跳转到内容

信息偏倚

本页使用了标题或全文手工转换
维基百科,自由的百科全书

信息偏倚(英语:information bias)是流行病学观察性研究中,因测量误差所导致的一种偏误现象,有时亦称为观察偏误或分组错误。国际流行病学学会对其的定义[1]为:

  1. 暴露变因、共变因、或结果变因测量时的缺陷,导致数据的测量品质(或正确度)在比较组之间有差异。信息偏倚与选样偏误之间不见得是独立发生的。
  2. 因测量误差导致的估计偏误。

常见造成信息偏差的种类包括回报偏差、回忆偏差、观察者偏差、与侦测偏差等。[2]无论是何种偏差,其发生机制皆是研究变因的测量误差大小受到其他研究变因影响所致。

避免信息偏差的方法,在于降低研究过程中的测量误差,尤其是避免测量误差会因为受到研究变因影响。若测量误差大小与研究变因无关,皆为随机测量误差,则可推估观察主题的估计值会低估于真值。若测量精准度越高、测量误差越低,则偏误将越小。但是,若测量误差大小会受到其他研究变因影响,则有可能有高估估计值的可能。

研究设计与执行过程中,都务必使测量人员客观地依照操作手册进行测量,以降低测量误差大小受到任何人为因素影响。

分类错误

分类错误是测量误差的一种。流行病学研究中,分类错误可分为有差异性的分类错误与无差异性的分类错误,这通常是针对二元变因而言。所谓的差异性,是针对比较组(例如风险暴露组与对照组)之间而言。

无差异性的分类错误

被比较的各组中测量误差的程度一致之下所发生的错误分组,称为无差异性的分组错误。在此情形之下,会发生假说中危险因子暴露与疾病间相关性程度被低估的结果。不过,无差异性的分类错误只会造成估计值低估的这个观念,学界中也有些不同的看法[3]

有差异性的分类错误

被比较的各组中测量误差的程度不一致之下所发生的错误分组,称为差异性的分组错误。例如,体重较重的人的血压测量正确性比体重较轻的人还要差,或是有失智症的老人回忆的暴露史与没有失智症的老人的回忆正确度有所差异。这种分类错误的效应可能导致观察值被高估,也有可能导致低估[4]。统计学家已发展一些方法可校正这类的偏误,但须知比较组之间的测量误差[5]

参考文献

  1. ^ Porta, M. (编). A Dictionary of Epidemiology Fifth. New York: Oxford University Press. 2008: 128. ISBN 978-0-19-531449-6. 
  2. ^ Delgado-Rodríguez, Miguel; Llorca, Javier. Bias. Journal of Epidemiology and Community Health. 2004-08, 58 (8): 635–641 [2020-07-28]. ISSN 0143-005X. PMC 1732856可免费查阅. PMID 15252064. doi:10.1136/jech.2003.008466. (原始内容存档于2019-06-20). 
  3. ^ Jurek, A. M.; Greenland, S.; Maldonado, G.; Church, T. R. Proper interpretation of non-differential misclassification effects: Expectations vs observations. International Journal of Epidemiology. 2004, 34 (3): 680–687. PMID 15802377. doi:10.1093/ije/dyi060. 
  4. ^ Copeland, K. T.; Checkoway, H.; McMichael, A. J.; Holbrook, R. H. Bias due to misclassification in the estimation of relative risk. American Journal of Epidemiology. 1977, 105 (5): 488–495. PMID 871121. 
  5. ^ Greenland, S. Variance estimation for epidemiologic effect estimates under misclassification. Statistics in Medicine. 1988, 7 (7): 745–757. PMID 3043623. doi:10.1002/sim.4780070704. 

延伸阅读