選択バイアス

選択バイアスとは、分析のための個人、グループ、またはデータの選択によって適切なランダム化が達成されず、得られたサンプルが分析対象の母集団を代表することを保証できないバイアスです。 ^[1]これは選択効果と呼ばれることもあります。「選択バイアス」という語句は、ほとんどの場合、サンプル収集方法に起因する統計分析の歪みを指します。選択バイアスが考慮されない場合、研究の結論の一部は誤っている可能性があります。

標本バイアスとは、母集団の非ランダム標本による体系的な誤差であり、 ^[2]母集団の一部のメンバーが他のメンバーよりも含まれる可能性が低くなり、結果として偏った標本が生成されます。偏った標本とは、すべての参加者が均等にバランスが取れておらず、客観的に代表されていない母集団（または非人的要因）の統計的標本として定義されます。[ 3 ]これ^は主に選択バイアスのサブタイプとして分類され、^[4]特にサンプル選択バイアスと呼ばれることもありますが、^{[5] [6] [7]}別の種類のバイアスとして分類する人もいます。^[8]

サンプリング バイアスの違い (ただし、広く受け入れられているわけではありません) は、テストの外部妥当性(その結果を母集団全体に一般化できる能力) を損なうのに対し、選択バイアスは主に、手元のサンプルで見つかった相違点や類似点の内部妥当性に対処します。この意味で、サンプルまたはコホートを収集するプロセスで発生するエラーはサンプリング バイアスの原因となり、その後のプロセスで発生するエラーは選択バイアスの原因となります。

サンプリング バイアスの例には、自己選択、試験参加者の事前スクリーニング、完了しなかった試験対象者/テストの無視、研究地域に最近移動した、または研究地域から移動した対象者を除外することによる移行バイアス、進行が遅く予後が良好な疾患が検出される長さ時間バイアス、および疾患の平均経過は同じであるにもかかわらず、参加者の方が比較対象集団よりも早く疾患が診断されるリードタイム バイアスなどがあります。

• 試験結果が望ましい結論を裏付けた時点で試験を早期に終了すること。
• 試験は極端な値で早期に終了することがあります (多くの場合、倫理的な理由により) が、すべての変数の平均が類似していたとしても、分散が最も大きい変数が極端な値に到達する可能性が高くなります。

• 感受性バイアス
  • 臨床的感受性バイアスとは、ある病気が別の病気の原因となり、最初の病気の治療が誤って別の病気の原因となるように見えることです。例えば、閉経後症候群は子宮内膜がんを発症する確率も高く、そのため閉経後症候群に投与されたエストロゲンは子宮内膜がんの原因として実際よりも高い非難を受ける可能性があります。^[9]
  • プロトパシックバイアスとは、病気の最初の症状やその他の結果に対する治療が、その結果を引き起こしたように見える場合のバイアスのことです。これは、最初の症状から治療開始までの間に実際の診断までにラグタイムがある場合に発生する潜在的なバイアスです。^[9]これは、診断前の一定期間に発生した曝露を除外するラギングによって軽減できます。 ^[10]
  • 適応バイアスとは、曝露が適応に依存している場合に原因と結果が混同される可能性があることです。例えば、病気にかかるリスクが高い人に治療を施すと、病気にかかる人の中で治療を受けた人の数が多すぎる可能性があります。これにより、治療が病気の原因であるという誤った印象を与える可能性があります。^[11]

• パーティションの内容に関する知識に基づいてデータをパーティション分割し、盲目的に選択されたパーティション用に設計されたテストを使用してデータを分析します。
• 恣意的または主観的な理由に基づくデータ包含の 事後的な変更には以下が含まれます:
  • チェリーピッキングは、実際には選択バイアスではなく確証バイアスであり、結論を裏付けるために特定のデータのサブセットが選択されます（例：飛行機事故の例を航空便が安全でない証拠として挙げ、安全に完了するフライトのはるかに一般的な例を無視する。参照：可用性ヒューリスティック）
  • （１）事前に述べられた基準や一般的に合意された基準に従わずに恣意的な根拠に基づいて不良データを拒否すること、または（２）「野生の」観察から得られる重要な情報を考慮に入れていない統計的根拠に基づいて「外れ値」を破棄すること。 ^[12]

• メタ分析に含める研究の選択（組み合わせメタ分析も参照）。
• 実験を繰り返し実行し、最も好ましい結果のみを報告し、他の実験の実験記録を「較正テスト」、「計測エラー」、または「予備調査」として再ラベル付けする場合があります。
• データドレッジの最も重要な結果を、あたかも単一の実験であるかのように提示する (これは論理的には前の項目と同じですが、それほど不誠実ではないと見なされます)。

脱落バイアスは脱落（参加者の喪失）によって引き起こされる選択バイアスの一種であり、^[13]完了しなかった被験者/テストを除外する。これは、プロセスを「生き延びた」被験者だけが分析に含まれる生存者バイアスや、プロセスを「失敗」した被験者だけが分析に含まれる失敗バイアスと密接に関連している。これには、脱落、無回答（低い回答率）、離脱、プロトコル逸脱者が含まれる。露出や結果に関して不平等な場合、偏った結果が得られる。たとえば、ダイエット プログラムのテストでは、研究者は単に試験から脱落した全員を拒否するかもしれないが、脱落した人のほとんどは、そのプログラムが機能していなかった人である。介入群と比較群における被験者の喪失が異なると、研究対象の介入に関係なく、これらのグループの特性や結果が変わる可能性がある。 [ ^13]

追跡不能は脱落バイアスの別の形であり、主に長期間にわたる医療研究で発生します。非回答バイアスまたは保持バイアスは、富、教育、利他主義、研究とその要件に関する初期の理解など、多くの有形および無形の要因によって影響を受ける可能性があります。^[14]研究者は、初期の募集および研究段階で収集された識別情報と連絡先の詳細が不十分なために、フォローアップの連絡を行うことができない場合もあります。^[15]

哲学者ニック・ボストロムは、データは研究デザインや測定だけでなく、研究を行う人がいるという必要条件によってもフィルタリングされると主張している。観察者や研究の存在がデータと相関している状況では、観察選択効果が発生し、人類学的推論が必要となる。^[16]

一例として、地球の過去の衝突イベントの記録が挙げられます。大規模な衝突が大量絶滅や生態系の混乱を引き起こし、長期間にわたって知的観測者の進化を妨げるとしたら、最近の過去に大規模な衝突の証拠を誰も観察しないでしょう（大規模な衝突は知的観測者の進化を妨げたため）。したがって、地球の衝突記録には潜在的なバイアスがあります。^[17]天文学的な実存的リスクも同様に選択バイアスのために過小評価される可能性があり、人類学的補正を導入する必要があります。^[18]

研究における自己選択バイアスやボランティアバイアスは、研究の妥当性にさらなる脅威をもたらします。なぜなら、これらの参加者は、研究の対象集団とは本質的に異なる特徴を持っている可能性があるからです。^[19]研究では、ボランティアは社会的地位の高い人の方が、社会的経済的地位の低い人よりも選ばれる傾向があることが示されています。 ^[20]さらに、別の研究では、女性の方が男性よりも研究にボランティアとして参加する可能性が高いことが示されています。ボランティアバイアスは、募集からフォローアップまで、研究のライフサイクル全体にわたって明らかです。より一般的に言えば、ボランティアの反応は、個人の利他主義、承認欲求、研究テーマとの個人的な関係、その他の理由によるものです。^{[20] [14]}ほとんどの場合と同様に、ボランティアバイアスの場合の緩和策は、サンプルサイズを増やすことです。^[要出典]

一般的には、選択バイアスは既存データの統計分析だけでは克服できないが、特殊な場合にはヘックマン補正が使用されることがある。選択バイアスの程度の評価は、外生的（背景）変数と治療指標との相関関係を調べることで行うことができる。しかし、回帰モデルでは、結果の観測されない決定要因とサンプルへの選択の観測されない決定要因との相関関係が推定値にバイアスをかけ、この観測されない決定要因間の相関関係は、治療の観測される決定要因によって直接評価することはできない。^[21]

フィッティングまたは予測の目的でデータを選択すると、データ変数のすべてのサブセットに対してフィッティングまたは予測の精度関数を定義できるように連合ゲームを設定できます。

選択バイアスは次のものと密接に関連しています。

• 出版バイアスまたは報告バイアスとは、興味深くない（通常は否定的な）結果、または実験者の偏見、スポンサーの利益、またはコミュニティの期待に反する結果を公表しないことによってコミュニティの認識またはメタ分析に生じる歪みのことである。
• 確証バイアスとは、人間が自分の既存の観点を裏付けるものにもっと注意を払うという一般的な傾向のこと。具体的には、実験科学においては、仮説を反証するのではなく確証的な証拠を求めるように設計された実験によって生じる歪みのことである。
• 除外バイアスは、研究への参加資格に関して症例と対照に異なる基準を適用したこと、または除外の根拠となる異なる変数から生じます。