הטיית מידע

מתוך ויקיפדיה, האנציקלופדיה החופשית
יש לערוך ערך זה. הסיבה היא: ויקיזציה.
אתם מוזמנים לסייע ולערוך את הערך. אם לדעתכם אין צורך בעריכת הערך, ניתן להסיר את התבנית. ייתכן שתמצאו פירוט בדף השיחה.
יש לערוך ערך זה. הסיבה היא: ויקיזציה.
אתם מוזמנים לסייע ולערוך את הערך. אם לדעתכם אין צורך בעריכת הערך, ניתן להסיר את התבנית. ייתכן שתמצאו פירוט בדף השיחה.

הטיית מידע הוא מונח מתחום האפידמיולוגיה שמתייחס להטיה כתוצאה משגיאות מדידה, תצפית או קטלוג.[1] ההטיה עשויה לנבוע, למשל, משיטת איסוף הנתונים. הטיית מידע גורמת לסיווג שגוי לקבוצות שגוררת עמה טעויות בתוצאות הסופיות של המחקר.

גורמים שונים משפיעים על המידע המתקבל ומביאים להטיה.[2]

הטיית מידע יכולה להתרחש כאשר המשמעות של קבלת המידע על נושאי המחקר לקויים לכן, הפלט של תוצאות איסוף המידע לגבי חשיפה ו/או מחלה הוא לא נכון. לעיתים, בשיטות של איסוף נתונים חל אי-דיוק באיסוף הנתונים, הטעויות יכולות להיות בסיווג הנושאים ולכן, לגרום להטיית סיווג (Misclassification bias).[3]

לדוגמה במחקר מקרה ביקורת, חלק מהאנשים שיש להם מחלה (מקרה), יסווגו כביקורת, וחלק ללא מחלה (ביקורת) יסווגו כמקרה, חלק מהתוצאות לדוגמה יגבילו את רגישות וספציפיות המבחן הדיאגנוסטי מעורב באספקת מידע לקויה מהמוסד הרפואי או רישומים אחרים.

אפשרות נוספת יכולה להיות בסיווג סטטוס החשיפה של האדם: אנו יכולים להאמין שהאדם נחשף כאשר זה לא היה המצב או שאנו יכולים להאמין שהאדם לא נחשף כשלמעשה התרחשה חשיפה. אם נתוני החשיפה מבוססים על שאלונים, לדוגמה, נחקרים יכולים לא להיות מודעים לחשיפתם או בשוגג לחשוב שהחשיפה לא התרחשה. אם בבירור החשיפה מתבססת על רישומים ישנים, הנתונים יכולים להיות לא מושלמים או לא מדויקים.[4]

גורמים[עריכת קוד מקור | עריכה]

Procedure information bias[עריכת קוד מקור | עריכה]

הטיות בשל תהליך בדיקה שונה בקבוצות המשוות עלול להביא לתוצאות מוטות. למשל, שימוש במכשירי לחץ דם שונים בשתי הקבוצות המשוות, עלול להביא למידע מוטה. גם תנאי בדיקה שונים (למשל רעש ואי נוחות בתנאי הבדיקה של קבוצה אחת) יכולים להביא להטיה במידע: למשל, אצל קבוצה הנמצאת בתנאים פחות טובים תיתכן מדידה של ערכי לחץ דם גבוהים יותר.

בדיקה אצל רופא עשויה להיות "מלחיצה" יותר מאשר בדיקה אצל אחות.

כדי למנוע הטיות כאלו, יש להקפיד על תנאים דומים בבדיקה של שתי הקבוצות.[4]

Differential information in follow-up and clinical trials[עריכת קוד מקור | עריכה]

רישום שונה של מידע על מחלות במעקב במחקרים המגדירים את קבוצות המחקר על פי רמת החשיפה לגורמי הסיכון, יביא להטיה בהשוואה בין הקבוצות.

שכן, ייתכן ויש סיבה הקשורה לעצם השייכות לקבוצה, שגורמת לשוני במידע.

נניח שבדקנו תרופה חדשה לעומת פלצבו, אם צורת המעקב והרישום של הקבוצה שנוטלת את התרופה תהיה שונה מקבוצת ההשוואה (פלצבו) אזי הנתונים יעידו על יותר תופעות לוואי, כלומר התרופה גורמת לתופעות לוואי מרובות לעומת קבוצת הפלצבו, רק משום שלא נרשמו תופעות הלוואי בקבוצת הפלצבו שהייתה במעקב פחות הדוק.

מניעת ההטיה מסוג כזה היא על ידי פרוטוקול אחיד של מחקר ומעקב בכל קבוצות המחקר, החוקרים והנבדקים לגבי טיב התרופות בכל קבוצה.

Differential information in case control studies[עריכת קוד מקור | עריכה]

רישום שונה של מידע על גורמי סיכון במחקרים המגדירים את קבוצות המחקר על פי מצב החולי, יביא להטיה בהשוואה בין הקבוצות. כך למשל, סביר שמידע על עישון יתקבל בפירוט רב יותר אצל חולי לב, לעומת בריאים. על כן מחקר בתיקים רפואיים של חולי לב ובריאים עלול להיות מוטה: לחולים יירשם מצב העישון יותר מאשר אצל הבריאים. ייתכן שמחקר כזה יצביע על קשר חזק מהנכון למעשה בין עישון ומחלת לב.

אפקט המראיין[עריכת קוד מקור | עריכה]

דרכי שאלה שונות גורמים לתשובות שונות אצל אותו נשאל. פעמים רבות שאלות מובילות מפי המראיין יובילו להטיה, לכן ההטיה נקראת אפקט המראיין. יש לבדוק מהימנות, ניתן לעשות זאת על ידי תשאול בשלוש וריאציות שונות ובכך לעשות אנליזה לתשובות, אם מדובר באי הבנה של ניסוח השאלה או שאלה שנשאלה בצורה מכוונת לתשובה מסוימת יהיו עוד שתי וריאציות לשאלה והתשובה החוזרת על עצמה מתוך שלוש השאלות היא שתבחר או שניתן להשתמש במחקר סמיות כפולה, שבו גם הנסיין וגם מושאי הניסוי אינם מודעים למשמעות התוצאות- הטיית דיווח - קבוצת כשלי היקש בו תוצאת ניסוי מושפעת ממלקטי הנתונים.[3]

הטיית זיכרון[עריכת קוד מקור | עריכה]

ערך מורחב – הטיית זיכרון

נובעת מחשיבה סלקטיבית של הנחקרים בחשופים ולא חשופים. הטיה זו פועלת על מנת לשפר את הזיכרון של המקרה לעומת הביקורת לכן חלק מסוים של המידע כמו למשל חשיפה פוטנציאלית הכרחית יכולה להיזכר על ידי המקרה אבל להישכח על ידי הביקורת, הטיה שקשורה בהטיה זו היא הטיית דיווח, כאשר פרט במחקר מסרב לדווח על חשיפה שהיה מודע אליה בגלל גישות, אמונות או תפישות בעיקר במחקרי מקרה ביקורת, או מחקרי חתך, פחות במחקרים פרוספקטיבים כי אנו מתחילים מחשיפה, וכך שולטים יותר במידע אם אדם חשוף או לא, לעומת המחקרים הקודמים שאנו מתבססים על דיווחים.

הטיה בשל זיכרון לקוי או דיווח שגוי יכולה לקרות במחקרים רטרוספקטיביים כאשר קבוצות המחקר שונות ברמת הזיכרון.[5]

במחקר מעקב, שבו הוגדרו הקבוצות על פי רמת גורם הסיכון, ייתכן ורמת הדווח על מחלות תהיה שונה: אם נשווה מעשנים ולא מעשנים לגבי תחלואה המחלות ריאה, ייתכן המעשנים ינסו להמעיט בתופעות מתוך אשליה עצמית או בושה. כדי למנוע הטיה כזו, יש צורך להסתמך על רישומים אובייקטיביים וממצאי מעבדה או הדמיה (לגבי שתי הקבוצות). שיטה אחרת הנה למדוד סמנים ביולוגים: למשל, בדיקת ההצלחה באיזון סוכרת יכולה להסתמך על HbA1c שהוא המוגלובין מסוג אופייני לחולי סוכרת בדם, אשר רמתו מתאימה לרמות סוכר גבוהות בדם.

במחקר מקרה ביקורת שבו הוגדרו קבוצות המחקר על פי דרגת החולי ייתכן וחולים יזכרו יותר אירועים בעבר מבריאים: אמהות לילדים עם מומים מולדים נוטות לזכור אירועים במשך ההיריון יותר מאמהות לילדים בריאים, אשר להם החשיפה לגורמי סיכון פחות משמעותית. כדי למנוע הטיה כזו, יש צורך להסתמך על רישומים אובייקטיביים וממצאי מעבדה או הדמיה (לגבי שתי הקבוצות).[3]

Observer bias[עריכת קוד מקור | עריכה]

בעיה בהגדרת תוצאה, ישנם מקרים שבהם הנשאלים אינם כשרים לענות על השאלות והם יוצרים את ההטיות, דוגמה: אבחנה של צירוזיס על רקע אלכוהול כי הבודק מוטה על ידי מידע שקיבל על הנבדק: אלכוהוליסט.

Medical surveillance bias/diagnostic suspicion bias[עריכת קוד מקור | עריכה]

נשים למשל שלוקחות גלולות מבקרות לעיתים קרובות יותר אצל גינקולוג, לכן הן יותר במעקב ויש סיכוי רב יותר לברר כל תלונה שלה ולמצוא ממצאים של סרטן צוואר הרחם למשל. כלומר מעקב רפואי צמוד, יגביר סיכוי לגילוי מחלה. זה יגרום לסיווג לא נכון בגלל אלה שלא הולכים לבדיקות ואצלם עדיין לא התגלתה המחלה.

כלי המחקר-תוקף שאלון פנים מול פנים שונה מראיון טלפוני, כלומר איסוף המידע שונה בין הקבוצות יביא להטיה.[2]

סוגי הטיה בסיווג (תוצאת ההטיה במידע)[עריכת קוד מקור | עריכה]

לא דיפרנציאלית[עריכת קוד מקור | עריכה]

תוצאות הסיווג הלא דיפרנאלי מהאי-דיוק מייצגות את איך קבלת המידע מקבוצת המחקר - הן מהמקרה והן מהביקורת או מהחשיפה ומהלא חשיפה

אינה תלויה בסטטוס של הנחקרים: בין אם מדובר בקבוצת המקרה לבין אם מדובר בקבוצת הביקורת, כלומר זהה במקרים ובביקורות. לכול כלי מדידה יש תוקף מסוים. ההטיה נגרמת כתוצאה מכך שהיא לא זהה לחלוטין במקרים ובביקורות. למשל ממוגרפיה-בעל רגישות וסגוליות מסוימת, כלומר תוקף מסוים. במחקר בו עושים שימוש בהורמונים וסרטן שד, עושים זאת על ידי ביצוע הבדיקה כל שנה. תהיה הטיה כי התוקף לא טוטלי אך היא דיפרנציאלית-תהיה זהה עבור אלו שלוקחות גלולות ואלה שלא, ההטיה מחלישה את חוזק הקשר.

דיפרנציאלית[עריכת קוד מקור | עריכה]

קצב הסיווג שונה בקבוצות מחקר שונות.

הטיה שמידת הסיווג השגוי שונה בין קבוצות שונות של המחקר למשל הטיית זיכרון, דוגמה לכך היא אנשים שהיה להם סרטן בפרוסטטה יטו לדווח יותר על שימוש בסלולרי מאשר אנשים שלא היה להם סרטן, לכן תוקף השאלה עד כמה השתמשת בסלולרי יהיה שונה בין במקרים לביקורות. או נשים שנוטלות גלולות, יש להן יותר ציסטות של השד, תוקף הממוגרפיה יהיה שונה בין הנשים שנוטלות גלולות לאלו שלא.

הערות שוליים[עריכת קוד מקור | עריכה]

  1. ^ Mitchell Steiner, Campbell's Urology, 7th ed.WalshP.C.: Philadelphia: Lippincott Williams & Wilkins. Philadelphia: W. B. Saunders Co.1998. 210 pages.RetikA.B.: Philadelphia: Lippincott Williams & Wilkins. Philadelphia: W. B. Saunders Co.1998. 210 pages.VaughanE.D.: Philadelphia: Lippincott Williams & Wilkins. Philadelphia: W. B. Saunders Co.1998. 3,426 pages.WeinA.J.: Philadelphia: Lippincott Williams & Wilkins. Philadelphia: Isis Medical Media Ltd.1998. 3,426 pages., Journal of Urology 160, 1998-09, עמ' 967–968 doi: 10.1016/s0022-5347(01)62878-7
  2. ^ 1 2 Heng Zhang, Ning Wang, [Information bias and control in self-report sexual behavior], Zhonghua Liu Xing Bing Xue Za Zhi = Zhonghua Liuxingbingxue Zazhi 31, 2010-02-01, עמ' 227–230
  3. ^ 1 2 3 Leon Gordis, Epidemiology 4th edition chapter 15 pages 249- 251, Elsevier, 2009
  4. ^ 1 2 Giovanni Tripepi, Kitty J. Jager, Friedo W. Dekker, Carmine Zoccali, Selection bias and information bias in clinical research, Nephron. Clinical Practice 115, 2010-01-01, עמ' c94–99 doi: 10.1159/000312871
  5. ^ J.H Abramson and Z.H Abramson, making sense of data, oxford university press