Confounding factor, Surrogate factor KARIŞTIRICI FAKTÖR Confounding factor, Surrogate factor YANLILIK Bias

Epidemiyolojik araştırmalarda yanıltıcı sonuçlara ulaşılabilir Epidemiyolojik araştırmalarda yanıltıcı sonuçlara ulaşılabilir. Yani neden ile sonuç arasında bir ilişki yokken varmış gibi, ilişki varken yokmuş gibi sonuçlar ortaya çıkabilir, ya da ilişkinin kuvveti abartılı veya daha düşük bulunabilir.

Yanıltıcı sonuçlar şu nedenlere bağlı oluşabilir: Çalışmaya sistemik hataların karışmış olması (yanlılık, bias) Örnekleme hataları Karıştırıcı faktör etkisi Etkileşimlerin etkisi

Neden sonuç ilişkisi kriterleri: İlişkinin varlığı İlişkinin kuvveti İlişkinin kararlılığı İlişkinin maruziyet dozu arttıkça kuvvetlenmesi Öncelik sonralık ilişkisinin görülebilmesi Maruziyet ortadan kalkınca ilişkinin zayıflaması ve kaybolması Mevcut bilgi birikimiyle uyumlu olması ve mantığa aykırı olmaması

Alkol –Larenks Kanser İlişkisi ( 10 yıl İzleme Süreli Prospektif Çalışma) Larenks CA Normal Toplam Alkol + 66 3334 3400 Alkol - 54 4546 4600 Relative risk= ………/……………. Odds Oranı= (…../……)/(……/……)

Alkol –Larenks Kanser İlişkisi ( 10 yıl İzleme Süreli Prospektif Çalışma) Larenks CA Normal Toplam Alkol + 66 (%1.9) 3334 3400 Alkol - 54 (%1.2) 4546 4600 Kaba (crude) Relative risk= (66/3400) / (54/4600) = 1.65 Kaba Odds Oranı = (66/3334) / (54/4546) = 1.67 P=0.005 (95% Güven aralığı: 1.16 – 2.394) p<0.01

Alkol –Larenks Kanser İlişkisi ( 10 yıl İzleme Süreli Prospektif Çalışma) Alkol içenlerde ve içmeyenlerde sigara içme durumu Sigara + Sigara - Toplam Alkol + 1600 (%47) 1800 3400 Alkol - 400 %8.7) 4200 4600 2000 6000 8000 Relative risk= …33…………/…………….

Sigara içenlerde Alkol – Larenks Kanseri İlişkisi ( 10 yıl İzleme Süreli Prospektif Çalışma) Larenks CA Normal Toplam Alkol + 48(%3) 1552 1600 Alkol - 12 (%3) 388 400 60 (%3) 1940 2000 Rölatif risk=1 Odds oranı=1

Sigara içmeyenlerde Alkol – Larenks Kanseri İlişkisi ( 10 yıl İzleme Süreli Prospektif Çalışma) Larenks CA Normal Toplam Alkol + 18 (%1) 1782 1800 Alkol - 42 (%1) 4158 4200 60 (%1) 5940 6000

Sigara içmeyenlerde= %1 Larenks kanseri insidans oranı/10 yıl Sigara içenlerde = %3 Sigara içmeyenlerde= %1 Rölatif risk=3

Alkol (Faktör) Sigara Larenks kanseri Sonuç)

Sigara larenks kanseri ilişkisini incelediğimizi düşünelim: Larenks metaplazisi sigarayla ilişkili olabilir, larens kanseriyle de ilişkili olabilir, fakat sigaranın larenks kanserine yol açışında ara basamak (veya ara sonuç) olduğu için karıştırıcı faktör olmaz. Bu nedenle böyle değişkenler karıştırıcı değişken işlemine tabi tutulmalıdırlar, aksi takdirde, yani karıştırıcı değişken gibi işlem görürlerse, aranan ilişkiyi örtücü rol oynarlar.

Aranan bir bir ilişkiyi (alkol kullanımı ile larinks kanseri arasındaki ilişki gibi), başka bir faktörün karıştırması şu iki özellik varsa olabilir: 1-Karıştıcı faktör, hem bağımlı hem de bağımsız değişken ile ilişkili olmalıdır. Karıştırıcı faktör Bağımsız değişken Bağımlı değişken 2-Bu faktör, Bağımsız değişkenin sonuç değişkenine neden olurken arada ortaya çıkan sonuç değişkeninin erken aşaması veya mekanizması olmamalıdır. Faktör Ön aşama Bağımlı değişken

Karıştırıcı değişkenlerin etkilerinden arındırılmış ve etkileşimleri gösterebilen çok değişkenli analizler (Örneğin lojistik regresyon), odds oranlarını, modele alınan (hesaplamada dikkate alınan) karıştırıcı faktörlerinden etkisinden arındırılmış (düzeltilmiş odds oranı – adjusted odds ratio) olarak hesaplarlar.

Karıştırıcı faktörler olmayan bir ilişkiyi var gibi gösterebilecekleri gibi, var olan bir ilişkiyi olduğundan fazla veya olduğundan düşük düzeyde gösterebilirler. Çok değişkenli analizler hem karıştırıcı faktör etkisinden arındırılmış sonuç verirler, hem de etkileşimleri gösterebilirler.

Randomize kontrollu çalışmalar karıştırıcı faktör etkisine karşı önemli ölçüde dayanıklıdır. Karıştırıcı faktörlerin etkisinden korunmanın yollarından birisidir.

Gözlemsel çalışmalarda karıştırıcı faktör etkisi ya çalışma düzenlenirken bu faktörün iki grupta da eşit oranda olmasını sağlayacak eşleştirmeler yapılır, ya da analiz sırasında bu ilişkiyi bu faktörün etkisinden arındırabilecek hesaplamalar veya çok değişkenli modeller kullanılır.

BİAS = YANLILIK: Değişik biçimlerde devreye girerek sonucu çarpıtabilir. Grupların oluşumu sırasında olabilir. Seçilme tipi yanlılık (Selection bias); Küçük ölçekli olan ve etkinin önemliliğini gösterememiş çalışmaları (olumsuz sonuçlu çalışmaları) yayın yapmaktan vazgeçme eğilimi vardır. Bu nedenle bu çalışmalar metaanalizlere yansıyamaz, bu durum metaanaliz sonuçlarını çarpıtmış olabilir. (Publication bias) Ölçme aşamasında olabilir (Measurement bias).

Yanlılığın incelenmesi için yapılması gerekenler Ölçümlerin nasıl ve hangi araç ve ilkelerle yapıldığı açık bir şekilde tanımlanmış mı Ölçmeciler yapılacak ölçme konusunda eğitim almışlar mı ve bu, çalışmanın yöntem bölümünde açıkça belirtilmiş mi? Ölçmeyi yapanların, ölçüm yaptıkları kişinin hangi gruptan olduğu konusunda körlüğü sağlanmış mı?

Ölçümler çift ölçüm olarak yapılmış mı Ölçümler çift ölçüm olarak yapılmış mı ?, ölçümlerin birbiriyle tutarlılığı tanımlanmış mı? Ölçümlerin geçerliliği bir gold standard ölçümle karşılaştırılarak değerlendirilmiş mi? Çalışmaya dahil etme veya dışlama kriterleri tanımlanmış mı ve uygun mu?

Çalışma gruplarında yer alanlardan verileri değişik nedenlerle eksik kalanlar ve analize dahil edilemeyenlerin ne ölçüde olduğu ve bu durumun çalışma sonuçlarını nasıl etkileyebileceği açıklanmış mı? Doğru sonuç değişkeni seçilmiş mi ? (Klinik son nokta yerine mekanizma mı seçilmiş?)

The Philosophy of Evidence-based Medicine Jeremy H. Howick 248 pages April 2011, BMJ Books

….Hidden biases caused by conflict of interest : (sayfa 189)

“..Heres et al.. examined randomized trials that compared different antipsychotic medications. They found that olanzapine beat risperidone, risperidone beat quetiapine, quetiapine beat olanzapine. The relative success of the drugs directly related to who sponsored the trial. For example if the manufacturers of risperidone sponsored the trial, then risperidone was more likely to appear more effective than the others...

The first reason why industry sponsored studies might be more likely to reveal a benefit of their drug is publication bias. It is usually against a pharmaceutical company’s interest to publish trials where their drugs did not demonstrate an effect. It is therefore hardly surprising that positive results are more likely to be published than negative results.”

Tarama çalışmalarında önemli iki yanlılık tipi Tanının öne çekilmesi tipi yanlılık (Lead time bias) Hastalığın seyri ile ilgili hastalık süresi ve şiddeti özelliklerinin neden olduğu yanlılık (Length time bias)