Hjem » Epidemiologi og statistik » Bias
Bias
En helt særlig form for bias kunne man observere i gamle dage, før den moderne medicin. Patienter kunne blive syge med lungebetændelse, og mon ikke man kunne genkende symptombilledet. Når man havde identificeret lungebetændelse, så kunne man som patient risikere at blive behandling systematisk skævt og komplet biased i retning af: Åreladning! Man tømte simpelthen blod fra patienterne for at kurere dem for pneumoni. Det var først i 1849, at en tysk læge kunne vise, at det var skadeligt, at man åreladede febersyge patienter.
Der findes gode argumenter for, at bias er et iboende problem i videnskaben. Man kunne nok udlægge Thomas Kuhns videnskabsteori om videnskabernes paradigmeskifter som om, at den i virkeligheden handler om, hvordan videnskaberne bæres fremad, når de overkommer bias. Et videnskabeligt paradigmeskift sker i Kuhniansk forstand, når en ny generation af videnskabsfolk overkommer en tidligere generations systematisk skæve forståelse af verden. Et eksempel kunne være overgangen fra newtoniansk mekanik til kvantemekanikken, alternativt overgangen fra humoralpatologi (du ved, den om forstyrrede kropsvæsker som årsag til sygdom) til cytopatologi.
Det følgende handler om bias. Jeg har ikke skrevet ph.d. i bias i forskning eller klinik, men mit umiddelbare indtryk af feltet er, at der er rigtig mange kokke, der vil være med om madlavningen. Epidemiologer har en holdning, klinikere har en holdning, videnskabsteoretikere har en holdning, psykologer har en holdning, osv. Det giver sig for eksempel til udtryk i en absurd lang liste af forskellige typer af bias på wikipedia, og en nylig artikel i Ugeskriftet om diagnostisk bias (Graff et al., 2022) angiver for eksempel, at der findes over 50 forskellige former for bias, og en kort artikel af Croskerry (2014) fortæller om over 100 forskellige former for bias, og man kan også konsultere Catalog of Bias på catalogofbias.org. Jeg vil godt vædde med, at der er overlap imellem nogle af de former for bias, og at nogle af typerne er ekstremt specifikke for én bestemt case og derfor måske i virkeligheden er en undertype af en undertype.
Så hvordan tilgår man et felt med angiveligt 50 forskellige typer? Nedenfor skal det handle lidt om:
- Definition af bias
- Bias i forskellige kontekster
- Typer af bias i klinisk forskning
- Typer af bias i diagnostik og behandling
Hvad er bias?
Bias er relativt nyt i det danske sprog og hentet fra engelsk, der igen har hentet det fra fransk biais, der betyder skævhed. Etymologi til side, så mener man, når man bruger ordet bias, at noget (fx en beskrivelse, en statistik, en analyse, et behandlingsvalg, en fortolkning) er systematisk skævvredet, det vil sige systematisk fejlagtigt. Der er altså et system i de fejl man laver, eller med andre ord, man laver konsekvent fejl i en bestemt retning.
En systematisk skævvridning betyder, at man ikke-tilfældigt får det forkerte resultat. At man tilfældigvis måler, vurderer, beskriver eller analyserer skævt, men i gennemsnit rigtigt, er ikke bias. Bias angår systematiske fejl.
Man kan illustrere det sådan her:
Figuren ovenfor viser 4 situationer. Det kan være en analyse, et behandlingsvalg, en diagnose, en fortolkning af statistiske analyser, indsamling af data, you name it.
Situationen helt til venstre, skive 1, er uden bias og uden tilfældige fejl. Man rammer bull’s eye systematisk korrekt, og man gør det også uden tilfældige fejl. Skive 2 viser situationen fra skive 1, hvor man i gennemsnit rammer rigtigt, hvilket betyder, at resultaterne ikke er systematisk skævvredne; til gengæld er omfanget af tilfældige fejl betragteligt.
Skive 3 viser situationen, hvor man har få tilfældige fejl, men til gengæld et systematisk skævvredet resultat. Man vil gerne ramme den røde cirkel, men man rammer systematisk ved siden af. Helt galt går det i skive 4, der både er systematisk fejlfyldt og tilfældigt fejlfyldt.
Bias i klinisk forskning, diagnostik og behandling
Fordi bias er et iboende problem i alle videnskaber, er alle videnskaber også interesseret i bias. I en klinisk medicinsk kontekst, synes jeg, at bias er relevant i hvert fald i tre kontekster:
- Klinisk forskning
- Diagnostik
- Behandling
.
Hvor punkt 2 og 3 kunne samles under overskriftes bias i medicinsk beslutningstagen eller klinisk ræsonneren, men jeg synes, jeg har set en del artikler omtale primært diagnostisk bias. For eksempel tidligere omtalte Graff et al. fra Ugeskriftet.
Man kan ikke se en artikel uden at falde over overvejelser om bias, og bias i den medicinske beslutningstagen, diagnostik og behandling, er også velbeskrevet, se fx Norman et al. (2017), Crotskerry (2014) og Fitzgerald & Hurst (2017).
Typer af bias i kliniske forskning
De potentielle problemer i den kliniske forskning er talrige og velbeskrevne andetsteds. Jeg kan anbefale Catalog of Bias for korte, koncise definitioner. Kataloget vedligeholdes af Centre for Evidence-Based Medicine ved Oxford. Man kan også læse Cochranes guidelines her.
Et biased udvalg her:
- Selektionsbias
- Bias som følge af systematiske forskelle i inkludering af forsøgsdeltagere. Mere hos Catalog of Bias her.
- Informationsbias.
- Bias som følge af systematiske forskelle i indhentning og behandling af data. Mere hos Catalog of Bias her. Flere velkendte undertyper af informationsbias er:
- Recall bias. At en forsøgsdeltager fx fejlhusker, hvor compliant man var til medicintagning, eller hvor mange cigaretter man har røget)
- Observationsbias. Fx hvor den der udfører forsøget observerer data på biased måder, fx registrerer én ting systematisk ved én gruppe af deltagere, men ikke hos en anden.
- Confounding
- Som du kan læse mere om her.
- Confounding er det problem, at to variable samvarierer på grund af en fælles bagvedliggende variabel.
- Det giver det indtryk, at de to variable er kausalsammenhængende, selvom de faktisk ikke er det.
- Systematisk mangel på kontrol for relevante confoundere kan potentielt være en årsag til systematisk målefejl, det vil sige bias.
- Effektmodifikationer
- Som du kan læse mere om her.
- Effektmodifikation er det problem, at en sammenhæng imellem to variable er påvirket af en tredje variabel; eller at en sammenhæng ikke eksisterer, fordi man ikke indfører en relevant tredje variabel.
- Det kan give det problem, at sammenhængen systematisk enten vurderes til ikke at eksistere eller systematisk fejlvurderes.
- Et hypotetisk eksempel: Der er en klar effekt af alder på indlæggelsestid, men når man indregner effektmodifikationen af køn, viser det sig, at effekten er stærkere for mænd og svagere for kvinder. Man underestimerer altså systematisk sammenhængen for mænd og overestimerer tilsvarende for kvinder.
Typer af bias i diagnostik og behandling
Man kan nok med fordel skelne mellem to hovedtyper af bias:
- Kognitivt bias. Der angår bias forbundet med kognitive processer. Listen over mulige typer af bias er lang, og jeg vil skrive mere om det inden længe, men man kan nævne (med udgangspunkt i Elstein, 1999):
- Ease of recall-bias. Man er biased i retning af tilstande, man husker godt, fx cases man netop har mødt eller meget sjældne men opsigtsvækkende tilstande
- Base rate-neglect. Den diagnostiske proces indebærer at sammenligne kliniske billeder med kliniske billeder, man har indlært. Hvis man i den proces glemmer at indregne prævalensen af de enkelte tilstande, vil sjældne tilstande vurderes mere sandsynlige.
- Konservatisme. Hvor man er utilbøjelig til at ændre sin diagnose i lyset af nye information. Problemet er altså, at man ikke ændrer sin post-test-sandsynligheder tilstrækkeligt.
- Anchoring. Minder om konservatisme, men dækker over det fænomen, at man så at sige har kastet anker ved den diagnose, man først tænkte på eller blev præsenteret for.
- Confirmation bias. Man søger oplysninger, der bekræfter ens oprindelige hypoteser.
- Order effects. Tilsyneladende er der evidens for, at den information man præsenteres senest for, tillægges mest vægt uagtet at ligeså vigtig information bliver præsenteret tidligt.
- Affektivt bias. Der angår bias forbundet med følelsesmæssige processer. En temmelig velciteret og spændende artikel om implicit, ubevidst bias (Fitzgerald & Hurst, 2017), undersøger bias som følge af negative holdninger om for arbejdet irrelevante emner (fx en patients etnicitet eller seksualitet). Det er spørgsmålet, om man vil klassificere den form for bias som affektiv bias, eller som mere drevet af sociale processer. Artiklen bygger på et Harvard-værktøj, som man kan prøve frit (mod at resultaterne lagres og bruges anonymt) på Implicit Association Test.
Kilder
Graff S, Oppfeldt AM, Gotfredsen M, Christensen B. [Diagnostic bias]. Ugeskr Laeger. 2022 Sep 19;184(38):V06210530. Danish. PMID: 36178180.
Norman GR, Monteiro SD, Sherbino J, Ilgen JS, Schmidt HG, Mamede S. The Causes of Errors in Clinical Reasoning: Cognitive Biases, Knowledge Deficits, and Dual Process Thinking. Acad Med. 2017 Jan;92(1):23-30. doi: 10.1097/ACM.0000000000001421. PMID: 27782919.
Croskerry P. Bias: a normal operating characteristic of the diagnosing brain. Diagnosis (Berl). 2014 Jan 1;1(1):23-27. doi: 10.1515/dx-2013-0028. PMID: 29539985.
FitzGerald C, Hurst S. Implicit bias in healthcare professionals: a systematic review. BMC Med Ethics. 2017 Mar 1;18(1):19. doi: 10.1186/s12910-017-0179-8. PMID: 28249596; PMCID: PMC5333436.
Boutron I, Page MJ, Higgins JPT, Altman DG, Lundh A, Hróbjartsson A. Chapter 7: Considering bias and conflicts of interest among the included studies. In: Higgins JPT, Thomas J, Chandler J, Cumpston M, Li T, Page MJ, Welch VA (editors). Cochrane Handbook for Systematic Reviews of Interventions version 6.4 (updated August 2023). Cochrane, 2023. Available from www.training.cochrane.org/handbook.
Catalogue of bias collaboration. Bankhead CR, Spencer EA, Nunan D. Information bias. In: Sackett Catalogue Of Biases 2019.
Catalogue of Bias Collaboration, Nunan D, Bankhead C, Aronson JK. Selection bias. Catalogue Of Bias 2017: http://www.catalogofbias.org/biases/selection-bias/
Elstein AS. Heuristics and biases: selected errors in clinical reasoning. Acad Med. 1999 Jul;74(7):791-4. doi: 10.1097/00001888-199907000-00012. PMID: 10429587.
Og et lille hat-tip til Bodil Hammer Bechs undervisning i epidemiologi på medicinstudiet i Aarhus i foråret 2018.