– deltagelsesprocent– fastlæggelse af medicinforbrug – grad af eksponering
Eksempel 4• I slutningen af 1970´erne ønskede man at undersøge eventuelle
helbredsmæssige konsekvenser, særlig cancerrisiko, blandt personer der havde “overværet” atomprøvesprængninger i Nevada ørkenen i midten af 1950’erne
• Personer der havde overværet de pågældende atomprøve-sprængninger blev via en storstilet annoncekampagne, bl.a. i aviser og fjernsyn, opfordret til at deltage i undersøgelsen
• Cancerforekomsten i undersøgelseskohorten var overraskende lav for nogle cancertyper, men for andre cancertyper meget høj, og for enkelte typer af samme størrelsesorden som hos japanske overlevere efter Hiroshima og Nagazaki!
• Problemer?DødeDeltagelse afhængig af sygdomsstatusUpræcise eksponeringsoplysninger
Caldwell et al. Leukemia among participants in military maneuvers of a nuclear bomb-test: a preliminary report. JAMA 1980; 244: 1575-8.
Eksempel 4 (b)• Pearce et al* identificerede via personalearkivet for The
Royal New Zealand Navy 500 personer som havde deltaget i lignende test af kernevåben i Stillehavet i perioden 1957-58. Som kontrolpersoner udvalgtes personer som havde været ansat i flåden i samme periode (på tre skibe) men som ikke havde deltaget i de pågældende test. Follow-up af index- og kontrolpersoner op til 1987, dvs for en 30-årig periode, blev udført via kobling til cancer- og dødsregister samt spørgeskemaer og var næsten komplet. Mortaliteten var stort set identisk i de to grupper, men der var en let øget forekomst af leukæmi blandt personerne som havde deltaget i test af kernevåben
• Udgangspunkt i eksponering uafhængig af senere sygdoms-forekomst og høj follow-up procent
• Begrænsninger: manglende oplysninger om anden radioaktiv eksponering og eventuelle confoundere
*Pearce et al. Follow-up of New Zealand participants in British atmospheric nuclear weapons tests in the Pacific. BMJ 1990, 300, 1161-1162
Eksempel 5
• I en case-kontrol undersøgelse ønskede man at belyse sammenhængen mellem alkoholforbrug og leversygdom
• Cases og kontrolpersoner blev interviewet om deres forbrug af alkohol
• Problemer?Alkoholforbrug “følsomt” spørgsmålSærlig cases vil måske ikke oplyse det sande forbrugInterviewerens udspørgen og fortolkning afhængig af deltagernes
status (case/kontrol) Alkoholforbrug varierer over tid, særlig hos cases
BIASdefinition
“Deviation of results or inferences from the truth, or processes leading to such deviation. Any trend in the collection, analysis, interpretation, publication, or review of data that can lead to conclusions that are systematically different from the truth” (Murphy)
BIASdefinition (b)
• Enhver systematisk fejl i udvælgelse af undersøgelses-grupper eller indhentning, rapportering, og fortolkning af information
• Konsekvens:
– Manglende sammenlignelighed
Bias - nomenclature”Popularity bias, centripetal bias, referral filter bias, diagnostic access bias, diagnostic suspicion bias, unmasking bias, mimicry bias, previous opinion bias, wrong sample size bias, admission rate bias, prevalence-incidence bias, diagnostic vogue bias, diagnostic purity bias, procedure selection bias, missing clinical data bias, non-contemporaneous control bias, starting time bias, migrator bias, membership bias, non-respondent bias, volunteer bias, insensitive measure bias, underlying cause bias, end-digit preference bias, unacceptability bias, obsequiouness bias, expectation bias, substitution bias, family information bias, exposure suspicion bias, recall bias, attention bias, instrument bias”
(Sackett, 1979)
Bias - nomenclature (b)
• SELEKTIONSBIAS
• INFORMATIONSBIAS
Selektionsbias
• Udvælgelse til undersøgelsesgrupperne (på basis af eksponering eller udfald) er influeret af den anden undersøgelsesdimension (eksponering eller udfald)
• Selektiv rekruttering af personer med bestemte karakteristika for eksponering og sygdom
– dvs. relationen mellem eksponering og sygdom er forskellig mellem de som deltager i undersøgelsen og de som teoretisk kunne deltage, men som af forskellige årsager ikke gør det
Bias som opstår uden for datamaterialet
Selektionsbias
case-kontrol design• Udvælgelse af cases og kontroller er baseret på
forskellige kriterier, som samtidigt er relateret til eksponeringsstatus
Ex:– “diagnostisk bias”
• henvisning• selv-selektion
– bortfald (non-respons)– valg af kontrolgruppe– (”protopathic bias”)
Eksponering Cases Kontroller
+ a = fA b = gB
- c = fC d = gD
I alt a+c = f (A+C) b+d = g (B+D)
f = stikprøvefraktion for cases = (a+c)/(A+C) g = stikprøvefraktion for kontroller = (b+d)/(B+D)
Stikprøvefraktionerne f og g skal være identiske for eksponerede og ikke-eksponerede individer
Case-kontrol designEksempel 6
+ opløsningsmidler
kontrolperson
- opløsningsmidler
+ opløsningsmidler
“malersyndrom”
- opløsningsmidler
Hvis sandsynligheden for at blive diagnosticeret afhænger af ekspositionen, er der risiko for selektionsbias i en case-kontrol undersøgelse
Case-kontrol designBortfald/eksempel 7
Den sande population
Eksponering Case Kontrol I alt + 107 193 300 - 143 557 700 I alt 250 750 1000
OR = 2.2
Den undersøgte population Eksponering Case Kontrol I alt + 96 139 235 - 103 401 504 I alt 199 540 739
OR = 2.7
Bortfaldshyppighed
Eksponering Case Kontrol + 10% (11) 28% (54) - 28% (40) 28% (156) 20% (51) 28% (210)
Valg af kontrolgruppe
case kontrol design
• Eksponeringshyppigheden i kontrolgruppen skal være et estimat af eksponeringshyppigheden i populationen der gav ophav til cases (studiebasen)
• ”Kontroller skal repræsentere personer, som ville have været valgbare som cases, hvis de var blevet diagnosticeret med den pågældende sygdom”
Valg af kontrolgruppecase kontrol design (b)
“Groft check”• vil kontrolpersonerne blive cases i tilfælde af
sygdom?• er kontrolpersonerne raske eller syge?• er eksponeringen associeret med sandsynligheden
for at blive kontrol?
En højt testosteronspejl som årsag til prostatacancer. Kontrollerne var personer med prostatahypertrofi
Ex:
Postmenopausale hormoner som årsag til endometriecancer. Kontrollerne var kvinder udredt for endometriecancer, men fundet ikke at have detRygning som årsag til lungecancer. Kontrollerne var personer med andre lungesygdomme
Valg af kontrolgruppecase kontrol design (3)
Hvorfor så overhovedet anvende patienter som kontroller?
• studiebasen kan ikke identificeres
• imødegå eventuelle selektionsmekanismer (visitationsvej, Berkson bias)
• reducere informationsbias
• reducere bortfald
• behov for blodprøver og andre invasive test
• logistiske hensyn
“Prothopathic bias”
• Forveksling af årsag og virkning• Eksponeringen, for typisk et lægemiddel, ændres
som følge af en tidlig manifestation af sygdommen.
Ex:Personer ophører med at anvende acetylsalicylsyre eller andre anti-inflammatoriske lægemidler (NSAIDs) pga. blod i afføring. Hvis disse symptomer er første tegn på coloncancer vil der findes en negativ association mellem “aktuel” forbrug afdisse lægemidler og coloncancerPatienter med Crohn’s sygdom tager NSAID for ledgener som opstår før et åbenbart udbrud af sygdommen. Derved tilskrives udbruddet at patienten har taget NSAID
Personer lægger sine livsstils- og kostvaner om som følge af tidlige symptomer (fx. kvalme)
Selektionsbias
kohorte design
• Udvælgelse til eksponeret/ikke-eksponeret gruppe er relateret til udfaldsstatus
Ex:• historisk kohorteundersøgelse
• ”healthy worker effekt”
• “unhealthy patient effect”• confounding by indication
Informationsbias
Bias som opstår inden for datamaterialet - ofte som et resultat af utilstrækkelige eller dårlige
oplysninger
DIFFERENTIEL Forskelle mellem undersøgelsesgrupperne i
indhentning, rapportering, eller fortolkning af information om den anden undersøgelsesdimension (eksponering eller udfald)
TILFÆLDIG (ikke-differentiel) Misklassifikation af eksponering eller sygdom
uafhængig af den anden dimension (eksponering eller sygdom)
Informationsbias
case-kontrol design
• Kvaliteten af informationen omkring eksponering afhænger af sygdomsstatus
• Bestemmelsen af eksponeringsstatus er forskellig for case- og kontrolgruppen
Ex:
“recall bias”
“interviewer bias”• interviewer kan tendere til at være mere omhyggelig/
ihærdig eller evt. ”overfortolke” ved interview af cases (“probing”)
Informationsbiasrecall bias
• Rapporteringen af relevant tidligere eksponering er forskellig for cases og kontroller
– over- eller underrapportering afhængig af problemstilling• egeninteresse i at finde forklaring• “stigmatiserende” problemstilling
• Ex:Kvinder som har født misdannede børn vil være mere motiverede for at huske lægemiddelforbrug og anden eksponering under graviditeten
Visse sygdomme er særlig “følsomme” over for recall bias (fx. hudkræft og soleksponering)
Informationsbias
kohorte design• Bestemmelsen af udfaldsstatus er forskellig for
eksponerede og ikke-eksponerede grupper
Ex:“Diagnostisk bias”
• Kvinder der tager p-piller vil oftere blive henvist til videre undersøgelse ved mistanke om venetrombose (og vil sandsynligvis også oftere søge læge for symptomer på og/eller bekymring for venetrombose)
• Rygere søger hyppigere læge og bliver oftere undersøgt for rygerelaterede sygdomme (hvem mistænker lungecancer hos en ikke-ryger hvis der ikke ligefrem er tale om hæmoptyse?)
Bortfald
Kohorte designBortfald/eksempel 8
Den sande population
Eksponering Syg Rask I alt
+ 107 193 300 - 143 557 700
I alt 250 750 1000
RR = 1.7
Den undersøgte population
Eksponering Syg Rask I alt
+ 96 139 235 - 103 401 504
I alt 199 540 739
RR = 2.0
Bortfaldshyppighed
Eksponering Syg Rask I alt
+ 10% (11) 28% (54) 22% (65) - 28% (40) 28% (156) 28% (196)
Informationsbias
Tilfældig misklassifikation• Misklassifikation af eksponering eller sygdom er
uafhængig af den anden undersøgelsesdimension• Hvis “sandheden” er kendt kan misklassifikationen
udtrykkes ved sensitivitet og specificitet• Oftest konservativ biasEx:• en undersøgelse af sammenhængen mellem alkoholforbrug og
cancer tog udgangspunkt i forbruget over en meget kort periode
• lægemidler som ordineres til en person anvendes ikke eller tages tages af en anden person
• sygdomstilfælde identificeres via registre
Ikke-differentiel misklassifikation
vigtige aspekter• Teori vs. empiri
– ex: kost/coloncancer• Latenstid (“induction time”)
– relevante “eksponeringsvindue”?• ex: lægemidler/sygdom, rygning/AMI, rygning/lungecancer
• Eksponering– type– mønster– tidspunkt– varighed
• ex: fedtindtagelse/AMI• Sygdom
– kriterier?• cerebrovaskulart insult
Vurdering af bias i en given undersøgelse• Vurdering af eksponering og udfald i forhold
til den teoretiske problemstilling• Design og størrelse af undersøgelsen• Tidsdimension
– kalendertid– i forhold til hypotese
• Selektion af undersøgelsespopulation– repræsentativitet i forhold til
studiebase?• Fastlæggelse af eksponering og udfald
– instrument – form– viden om hypotese og den anden
undersøgelsesdimension (sygdom/eksponering)
• “subject”• undersøger
• Dataoparbejdning og analyse– resultater afhængig af sygdomsgrad?– dosis/respons?
Teori vs. Empiri?
Præcision?
Selektionsbias?
Informationsbias?
Bias – ”approach”
case kontrol design
Design• Rekrutter patienten ved kilden
• Veldefinerede sygdomskriterier
• Udvælg eventuelt kun sværere tilfælde som uundgåeligt vil blive diagnosticeret
• Incidente cases
• “Blinding” af diagnosticerende læge mht eksponeringsstatus
• Brug eventuelt registre
• Repræsentativ kontrolgruppe
Bias – ”approach”
case kontrol design (2)
Dataindsamling• Struktureret og standardiseret instrument for
dataindsamling• Kvalitetskontrol/validering af instrument• “Blinding”
• indsamling af eksponeringsoplysninger før endelig diagnose• cases mht. hypotese• interviewer mht. hypotese/sygdomsstatus
• Detaljerede oplysninger om eksponering• Validering af eksponeringsoplysninger• Vær opmærksom på tidsdimensionen; relevant eksponering
før første tegn på sygdom
Bias –”approach”
case kontrol design (3)Analyse
• Bortfaldsanalyser• Følsomhedsanalyser
– udregne estimater for forskellige antagelser af eksponering blandt “bortfaldne” (fx. halvt henholdsvis dobbelt så hyppig som i den undersøgte population)
• Udregn risikoestimater for forskellige niveauer af sygdom • Udregn risikoestimater for variable der vides ikke at være
risikofaktorer for det studerede udfald• Udregn risikoestimater for forskellige eksponeringsvinduer
hvis oplysninger haves• Eventuelt justering af risikoestimat for tilfældig
misklassifikation
Bias – ”approach”
kohorte design
Design
• Fastlæggelse af undersøgelsespopulation uafhængig af udfaldsstatus og/eller follow-up (retrospektiv undersøgelse)
• Vurder risiko for “confounding by indication” og forsøg at tage højde for det i valg af kontrolgruppe
Bias – ”approach”
kohorte design (2)
Dataindsamling• Struktureret og standardiseret instrument for
dataindsamling• “Blinding” af undersøger mht. hypotese og/eller
eksponeringsstatus• Checke detaljeringsgrad omkring diagnosen i forhold til
eksponering• Præcise kriterier for udfald• Diagnostik uafhængig af eksponering• Brug eventuelt registre• Validering af eksponering og udfald
Bias – ”approach”
kohorte design (3)
Analyse
• Bortfaldsanalyse/følsomhedsanalyse
• Stratificer på sværhedsgrad af sygdom
• Udregn risikoestimater for udfald som vides ikke at være associeret med eksponering
• Udregn risikoestimater for forskellige eksponeringsvinduer
• Eventuelt justering af risikoestimat for tilfældig misklassifikation
Fejlkilder i epidemiologiske undersøgelser
Vigtige aspekter
• Vær omhyggelig med den første undersøgelse
– vanskeligt at afkræfte hypoteser
• Grundprincipper:
• sammenlignelighed
• validitet
• komplethed