スポンサーリンク
どーもー！！ナツです！！
今日はどうしたのー？
今日はどうしたのー？
研究結果の測定バイアスについて聞かれたんだけど測定バイアスって何なの？
研究者にとっての天敵バイアス。
研究デザインを設計しているときにこのバイアスに悩まされた人も多いのではないでしょうか。
この記事を読んでくれている人は今現在、バイアスに悩まされている人かもしれません。
バイアスとは研究過程で生じる誤差のことを指し、研究では可能な限りバイアスを取り除く必要があります。
でも、どんな場合にバイアスが生じるかを理解していない人はバイアスを取り除く方法が分からなかったり、そもそもバイアスが混入していることに気がつけない場合があります。
この記事では、バイアスについて正しく理解したい人、バイアスにはどんなものがあるのかを知りたい人にむけて、測定バイアスについて分かりやすく解説していきます。
この記事を読めば、研究で生じる測定バイアスについて正しく理解することができ、バイアスへの対処もできるようになります。
それでは解説していきます。
- 測定バイアスを正しく理解したい人
- バイアスに適切に対処したい
- 研究の基礎を学びたい
Contents
バイアスとは
バイアスとは、系統誤差とも呼ばれ、研究の過程で生じる偶然ではない誤差のことを指します。バイアスが混入するタイミングは大きく分けて以下の3つがあります。
-
対象者を選定するとき⇒選択バイアス
-
実際にデータをとるとき⇒測定バイアス
-
データに関連する要因を測定していないとき⇒交絡
今回は特に測定バイアスについて解説をしていきます。
バイアスの概要や選択バイアスについては以下の記事を見てみてください。選択バイアスについて、詳しく解説しています。
選択バイアスって何！？基本から実例まで分かりやすく解説します！！
研究を行っている人にとってバイアスは天敵ですよね。
初めて研究をする人や研究初心者の人でも言葉くらいは聞いたことがあるかもしれ...
測定バイアス
測定バイアスとは、実際にデータを測定するときに生じる誤差のことを言います。誤差が生じる原因としては、測定者の問題や対象者の問題、対象者の性質による問題など様々ありますが、収集したデータがすべて同じ基準で測定されていないとき、それを測定バイアスと呼びます。
バイアスはデータを取った後からはどうすることもできません。
そのため、研究デザインを設計する時点で可能な限りバイアスを取り除く努力をすることが必要となります。
測定バイアスには以下のようなものがあります。
-
情報バイアス
-
測定者の測定のばらつきや機器の違いによって生じるバイアス
-
測定者の先入観によって生じるバイアス
-
過去の出来事や経験を想起する際に、その正確さが被験者間で異なることによって生じるバイアス
-
対象者の気に入るような回答をしてしまうというバイアス
情報バイアス
情報バイアスは測定バイアスの1つですが、情報バイアス単独で考えられることもあります。
情報バイアスは測定者が対象者の情報を持っていたり、対象者が自分の研究参加の条件を知っていたりする場合に生じるバイアスのことを指します。
分かりにくいと思うので、具体的な例を挙げて解説します。
例えば、新薬開発研究で新薬群とプラセボ群にランダムに分けて経過を観察したとします。
このとき、どの対象者が新薬群に振り分けられているかを測定者が知っていれば、結果を都合の良い方向に測定してしまうかもしれません。
また、対象者自身が自分が新薬群に振り分けられていることを知っていれば、副作用などを過剰に報告してくるかもしれません。
これは研究不正のような意識的なものだけでなく、無意識的にでも起こる可能性があります。
そのため、このような場合には測定者にも対象者にもどちらの群に振り分けられているか分からない二重盲検化が行われます。
測定者の測定のばらつきや機器の違いによって生じるバイアス
これは実験研究で起こりやすいバイアスです。
1人でデータを収集している場合は測定機器の使用方法が毎回少し違ったり、測定機器が異なったりすると誤差の原因となります。
複数人でデータを測定する場合などは個人間で測定方法が微妙に異なり、そのために結果に誤差が生じる場合があります。
例えば、体重を測定する必要がある研究の場合、毎回同じ体重計を使用しないと結果に誤差が生じる可能性があります。
これは同じメーカーの同じ機器ならOKというわけではなく、全く同一の機器で測定しないと誤差の原因となります。
複数人でデータを収集している場合は測定マニュアルを作ることが一番の対処法ですが、それでもバイアスの混入の可能性はあります。
そこまで考えたらキリがないと思うので、バイアスが混入する可能性があることを理解して可能な限り除去する努力をしましょう。
測定者の先入観によって生じるバイアス
これは測定者が原因で生じる測定バイアスです。
情報バイアスと少し似ていますが、測定者の先入観や思い込みが測定結果に誤差を生じさせる場合があります。
「高齢者だから体力は低下しているはず」とか「慢性閉塞性肺疾患の患者だから肺活量はこれくらいだ」とかこれまでの経験や知識から結果を予測してしまう場合に生じます。
そして、その予測から外れたデータが取れた場合には違和感を感じてしまい、再計測するなどして結果をさらに歪めてしまう可能性もあります。
もちろん正確なデータを取るという点では有利に働く場合もありますが、先入観は捨てて、目の前のデータを客観的に捉えていく必要があります。
過去の出来事や経験を想起する際に、その正確さが被験者間で異なることによって生じるバイアス
これは後方視的な研究で生じやすいバイアスです。
ある疾患患者とそうでない患者の過去の誘因への暴露状況を尋ねるような研究では、疾患に罹患した人はそうでない人に比べて誘因への暴露状況をよく覚えていたり、思い出しやすかったりします。
例えば、先天性の疾患を持つ子供の母親は疾患を持たない子供の母親よりも過去の病気やケガの状況をよく覚えていることが多いことがあり、これも誤差の原因となります。
また、このバイアスとは少し違いますが、喫煙歴や飲酒歴などの人間が社会的に引け目を感じるような誘因への暴露は過少に申告されることもあります。
測定者の気に入るような回答をしてしまうというバイアス
これは質問紙調査などの際に起こりうるバイアスです。
質問項目をみて、測定者によく見られようと肯定的な回答をしてしまう対象者もいます。
また、測定者によく見られようとする意図はなくても、肯定的に回答する傾向もあります。
このため、測定結果が正確に対象者の特性を反映しているとは言い切れず、結果の信頼性に影響を与えてしまうことがあります。
まとめ
-
測定バイアスとは実際にデータを測定するときに生じる誤差
-
測定バイアスが生じる原因は、測定者の問題や対象者の問題、対象者の性質による問題など
-
研究デザインを設計する時点で可能な限りバイアスを取り除く努力をすることが必要
いかがだったでしょうか。
今回は測定バイアスについて解説しました。
測定バイアスは選択バイアスよりも研究デザインで除去できる場合も多くあります。
研究デザインを設計するときから測定バイアスのことを念頭において考えていくようにしましょう。
もちろん、完全にバイアスを除去することはできません。
きちんとバイアスが混入している可能性を理解し、研究の限界として報告することを行えば、研究としては全く問題ありませんよ。
スポンサーリンク
