Trukdančio (iškreipiančio, confounding) veiksnio įvertinimas

1. Trukdančio (iškreipiančio, confounding)veiksnio įvertinimas

2. Apibūdinimas ir vaidmuo • Alternatyvus ryšio paaiškinimas tarp poveikio ir ligos. • Efektų susimaišymas. Ryšys tarp poveikio ir ligos iškreipiamas dėl maišančio kito taip pat susijusio su liga faktoriaus efekto. • Gali būti tiek neigiamas, t.y. apsaugantis, tiek teigiamas, t.y. skatinantis ligą, poveikis.

3. Pavyzdys: Kas gali bėgti greičiau, vyrai ar moterys? • Veiksnys = lytis Baigtis(išeitis) = greitis • Nulinė hipotezė: vidutinis vyrų greitis = vidutinis moterų greitis • Viename mieste visi vyrai ir moterys pakviesti dalyvauti lenktynėse. Vieną dieną jie sudalyvauja. Vidutinis vyrų bėgimo laikas yra trumpesnis nei moterų. • IŠVADA: Vyrai bėga greičiau nei moterys dėl savo lyties ypatybių.

4. Pavyzdys: Kas gali bėgti greičiau, vyrai ar moterys? • BET STOP! Pastebima, kad moterys, turinčios mažų vaikų, nelenktyniavo. Faktiškai moterys, kurios lenktyniavo, vidutiniškai buvo vyresnės nei lenktyniavę vyrai. Pavyzdžiui, vidutinis moterų amžius buvo 50 metų, tuo tarpu vyrų – 25 metai. • IŠVADA: Gal vyrai buvo greitesni ne dėl lyties ypatybių, bet todėl, kad jie buvo jaunesni.

5. Pavyzdys: Kas gali bėgti greičiau, vyrai ar moterys? • Taigi surengiamos kitos varžybos, užtikrinant, jog amžius abiejose grupėse (vyrų ir moterų) bus palyginamas. Tai yra vyrų ir moterų amžiaus pasiskirstymas tas pats. • Varžybų rezultatas: Ir vėl – vyrai greitesni. • IŠVADA: Sukontroliavus amžių, vyrai vis tik greitesni nei moterys.

6. BET STOP! Kai kas pastebi, kad vyrai vidutiniškai yra aukštesni nei moterys. • IŠVADA: Gal vyrai buvo greitesni ne dėl lyties, bet todėl, kad jų kojos ilgesnės. • Taigi surengiamos kitos varžybos, užtikrinant, kad ir amžius ir ūgis abiejose grupėse (vyrų ir moterų) būtų palyginami. • Varžybų rezultatas: Ir vėl – vyrai greitesni.

7. BET STOP! Kai kas nurodo, jog 50% moterų turėjo plaukus ilgesnius, negu iki pečių, ir tik 5% vyrų turėjo tokius plaukus! • IŠVADA??? Dėl ilgų plaukų moterys bėgo lėčiau. Ar tai protinga išvada?

8. Pamokos iš varžybų • Bendrai, tam kad tai būtų TF, jis turi būti susijęs su liga (baigtimi, outcome) ir tiriamuoju veiksniu. (Kodėl amžius ir ūgis yra konkuruojantys paaiškinimai, bet ne plaukų ilgis?)

9. Antra pamoka: Jei veiksnys yra susijęs su liga, tai rizika susirgti yra skirtinga tarp žmonių su tuo veiksniu ir be jo. Jei jis susijęs su tiriamuoju veiksniu, tai pasiskirstymas manomo TF yra skirtingas tarp grupės, kuri yra veikiama tiriamojo veiksnio, ir grupės, kuri jo neveikiama (nevienodas pasiskirstymas tarp grupių).

10. TF požymiai Gali būti • rizikos veiksnys, • apsaugantis veiksnys, arba • koreliuoti su ligos priežastimi (nebūtinai turi sukelti ligą pats, pvz., socioekonominė padėtis) Turi būti susijęs su liga, nepriklausomai nuo tiriamo veiksnio poveikio Pavyzdys: Amžius ir ūgis susiję su greičiu nepriklausomai nuo lyties. Aukštesni žmonės (ir vyrai, ir moterys) yra greitesni. Jaunesni žmonės (ir vyrai, ir moterys) yra greitesni.

11. Veiksnys negali būti TF, jei jis yra priežastinės grandinės dalis (arba kelyje nuo priežasties iki baigties). • Pavyzdys: Vidutinis alkoholio vartojimas pakelia serumo ATL lygį (koncentraciją), ko pasekoje sumažėja širdies ligos rizika. ATL lygis yra dalis priežastinės grandinės, bet ne TF, kurį reikia kontroliuoti. Tikriau sakant, tai yra kažkas, kas padeda mums suprasti ligos mechanizmą.

12. TF pavyzdžiai • Rūkymas yra TF, vertinat darbo sąlygų (pvz. dažų) poveikį šlapimo pūslės vėžiui. • Amžius yra TF, vertinant DDT pesticidų poveikį krūties vėžiui

13. TF kontroliavimas • Kodėl reikia kontroliuoti? TF yra nepatogūs kintamieji. Jie atsiduria ryšyje, kurį jūs norite analizuoti. Todėl reikia pašalinti jų efektą.

14. TF kontroliavimas • TF gali būti kontroliuojamas: - planavimo ir - analizės stadijoje • Tam reikalinga informacija apie kintamuosius, kurie yra potencialūs TF.

15. TF kontroliavimas planavimo stadijoje: • Randomizacija • Apribojimas • Poravimas

16. Randomizacija • Skirstymas į grupes atsitiktinai. Esant pakankamam imties dydžiui, didelė tikimybė, kad kontroliuojama dėl žinomų ir nežinomų TF. Prisiminkite – didelė tikimybė, bet neduoda jokios garantijos.

17. Apribojimas • Apriboti įtraukimo kriterijus tiriamiesiems bei apriboti patekimą tų asmenų, kurie patenka į TF kategoriją. • Pvz.: Bėgimo varžybose galima apriboti dalyvių amžių (pvz., 25-30m.) arba ūgį.

18. Apribojimas • Tikslas yra pašalinti ar sumažinti variaciją dėl TF tarp lyginamųjų grupių. • Prisiminkite, kintamasis gali būti TF tik tada, jei jis skiriasi palyginamose grupėse. Jei apribosime tyrimą pagal vieną TF kategoriją, tuomet šios grupės nesiskirs pagal šį veiksnį.

19. Poravimas • Tiriamųjų parinkimas taip, kad potencialūs TF panašiai pasiskirstę tarp veiksnio paveiktų ir nepaveiktų grupių (kohortinis tyr.) arba tarp atvejų ir kontrolinių (atvejo kontrolės tyr.)

20. Poravimas Pavyzdys: poravimas kohortiniame tyrime, analizuojant mankštos (fiz.pratimų) ir širdies priepuolio ryšį: • Dvi grupės: besimankštinantys ir ne. • TF, pagal kuriuos reikia suporuoti: amžius, lytis, rūkymas • Veiksnio paveiktas žmogus yra 45m. nerūkanti moteris. • Jai reikia surasti nepaveiktą veiksnio žmogų – vadinasi 45m. nerūkančią moterį. (Amžių poruoti galima pagal pasirinktą priimtiną tarpsnį - ± 2 ar 5 metai)

21. Poravimas • Jei veiksnio paveiktoje ir nepaveiktoje grupėse manomas TF pasiskirstymas nesiskiria, vadinasi jis negali būti TF. Taigi grubus ryšio parametras tokiu atveju nebus iškreipiamas dėl suporuoto kintamojo.

22. TF kotroliavimas analizės stadijoje: • Stratifikacija • Daugiafaktorinė analizė • Standartizacija

23. Stratifikacija • Apibūdinimas: įvertinti ryšį homogeninėse pagal TF grupėse (stratose) Pavyzdys: Atvejo-kontrolės tyrimas dėl nutukimo ir miokardo infarkto. Fizinis aktyvumas yra TF.

24. Stratifikacija Duomenys 2 x 2 lentelėje Grubus OR = 2.2

25. Stratifikuoti duomenys(Dvi 2 x 2 lentelės) Didelis fiz. aktyvumas Mažas fiz. aktyvumas Grupės OR = 2.8 Grupės OR = 2.8 Kiekvienas sluoksnis (grupė, strata) yra lyg apribota analizė. Sluoksnio OR-iai (2.8) skiriasi nuo grubaus OR (2.2) apie 25%. Šis skirtumas rodo, jog fizinis aktyvumas yra TF.

26. Stratų rezultatų vertinimas • Rezultatai sluoksniuose nebūtinai bus visiškai vienodi. • Jei jie nėra absoliučiai vienodi, bet panašūs (t.y. labai nesiskiria), gali būti apjungti į vieną, t.y. standartizuotą. Tai reiškia jog rezultatas buvo standartizuotas pagal kintamąjį, pagal kurį duomenys buvo stratifikuoti. • Sluoksnių rezultatus galima apjungti į vieną įvairiais metodais, tame tarpe ir naudojant Mantel-Haenszel metodą.

27. Kas, jei apskaičiuoti sluoksnių parametrai pastebimai skiriasi? Tai yra efekto modifikacija. • Efekto modifikacijos apibūdinimas: kai poveikio efekto dydis varijuoja grupėse pagal trečią kintamąjį - kitą veiksnį (manomai iškreipiantį – TF). • Pavyzdys: Ryšys tarp KMI ir krūties vėžio varijuoja, priklausomai nuo menopauzės būklės. Moterų, kurios dar yra premenopauzinėje būklėje, didesnis KMI mažina riziką. Pomenopauzinės būklės moterims didesnis KMI didina (ar neveikia) rizikos.

28. Stratifikuotos analizės atlikimo ir vertinimo reziumė: • Apskaičiuojamas bendras tyrimo parametras (grubus) • Apskaičiuojami parametrai sluoksniuose, jei nėra visai vienodi – standartizuojama. • Palyginamas standartizuotas parametras su grubiu. Jei jie skiriasi (bet nelabai), vadinasi buvo trukdymas, todėl teisingas yra standartizuotas parametras. Jei grubus ir standartizuotas parametrai yra maždaug vienodi, tuomet trukdymo nebuvo. • Jei parametrai sluoksniuose pastebimai skiriasi vienas nuo kito, tuomet tai yra efekto modifikacija. Tai reikia tiesiog aprašyti, pateikiant atskirai visų sluoksnių parametrus.

29. Tačiau... pvz: Atvejo-kontrolės tyrimas dėl fizinio aktyvumo ir širdies ligos. Jei sluoksniuosim vienu metu pagal lytį (dvi kategorijos: vyrai ir moterys), amžių (penkios kategorijos: 40-49, 50-59, 60-69, 70-79, 80 ir daugiau), ir rūkymą (trys kategorijos: niekada nerūkė, mažai rūko, daug rūko), gausim viso 30 sluoksnių (grupių). Jei tyrime yra keli šimtai atvejų ir kontrolinių, daugelyje langelių gausim mažus skaičius ar netgi nulius.

30. Sprendimas - daugiafaktorinė analizė • Tai analizė, kai vienu metu galima standartizuoti pagal keletą kintamųjų • Tai matematinis modelis, atspindintis ryšį tarp poveikio, ligos ir TF Pavyzdžiai: daugybinė linijinė regresija tolydiesiems dydžiams, logistinė regresija atvejo-kontrolės duomenims, Cox proporcijų rizikos modelis kohortiniams duomenims

31. Standartizacija • Pavyzdys word faile.

32. Liekamasis TF • Netgi po TF sukontroliavimo kartais gali likti TF. • Šaltiniai: TF, apie kuriuos nebuvo rinkti duomenys, plačios TF kategorijos analizėje, netikslūs duomenys apie TF. • Liekamasis TF turi būti aptartas diskusijoje (ar aptarime).

33. TF reziumė • Mišrus poveikio, išeities ir trečio kintamojo, t.y. TF, efektas • Numanomas trukdymas • Tyrimuose gali būti mažo, vidutinio ar didelio laipsnio trukdymai • TF gali arba padidinti arba sumažinti tikrąjį efektą