Lecture 4: bias and confounding
Validity & bias
Meeste onderzoeken gaan over oorzaak gevolg relatie. Om deze vragen te beantwoorde heb je
onderzoek nodig met hoge kwaliteit. Wat is hoge kwaliteit? Onderzoek dat intern valide is,
onderzoeken waarbij fouten zo min mogelijk voorkomen, bij het opzetten, uitvoeren en analyseren
van het onderzoek. Daarbij moeten wij ook kritisch andere onderzoeken kunnen beoordelen.
Representativiteit = de mate waarin jou studiepopulatie de werkelijke target populatie
representeert. De steekproef moet dus overeenkomen met de resultaten die je zou kunnen vinden in
de gehele populatie.
Interne validiteit neemt toe in de hoogte van de driehoek:
Twee typen fouten:
- Random errors: bedreigen de precisie van de onderzoeksresultaten. Als je de studie opnieuw
zou uitvoeren, krijg je dan dezelfde resultaten? Hoe groter de steekproef, hoe preciezer de
resultaten zullen zijn.
- Systematic errors: bedreigen de accuracy/juistheid van de studieresultaten. Geeft de studie
de correcte resultaten in verschillende samples? Zijn er vertekenende beelden? Het hangt
niet af van steekproefgrootte. Systematische fouten is hetzelfde als bias, het geeft incorrecte
resultaten in een studie.
, Wat is nu bias? De tekening links onderin is bias, dit is een systematische afwijking van de
werkelijkheid.
Bias komt in uiting in de metingen van associatie tussen blootstelling en uitkomst:
- Bias is het verschil tussen de geobserveerde associatie en de werkelijke associatie
- Bias gaat altijd in een bepaalde richting. Die richting wordt altijd bepaald relatief aan de null
waarde van de maat van associatie. De null waarde is de waarde van geen effect, geen
associaties of effecten, de waarde onder H0.
- Bias kan zijn:
Kwantitatief: grootte van de associatie komt niet overeen met de werkelijkheid
o Overschatting: de associatie lijkt sterker dan de werkelijkheid
o Onderschatting: associatie lijkt zwakker dan de werkelijkheid
Kwaliteit: de betekenis van een associatie kan gewoon omkeren.
o Tegenovergestelde: bijvoorbeeld roken zorgt voor bescherming tegen kanker
(bias across null).
, Bias = geobserveerde bevindingen verschillen van de werkelijkheid in de target populatie dankzij
systematische fouten in het onderzoekdesign, uitvoering of analyse van het onderzoek.
De drie grootste bronnen van bias:
- Selectie bias: Systematische fouten tijdens de selectie en follow-up van de studie populatie.
- Informatie bias: systematische fouten tijdens het meten van studie variabelen
- Confounding: systematische fouten gemaakt tijdens analyse, je houdt geen rekening met
extra variabelen die ook invloed hebben op de afhankelijke variabele.
Validity & bias
Meeste onderzoeken gaan over oorzaak gevolg relatie. Om deze vragen te beantwoorde heb je
onderzoek nodig met hoge kwaliteit. Wat is hoge kwaliteit? Onderzoek dat intern valide is,
onderzoeken waarbij fouten zo min mogelijk voorkomen, bij het opzetten, uitvoeren en analyseren
van het onderzoek. Daarbij moeten wij ook kritisch andere onderzoeken kunnen beoordelen.
Representativiteit = de mate waarin jou studiepopulatie de werkelijke target populatie
representeert. De steekproef moet dus overeenkomen met de resultaten die je zou kunnen vinden in
de gehele populatie.
Interne validiteit neemt toe in de hoogte van de driehoek:
Twee typen fouten:
- Random errors: bedreigen de precisie van de onderzoeksresultaten. Als je de studie opnieuw
zou uitvoeren, krijg je dan dezelfde resultaten? Hoe groter de steekproef, hoe preciezer de
resultaten zullen zijn.
- Systematic errors: bedreigen de accuracy/juistheid van de studieresultaten. Geeft de studie
de correcte resultaten in verschillende samples? Zijn er vertekenende beelden? Het hangt
niet af van steekproefgrootte. Systematische fouten is hetzelfde als bias, het geeft incorrecte
resultaten in een studie.
, Wat is nu bias? De tekening links onderin is bias, dit is een systematische afwijking van de
werkelijkheid.
Bias komt in uiting in de metingen van associatie tussen blootstelling en uitkomst:
- Bias is het verschil tussen de geobserveerde associatie en de werkelijke associatie
- Bias gaat altijd in een bepaalde richting. Die richting wordt altijd bepaald relatief aan de null
waarde van de maat van associatie. De null waarde is de waarde van geen effect, geen
associaties of effecten, de waarde onder H0.
- Bias kan zijn:
Kwantitatief: grootte van de associatie komt niet overeen met de werkelijkheid
o Overschatting: de associatie lijkt sterker dan de werkelijkheid
o Onderschatting: associatie lijkt zwakker dan de werkelijkheid
Kwaliteit: de betekenis van een associatie kan gewoon omkeren.
o Tegenovergestelde: bijvoorbeeld roken zorgt voor bescherming tegen kanker
(bias across null).
, Bias = geobserveerde bevindingen verschillen van de werkelijkheid in de target populatie dankzij
systematische fouten in het onderzoekdesign, uitvoering of analyse van het onderzoek.
De drie grootste bronnen van bias:
- Selectie bias: Systematische fouten tijdens de selectie en follow-up van de studie populatie.
- Informatie bias: systematische fouten tijdens het meten van studie variabelen
- Confounding: systematische fouten gemaakt tijdens analyse, je houdt geen rekening met
extra variabelen die ook invloed hebben op de afhankelijke variabele.
