×
×

چرا تحلیل نتایج مطالعات پزشکی باید با دقت انجام شود؟
سوگیری در مطالعات علوم پزشکی | سوگیری برکسونی (Berkson’s bias)

  • ۸ شهریور
  • ۰
  • خلاصه مطلب: درک و در نظر گرفتن سوگیری برکسون در تفسیر نتایج مطالعات بسیار مهم است. این سوگیری می‌تواند منجر به برآوردهای نادرست از شیوع بیماری‌ها، عوامل خطر، و ارتباط بین بیماری‌ها شود. بنابراین، محققان و متخصصان بالینی باید هنگام استفاده از نتایج مطالعات بیمارستانی برای تصمیم‌گیری‌های بالینی یا سیاست‌گذاری‌های بهداشتی، این نوع سوگیری را در نظر بگیرند
    سوگیری در مطالعات علوم پزشکی | سوگیری برکسونی (Berkson’s bias)
  • یکی از دغدغه های جامعه پزشکی، تحلیل و تجزیه درست نتایج مطالعات منتشر شده پزشکی است. بعبارتی زبان مقالات، زبان پژوهشگران است که بایستی بدرستی تجزیه و تحلیل کنند و هرگونه یافته ها و روش پژوهش دارای نقص را تشخیص دهند.

    با این مقدمه سعی داریم یک نوع سوگیری دیگر در انواع مطالعات پزشکی را اینجا شرح دهیم تا ببینیم چقدر بایستی در تجزیه و تحلیل یافته های مقالات و انجام درست مطالعات دقت کنیم.

    سوگیری برکسون، که گاهی به عنوان پارادوکس برکسون نیز شناخته می‌شود، یکی از انواع مهم سوگیری انتخاب در مطالعات اپیدمیولوژیک است.

    این سوگیری زمانی رخ می‌دهد که نمونه‌گیری از جمعیت مورد مطالعه به‌طور تصادفی انجام نشود و افراد بر اساس ویژگی‌های خاصی انتخاب شوند.

    این نوع سوگیری اولین بار توسط جوزف برکسون در سال ۱۹۴۶ توصیف شد و از آن زمان به عنوان یک چالش مهم در طراحی و تفسیر مطالعات پزشکی شناخته شده است (۱).

    سوگیری برکسون معمولاً در مطالعاتی که در بیمارستان‌ها یا مراکز درمانی انجام می‌شوند، بیشتر مشاهده می‌شود. این سوگیری زمانی رخ می‌دهد که احتمال انتخاب افراد برای مطالعه، تحت تأثیر عوامل مرتبط با بستری شدن در بیمارستان قرار می‌گیرد.

    به عبارت دیگر، افرادی که به دلایل مختلف (مانند داشتن چندین بیماری همزمان، یا وضعیت اقتصادی بهتر برای مراجعه به بیمارستان یا شرایط مختلف دیگر) احتمال بیشتری برای بستری شدن دارند، با احتمال بیشتری در مطالعه وارد می‌شوند (۲).

    یکی از پیامدهای مهم سوگیری برکسون، ایجاد ارتباط‌های کاذب بین متغیرهای مورد بررسی است. برای مثال، اگر دو بیماری A و B به طور مستقل از هم در جمعیت عمومی وجود داشته باشند،

    در یک مطالعه بیمارستانی ممکن است به نظر برسد که این دو بیماری با هم ارتباط دارند. چون افرادی که هر دو بیماری را دارند، احتمال بیشتری برای بستری شدن و در نتیجه وارد شدن به مطالعه دارند (۳).

    بگذارید با مثال دیگر این سوگیری را بهتر بفهمیم: فرض کنید پژوهشگران می‌خواهند یک بیماری نادر خونی به نام کم‌خونی آپلاستیک را بررسی کنند.

    آنها بیماران مبتلا به این بیماری را در یک بیمارستان بزرگ مطالعه می‌کنند و با بیمارانی که در همان بیمارستان به بیماری‌های دیگر و کم‌خطرتر مبتلا هستند، مقایسه می‌کنند.

    اما ممکن است بسیاری از بیماران مبتلا به کم‌خونی آپلاستیک به طور خاص برای انجام پیوند مغز استخوان به این بیمارستان مراجعه کرده باشند. این بیماران ممکن است از خانواده‌های بزرگ‌تری باشند (چون به یک اهداکننده سازگار نیاز دارند. مثلا خواهر، برادر) یا پول بیشتری داشته باشند تا بتوانند هزینه‌های زیاد این درمان را بپردازند.

    به همین دلیل، مطالعه ممکن است به اشتباه نتیجه بگیرد که داشتن خانواده بزرگ یا پولدار بودن با ابتلا به کم‌خونی آپلاستیک ارتباط دارد، در حالی که این عوامل فقط به دلیل نوع بیمارانی که در این بیمارستان درمان می‌شوند، متفاوت هستند (۴).

    برای کاهش اثر سوگیری برکسون، محققان باید در طراحی مطالعه و انتخاب گروه کنترل دقت زیادی به خرج دهند. یکی از راهکارها، انتخاب گروه کنترل از جمعیت عمومی به جای بیماران بستری در بیمارستان است. همچنین، استفاده از روش‌های آماری پیشرفته برای تعدیل اثر این سوگیری در تحلیل داده‌ها می‌تواند مفید باشد (۵).

    درک و در نظر گرفتن سوگیری برکسون در تفسیر نتایج مطالعات بسیار مهم است. این سوگیری می‌تواند منجر به برآوردهای نادرست از شیوع بیماری‌ها، عوامل خطر، و ارتباط بین بیماری‌ها شود.

    بنابراین، محققان و متخصصان بالینی باید هنگام استفاده از نتایج مطالعات بیمارستانی برای تصمیم‌گیری‌های بالینی یا سیاست‌گذاری‌های بهداشتی، این نوع سوگیری را در نظر بگیرند

    منابع:

    ۱. Berkson, J. (1946). Limitations of the application of fourfold table analysis to hospital data. Biometrics Bulletin, 2(3), 47-53.

    ۲. Westreich, D. (2012). Berkson’s bias, selection bias, and missing data. Epidemiology, 23(1), 159-164.

    ۳. Snoep, J. D., Morabia, A., Hernández-Díaz, S., Hernán, M. A., & Vandenbroucke, J. P. (2014). Commentary: A structural approach to Berkson’s fallacy and a guide to a history of opinions about it. International Journal of Epidemiology, 43(2), 515-521.

    ۴. Epidemiology: Beyond the Basics by Moyses Szklo and Javier Nieto.

    ۵. Pearce, N. (2016). Analysis of matched case-control studies. BMJ, 352, i969.

     

    نویسنده: سامان رحیمی

    نوشته های مشابه

    دیدگاهتان را بنویسید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *