[論文レビュー] Does adjustment for measurement error induce positive bias if there is no true association?

Igor Burstyn|ArXiv.org|Feb 6, 2009

Statistical Methods and Bayesian Inference参考文献 15被引用数 5

ひとこと要約

本稿は、疫学的研究における測定誤差補正が、真の関連が存在しない場合に誤った正の関連を誘発するかどうかを検討する。古典的乗法的誤差モデルの下でシミュレーション研究とベイズ的手法を用い、適切な補正が正のバイアスを引き起こさないことを示している。逆に、このようなバイアスは補正法そのものに起因するのではなく、不適切に強い事前分布に起因する。

ABSTRACT

This article is a response to an off-the-record discussion that I had at an international meeting of epidemiologists. It centered on a concern, perhaps widely spread, that measurement error adjustment methods can induce positive bias in results of epidemiological studies when there is no true association. I trace the possible history of this supposition and test it in a simulation study of both continuous and binary health outcomes under a classical multiplicative measurement error model. A Bayesian measurement adjustment method is used. The main conclusion is that adjustment for the presumed measurement error does not 'induce' positive associations, especially if the focus of the interpretation of the result is taken away from the point estimate. This is in line with properties of earlier measurement error adjustment methods introduced to epidemiologists in the 1990s. An heuristic argument is provided to support the generalizability of this observation in the Bayesian framework. I find that when there is no true association, positive bias can only be induced by indefensible manipulation of the priors, such that they dominate the data. The misconception about bias induced by measurement error adjustment should be more clearly explained during the training of epidemiologists to ensure the appropriate (and wider) use of measurement error correction procedures. The simple message that can be derived from this paper is: 'Do not focus on point estimates, but mind the gap between boundaries that reflect variability in the estimate'. And of course: 'Treat measurement error as a tractable problem that deserves much more attention than just a qualitative (throw-away) discussion'.

研究の動機と目的

• 疫学者の間で広く懸念されている、測定誤差補正法が誤って正の関連を誘発する可能性があるという懸念に対処すること。
• 暴露とアウトカムの間に真の関連が存在しない場合に、ベイズ的手法による測定誤差補正がバイアスを引き起こすかどうかを検証すること。
• 統計的解析における測定誤差補正法の挙動に関する誤解を解き明かすこと。
• 補正済み結果を解釈する際、点推定値よりも信頼区間を重視する重要性を強調すること。
• 測定誤差を無視するのではなく、より厳密で定量的な取り扱いを推奨すること。

提案手法

• 連続的および二値の健康アウトカムに対して、古典的乗法的誤差モデルの下でシミュレーション研究を実施すること。
• 弱い情報的事前分布を用いたベイズ的手法を適用し、補正済み効果量を推定すること。
• 真の関連が存在しないという帰無仮説の下で、補正済み解析の結果と未補正モデルの結果を比較すること。
• シミュレーション全体を通して、第一種の誤りの頻度と推定効果量の分布を評価すること。
• ヒューリスティックな議論を用いて、ベイズ枠組み内での結果の一般化可能性を裏付けること。
• とりわけ、証拠が弱い状況で事前分布がデータを支配する場合の、事前分布の指定がバイアスに与える影響を評価すること。

実験結果

リサーチクエスチョン

• RQ1 暴露とアウトカムの間に真の関連が存在しない場合に、疫学的研究における測定誤差補正が正のバイアスを誘発するか？
• RQ2 特にベイズ枠組みにおいて、測定誤差補正が誤った関連を誘発する条件は何か？
• RQ3 事前分布の選択が、測定誤差補正推定値におけるバイアスの可能性にどのように影響するか？
• RQ4 補正済み解析において、点推定値が信頼区間の全容を誤解させる程度はどの程度か？
• RQ5 なぜ測定誤差補正が誤った関連を生じるとの誤解が、長く根強く残っているのか？

主な発見

• 適切な事前分布が用いられていれば、真の関連が存在しない場合に測定誤差補正は正のバイアスを誘発しない。
• シミュレーションの結果、適切な事前分布の下では第一種の誤り率が名目水準（例：5％）に近く保たれ、系統的なバイアスがないことが示された。
• 正のバイアスは、事前分布がデータを支配する場合にのみ出現するが、これは補正技術自体の欠陥ではなく、方法論的誤用を反映している。
• ベイズ的手法による測定誤差補正は、1990年代に開発された以前の手法と同様に、帰無仮説下での推論の妥当性を保持している。
• 本研究は、主な懸念要因である点推定値の誤解は、信用区間への注目によって軽減可能であることを確認した。
• 研究結果は、測定誤差が認識され、モデル化されている場合、測定誤差補正を疫学的研究において有効かつ必須なツールとして使用することを支持する。