원발성 편향:간단한 설명+예

원발성 편향은 아직 진단되지 않은 질병(결과)의 증상에 반응하여 노출이 시작(또는 중지)될 때 발생합니다. 이 노출과 결과 사이의 인과 관계에 대한 잘못된 결론에 이르게.

이 편향은 특히 약물 약리학 연구에서:

  • 노출은 약물 처방
  • 결과는 질병

원발성 편향은 2 가지 방법 중 1 가지 방법으로 발생할 수 있습니다.:

  • 얼마 후 질병이 진단 될 것입니다
  • 노출이 질병보다 앞선 것처럼 보일 것입니다
  • 우리는 노출이 질병을 유발했다고 잘못 결론 지을 것입니다

2- 또는 노출은 진단되지 않는 질병의 증후에 응하여 중단됩니다,그 후에:

  • 얼마 후 질병이 진단 될 것입니다
  • 노출의 회피는 질병보다 앞서는 것처럼 보일 것입니다
  • 우리는 노출이 질병에 대한 보호라고 잘못 결론 지을 것입니다

원발성 편향은 노출을 얻는 사람과 그렇지 않은 사람의 선택이 무작위화되지 않은 관찰 연구에 영향을 미칩니다.

그것은 원인과 결과를 잘못 역전시킴으로써 작동합니다—역 원인이라고 불리는 현상.

원발성 편향의 예

이 섹션에서는 2 가지 예를 연구하기 위해 1980 년으로 돌아갈 것입니다:

  1. 질병의 초기 증상에 반응하여 약물을 처방하는 경우.
  2. 질병의 초기 증상에 반응하여 약물을 중단하는 경우

시작하자!

아래의 예는 사례 대조군 연구에서”원발성 편향”의 문제,1980 에서 논의되었다.

자궁내막암 증상에 영향을 받은 에스트로겐 처방

이것은 다음을 포함하는 사례 대조 연구였습니다:

  • 사례 그룹:자궁 내막 암
  • 대조군: 자궁암 이외의 진단을받은 여성

대조군은 연령 및 인종에 대해 사례 그룹의 각 구성원과 일치했습니다.

에스트로겐에 대한 노출 및 그 표시 이유에 대한 데이터가 수집되었습니다.

결과는 이들 여성 중 다수가 에스트로겐을 처방 받았고 일부는 암의 증상 인 자궁 출혈에 반응했다는 것을 보여줍니다:

이 경우 에스트로겐 사용이 자궁암 진단에 선행하여 자궁암을 유발하는 것처럼 보이기 때문에 원발성 편향이 발생할 수 있습니다:

원발성 편향의 효과를 연구하기 위해 조사자는 에스트로겐 처방과 자궁암 사이의 관계에 대한 2 가지 확률 비율을 계산하기로 결정했습니다:

  1. 자궁 출혈 치료를 위해 에스트로겐이 처방 된 첫 번째 사례 및 대조군 포함
  2. 이 그룹을 제외한 두 번째

자궁 출혈 치료를 위해 에스트로겐이 처방 된 그룹을 분석에서 제외함으로써 저자는 원발성 편향의 영향을 제거 할 수있었습니다.

실제로,그들의 결과는 원발성 바이어스의 영향이 제거되었을 때 승산비의 10%의 하락을 나타낸다.

우리가 방금 설명한 이 계층화된 분석은 두 가지 이유로 중요합니다:

  1. 그것은 원발성 편향의 존재를 확인합니다:에스트로겐 처방이 자궁 내막 암의 증상에 의해 영향을받을 수 있음을 보여줌으로써
  2. 그것은 원발성 편향의 효과를 정량화합니다: 이 경우 양성 유방 질환의 초기 증상에 대한 반응으로 경구 피임약의 10%증가

양성 유방 질환의 초기 증상은 유방 통증과 압통을 포함 할 수 있습니다.

시간이 지남에 따라 양성 유방 질환의 진단으로 이어지는 식별 가능한 덩어리가 발견 될 수 있습니다:

이러한 초기 양성 유방 질환 증상(예:유방 통증 및 압통)은 의사가 잠재적 인 금기 사항으로 간주 할 수 있습니다:

  • 경구 피임약 사용 개시
  • 경구 피임약 사용 계속

자네 리치 외. 양성 유방 질환을 가진 훨씬 더 많은 여성들이 유방 불만과 관련된 이유로 경구 피임약을 중단하도록 의사에 의해 권고 된 것을 발견:

그리고 경구 피임약 사용이 적기 때문에 양성 유방 질환의 진단보다 먼저 경구 피임약 사용이 양성 유방 질환과 덜 관련이있는 것으로 보입니다:

이것은 경구 피임약이 양성 유방 질환에 대한 보호라고 잘못 믿을 수 있기 때문에 원발성 편향으로 이어질 것입니다.

원발성 편향을 피하는 방법

아직 진단되지 않은 질병의 증상이 노출에 영향을 미칠 수 있다고 믿을만한 이유가 있다면,우리는 원발성 편향을 피하기 위해 몇 가지 보호 조치를 취해야합니다.

원발성 편향은 두 가지 방법으로 처리 할 수 있습니다:

아직 진단되지 않은 결과의 증상에 반응하여 노출 된 개인 그룹을 제외함으로써

이것은 분석을 두 번 실행하여 수행 할 수 있습니다(예:위의 예제#1 에서 보았 듯이 2 승산비 계산):

  • 하나는 진단되지 않은 질병
  • 의 증상에 반응하여 약물을 처방받은 사례를 포함하고,이 그룹을 제외한 하나는

두 분석의 결과를 비교하여 원발성 편향을 확인하고 정량화합니다.

이 접근법은 아직 진단되지 않은 결과의 증상에 대한 반응으로 노출을받은 참가자 그룹을 식별 할 수있는 능력에 의해 제한되며,이는 항상 가능한 것은 아닙니다.

노출 정의에 지연 시간을 적용하여

이 접근법은 진단 날짜 이전의 특정 기간의 노출 평가에서 제외됩니다.

간단히 말해서,우리는 지연 시간 동안 발생하는 모든 노출을 무시합니다:

적용 할 수있는 가장 좋은 지연 시간은 무엇입니까?

불행히도,이 질문에 대한 단 하나의 대답은 연구중인 질병에 많이 의존하기 때문에 없습니다.

특히,노출에 영향을 줄 수있는 증상을 나타내면서 질병/결과가 눈에 띄지 않을 수있는 기간을 추정 할 수 있습니까?

할 수 없다면 기본적으로 두 가지 옵션이 남아 있습니다:

  1. 이전의 유사 연구에서 사용 된 것과 동일한 지연 시간을 적용하거나(그러한 연구가 존재하는 경우)
  2. 자신의 연구에서 얻은 데이터를 사용하여 분석적으로 지연 시간을 결정하려면

올바른 지연 시간을 선택하는 것이 큰 문제입니까?

최적에 가까운 지연 시간을 선택하는 것은 다음과 같이 중요합니다:

  • 최적의 지연 시간보다 짧으면 원발성 편향의 불완전한 제어가 가능하고,지연 시간이 길면 결과와 인과 관계가 있는 노출을 배제할 수 있다.

자신의 연구 데이터를 사용하여 지연 시간을 결정하는 방법은 약간 복잡한 통계적 방법을 포함하며 타밈 등에서 자세히 설명된다.

그러나,나는이 방법에 대한 간략한 개요를 제공 할 것이다:

먼저 우리는 지연 시간의 다른 값에 대한 노출과 결과 사이의 연관성의 승산비를 계산한다.

그런 다음 아래 그림과 같이 플로팅합니다.:

이 줄거리에서 우리는 그것을 볼 수 있습니다:

  • 지연 시간이 커짐에 따라 승산비가 먼저 감소합니다:노출이 결과의 초기 증상과 관련 될 때 예상됩니다-이것은 원발성 편향
  • 에 기인 한 다음 지연 시간이 증가함에 따라 곡선의 기울기가 안정화됩니다.여기서 곡선은 승산비의 진정한 편향 값에 접근합니다

곡선이 안정화되기 시작하는 지점은 연구에 사용되는 가장 좋은 지연 시간입니다. 이 지연 시간 값을 사용하여 계산 된 승산비는 원발성 편향에 영향을받지 않는 것으로 간주됩니다.

추가 읽기

  • 리드타임 편향
  • 길이 편향
  • 성능 편향
  • 시간적 편향
  • 노출 의심 편향
  • 프록시 편향
  • 유병률-발생 편향

답글 남기기

이메일 주소는 공개되지 않습니다.