CSI Q4 SAMENVATTING
Bias/validity en infectie-epidemiologie
Radboud Universiteit, Nijmegen
Gemaakt door: Georgia Graat
, CSI samenvatting Q4
Bias and validity
Er bestaan twee soorten fouten. Toevallige fouten (random error) leiden tot
onbetrouwbare effect schattingen. Dit verandert de precisie (betrouwbaarheid).
Systematische fouten (systematic error) leidt tot onjuiste effectschattingen. Dit
heet bias. Tegenover bias staat validiteit; het afwezig zijn van systematische
fouten in een onderzoek. Zowel toevallige als systematische fouten zitten altijd
in een studie, maar bias kan zoveel mogelijk worden voorkomen. Door een
grotere onderzoekspopulatie wordt het aantal toevallige fouten verkleind.
Als in een onderzoek een associatie gevonden wordt, kan dat drie oorzaken hebben. Het is
daadwerkelijk een causaal verband, het is een toevallig gevonden associatie of het is opgetreden
door bias. Wanneer in een studie veel statistische toetsen worden gedaan, neemt de kans om
toevallig een statistisch significante associatie te vinden toe. Dit moet genoemd worden in de
discussie en/of hiervoor moet gecorrigeerd worden. Dit kan dus zorgen voor een toevallige
associatie. De kans op toeval is kleiner als je een hoge effectschatting vindt. Een betrouwbaarheid
interval geeft de precisie waarmee naar toeval te kijken is. Vooral bij een patiënt-controle en cross-
sectioneel onderzoek komt bias naar voren, maar eigenlijk komt het in elke studie voor. Bias leidt tot
een verkeerde schatting van het verband tussen determinant en uitkomst. In mens gebonden
onderzoek bestaan drie soorten bias.
1. Selectie bias
2. Informatie bias
3. Confounding
Bij selectie bias is de manier waarop onderzoekers mensen selecteren uit de populatie niet goed
gegaan, wat vertekening van de resultaten geeft. Selectie op zich is geen probleem, omdat je
hiermee bijvoorbeeld kan kijken naar een bepaalde groep. Het wordt een probleem als ongelijke
selectie plaatsvindt tussen de onderzoek en controle groep. Met de ongelijke selectie wordt bedoeld
dat veel mensen met een bepaald kenmerk in één groep zitten wat kan zorgen voor juist meer of
minder ziekte. Bij deze vorm lijkt de relatie vaak groter dan hij daadwerkelijk is. Bij selectie van de
onderzoekspopulatie moet de verhouding van de determinant in beide groepen ook gelijk zijn aan de
verhouding hiervan in de algemene populatie, anders wordt de externe validiteit lager.
Selectie bias kan ook optreden door selectieve uitval tijdens het onderzoek. Als in een van de
groepen veel mensen met een kenmerk zitten die hen doet afvallen (zeker als dit weer samenhangt
met de interventie) kan dit vertekening van de resultaten geven, omdat je hen niet meeneemt. Vaak
is dit een kleinere associatie dan in werkelijkheid.
Er bestaan verschillende soorten van selectie bias. Non-respondent bias ontstaat wanneer mensen
met een bepaald kenmerk die meedoen verschillen van degene die niet meedoen. Als dit kenmerk
samenhangt met de onderzoeksvraag kan het een ander beeld geven dan werkelijk in de populatie
optreedt. Het healthy worker effect houdt in dat werknemers over het algemeen in gezonde
toestand zijn en als alleen dit de onderzoekspopulatie is, geeft dit niet een heel goed beeld van de
algemene populatie. Attrition bias is wanneer de uitval in beide groepen ongelijk is.
Informatie bias is meetfouten die optreden bij het vaststellen van de determinant en/of uitkomst bij
mensen met als gevolg dat deelnemers worden ingedeeld bij de verkeerde categorie. In non-
differentiële misclassificatie is deze meetfout ongeveer gelijk in beide groepen. Bij differentiële
Gemaakt door: Georgia Graat
Bias/validity en infectie-epidemiologie
Radboud Universiteit, Nijmegen
Gemaakt door: Georgia Graat
, CSI samenvatting Q4
Bias and validity
Er bestaan twee soorten fouten. Toevallige fouten (random error) leiden tot
onbetrouwbare effect schattingen. Dit verandert de precisie (betrouwbaarheid).
Systematische fouten (systematic error) leidt tot onjuiste effectschattingen. Dit
heet bias. Tegenover bias staat validiteit; het afwezig zijn van systematische
fouten in een onderzoek. Zowel toevallige als systematische fouten zitten altijd
in een studie, maar bias kan zoveel mogelijk worden voorkomen. Door een
grotere onderzoekspopulatie wordt het aantal toevallige fouten verkleind.
Als in een onderzoek een associatie gevonden wordt, kan dat drie oorzaken hebben. Het is
daadwerkelijk een causaal verband, het is een toevallig gevonden associatie of het is opgetreden
door bias. Wanneer in een studie veel statistische toetsen worden gedaan, neemt de kans om
toevallig een statistisch significante associatie te vinden toe. Dit moet genoemd worden in de
discussie en/of hiervoor moet gecorrigeerd worden. Dit kan dus zorgen voor een toevallige
associatie. De kans op toeval is kleiner als je een hoge effectschatting vindt. Een betrouwbaarheid
interval geeft de precisie waarmee naar toeval te kijken is. Vooral bij een patiënt-controle en cross-
sectioneel onderzoek komt bias naar voren, maar eigenlijk komt het in elke studie voor. Bias leidt tot
een verkeerde schatting van het verband tussen determinant en uitkomst. In mens gebonden
onderzoek bestaan drie soorten bias.
1. Selectie bias
2. Informatie bias
3. Confounding
Bij selectie bias is de manier waarop onderzoekers mensen selecteren uit de populatie niet goed
gegaan, wat vertekening van de resultaten geeft. Selectie op zich is geen probleem, omdat je
hiermee bijvoorbeeld kan kijken naar een bepaalde groep. Het wordt een probleem als ongelijke
selectie plaatsvindt tussen de onderzoek en controle groep. Met de ongelijke selectie wordt bedoeld
dat veel mensen met een bepaald kenmerk in één groep zitten wat kan zorgen voor juist meer of
minder ziekte. Bij deze vorm lijkt de relatie vaak groter dan hij daadwerkelijk is. Bij selectie van de
onderzoekspopulatie moet de verhouding van de determinant in beide groepen ook gelijk zijn aan de
verhouding hiervan in de algemene populatie, anders wordt de externe validiteit lager.
Selectie bias kan ook optreden door selectieve uitval tijdens het onderzoek. Als in een van de
groepen veel mensen met een kenmerk zitten die hen doet afvallen (zeker als dit weer samenhangt
met de interventie) kan dit vertekening van de resultaten geven, omdat je hen niet meeneemt. Vaak
is dit een kleinere associatie dan in werkelijkheid.
Er bestaan verschillende soorten van selectie bias. Non-respondent bias ontstaat wanneer mensen
met een bepaald kenmerk die meedoen verschillen van degene die niet meedoen. Als dit kenmerk
samenhangt met de onderzoeksvraag kan het een ander beeld geven dan werkelijk in de populatie
optreedt. Het healthy worker effect houdt in dat werknemers over het algemeen in gezonde
toestand zijn en als alleen dit de onderzoekspopulatie is, geeft dit niet een heel goed beeld van de
algemene populatie. Attrition bias is wanneer de uitval in beide groepen ongelijk is.
Informatie bias is meetfouten die optreden bij het vaststellen van de determinant en/of uitkomst bij
mensen met als gevolg dat deelnemers worden ingedeeld bij de verkeerde categorie. In non-
differentiële misclassificatie is deze meetfout ongeveer gelijk in beide groepen. Bij differentiële
Gemaakt door: Georgia Graat
