Epidemiologie Goderis en Vermeersch
H1 Bias
Drie niveau’s populaties: target population (research question) design intented population en
variabels (study plan) implement actual subjects (actual study)
Omgekeerd: findings in the study truth in the study truth in universe
Incidentie = nieuw optreden CNI = longitudinaal onderzoek
Prevalentie = aanwezigheid bij bepaalde groep op bepaald moment = cross sectioneel design
Met voorbeeld diabetes: target population = alle type 2 diabetes pt in wereld; intended population =
alle type 2 diabetes pt in regio leuven; actual sample = 1000 mensen hebben oproep beantwoord
Odds ratio = (a/b)/(c/d). Boven 1? Meestal significant!
Bias = systematische fout in meetresultaten die ervoor zorgt dat de bekomen resultaten de
werkelijkheid niet op een accurate, correcte manier weergegeven wordt.
Verschil van precisie! = fout in meting door toeval en door onbekende en onvoorspelbare wijzigingen
in experiment. Kan in meetinstrumenten of omgevingscondities. Random error: vaak Gausscurve of
normaal verdeling (ruis)
Geen bias? Geen systematische fout = goede validiteit = geldigheid, correctheid; Geen random fout =
precisie = goede betrouwbaarheid!
Precisie: via CI (meestal 95%); 100x bepaalde meting? 95 keer zal die waarde daarin liggen! Hoe
groter N, hoe kleiner het CI en hoe precieser! P +- 1,96 vierkantswortel(p(1-p))/N
Bias = verkeerde meting; niet precies = grote variatie in meetresultaten;
Bias is niet confounding!!! = mixing effect tussen exposure, outcome en een derde externe factor.
Om een confounding te zijn:
- De variabele moet verband hebben met ziekte: onafhankelijke risicofactor voor ziekte
- Variabele moet verband hebben met blootstelling: ongelijk verdeeld zijn tussen de
blootgestelde en niet blootgestelde groepen
- Confounder mag geen effect van blootstelling zijn, noch factor in oorzakelijke traject ziekte
Evaluatie van bias:
- Wat over de kracht of omvang?
- Wat is de richting? Het trekken van de schatting naar nul = onderschatting; schatting weg
van de nul = overschatting
- Wat is de oorsprong?
Relevantie bias ook afhankelijk van grootte effect sterk effect zal zelden volledig bevooroordeeld
zijn; (hoe sterker het echte effect hoe groter bias moet zijn om ook een significante fout te maken;
Binaire variabelen: OR = 1? Geen effect blootstelling; bias to the null is hier dus 1
Continue waarden: gausscurve en t-test bias to the null is hier ook echt 0
Bias away from the null bij OR: groter dan 1 bij positieve associaties en < 1 bij negatieve associaties.
Bias away from the null bij continue variabelen: > 0 indien verschil tussen de twee positief is of < 0
indien verschil negatief is
, Bv odds ratio = 1,6 dan is bias away from the null 2, 5 ofzo
Bv odds ratio = 0,8 dan is bias away from the null 0,6 of 0,4 ofzo
Bv verschil in 2 continue waarden 1: bias away from the null is dan 2 of 3
Bv verschil in 2 continue waarden -1: bias away from the null is dan -2 of -3
Bias to the null bij OR: bv 1,8 dan gaat bias to the null 1,6 of 1,1 zijn
OR: 0,6 dan bias to the null 0,8 of 0,9 zijn
Positieve correlatie bij 2 continue variabelen bv 1? Dan is bias to the null 0,9 of 0,6
Negatieve correlatie bij 2 continue variabelen bv -1? -0,6 of -0,4 enzo
Oorsprong bias:
- Kan overal in de studie gebeuren
- 2 grote types:
o Selection bias: selectie en opvolging deelnemers; indien onderzoekspopulatie niet
de doelpopulatie vertegenwoordigt; gebeurd dus wanneer deelnemers worden
geselecteerd of om ze in de studie te houden; moeilijk om te corrigeren; problemen
met externe validiteit dus om de gegevens te generaliseren
o Information bias: gegevensverzameling; verteking in de mate van associatie die
wordt veroorzaakt door gebrek aan juiste metingen van belangrijke
onderzoeksvariabelen; problemen met interne validiteit; systematische fout door
verschillen in de manier waarop informatie over exposure en ziekte is vergaard in de
studiegroepen; zowel met exposure als outcome; gebeurd nadat subjects in de
studie zijn gekomen; zowel pro als retrospectief
Recall bias: systematische fout die optreedt wanneer deelnemers zich
eerdere gebeurtenissen of ervaringen niet nauwkeurig herinneren of details
weglaten: kan worden beïnvloed door latere gebeurtenissen en ervaringen
enzo; vooral in surveys, retrospectieve; hoe verder vraag van gebeurtenis
hoe meer
Interviewer bias: vertekening van het antwoord met betrekking tot de
persoon die informaten in onderzoek ondervraagt. Verwachtingen of
meningen interviewer kunnen interferen met objectiviteit of geïnterviewden
kunnen anders reageren op hun persoonlijklheid of sociale achtergrond.
Oplossing: blinde studie, gestandardiseerde vragenlijsten, trainen interview
Misclassification bias: meetfout; kan gebeuren bij exposure en ziekten, kan
differentieel of niet differentieel zijn;
Bv differentieel in controle groep: bias away from the null in geval diabetes
Bv differentieel in diseased groep: bias to the null in geval diabetes
Non differential altijd to the null!
- Ook onderverdeling selection bias:
o Sampling bias: staal verkeerd genomen; bv diabetes (target: alle diabetes pt;
intended: alle pt met type 2 op spoedgevallen; actual: pt tussen bepaalde datum op
spoed): zeer hoge selectie, niet representatief en niet veralgemeenbaar!
o Loss to follow-up: naarmate studie vordert, vallen mensen uit; dat kan differential
(non random! Ofwel exposure groep uit ofwel zieken of beide = attrition bias) of non
differential (mensen die uitvallen is gelijk in de 4 groepen = random) zijn
Incidenties onderzoeken tijdens die studie? Dan heeft loss to follow up een ander
effect dan wanneer je OR gaat bekijken (associaties);
Non differential Differential
Incidentie Bias to the null Bias
2
H1 Bias
Drie niveau’s populaties: target population (research question) design intented population en
variabels (study plan) implement actual subjects (actual study)
Omgekeerd: findings in the study truth in the study truth in universe
Incidentie = nieuw optreden CNI = longitudinaal onderzoek
Prevalentie = aanwezigheid bij bepaalde groep op bepaald moment = cross sectioneel design
Met voorbeeld diabetes: target population = alle type 2 diabetes pt in wereld; intended population =
alle type 2 diabetes pt in regio leuven; actual sample = 1000 mensen hebben oproep beantwoord
Odds ratio = (a/b)/(c/d). Boven 1? Meestal significant!
Bias = systematische fout in meetresultaten die ervoor zorgt dat de bekomen resultaten de
werkelijkheid niet op een accurate, correcte manier weergegeven wordt.
Verschil van precisie! = fout in meting door toeval en door onbekende en onvoorspelbare wijzigingen
in experiment. Kan in meetinstrumenten of omgevingscondities. Random error: vaak Gausscurve of
normaal verdeling (ruis)
Geen bias? Geen systematische fout = goede validiteit = geldigheid, correctheid; Geen random fout =
precisie = goede betrouwbaarheid!
Precisie: via CI (meestal 95%); 100x bepaalde meting? 95 keer zal die waarde daarin liggen! Hoe
groter N, hoe kleiner het CI en hoe precieser! P +- 1,96 vierkantswortel(p(1-p))/N
Bias = verkeerde meting; niet precies = grote variatie in meetresultaten;
Bias is niet confounding!!! = mixing effect tussen exposure, outcome en een derde externe factor.
Om een confounding te zijn:
- De variabele moet verband hebben met ziekte: onafhankelijke risicofactor voor ziekte
- Variabele moet verband hebben met blootstelling: ongelijk verdeeld zijn tussen de
blootgestelde en niet blootgestelde groepen
- Confounder mag geen effect van blootstelling zijn, noch factor in oorzakelijke traject ziekte
Evaluatie van bias:
- Wat over de kracht of omvang?
- Wat is de richting? Het trekken van de schatting naar nul = onderschatting; schatting weg
van de nul = overschatting
- Wat is de oorsprong?
Relevantie bias ook afhankelijk van grootte effect sterk effect zal zelden volledig bevooroordeeld
zijn; (hoe sterker het echte effect hoe groter bias moet zijn om ook een significante fout te maken;
Binaire variabelen: OR = 1? Geen effect blootstelling; bias to the null is hier dus 1
Continue waarden: gausscurve en t-test bias to the null is hier ook echt 0
Bias away from the null bij OR: groter dan 1 bij positieve associaties en < 1 bij negatieve associaties.
Bias away from the null bij continue variabelen: > 0 indien verschil tussen de twee positief is of < 0
indien verschil negatief is
, Bv odds ratio = 1,6 dan is bias away from the null 2, 5 ofzo
Bv odds ratio = 0,8 dan is bias away from the null 0,6 of 0,4 ofzo
Bv verschil in 2 continue waarden 1: bias away from the null is dan 2 of 3
Bv verschil in 2 continue waarden -1: bias away from the null is dan -2 of -3
Bias to the null bij OR: bv 1,8 dan gaat bias to the null 1,6 of 1,1 zijn
OR: 0,6 dan bias to the null 0,8 of 0,9 zijn
Positieve correlatie bij 2 continue variabelen bv 1? Dan is bias to the null 0,9 of 0,6
Negatieve correlatie bij 2 continue variabelen bv -1? -0,6 of -0,4 enzo
Oorsprong bias:
- Kan overal in de studie gebeuren
- 2 grote types:
o Selection bias: selectie en opvolging deelnemers; indien onderzoekspopulatie niet
de doelpopulatie vertegenwoordigt; gebeurd dus wanneer deelnemers worden
geselecteerd of om ze in de studie te houden; moeilijk om te corrigeren; problemen
met externe validiteit dus om de gegevens te generaliseren
o Information bias: gegevensverzameling; verteking in de mate van associatie die
wordt veroorzaakt door gebrek aan juiste metingen van belangrijke
onderzoeksvariabelen; problemen met interne validiteit; systematische fout door
verschillen in de manier waarop informatie over exposure en ziekte is vergaard in de
studiegroepen; zowel met exposure als outcome; gebeurd nadat subjects in de
studie zijn gekomen; zowel pro als retrospectief
Recall bias: systematische fout die optreedt wanneer deelnemers zich
eerdere gebeurtenissen of ervaringen niet nauwkeurig herinneren of details
weglaten: kan worden beïnvloed door latere gebeurtenissen en ervaringen
enzo; vooral in surveys, retrospectieve; hoe verder vraag van gebeurtenis
hoe meer
Interviewer bias: vertekening van het antwoord met betrekking tot de
persoon die informaten in onderzoek ondervraagt. Verwachtingen of
meningen interviewer kunnen interferen met objectiviteit of geïnterviewden
kunnen anders reageren op hun persoonlijklheid of sociale achtergrond.
Oplossing: blinde studie, gestandardiseerde vragenlijsten, trainen interview
Misclassification bias: meetfout; kan gebeuren bij exposure en ziekten, kan
differentieel of niet differentieel zijn;
Bv differentieel in controle groep: bias away from the null in geval diabetes
Bv differentieel in diseased groep: bias to the null in geval diabetes
Non differential altijd to the null!
- Ook onderverdeling selection bias:
o Sampling bias: staal verkeerd genomen; bv diabetes (target: alle diabetes pt;
intended: alle pt met type 2 op spoedgevallen; actual: pt tussen bepaalde datum op
spoed): zeer hoge selectie, niet representatief en niet veralgemeenbaar!
o Loss to follow-up: naarmate studie vordert, vallen mensen uit; dat kan differential
(non random! Ofwel exposure groep uit ofwel zieken of beide = attrition bias) of non
differential (mensen die uitvallen is gelijk in de 4 groepen = random) zijn
Incidenties onderzoeken tijdens die studie? Dan heeft loss to follow up een ander
effect dan wanneer je OR gaat bekijken (associaties);
Non differential Differential
Incidentie Bias to the null Bias
2
