087. Jak rozpoznawać potencjalne confoundery przed analizą?

W poprzedniej lekcji omówiono, czym jest confounding, czyli zniekształcenie związku między ekspozycją lub zmienną objaśniającą a wynikiem. Następny krok ma charakter praktyczny: zanim wybierzesz model regresji, musisz rozważyć, które zmienne mogą otwierać ścieżki zakłócające i powinny zostać uwzględnione w analizie. Nie chodzi jednak o mechaniczne dodanie wszystkich dostępnych pomiarów do modelu. Celem jest zbudowanie uzasadnionego, możliwie oszczędnego zbioru zmiennych kontrolnych na podstawie wiedzy merytorycznej, czasu pomiaru, założeń przyczynowych i planowanego estimandu. Taki sposób postępowania jest zgodny z dobrymi praktykami wnioskowania przyczynowego oraz z zaleceniami dotyczącymi przejrzystego raportowania badań obserwacyjnych (Greenland, Pearl, & Robins, 1999; von Elm et al., 2007).

Cel lekcji

Po ukończeniu lekcji powinieneś umieć:

• zdefiniować, czym jest potencjalny confounder przed rozpoczęciem analizy;
• odróżnić confounder od mediatora, kolidera i zwykłej zmiennej prognostycznej;
• wykorzystać czas pomiaru i wiedzę dziedzinową do wstępnej selekcji zmiennych;
• zbudować prosty diagram przyczynowy DAG;
• uzasadnić, dlaczego dana zmienna została uwzględniona albo pominięta w modelu.

Co oznacza „potencjalny confounder”?

Rozważmy ekspozycję X i wynik Y. Potencjalny confounder, oznaczany często jako Z, to zmienna, która zgodnie z wiedzą o badanym zjawisku może być jednocześnie związana z X i mieć wpływ na Y, a przy tym nie jest skutkiem X na drodze do Y. W klasycznym ujęciu mówi się więc o trzech przesłankach:

1. Z poprzedza X w czasie albo przynajmniej nie jest konsekwencją X.
2. Z wpływa na prawdopodobieństwo wystąpienia lub poziom X.
3. Z wpływa na Y niezależnie od X albo reprezentuje przyczynę wspólną dla X i Y.

Współczesne ujęcie przyczynowe wymaga ostrożności: sama korelacja statystyczna między Z i X nie dowodzi, że Z jest confounderem. O tym, czy kontrola Z jest potrzebna, decyduje przede wszystkim struktura przyczynowa i pytanie badawcze. VanderWeele i Shpitser podkreślają, że pojęcie „confoundera” nie ma jednej, całkowicie niezależnej od kontekstu definicji; ważniejsze jest ustalenie, jakie zmienne trzeba kontrolować, aby uzyskać nieobciążone oszacowanie interesującego efektu (VanderWeele & Shpitser, 2013). ([pmc.ncbi.nlm.nih.gov](https://pmc.ncbi.nlm.nih.gov/articles/PMC4276366/?utm_source=openai))

Przykład podstawowy

Załóżmy, że badacz analizuje związek między aktywnością fizyczną a ciśnieniem tętniczym. Wiek może być potencjalnym confounderem, ponieważ:

• wiek może wiązać się z poziomem aktywności fizycznej;
• wiek wpływa na ciśnienie tętnicze;
• wiek nie jest skutkiem aktywności fizycznej w badanym okresie.

Jeśli osoby starsze są przeciętnie mniej aktywne i jednocześnie częściej mają wyższe ciśnienie, niekontrolowanie wieku może sprawić, że obserwowany związek między aktywnością a ciśnieniem będzie częściowo odzwierciedlał różnice wieku.

Dlaczego rozpoznawanie confounderów musi nastąpić przed analizą?

Wartość p, współczynnik korelacji lub zmiana współczynnika regresji po dodaniu zmiennej do modelu nie powinny być jedyną podstawą decyzji. Jeżeli najpierw obejrzysz dane, a następnie wybierzesz zmienne wyłącznie dlatego, że „wyszły istotne”, ryzykujesz selekcję zależną od przypadku, nadmierne dopasowanie modelu i błędną interpretację przyczynową. W analizie eksploracyjnej można oczywiście badać wiele zmiennych, ale wtedy trzeba jasno określić, że procedura ma charakter eksploracyjny, a nie potwierdzający.

W praktyce plan rozpoznawania confounderów powinien powstać na etapie protokołu, planu analizy statystycznej albo przynajmniej przed dopasowaniem modelu wynikowego. STROBE zaleca przejrzyste raportowanie potencjalnych czynników zakłócających, sposobu ich uwzględnienia oraz uzasadnienia dla przyjętego modelu analitycznego (von Elm et al., 2007). ([journals.plos.org](https://journals.plos.org/plosmedicine/article?id=10.1371%2Fjournal.pmed.0040296&utm_source=openai))

Najważniejsza zasada: najpierw przyczynowość, potem statystyka

Podstawowym narzędziem jest diagram przyczynowy, często nazywany DAG (directed acyclic graph). Jest to graf, w którym:

• węzły oznaczają zmienne;
• strzałki oznaczają hipotetyczne kierunki wpływu;
• graf nie zawiera zamkniętych pętli przyczynowych.

Przykładowy confounding można zapisać tekstowo jako:

Z → X → Y
Z → Y

Oznaczenia są następujące:

• X – ekspozycja, interwencja albo główna zmienna objaśniająca;
• Y – wynik, który chcemy wyjaśnić lub przewidywać;
• Z – potencjalny confounder;
• → – hipotetyczny kierunek zależności przyczynowej.

W tym układzie istnieją dwie ścieżki między X i Y: ścieżka przyczynowa X → Y oraz ścieżka zakłócająca X ← Z → Y. Kontrola Z ma na celu zamknięcie tej drugiej ścieżki, aby oszacowanie związku X–Y lepiej odpowiadało efektowi, który chcemy badać. Diagramy przyczynowe są użyteczne właśnie dlatego, że pozwalają ocenić, które zmienne należy kontrolować, a których kontrolowanie może zaszkodzić (Greenland, Pearl, & Robins, 1999). ([pubmed.ncbi.nlm.nih.gov](https://pubmed.ncbi.nlm.nih.gov/9888278/?utm_source=openai))

Procedura rozpoznawania potencjalnych confounderów

Krok 1: dokładnie określ pytanie badawcze

Nie istnieje jeden uniwersalny zestaw confounderów dla danego tematu. Zbiór zmiennych zależy od tego, czy pytasz o efekt całkowity, efekt bezpośredni, efekt krótkoterminowy czy długoterminowy. Najpierw zapisz:

• populację badaną;
• ekspozycję lub interwencję X;
• wynik Y;
• moment rozpoczęcia obserwacji;
• okres obserwacji;
• populację, do której chcesz uogólniać wynik.

Na przykład pytanie „czy rozpoczęcie leczenia statyną zmniejsza ryzyko zawału w ciągu dwóch lat?” wymaga innego zestawu zmiennych niż pytanie „czy aktualne stosowanie statyny wiąże się z aktualnym poziomem cholesterolu?”. W pierwszym przypadku szczególnie ważne są wartości wyjściowe i czynniki wpływające na decyzję o leczeniu.

Krok 2: ustal czas pomiaru każdej zmiennej

Przydatna jest tabela z trzema momentami: przed ekspozycją, w trakcie ekspozycji i po ekspozycji. Zmienne mierzone przed X mogą być confounderami. Zmienne powstałe po X mogą być mediatorami, skutkami ubocznymi, zmiennymi zależnymi od leczenia albo koliderami. Sama chronologia nie rozstrzyga wszystkiego, ale jest bardzo ważnym filtrem.

Przykładowo, jeżeli oceniasz wpływ leczenia przeciwbólowego na funkcjonowanie pacjenta po tygodniu, nasilenie bólu przed leczeniem może być confounderem, natomiast poprawa funkcjonowania po rozpoczęciu leczenia nie jest zmienną, którą należy traktować jako wyjściowy confounder.

Krok 3: zapytaj, co wpływa na X

Zapisz wszystkie wiarygodne przyczyny ekspozycji lub decyzji terapeutycznej. W badaniach klinicznych mogą to być między innymi: wiek, stan ogólny, choroby współistniejące, wcześniejsze leczenie, dostęp do opieki, preferencje pacjenta oraz ocena lekarza. W badaniach społecznych będą to na przykład status ekonomiczny, wykształcenie, miejsce zamieszkania, normy społeczne i wcześniejsze doświadczenia.

Krok 4: zapytaj, co wpływa na Y

Następnie określ przyczyny wyniku. Nie każda zmienna prognostyczna jest automatycznie confounderem, ale każda wiarygodna wspólna przyczyna X i Y zasługuje na uwagę. Warto korzystać z literatury dziedzinowej, modeli biologicznych, wiedzy klinicznej oraz konsultacji eksperckiej. W tym etapie nie należy ograniczać się do zmiennych dostępnych w konkretnym zbiorze danych. Najpierw tworzysz listę przyczyn teoretycznie istotnych, a dopiero później sprawdzasz, które z nich zostały zmierzone.

Krok 5: usuń mediatory i potencjalne kolidery z rutynowej kontroli

Mediator leży na drodze od X do Y. Jeśli badamy całkowity efekt X na Y, kontrolowanie mediatora może usunąć część efektu, który właśnie chcemy oszacować.

Przykład: aktywność fizyczna może wpływać na masę ciała, a masa ciała na ciśnienie. W schemacie aktywność fizyczna → masa ciała → ciśnienie masa ciała może być mediatorem. Dodanie jej do modelu zmienia pytanie z „jaki jest całkowity związek aktywności z ciśnieniem?” na pytanie bliższe „jaki jest związek aktywności z ciśnieniem niezależny od masy ciała?”.

Kolider jest zmienną, której przyczynami są X i Y albo ich przyczyny. Kontrolowanie kolidera może otworzyć wcześniej zamkniętą ścieżkę i wytworzyć sztuczny związek. Klasyczny schemat to X → C ← Y. Jeżeli C oznacza na przykład przyjęcie do szpitala, a zarówno ekspozycja, jak i wynik zwiększają prawdopodobieństwo hospitalizacji, analiza wyłącznie hospitalizowanych osób może wprowadzić bias selekcji.

Krok 6: narysuj DAG i wybierz minimalny wystarczający zbiór

Celem nie jest uwzględnienie wszystkich możliwych zmiennych, lecz znalezienie zbioru, który zamyka niepożądane ścieżki między X i Y bez otwierania nowych. Literatura dotycząca kryterium wyboru confounderów pokazuje, że przy założeniu odpowiedniej wiedzy o przyczynach ekspozycji i wyniku można wskazać zbiór zmiennych wystarczający do kontroli confounding (VanderWeele & Shpitser, 2011). ([onlinelibrary.wiley.com](https://onlinelibrary.wiley.com/doi/10.1111/j.1541-0420.2011.01619.x?utm_source=openai))

Jeżeli struktura przyczynowa jest niepewna, trzeba jawnie przedstawić założenia i rozważyć analizę wrażliwości. Nie należy udawać, że model statystyczny sam „odkrywa” prawidłową strukturę przyczynową.

Przykład praktyczny: leczenie i ryzyko rehospitalizacji

Załóżmy, że zespół bada, czy pacjenci z niewydolnością serca, którzy otrzymali intensywną edukację pielęgniarską przy wypisie, rzadziej wracają do szpitala w ciągu 30 dni. Ekspozycją X jest udział w edukacji, a wynikiem Y – rehospitalizacja.

Potencjalne confoundery mogą obejmować:

• nasilenie choroby przy wypisie;
• wcześniejszą liczbę hospitalizacji;
• wydolność poznawczą i możliwość samodzielnego wykonywania zaleceń;
• wsparcie rodziny;
• status socjoekonomiczny;
• odległość od placówki medycznej;
• decyzję personelu o skierowaniu pacjenta do programu edukacyjnego.

Nasilenie choroby może wpływać zarówno na skierowanie do edukacji, jak i na ryzyko rehospitalizacji. Jest więc wiarygodnym confounderem. Natomiast samo przestrzeganie zaleceń po edukacji może być mediatorem: edukacja wpływa na przestrzeganie zaleceń, a ono wpływa na rehospitalizację. Jeśli interesuje nas efekt całkowity edukacji, nie powinniśmy rutynowo kontrolować tej zmiennej jako confoundera.

W raporcie należy opisać, dlaczego określone zmienne zostały uznane za wyjściowe confoundery, kiedy je zmierzono i jak potraktowano braki danych. Samo zdanie „do modelu wprowadzono zmienne istotne w analizie jednoczynnikowej” byłoby niewystarczające metodologicznie.

Przykład z psychologii: korzystanie z mediów społecznościowych a samopoczucie

Badacz analizuje, czy większy czas korzystania z mediów społecznościowych wiąże się z gorszym samopoczuciem psychicznym u studentów. Potencjalnym confounderem może być wcześniejszy poziom objawów depresyjnych, ponieważ może wpływać na sposób korzystania z mediów i jednocześnie przewidywać późniejsze samopoczucie. Innymi kandydatami są jakość snu, samotność, stres akademicki i wsparcie społeczne.

Trzeba jednak uważać na kolejność pomiarów. Jeśli jakość snu jest mierzona po rozpoczęciu obserwacji i media społecznościowe wpływają na sen, sen może być mediatorem. Jeżeli natomiast mierzono go przed ekspozycją, może pełnić funkcję zmiennej wyjściowej, która pomaga kontrolować początkowe różnice między uczestnikami.

W badaniu obserwacyjnym nie wolno na podstawie samego modelu regresji stwierdzić, że media społecznościowe powodują pogorszenie samopoczucia. Taki wniosek wymaga odpowiedniego schematu badania, kontroli uzasadnionych confounderów oraz ostrożności wobec odwrotnej przyczynowości.

Jak łączyć wiedzę merytoryczną z informacją statystyczną?

Statystyka może pomóc ocenić, czy po uwzględnieniu Z zmienia się oszacowanie efektu X, ale nie powinna zastępować rozumowania przyczynowego. Klasycznym podejściem jest porównanie oszacowania surowego i skorygowanego:

zmiana (%) = 100 × (oszacowanie surowe − oszacowanie skorygowane) / oszacowanie surowe

Wzór może być używany opisowo, na przykład do oceny, jak zmienił się współczynnik regresji, iloraz szans albo iloraz ryzyka po dodaniu zmiennej. Należy jednak pamiętać, że próg, taki jak 10%, nie jest uniwersalnym prawem. Mała zmiana oszacowania nie dowodzi, że zmienna nie jest confounderem, a duża zmiana może wynikać z błędu pomiaru, różnic w próbie analizowanej albo z niewłaściwej specyfikacji modelu.

Nie należy także wybierać confounderów wyłącznie na podstawie wartości p. Brak istotności statystycznej w próbie może wynikać z małej liczebności, ograniczonego zakresu zmiennej lub błędu pomiaru. Zmienna może być ważna przyczynowo, nawet jeśli jej własny współczynnik nie osiąga przyjętego poziomu istotności.

Najczęstsze błędy

• Kontrolowanie wszystkiego. Dodanie wszystkich dostępnych zmiennych może prowadzić do nadmiernego dopasowania, problemów z wielokolinearnością i kontroli mediatorów lub koliderów.
• Selekcja tylko według wartości p. Istotność statystyczna nie rozstrzyga, czy zmienna jest confounderem.
• Uznawanie każdej zmiennej związanej z X za confounder. Zmienna może być skutkiem X albo koliderem.
• Ignorowanie czasu pomiaru. Bez informacji, czy zmienna była mierzona przed ekspozycją, trudno poprawnie określić jej rolę.
• Mylenie confoundera z mediatorem. Kontrola mediatora zmienia interpretację estimandu i może zaniżyć ocenę efektu całkowitego.
• Automatyczne stosowanie procedur stepwise. Algorytm selekcji może być użyteczny eksploracyjnie, lecz nie zastępuje modelu opartego na hipotezie.
• Traktowanie DAG-u jako dowodu empirycznego. Diagram jest formalizacją założeń, a nie bezpośrednim pomiarem zależności.
• Używanie języka przyczynowego w badaniu przekrojowym. Kontrola kilku zmiennych nie usuwa automatycznie problemu odwrotnej przyczynowości i błędu selekcji.

Praktyczna lista kontrolna przed analizą

1. Jakie dokładnie pytanie przyczynowe lub opisowe badam?
2. Co jest ekspozycją X, a co wynikiem Y?
3. Kiedy każda zmienna została zmierzona?
4. Jakie są wiarygodne przyczyny X?
5. Jakie są wiarygodne przyczyny Y?
6. Które zmienne są wspólnymi przyczynami X i Y?
7. Czy któraś zmienna jest mediatorem?
8. Czy któraś zmienna może być koliderem?
9. Czy potrafię narysować DAG i uzasadnić każdą strzałkę?
10. Czy mam plan postępowania z brakami danych, pomiarem zmiennych i analizą wrażliwości?

Co warto zapamiętać?

• Potencjalny confounder rozpoznaje się przede wszystkim na podstawie wiedzy o przyczynach i kolejności czasowej, a nie na podstawie samej korelacji.
• Najpierw określ pytanie badawcze i estimand, a dopiero potem wybieraj zmienne do kontroli.
• Wyjściowe wspólne przyczyny ekspozycji i wyniku są zwykle najważniejszymi kandydatami do kontroli.
• Mediator i kolider nie są zwykłymi confounderami; ich kontrolowanie może zmienić estimand albo wprowadzić bias.
• DAG pomaga ujawnić założenia i znaleźć minimalny wystarczający zbiór zmiennych.
• Wartość p nie jest prawdopodobieństwem prawdziwości hipotezy zerowej i nie powinna samodzielnie decydować o kontroli confounding.
• Dobry model powinien być uzasadniony merytorycznie, opisany przed analizą i przedstawiony przejrzyście w raporcie.

W ramach publicznego szkolenia na statystyka.edu.pl temat ten będzie punktem wyjścia do kolejnych lekcji o diagramach przyczynowych, doborze zmiennych do modeli regresyjnych i analizie wrażliwości. Najważniejsza praktyczna zasada brzmi: nie pytaj najpierw, które zmienne są statystycznie istotne, lecz które zmienne – według wiedzy o badanym mechanizmie – mogą zniekształcać odpowiedź na Twoje pytanie badawcze.

\n

Źródła i dalsza lektura

\n

1. Greenland, S.; Pearl, J.; Robins, J. M. (1999). Causal Diagrams for Epidemiologic Research. Epidemiology, 10(1), 37–48. Pełny opis źródła.
2. VanderWeele, T. J.; Shpitser, I. (2011). A New Criterion for Confounder Selection. Biometrics, 67, 1406–1413. DOI: 10.1111/j.1541-0420.2011.01619.x.
3. VanderWeele, T. J.; Shpitser, I. (2013). On the Definition of a Confounder. The Annals of Statistics, 41(1), 196–220. DOI: 10.1214/12-AOS1058.
4. Hernán, M. A.; Robins, J. M. (2020). Causal Inference: What If. Chapman & Hall/CRC, Boca Raton. Informacja wydawcy / źródło.
5. von Elm, E.; Altman, D. G.; Egger, M.; Pocock, S. J.; Gøtzsche, P. C.; Vandenbroucke, J. P.; for the STROBE Initiative (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement: Guidelines for Reporting Observational Studies. PLoS Medicine, 4(10), e296. DOI: 10.1371/journal.pmed.0040296.

\n

Więcej kolejnych lekcji publicznego szkolenia znajdziesz na statystyk.edu.pl.