ERRORI CASUALI (random error)
E' l'errore che può verificarsi in ogni studio che si basa su un campione di popolazione.
La variabilità campionaria è direttamente correlata con la dimensione del campione; selezionando campione numeroso, la fluttuazione sarà minima.
L'errore può essere:
- errore di tipo 1 (osservare un'associazione che non c'è)
- errore di tipo 2 (non osservare un'associazione che c'è)
ERROSI SISTEMATICI (bias)
Condizioni quali l’età, il sesso, lo stato socioeconomico, le abitudini di vita, l’esposizione professionale, ecc..., condizionano il reclutamento dei gruppi in studio.
Queste variabili influenzando lo stato di esposizione al rischio (favorendo od ostacolando la malattia) possono avere conseguenze sulla misura del Rischio Relativo (RR) o dell’Odds Ratio (OR).
Il bias conduce ad un’immagine distorta della realtà, ciò, a sua volta provoca un confondimento.
Il bias può essere distinto in:
- Bias da selezione.
Il bias da selezione si determina in funzione del modo in cui i soggetti in studio sono reclutati; si riferisce cioè ad una distorsione della stima dell’effetto dovuta alle modalità di selezione della popolazione in studio.
- Bias da informazione.
Include tutte le distorsioni dovute ad erronea o non precisa classificazione dello stato del soggetto (malato/non malato oppure esposto/non esposto). Questa categoria include le diagnosi non corrette, gli errori di misurazione con strumenti, le risposte inesatte ai questionari somministrati, e altro.
E' l'errore che può verificarsi in ogni studio che si basa su un campione di popolazione.
La variabilità campionaria è direttamente correlata con la dimensione del campione; selezionando campione numeroso, la fluttuazione sarà minima.
L'errore può essere:
- errore di tipo 1 (osservare un'associazione che non c'è)
- errore di tipo 2 (non osservare un'associazione che c'è)
ERROSI SISTEMATICI (bias)
Condizioni quali l’età, il sesso, lo stato socioeconomico, le abitudini di vita, l’esposizione professionale, ecc..., condizionano il reclutamento dei gruppi in studio.
Queste variabili influenzando lo stato di esposizione al rischio (favorendo od ostacolando la malattia) possono avere conseguenze sulla misura del Rischio Relativo (RR) o dell’Odds Ratio (OR).
Il bias conduce ad un’immagine distorta della realtà, ciò, a sua volta provoca un confondimento.
Il bias può essere distinto in:
- Bias da selezione.
Il bias da selezione si determina in funzione del modo in cui i soggetti in studio sono reclutati; si riferisce cioè ad una distorsione della stima dell’effetto dovuta alle modalità di selezione della popolazione in studio.
- Bias da informazione.
Include tutte le distorsioni dovute ad erronea o non precisa classificazione dello stato del soggetto (malato/non malato oppure esposto/non esposto). Questa categoria include le diagnosi non corrette, gli errori di misurazione con strumenti, le risposte inesatte ai questionari somministrati, e altro.
- Bias da confondimento.
È un errore dovuto alla presenza, nei dati, di variabili estranee che influenzano l’effetto dei fattori in studio. Esempio: Questo può succedere per quando, volendo considerare l’importanza del fumo per l’infarto del miocardio, non si tenga conto di altri fattori favorenti come la dieta ricca di grassi animali, l’ipertensione, l’ipercolesterolemia, ovvero protettivi quali: l’attività fisica, la dieta ricca di oli vegetali crudi e di pesce, e altro.
Poiché i fattori di confondimento possono portare ad una sovrastima/sottostima dell’influenza che l’esposizione ad un determinato fattore di rischio può avere sull’insorgenza della malattia, gli studi epidemiologici che possono essere influenzati sono soprattutto quelli analitici.
Poiché i fattori di confondimento possono portare ad una sovrastima/sottostima dell’influenza che l’esposizione ad un determinato fattore di rischio può avere sull’insorgenza della malattia, gli studi epidemiologici che possono essere influenzati sono soprattutto quelli analitici.
Post
Nessun commento:
Posta un commento