Epidemiologie 1: Fehler in epidemiologischen Studien I Selektions- und Informationsbias Ziel Kenntnis grundlegender Begriffe und epidemiologischer Fehlertypen Fehlerquellen The world is richer in associations than meanings, and it is the part of wisdom to differentiate the two. John Barth Populationen und Stichproben    Population, Grundgesamtheit: alle Personen in einem definierten Setting mit definierten Eigenschaften Stichprobe: eine Untergruppe dieser Population Inferenz: Beurteilung (aus Daten), dass die Eigenschaften der Stichprobe denjenigen der Grundgesamtheit entsprechen Fehlerquellen: Arten von Fehlern    Woher stammt die Beziehung zwischen Exposition und Erkrankung? Ist sie  tatsächlich vorhanden?  durch zufällige Fehler entstanden?  durch systematische Fehler entstanden? Den Zufall in den Griff bekommen:  mit statistischen Tests und dem p-Wert  mit Konfidenzintervallen Den systematischen Fehler in den Griff bekommen:  Informationsfehler  Selektionsfehler  Confounding/Effektmodifikation Fehlerquellen: zufällige Fehler Stichprobe Grundgesamtheit Nullhypothese p-Wert Konfidenzintervall Einige Begriffe vorneweg  Konfidenzintervall „Das 95% KI überdeckt den wahren Wert mit einer Wahrscheinlichkeit von 95%“ KIs geben Hinweis auf die Präzision einer Schätzung Schätzer  P-Wert „...die Wahrscheinlichkeit, dieses oder ein noch extremeres Ergebnis zu erhalten, wenn die Nullhypothese zutrifft“  Nullhypothese Fehlerquellen systematisch zufällig Präzision  Präzision  Validität  Validität  Präzision  Präzision  Validität  Validität  Fehlerquellen: Validität Stichprobe Grundgesamtheit Interne Validität Externe Validität Selection bias Zielpopulation Stichprobe aus einer anderen Population? Stichprobe nach 10 Jahren - alle weggefallen? Information (measurement) bias Er wollte es nicht sagen, aber er ist eigentlich ein Stichprobe Das ist ein (aber wir haben es nicht bemerkt) Fehlerquellen: Selektionsfehler wo kommen die Probanden her? Wie werden die Probanden nachverfolgt Selection bias in Querschnittstudien /Fall-Kontroll-Studien  Weigerung/Selbstselektion      Falscher Ort, falsche Zeit Krankenhaus (admission rate bias = Berkson‘s fallacy) Wahl der Kontrollen    Aus falscher Krankenhausstation Diagnostic suspicion bias   middle class bias non-respondents bias Diagnostischer Prozess genauer, wenn Exposition bekannt ist Healthy Worker Effect ....siehe Sackett 1979 Quellen von Bias: Hierarchie der Populationen External population Zielpopulation/source population study population sample External validity Internal validity inference Quellen von Bias: Hierarchie der Populationen Zielpopulation study population Was wir gerne tun würden sample Was wir tun können Zielpopulation Krank gesund A exponiert B sample a= pA  A b= pB  B c= pC  C d= pD  D Nicht exponiert C D Selection bias in Fall-Kontroll-Studien    Fehlerquelle: Wahl der Kontrollen Auswahl der Kontrollen repräsentiert nicht Zielpopulation Problem: differential bias durch Übersampling exponierter Fälle und nichtexponierter Kontrollen Selection bias in Kohortenstudien    Fehlerquelle: loss to follow-up, Verweigerung oder Nonresponse Die übriggebliebenen Probanden repräsentieren nicht mehr die Population, aus der die Stichprobe ursprünglich gezogen wurde Problem: nichtdifferentielles Drop out nach Krankheitsstatus Information bias: Messen  Messen übersetzt Eigenschaften in Zahlen    Größe: Abstand zwischen Scheitel und Zehen Intelligenz: auf bestimmte Fragen adequat antworten Messen kann schwierig sein, wenn das Konzept nicht klar ist Fehlerquellen: Informationsfehler  Informationsfehler: wie wurden die Informationen beschafft?  Was wird wie gemessen/erhoben?   Fehlangaben: Interviewer Bias Erhebung von Exposition/Kovariablen  Erinnerung an Exposition bei Fällen genauer – Recall Bias  Erhebung des Erkrankungsstatus  und was dagegen tun? Information bias: Hauptquellen       Recall bias Prevarication bias. Selektive Antworten Digit preference Observer bias Instrumental bias Missings Fehlerquellen: und was dagegen tun?   Am besten: Fehler erst gar nicht machen. Fragen ans Studiendesign:      Definition von Exposition/Erkrankung? In beiden Gruppen gleich? Meßinstrumente und -verfahren? Lebensumstände des Probanden? Kooperationsfähigkeit? Wann ist Beobachtung? Wann war die Exposition? Sind die Interviewer geschult? Kann ein Vortest durchgeführt werden? Fragen an die Daten:    Sind die Werte plausibel? Gibt es ähnliche Untersuchungen mit diesen Werten? Confounding: Sind alle möglichen Confounder erhoben worden? Ein-, Ausschlußkriterien, Standardisierung, Matching? Bias – viele Möglichkeiten        Sackett 1979 Introduction/reference bias: ich zitiere nur, was mir passt (auch: one sided-reference bias) Selektion von Fällen, Kontrollen, Stichproben Messung von Outcome, Erkrankung, Todesfällen Data analysis bias: ich analysiere, bis das Ergebnis zu meinen Hypothesen passt Interpretation bias: Ich diskutiere, bis das Ergebnis zu den Hypothesen passt Publication bias: ich publiziere nur die erwünschten Ergebnisse Hot-stuff bias: ich publiziere nur, was gerade en vogue ist Fehlerquellen: und was dagegen tun?  Und wenn es doch schief ging: Analyse     Sensitivitätsanalysen Korrektur mit Referenzwerten Tests multivariable Verfahren zur Imputation von Werten