BLOK 4 Confounding en effect modificatie
3 vormen van effectvertekening
1. Selectiebias
a. Verkeerd kiezen van groepen
2. Informatiebias
a. Verkeerde metingen
3. Confounding
a. Vertekening van associatie door samenhang met een derde variabele
Confounding = de verstoring van je associatie door een/meerdere derde variabelen.
- Vertekening van een associatie door aanwezigheid van een derde variabele
Onderwerpen:
- Wat is een confounder
- Confounding ontrafelen met behulp van kruistabellen
Schematische confounding
In het onderzoek wil je de relatie tussen determinant en uitkomst weten.
- Determinant kan samenhangen met andere variabalen/factoren (co variabelen)
o Als zon variabele eveneens gerelateerd is aan de uitkomst dan spreken we van
confounding
Kenmerken van confounding:
Een variabele kan potentieel het effect tussen determinant en uitkomst verstoren als (moet aan de
volgende DRIE voorwaarden voldoen:
1. Er samenhang is met de determinant
Dus determinant streepje potentiële confounder.
2. Dat de variabele ook gerelateerd is aan de uitkomst
Vraag jezelf af of er een verband ligt tussen de variabele en de uitkomst.
Hieronder bijvoorbeeld meer zieken in een stedelijk gebied door vervuiling.
3. De
potentiële verstoring maakt
geen onderdeel uit van het causale pad
Geen causale rol tussen determinant en uitkomst (mediator)
Geen gevolg van de uitkomst
, Dus als je determinant je confounder beïnvloedt, en je confounder
vervolgens je uitkomst, ligt het op het causale pad en is het geen confounder
dan is het een mediator
En het mag ook niet zo zijn dat de determinant tot de uitkomst leidt, en de
uitkomst leidt tot de potentiële confounder, dan is het ook geen confounder
Komt er een JA op een van bovenstaande, dan is het GEEN confounder
Confounding als effectvertekening voorbeeld!
Relatie tussen afstand pluimvee en ziektedagen:
Per kilometer 0,112 ziektedag
- Dus hoe verder je weg woont hoe meer ziek je bent
- Dit is het ruwe effect, zonder correctie
Na verrekening van het effect van de stedelijkheid:
Per kilometer afstand tot pluimvee -0,071 ziektedag
- Naarmate je dus verder weg woont, heb je minder ziektedagen
- Of andersom als je dichterbij woont meer
- Dit is het gecorrigeerde effect, je ziet dat de steden hier een effect op uitoefenen wat de
associatie vertekend.
Ruwe effect: zonder ‘correctie’ van confounding.
Gecorrigeerde effect: met correctie stedelijkheid
Hierbij draait de associatie dus OM
Wanneer de potentiële confounder op het causale pad ligt
- Het is geen confounder maar een intermediair in de relatie
- Ook wel genoemd: mediator
Confounding in onderzoek
Bij cohortstudies kan het vaak fout gaan, een cohortstudie wordt namelijk niet gedaan om een
associatie te bestuderen maar heel vaak meerdere factoren die risico’s op ziekte verhogen, en ook
over de tijd.
Voorbeeld cohortstudie
- T = 0 daarop wordt de determinant gemeten
- En tal van andere mogelijk relevante
Nadenken over:
- Wat zijn variabelen met mogelijke mechanismen die een rol hierin spelen, op basis daarvan
selecteer je je mogelijke confounders
3 vormen van effectvertekening
1. Selectiebias
a. Verkeerd kiezen van groepen
2. Informatiebias
a. Verkeerde metingen
3. Confounding
a. Vertekening van associatie door samenhang met een derde variabele
Confounding = de verstoring van je associatie door een/meerdere derde variabelen.
- Vertekening van een associatie door aanwezigheid van een derde variabele
Onderwerpen:
- Wat is een confounder
- Confounding ontrafelen met behulp van kruistabellen
Schematische confounding
In het onderzoek wil je de relatie tussen determinant en uitkomst weten.
- Determinant kan samenhangen met andere variabalen/factoren (co variabelen)
o Als zon variabele eveneens gerelateerd is aan de uitkomst dan spreken we van
confounding
Kenmerken van confounding:
Een variabele kan potentieel het effect tussen determinant en uitkomst verstoren als (moet aan de
volgende DRIE voorwaarden voldoen:
1. Er samenhang is met de determinant
Dus determinant streepje potentiële confounder.
2. Dat de variabele ook gerelateerd is aan de uitkomst
Vraag jezelf af of er een verband ligt tussen de variabele en de uitkomst.
Hieronder bijvoorbeeld meer zieken in een stedelijk gebied door vervuiling.
3. De
potentiële verstoring maakt
geen onderdeel uit van het causale pad
Geen causale rol tussen determinant en uitkomst (mediator)
Geen gevolg van de uitkomst
, Dus als je determinant je confounder beïnvloedt, en je confounder
vervolgens je uitkomst, ligt het op het causale pad en is het geen confounder
dan is het een mediator
En het mag ook niet zo zijn dat de determinant tot de uitkomst leidt, en de
uitkomst leidt tot de potentiële confounder, dan is het ook geen confounder
Komt er een JA op een van bovenstaande, dan is het GEEN confounder
Confounding als effectvertekening voorbeeld!
Relatie tussen afstand pluimvee en ziektedagen:
Per kilometer 0,112 ziektedag
- Dus hoe verder je weg woont hoe meer ziek je bent
- Dit is het ruwe effect, zonder correctie
Na verrekening van het effect van de stedelijkheid:
Per kilometer afstand tot pluimvee -0,071 ziektedag
- Naarmate je dus verder weg woont, heb je minder ziektedagen
- Of andersom als je dichterbij woont meer
- Dit is het gecorrigeerde effect, je ziet dat de steden hier een effect op uitoefenen wat de
associatie vertekend.
Ruwe effect: zonder ‘correctie’ van confounding.
Gecorrigeerde effect: met correctie stedelijkheid
Hierbij draait de associatie dus OM
Wanneer de potentiële confounder op het causale pad ligt
- Het is geen confounder maar een intermediair in de relatie
- Ook wel genoemd: mediator
Confounding in onderzoek
Bij cohortstudies kan het vaak fout gaan, een cohortstudie wordt namelijk niet gedaan om een
associatie te bestuderen maar heel vaak meerdere factoren die risico’s op ziekte verhogen, en ook
over de tijd.
Voorbeeld cohortstudie
- T = 0 daarop wordt de determinant gemeten
- En tal van andere mogelijk relevante
Nadenken over:
- Wat zijn variabelen met mogelijke mechanismen die een rol hierin spelen, op basis daarvan
selecteer je je mogelijke confounders
