Posted on 1st October 2018 by Eveliina Ilola
Confounding betekent de vervorming van de associatie tussen de onafhankelijke en afhankelijke variabelen omdat een derde variabele onafhankelijk met beide is geassocieerd.
Een causaal verband tussen twee variabelen wordt vaak beschreven als de manier waarop de onafhankelijke variabele de afhankelijke variabele beïnvloedt. De onafhankelijke variabele kan onafhankelijk van elkaar verschillende waarden aannemen, en de afhankelijke variabele varieert naar gelang van de waarde van de onafhankelijke variabele.
Zo, laten we zeggen dat u wilt weten welke invloed alcoholconsumptie heeft op het sterftecijfer…
U besluit de sterftecijfers tussen twee groepen te vergelijken – een groep die bestaat uit zware alcoholgebruikers, een groep die bestaat uit geheelonthouders. In dit geval zou alcoholconsumptie uw onafhankelijke variabele zijn en sterfte uw afhankelijke variabele.
Als u vaststelt dat mensen die meer alcohol consumeren een grotere kans hebben om te sterven, lijkt het misschien intuïtief om te concluderen dat alcoholgebruik het risico op overlijden verhoogt. In werkelijkheid kan de situatie echter complexer zijn. Het is mogelijk dat alcoholgebruik niet de enige sterfte-beïnvloedende factor is die verschilt tussen de twee groepen.
Mensen die minder alcohol gebruiken, zouden bijvoorbeeld vaker gezonder eten of minder vaak roken. Gezonde voeding of roken kunnen op hun beurt het sterftecijfer beïnvloeden. Deze andere beïnvloedende factoren worden verwarrende variabelen genoemd. Indien men ze negeert en aanneemt dat verschillen in sterfte veroorzaakt moeten worden door een verschil in alcoholconsumptie, kan men resultaten bekomen die de realiteit niet zo goed weerspiegelen. U zou verbanden kunnen vinden die er in werkelijkheid niet zijn, of geen verbanden vinden waar ze wel zijn.
Hoe de effecten van verstoring te minimaliseren tijdens de studieopzet
Als u de effecten van een interventie onderzoekt, kunt u mensen willekeurig toewijzen aan een interventie- en controlegroep. Het doel van randomisatie is om de bekende en onbekende confounders gelijkmatig te verdelen over de twee groepen. De groepen kunnen door toeval nog steeds verschillen in potentiële verwarrende factoren, maar door randomisatie worden deze verschillen geminimaliseerd.
In andere soorten studies kunt u confounding aanpakken door middel van restrictie of matching. Beperking betekent dat alleen mensen worden onderzocht die vergelijkbaar zijn in termen van een verwarrende variabele – als je bijvoorbeeld denkt dat leeftijd een verwarrende variabele is, zou je ervoor kunnen kiezen alleen mensen ouder dan 65 te onderzoeken. (Dit zou uiteraard de toepasbaarheid van uw resultaten op andere groepen beperken). Matching betekent het koppelen van mensen in de twee groepen op basis van potentiële verwarrende variabelen.
Hoe de effecten van verwarring te minimaliseren tijdens statistische analyse
Na afloop van het onderzoek kunt u de effecten van verwarring minimaliseren met behulp van statistische methoden.
Als er slechts een klein aantal potentiële verwarrende variabelen is, kunt u stratificatie gebruiken. Bij stratificatie maakt u kleinere groepen waarin de verstorende variabelen niet variëren en onderzoekt u vervolgens de relatie tussen de onafhankelijke en afhankelijke variabele in elke groep. In het voorbeeld dat we eerder gebruikten, zou u bijvoorbeeld de steekproef kunnen verdelen in groepen rokers en niet-rokers en de relatie tussen alcoholgebruik en sterfte binnen elke groep onderzoeken.
Als er een groter aantal potentiële verstoorders is, kunt u multivariate analyse gebruiken, bijvoorbeeld logistische of lineaire regressie.
Conclusies
De associatie tussen twee variabelen kan worden gewijzigd door een derde variabele, en dit kan leiden tot vertekende resultaten. Zelfs als u hiermee rekening houdt bij de onderzoeksopzet en de gegevensanalyse, kunnen uw gegevens nog steeds worden vertekend door confounding – er kunnen bijvoorbeeld andere confounding-factoren zijn die u niet kent – maar de eerste stappen om de effecten ervan te beperken, zijn dat u zich bewust bent van het potentieel ervan om uw resultaten te vertekenen en dat u dienovereenkomstig plant.
Bronnen:
Pourhoseingholi, M. A., Baghestani, A. R., & Vahedi, M. (2012). Hoe beïnvloedingseffecten te controleren door statistische analyse. Gastroenterology and Hepatology From Bed to Bench, 5(2), 79-83.
Catalogue of bias collaboration, Aronson JK, Bankhead C, Nunan D. Confounding. In Catalogue Of Biases. 2018. https://catalogofbias.org/biases/confounding/
http://www.ucl.ac.uk/ich/short-courses-events/about-stats-courses/stats-rm/chapter_1_content/Confounding_Factors