3.2 Studiedesign og bias

En gruppe personer velges ut etter eksponering — noen er eksponert for det man vil undersøke, andre ikke — og følges framover i tid for å se hvem som utvikler utfallet.

Det designet kan: måle insidens (nye tilfeller over tid) i begge gruppene, og dermed regne ut relativ risiko og risikodifferanse. Rekkefølgen i tid er kjent, siden eksponeringen er registrert før utfallet inntraff.

Det designet koster: tid og deltakere. Er utfallet sjeldent, må kohorten være enorm for at noen i det hele tatt skal få det.

Skilles fra kasus-kontroll ved utvelgelsen: her velges folk på eksponering, der på utfall.

En gruppe som har utfallet (kasus) sammenlignes med en gruppe som ikke har det (kontroller), og man ser bakover på hvem som var eksponert.

Det designet kan: undersøke sjeldne utfall effektivt, fordi forskeren samler kasusene i stedet for å vente på dem. Målet som kan regnes ut, er oddsforholdet (OR).

Det designet ikke kan: gi risiko eller insidens. Forskeren har jo selv bestemt hvor mange syke og friske som er med — andelen syke i studien sier derfor ingenting om andelen syke i befolkningen. Å regne RR her er en av de sikreste måtene å tape poeng på.

Sårbarheten: informasjon om fortiden må hentes i ettertid, og da er hukommelsen en feilkilde (se recall bias).

Eksponering og utfall måles hos alle deltakerne på samme tidspunkt — et øyeblikksbilde.

Det designet kan: gi prevalens og prevalensforhold (PR), raskt og billig.

Det designet ikke kan: si hva som kom først. Er det eksponeringen som førte til utfallet, eller er det utfallet som endret eksponeringen? Tverrsnittet ser begge deler samtidig og kan ikke skille dem.

Språkregelen som gir poeng: i et tverrsnitt skriver du prevalens og PR, ikke risiko og RR. Å bruke risikospråk om et tverrsnitt er felle E1 — å forveksle effektmålene eller bruke risikospråk der prevalensspråk kreves.

Et forsøk der forskeren fordeler eksponeringen tilfeldig mellom deltakerne, i stedet for å observere hvem som er eksponert fra før.

Det designet kan, og som ingen observasjonsstudie kan: balansere også ukjente bakgrunnsforskjeller mellom gruppene. Når fordelingen er tilfeldig og gruppene store nok, blir alt annet enn eksponeringen jevnt fordelt — også faktorer ingen har tenkt på å måle. Det er derfor randomisering er det sterkeste vernet mot konfundering.

Begrensningene: ikke alt kan randomiseres, verken praktisk eller etisk, og deltakerne i et forsøk er sjelden helt like dem behandlingen senere skal brukes på.

En studie der data er samlet på gruppenivå — land, kommuner, årskull — og ikke på enkeltpersoner. For eksempel: gjennomsnittlig inntak av noe i tjue land, sammenlignet med forekomsten av en tilstand i de samme tjue landene.

Styrken: rask og billig, og nyttig for å generere hypoteser.

Svakheten, som har et eget navn — den økologiske feilslutningen: en sammenheng på gruppenivå trenger ikke gjelde for enkeltpersoner. At land med høyt gjennomsnittlig inntak har høyere forekomst, betyr ikke at det er de samme personene som har høyt inntak og som får tilstanden. Data på gruppenivå kan ikke koble eksponering og utfall i samme individ.

$$\text{RR} = \frac{a/(a+b)}{c/(c+d)}$$

Tolkning: RR $= 2$ betyr at risikoen er dobbelt så høy blant de eksponerte. RR $= 1$ betyr ingen forskjell.

Bruksbetingelse: krever at risikoen kan regnes ut, altså at deltakerne er valgt på eksponering og fulgt fram til utfallet — kohort eller randomisert forsøk. Skilles fra OR ved nevneren i hver gruppe: RR deler på alle i gruppen, OR deler på dem uten utfallet.

$$\text{OR} = \frac{a/b}{c/d} = \frac{a \cdot d}{b \cdot c}$$

Tolkning: OR $= 1{,}4$ betyr at oddsen for utfallet er 1,4 ganger så høy blant de eksponerte. Merk at det er oddsen, ikke risikoen — og det bør stå i tolkningssetningen.

Bruksbetingelse: kan regnes i alle designene som gir data på individnivå, og er det eneste gyldige målet i en kasus-kontroll-studie. (En økologisk studie har bare gruppetall, ingen 2×2-tabell å regne fra.) OR er alltid lenger fra 1 enn RR når begge kan regnes ut — de nærmer seg hverandre bare når utfallet er sjeldent (felle E2).

Forholdet mellom prevalensen i de to gruppene, regnet på nøyaktig samme måte som RR, men på et øyeblikksbilde i stedet for på hendelser over tid.

Bruksbetingelse: tverrsnittsstudier. Regnestykket er identisk med RR, men tolkningen er ikke: PR sier hvor mye vanligere tilstanden er i den ene gruppen, ikke hvor mye oftere den oppstår.

Hvorfor navnet betyr noe: å kalle et prevalensforhold for relativ risiko er felle E1, og det er en av de mest brukte fellene i seksjonen — nettopp fordi regnestykket ser likt ut.

$$\text{RD} = \frac{a}{a+b} - \frac{c}{c+d}$$

Hvorfor målet trengs ved siden av RR: et forholdstall skjuler hvor stort utslaget er i absolutte tall. En dobling fra 0,001 til 0,002 og en dobling fra 0,20 til 0,40 gir begge RR $= 2$, men RD er henholdsvis 0,001 og 0,20 — altså to helt ulike situasjoner.

Bruksbetingelse: som RR, krever kohort eller forsøk. Oppgis i andel eller prosentpoeng.

En feil i måten data er samlet inn eller analysert på, som gjør at resultatet konsekvent trekker i én retning.

Skilles fra tilfeldig variasjon: tilfeldig variasjon jevner seg ut når studien blir større; bias gjør det ikke. En skjev studie med en million deltakere er like skjev som en med tusen — den er bare mer presist skjev. Det er derfor det aldri hjelper å «samle mer data» mot bias.

Skjevhet som oppstår i hvem som kom med i studien, eller hvem som ble værende i den. De som er med, skiller seg systematisk fra dem undersøkelsen skulle si noe om.

To vanlige former:

- Selvseleksjon: deltakelse er frivillig, og de som melder seg, er ikke som dem som lar være. Frivillige til en studie om aktivitet er ofte mer aktive fra før.
- Frafall: de som forsvinner underveis, gjør det sjelden tilfeldig — ofte er det nettopp de med dårligst forløp som slutter å møte opp.

Kjennetegn i en oppgave: noe i teksten sier hvordan deltakerne ble rekruttert, eller at en del av dem ikke fullførte.

Skjevhet i det som ble målt eller registrert, ikke i hvem som deltok. Måleinstrumentet, spørsmålet eller hukommelsen gir systematisk feil verdi i den ene gruppen.

Recall bias er den viktigste varianten: den som har fått en tilstand, leter grundigere i egen fortid etter mulige årsaker enn den som er frisk, og husker derfor mer. Det gjør at eksponeringen ser hyppigere ut blant kasusene enn den var — en fast svakhet ved kasus-kontroll-designet.

Kjennetegn i en oppgave: noe sier hvordan opplysningene ble innhentet — spørreskjema i ettertid, ulikt måleutstyr, intervjuer som visste hvem som var syk.

En tredje faktor som henger sammen både med eksponeringen og med utfallet, og som ikke ligger på veien mellom dem. Den gjør at det ser ut som eksponeringen virker, når den egentlige forklaringen ligger et annet sted.

De tre kravene til en konfunder: den må (1) være knyttet til eksponeringen, (2) være en selvstendig årsak til utfallet, og (3) ikke være et mellomledd i årsakskjeden fra eksponering til utfall. Faller ett av kravene bort, er det ikke konfundering.

Skilles fra bias ved at konfundering ikke er en innsamlingsfeil — dataene kan være perfekt innsamlet. Det er en tolkningsfeil, og den kan i motsetning til bias justeres for i analysen, forutsatt at faktoren er målt.

Tilfeldig fordeling av eksponering mellom deltakerne, gjort av forskeren.

Hvorfor det virker mot konfundering — og hvorfor ingen annen metode kan det samme: når fordelingen er tilfeldig og gruppene store nok, blir alle bakgrunnsforskjeller jevnt fordelt mellom gruppene. Ikke bare de forskjellene forskeren har tenkt på og målt, men også de ukjente. Statistisk justering kan bare korrigere for faktorer noen har målt; randomisering håndterer også dem ingen har tenkt på.

At deltakerne, og helst også de som måler utfallet, ikke vet hvilken gruppe deltakeren tilhører.

Hvilken feilkilde den motvirker: informasjonsbias. Vet den som vurderer utfallet hvem som fikk hva, kan vurderingen påvirkes systematisk — ofte uten at noen mener å gjøre noe galt. Blinding beskytter altså målingen, mens randomisering beskytter fordelingen. De to løser hver sin type problem, og en studie kan ha den ene uten den andre.

Hvor repeterbar en måling er: gir samme instrument samme svar når målingen gjentas under like forhold?

Skilles fra validitet ved hva som feiler: en klokke som går ti minutter for fort er svært reliabel — den viser konsekvent det samme — men den er ikke valid. Reliabilitet handler om spredning, validitet om treffsikkerhet.

Hvor godt målingen eller studien faktisk fanger det den skal.

- Intern validitet: er resultatet riktig for dem som var med i studien? Bias og konfundering truer denne.
- Ekstern validitet (generaliserbarhet): gjelder resultatet også for andre enn dem som var med?

Rekkefølgen betyr noe: uten intern validitet er ekstern validitet uinteressant. Et galt svar blir ikke bedre av å overføres til flere.

Retrospektiv: opplysningene hentes etter at utfallet er kjent, fra hukommelse eller eksisterende registre.

Merk at dette ikke er det samme som designet: en kohortstudie kan være både prospektiv og retrospektiv (den siste ved bruk av gamle registre), mens en kasus-kontroll-studie nesten alltid er retrospektiv. Det er tidspunktet for registreringen som avgjør ordet, ikke utvelgelsen av deltakere.

En assosiasjon er en statistisk sammenheng: to størrelser opptrer sammen oftere enn tilfeldigheten skulle tilsi. En årsakssammenheng krever mer — blant annet riktig tidsrekkefølge, at alternative forklaringer er utelukket, og helst at sammenhengen gjenfinnes i ulike materialer.

Hvorfor skillet gir poeng: en observasjonsstudie kan påvise en assosiasjon, men den kan sjelden alene fastslå en årsak. Å skrive at en studie har «vist at X gir Y» er derfor nesten alltid for sterkt. Skriv heller «det ble funnet en sammenheng mellom X og Y», og si hva som eventuelt kunne forklare den ellers.