Professional Documents
Culture Documents
9 Causation Chance Bias Confounding 2
9 Causation Chance Bias Confounding 2
Causation
Bias and Confounding
in Epidemiology
Causation ความเป็นเหตุเป็นผลกันฐานทีมันก็ไม่สอดคล้องกัน
ไม่ได้มีความสัมพันธ์เป็นเหตุแต่เป็นเหตุเป็นผลกัน
Causation in epidemiology
การศึกษาทางระบาดวิทยา
วัตถุประสงค์ของระบาดวิทยา
• การหาสาเหตุของปัญหาสุ ขภาพต่างๆ
• การให้ขอ้ สรุ ปเชิงสาเหตุวา่ ปัจจัยใดเป็ นสาเหตุของการเกิดโรค
วินิจฉัยแยกความสั มพันธ์ ระหว่ างตัวแปรว่ าเป็ นความสั มพันธ์ ทางเหตุและผลต่ อกันหรอ อมม่
เกณฑ์ การพิจารณาความสั มพันธ์ เชิงสาเหตุ
(criteria for causation)
ในอดีตเคยศึกษา
HILL’S CRITERIA
พิจารณาสาเหตุเชิงความสัมพันธ์ 9 ข้อ
Strength มากๆ
จำนวนคนที่สูบบุหรี่
คนที่ตายจากมะเร็งปอด
สัมผัสปัจจัยนี้แล้วจะเป็นโรคนี้เสมอ
one-to-one relationship
3. Specificity
โรคนี้ อาจไม่ใช่เพราะสาเหตุนี้อย่างเดียวก็ได้ (แบบค่าสถิติเยอะๆ เราถือว่าสัมพันธ์กันงี้)
อาจมีปัจจัยอื่นเข้ามาด้วยก็ได้
อย่าพึ่งไปตัดสาเหตุอื่น อาจมีส่วนก็ได้ที่ทำให้เกิด
เป็นการเรียงลำดับเหตุการณ์ ลำดับความสัมพันธ์
การออกกาลังกายสม่าเสมอกับการเกิดโรคหลอดเลออดหัวใจ
ถ้าเราออกแบบงานวิจัยไม่ดี คนที่เราเข้ามาเป็นโรคก่อนแล้วอะ!!
Prevent
Dose-response relationship
Prevent
ไม่ใช่ว่าไวท์ดี มันเป็นแอลกอฮอล์
การดื่มไวน์ปริ มาณน้อยๆทุกวันจะช่วยป้องกันโรคหลอดเลือดหัวใจ
ความสอดคล้องของความสัมพันธ์ เป็นความตรงไปตรงมา
ความเชื่อมโยงกัน เหมือนกัน
สมมติฐานตั้งต้นมันมียานะที่ทำให้ทารกผิดปกติ
ทาลิโดไมด์ ทำให้เกิดความผิดปกติของทารก
เขาเลยคิดว่ายาอื่นๆก็อาจทำให้ทารกผิดปกติได้เหมือนกัน
ถ้าเราเชื่อฮิวอะ เราก็ไม่อาจพบสิ่งใหม่ๆได้เลย
พอเราพิสูจน์มันก็ไม่ใช่ยาทุกตัวที่เกิดอะ
9. Analogy
Precise but not valid Neither precise nor valid Valid and precise
ความเที่ยง ทำทุกครั้งได้ค่าเดียวกันทุกครั้ง ไม่ถูกต้อง ไม่เที่ยง พิสูจน์ได้ไง ว่ามันสัมพันธ์กัน เป็นเหตุเป็นผลกัน
แต่ถูกไหม? อันนี้ไม่ถูก เพราะถูกต้องอยู่ตรงกลาง ต้องกำจัดปัจจัยรบกวน
Error in epidemiology
ดูเรื่องความเที่ยง
มี 2 ส่วน
Random error OR Chance
ค่าตรงกัน
มีผลต่อความแปรปรวนมันสูง ค่าการกระจายไม่ดี
Systematic error OR Bias
➢ ความคลาดเคลื่อนที่เกิดจากขั้นตอนและวิธีการศึกษา เช่น
• การเลือกประชากร
• การเก็บข้อมูล
➢ ทาให้การแปลผลความสัมพันธ์ระหว่าง Exposure และ
Outcome คลาดเคลื่อนจากความเป็ นจริ ง
Systematic error OR Change
ถ้ามี ค่ามันจะเบี่ยงเบนจากค่าความเป็นจริง
ค่าที่ได้ต่างกัน กราฟเบี่ยงเบนไป
- result from the study show real relationship in the study population
Truth in Truth in
the study real life
สิ่งที่เราต้องการจะแสดงให้เห็นในกลุ่มประชากร
1. อคติที่เกิดขึ้นในขั้นตอนการคัดเลือกกลุ่มตัวอย่าง :
Selection bias เป็นกลุ่มใหญ่
2. อคติที่เกิดจากการได้ขอ้ มูลไม่ถูกต้อง :
Information bias
Selection bias
ต้องเลือกให้ดีเพื่อเป็นตัวแทนที่ดี
• เลือก study population, study group, control group ไม่เหมาะสมจะเ ด บobserve
สุ่มมาได้แต่คนสีแดงทั้งหมด
2. Self selection bias
Inclusion, Exclusion
RR = 1 ; ม น น?
• เกิดจากการที่กลุ่มตัวอย่าง
ออกจากการศึกษาก่อน
กาหนด
• ทาให้การศึกษาไม่ได้เป็ น
ตัวแทนของประชากร
ทั้งหมด
สั
พั
ธ์
กั
4. Referral bias
• เกิดจากการส่ งต่อผูป้ ่ วยไปสถานพยาบาลในระดับที่สูงกว่า
• ผูป้ ่ วยที่ถูกส่ งต่อ แตกต่างจากผูป้ ่ วยผูท้ ี่ไม่ได้ถูกส่ งต่อ
กลุ่ม 2 กลุ่มไม่เหมือนกันละ
• ไม่ใช่ตวั แทนที่แท้จริ ง
- การกาหนดนิยามไม่ชดั เจน
- คาถามในแบบสอบถามไม่ชดั เจน
- อคติจากตัวผูต้ อบคาถาม/ผูถ้ าม
- ขั้นตอนในการวัดตัวแปรต่างๆ
• ส่ งผลให้การจัดกลุ่มของการสัมผัส ปัจจัยเสี่ ยง การเป็ นโรค ผิดไปจาก
ความเป็ นจริ ง
• อาจเรี ยกอีกชื่อหนึ่งว่า misclassification bias
Type of information bias
Misclassification bias
1. Non-differential misclassification
2. Differential misclassification
- Recall bias
- Detective bias
ไม่มีทิศทางเกิดได้แบบแรนดอม
Non-differential misclassification
มันปนกันหมดถ้าเกณฑ์เราไม่ดี เช่น
เรามีแบบประเมิน คือ คนไข้เครียดมากเครียดน้อย ทำให้เราไม่เห็นภาพชัดเจนเรื่องระดับ มันเป็นเครื่องมือ : แบบสอบถามที่ไม่ดี
เพราะเรา องการ
ใน คน วน
แ BMI เป็ น confounder หรอ อมม่
มี
มี
อ่
สั
มี
มั
ธิ
พั
มี
ต้
กั
ดู
ต้
อ้
ม่
ซึ่
ป็
ต่
ด้
ต่
ห้
ค่
สั
ลื
พั
ว่
ต่
ต่
ดู
ธ์
กั
Confounding
EX,
เ ยง
คนที่กินเหล้า สูบบุหรี่ CHDเห อน น อง ด น ใด น งออก า อง ก. เน ย
ว
:: อง excluse
ทใเด
ออกไป
Alcohol เ ยง
CHD
consumption
Smoking
รู้อั
ต้
ถ้
นึ
อั
อั
ติ
ต้
มั
ก็
ที่
สี่
สี่
กิ
กี
ำ
ริ
ค่
ย่
ต่
ำ
ต้
ห้
ด้
มื
กิ
ห้
ดี
กั
ตั
อิทธิพลของตัวแปรกวน
1. Decreasing effect
2. Increasing effect
3. Opposite effect
True RR =2.0
Measured RR = 1.2 (toward the null)
Measured RR = 4.0 (away the null)
Measured RR = 0.5 (Switch over)
Example
Hypothesis : Type A behavior is associated with risk of CHD
Possible confounder : Smoke
Cohort study
506 with CHD
at baseline
178 new cases
3154 men
1307 type A
1129 no CHD
2648 enrolled
79 new cases
1341 type B
8.5 years 1262 no CHD
Example
𝟏𝟕𝟖/𝟏𝟑𝟎𝟕
RR = = 2.31 ; ค. ม น
𝟕𝟗/𝟏𝟑𝟒𝟏
สั
มี
พั
ธ์
Example
เง ฉพาะละแ ง typeA,
B
𝟏𝟔𝟖/𝟏𝟎𝟒𝟖 แต่พอแบ่งแยกย่อยละ
RR = = 0.99 ~เ าใก ๆ แทน ไ ค. ม น
𝟑𝟒/𝟐𝟏𝟏
ถึ
สู
สั
ม่
บ่
มี
ข้
บุ
พั
รี่
ธ์
ล้
Example
Non smoking
𝟏𝟎/𝟐𝟓𝟗
RR = = 0.97 ~เ าใก
Design level
- Blinding
- Standard data collection form
- Define objective exposure and outcome
ต้องประเมินเครื่องมือ แบบสำรวจอะ สามารถระบุความเป็นจริงได้มากน้อยแค่ไหน
How to control bias and confounder
Confounder
• Design Level
- Random allocation เลือกกลุ่มตัวอย่างให้เหมาะสม ให้เหมือนกันที่สุด
- Stratification
- Mathematical