سوگیری اطلاعات چیست؟

سوگیری اطلاعات (Information bias) به حالتی از سوگیری پژوهشی اشاره دارد که داده‌ها یا متغیرهای کلیدی مطالعه به شیوه‌ای نادرست اندازه‌گیری، ثبت یا طبقه‌بندی می‌شوند. این نوع سوگیری معمولاً در مرحله گردآوری داده‌ها رخ می‌دهد، به‌ویژه در مطالعات مبتنی بر گزارش خوداظهاری یا داده‌های گذشته‌نگر. وقتی سوگیری اطلاعات وجود داشته باشد، نتایج پژوهش به‌طور سیستماتیک با حقیقت اختلاف خواهند داشت و اعتبار علمی مطالعه کاهش می‌یابد.

علل و نحوه ایجاد

سوگیری اطلاعات معمولاً در مرحله گردآوری داده رخ می‌دهد، به‌ویژه در مطالعات گذشته‌نگر یا آن‌هایی که به گزارش خوداظهاری شرکت‌کنندگان متکی‌اند. از جمله عوامل مهم ایجاد سوگیری اطلاعات می‌توان موارد زیر را نام برد:

• عدم کورسازی در مطالعه: اگر طرح تحقیق دوسو کور (Double-blind) اجرا نشود (برای مثال، پژوهشگر بداند که کدام شرکت‌کننده دارو و کدام دارونما دریافت کرده است)، برداشت‌ها و ثبت نتایج توسط او ممکن است تحت تأثیر انتظارات قبلی قرار گیرد.
• روش‌های متفاوت جمع‌آوری داده: استفاده از روش‌های مختلف برای اندازه‌گیری نتایج در گروه‌های مقایسه‌ای (مثلاً پرسشنامه خوداظهاری برای یک گروه و سوابق پزشکی برای گروه دیگر) باعث می‌شود داده‌های جمع‌آوری‌شده به‌طور سیستماتیک نامتوازن باشند.
• ثبت نادرست متغیرها: تعاریف و معیارهای متفاوت برای تشخیص بیماری یا ثبت مواجهه می‌تواند موجب شود برخی افراد به‌صورت نادرست در گروه‌های مطالعه قرار گیرند. مثلاً معیارهای تشخیصی غیرشفاف یا سوابق پزشکی ناسازگار می‌تواند افرادی را که در واقع بیماری ندارند، به اشتباه بیمار تلقی کرده و بالعکس.
• خطای ابزار اندازه‌گیری: استفاده از دستگاه یا ابزار اندازه‌گیری غیرکالیبره یا بروز خطا در ورود و پاک‌سازی داده‌ها می‌تواند مقادیر ثبت‌شده را مخدوش کند.

وقوع هر یک از این عوامل ممکن است به پدیده طبقه‌بندی نادرست (misclassification) منجر شود؛ یعنی افرادی که یک ویژگی یا بیماری را دارند، به طبقه دیگری نسبت داده شوند. اگر این خطا در همه گروه‌های مطالعه به یک اندازه رخ دهد (طبقه‌بندی نادرست غیرافتراقی)، معمولاً مقدار اثر مورد بررسی به سمت صفر میل می‌کند. به عبارتی دیگر، اثر واقعی دست‌کم گرفته می‌شود. اما اگر این خطا تنها در یکی از گروه‌ها اتفاق بیفتد (طبقه‌بندی نادرست افتراقی)، برآورد اثر می‌تواند به هر دو سو (کمتر یا بیشتر از مقدار واقعی) منحرف شود.

انواع سوگیری اطلاعات

سوگیری اطلاعات یک مفهوم کلی است که انواع مختلفی را در بر می‌گیرد. از جمله انواع رایج آن می‌توان به موارد زیر اشاره کرد:

• سوگیری یادآوری (Recall bias): زمانی رخ می‌دهد که یکی از گروه‌های مطالعه اطلاعات گذشته خود را بهتر یا دقیق‌تر از گروه دیگر به یاد آورده و گزارش می‌کند. این نوع سوگیری در مطالعاتی که شرکت‌کنندگان باید رویدادها یا رفتارهای گذشته را به خاطر آورند (مثل برخی مطالعات مورد-شاهدی) شایع است. مثلاً ممکن است در مطالعه‌ای که به ارتباط تغذیه دوران بارداری با نقص‌های نوزادی می‌پردازد، مادران کودکان مبتلا جزئیات بیشتری از رژیم غذایی یا داروهای مصرفی خود را گزارش کنند تا مادران کودکان سالم.
• سوگیری مشاهده‌گر (Observer bias): زمانی رخ می‌دهد که شخص جمع‌آوری‌کننده یا ارزیاب داده (مثل پزشک یا پژوهشگر) از فرضیه یا گروه‌بندی مطالعه آگاه است و برداشت او از داده‌ها تحت تأثیر این آگاهی قرار می‌گیرد. در این حالت، احتمال دارد ارزیاب مقادیر را به شیوه‌ای ثبت کند که با انتظار ذهنی‌اش همخوانی داشته باشد.
• سوگیری عملکرد (Performance bias): این سوگیری زمانی اتفاق می‌افتد که آگاهی شرکت‌کنندگان یا پژوهشگران از تخصیص گروه‌ها باعث تغییر رفتار یا پاسخ آن‌ها شود. مثلاً اگر شرکت‌کنندگان در گروه دارونما از هدف مطالعه آگاه شوند، ممکن است رژیم غذایی یا فعالیت خود را طوری تغییر دهند که تفاوت تصنعی با گروه درمان ایجاد کنند.
• بازگشت به میانگین (Regression to the mean): این پدیده آماری به میل طبیعی اندازه‌های بسیار بالاتر یا پایین‌تر به حرکت به سمت میانگین در اندازه‌گیری‌های بعدی اشاره دارد. در مطالعاتی که افراد بر اساس مقادیر بسیار بالا یا پایین یک متغیر انتخاب می‌شوند، در اندازه‌گیری مجدد مقادیر آن‌ها به صورت طبیعی به سمت میانگین جمعیت حرکت می‌کند. اگر به این اثر توجه نشود، ممکن است نتیجه‌گیری شود که مداخله مؤثرتر از آن چیزی است که در واقع بوده است.

مثال‌ها در مطالعات علوم‌پزشکی

• ثبت اشتباه سوابق پزشکی: فرض کنید مطالعه‌ای به بررسی ارتباط مصرف سیگار با بیماری قلبی می‌پردازد و اطلاعات مصرف سیگار شرکت‌کنندگان از سوابق پزشکی آن‌ها استخراج می‌شود. اگر در سوابق پزشکی برخی افراد وضعیت سیگار کشیدن ثبت نشده باشد، احتمالاً این افراد قبلاً سیگاری بوده‌اند که ثبت نشده است. در نتیجه، کسانی که در پرونده «غیرسیگاری» ثبت شده‌اند، ممکن است سابقه‌ای از سیگار کشیدن داشته باشند. این مسأله باعث می‌شود آثار واقعی مصرف سیگار در ارتباط با بیماری قلبی کمتر یا بیشتر از مقدار واقعی تخمین زده شود.
• سوگیری یادآوری در مطالعات مورد-شاهدی: در یک مطالعه مورد-شاهدی درباره تأثیر مصرف داروی خاص در دوران بارداری بر نقص‌های نوزادی، ممکن است مادران نوزادان دارای نقص (گروه مورد) مصرف دارو یا مواجهه‌های خود را بهتر به یاد آورند و اعلام کنند، در حالی که مادران نوزادان بدون نقص (گروه شاهد) جزئیات را کمتر گزارش می‌کنند. به‌عنوان مثال، مادران گروه مورد به دلیل نگرانی درباره علت نقص، ممکن است مصرف داروهای خود را دقیق‌تر گزارش کنند در حالی که مادران گروه شاهد برخی داروهای گذشته را نادیده بگیرند. در نتیجه، میزان مصرف دارو در گروه‌های مطالعه به‌طور نادرست برآورد شده و برآورد ارتباط دارو با ناهنجاری جنینی اشتباه محاسبه می‌شود.
• سوگیری مشاهده‌گر در آزمایش بالینی: در یک کارآزمایی بالینی برای درمان فشارخون بالا، پرستاری که فشارخون بیماران را اندازه می‌گیرد، از تخصیص افراد به گروه‌های درمان یا کنترل باخبر است. اگر پرستار نسبت به اثر داروی جدید خوش‌بین باشد، ممکن است فشارخون بیماران تحت درمان را اندکی پایین‌تر یادداشت کند یا تغییرات جزئی را به سود درمان تفسیر کند، در حالی که برای گروه کنترل چنین نخواهد کرد. در نتیجه، تفاوت میانگین فشارخون بین گروه‌ها به اشتباه ثبت شده و اثربخشی دارو بیش از حد واقعی یا کمتر از حد واقعی تخمین زده می‌شود.
• اختلاف در کالیبراسیون ابزار: فرض کنید در یک مطالعه تغذیه‌ای چندمرکزی، برای اندازه‌گیری وزن شرکت‌کنندگان از دو ترازوی مختلف استفاده می‌شود. در یکی از مراکز ترازو به‌درستی کالیبره شده اما در مرکز دیگر ترازو ۲ کیلوگرم سنگین‌تر نشان می‌دهد. در این حالت، داده‌های مرکز دوم به‌طور سیستماتیک ۲ کیلوگرم بالاتر از وزن واقعی ثبت می‌شود. این اختلاف باعث می‌شود میانگین وزن گزارش‌شده در مرکز دوم بیشتر باشد و در نهایت تحلیل نهایی نتایج بین مراکز به‌طور کاذب تحریف شود.

در هر یک از این مثال‌ها، سوگیری اطلاعات باعث انحراف نتیجه‌گیری از حقیقت می‌شود.

چگونگی کاهش سوگیری اطلاعات

برای کاهش احتمال بروز سوگیری اطلاعات در مطالعات پزشکی می‌توان تدابیر زیر را در نظر گرفت:

• بازبینی داده‌های خوداظهاری: داده‌های جمع‌آوری‌شده از پرسشنامه‌ها یا مصاحبه‌ها را با اطلاعات موجود در سوابق پزشکی یا منابع دیگر مقایسه کنید تا ناسازگاری‌ها مشخص شوند. این کار به تصحیح یا تأیید اطلاعات ثبت‌شده کمک می‌کند.
• استفاده از طرح دوسو کور (Double-blind): تا حد امکان پژوهشگر و شرکت‌کننده را از آگاهی نسبت به تخصیص گروه‌ها (درمان یا کنترل) دور نگه دارید. همچنین افرادی که نتایج را ثبت یا تفسیر می‌کنند نباید از فرضیه اصلی مطالعه مطلع باشند. با این روش، اثر باورها یا انتظارات ذهنی افراد بر جمع‌آوری داده کاهش می‌یابد.
• تعریف دقیق متغیرها و استانداردسازی ابزار: معیارها و تعاریف تشخیصی را از پیش مشخص کنید و از پرسشنامه‌ها و دستگاه‌های کالیبره‌شده استفاده نمایید. این امر تضمین می‌کند که اطلاعات تحت شرایط یکسان و استاندارد جمع‌آوری شود.
• جمع‌آوری داده به صورت آینده‌نگر: هر جا ممکن است داده‌ها را از پیش و به صورت آینده‌نگر جمع‌آوری کنید و از تکیه بر یادآوری گذشته توسط شرکت‌کنندگان خودداری نمایید. به این ترتیب، خطاهای ناشی از فراموشی یا گزارش ناقص داده کاهش می‌یابد.

با رعایت این تدابیر در مرحله طراحی مطالعه و فرایند جمع‌آوری داده‌ها، می‌توان سوگیری اطلاعات را به حداقل رساند و دقت نتایج پژوهش را افزایش داد.