085. Zmienne kontrolne i współzmienne – kiedy je uwzględniać?

PrzezMarcin Skrok

W poprzednich lekcjach porządkowaliśmy role zmiennych w badaniu. Teraz przechodzimy do pytania praktycznego: czy każdą dodatkową zmienną warto wprowadzać do modelu statystycznego? Odpowiedź brzmi: nie. Zmienna kontrolna lub współzmienna może zwiększać precyzję oszacowania, ograniczać wpływ zakłócenia albo uwzględniać strukturę badania, ale nie jest automatycznie „poprawiaczem wyników”. Jej włączenie powinno wynikać z problemu badawczego, schematu badania, wiedzy dziedzinowej i planu analizy.

W tej lekcji publicznego szkolenia na statystyk.edu.pl rozróżnimy pojęcia, omówimy najważniejsze kryteria doboru zmiennych oraz pokażemy, dlaczego kontrolowanie niektórych zmiennych może prowadzić do błędu zamiast do lepszego modelu.

Czym jest zmienna kontrolna?

Zmienna kontrolna to zmienna uwzględniona w analizie po to, aby oddzielić jej wpływ lub związek od relacji między główną zmienną objaśniającą a zmienną wynikową. Termin ten ma charakter funkcjonalny: opisuje rolę zmiennej w konkretnej analizie, a nie jej typ pomiarowy. Zmienną kontrolną może być wiek, wyjściowe nasilenie objawów, płeć, stadium choroby, poziom wykształcenia, ośrodek badawczy albo wynik pomiaru przed interwencją.

Współzmienna, inaczej kowariata, to zmienna wprowadzona do modelu razem ze zmienną główną. W analizie kowariancji może być ilościowa, jakościowa lub przekształcona do odpowiedniej postaci. W praktyce terminy „zmienna kontrolna” i „współzmienna” częściowo się pokrywają, ale nie są całkowicie synonimiczne. „Zmienna kontrolna” podkreśla cel analityczny, natomiast „kowariata” – sposób użycia zmiennej w modelu.

Po co uwzględniać współzmienne?

1. Aby ograniczyć konfundowanie

Konfunder to zmienna związana zarówno z ekspozycją lub leczeniem, jak i z wynikiem, która może zniekształcać obserwowaną relację. Przykładowo w badaniu obserwacyjnym można stwierdzić, że osoby przyjmujące określony lek częściej wymagają hospitalizacji. Jeśli lek jest częściej stosowany u osób z cięższą chorobą, to ciężkość stanu zdrowia może być konfunderem. Sama różnica hospitalizacji nie pozwala wtedy uznać, że lek zwiększa ryzyko hospitalizacji.

Uwzględnienie ciężkości choroby w modelu może ograniczyć to zakłócenie, ale nie gwarantuje całkowitego usunięcia błędu. Pozostaje problem jakości pomiaru, brakujących zmiennych i poprawności założeń modelu. W badaniach obserwacyjnych dobór zmiennych powinien być oparty na wiedzy merytorycznej, literaturze i strukturze przyczynowej, a nie wyłącznie na tym, które zmienne osiągnęły istotność statystyczną w próbie (VanderWeele, 2011).

2. Aby zwiększyć precyzję oszacowania

W badaniu randomizowanym prawidłowa randomizacja równoważy średnio czynniki zakłócające między grupami. Nie oznacza to jednak, że grupy będą identyczne w konkretnej próbie. Ponadto zmienna silnie związana z wynikiem może wyjaśniać część jego zmienności. Jej uwzględnienie może zmniejszyć błąd standardowy i zwęzić przedział ufności dla efektu leczenia.

Szczególnie użyteczne jest uwzględnienie pomiaru wyniku wykonanego przed interwencją. W badaniu klinicznym wartość wyjściowa ciśnienia tętniczego, poziomu hemoglobiny glikowanej czy nasilenia depresji często silnie przewiduje wartość końcową. FDA wskazuje, że odpowiednio zaplanowana korekta o prognostyczne zmienne wyjściowe może zwiększać efektywność statystyczną analizy (FDA, 2023). Podobne wnioski przedstawiono w badaniach nad analizą ANCOVA w randomizowanych próbach (Colantuoni i Rosenblum, 2015).

3. Aby uwzględnić projekt badania

Niektóre zmienne należy włączyć dlatego, że odzwierciedlają sposób zaprojektowania badania. Dotyczy to na przykład ośrodka w badaniu wieloośrodkowym, warstwy randomizacji, regionu geograficznego albo klastra w badaniu klastrowym. W takim przypadku współzmienna nie musi być przede wszystkim konfunderem. Może służyć do poprawnego uwzględnienia zależności wynikających z organizacji badania.

Podstawowy model regresji z kowariatą

Dla ciągłej zmiennej wynikowej można zapisać prosty model liniowy:

Y = β0 + β1X + β2Z + ε

  • Y – zmienna wynikowa, na przykład wynik ciśnienia tętniczego po 12 tygodniach;
  • X – główna zmienna objaśniająca, na przykład rodzaj leczenia;
  • Z – współzmienna lub zmienna kontrolna, na przykład ciśnienie wyjściowe;
  • β0 – wyraz wolny modelu;
  • β1 – parametr opisujący różnicę lub zmianę związaną z X przy tej samej wartości Z;
  • β2 – parametr związany z Z;
  • ε – składnik losowy, czyli część wyniku niewyjaśniona przez model.

Jeśli X jest zmienną dychotomiczną zakodowaną jako 0 i 1, parametr β1 można interpretować jako skorygowaną różnicę średnich, pod warunkiem że spełnione są założenia modelu i że model odpowiada celowi badania. Słowo „skorygowana” oznacza tutaj porównanie grup przy uwzględnieniu wartości współzmiennej, a nie magiczne usunięcie wszystkich różnic między uczestnikami.

Kiedy warto uwzględnić zmienną?

Przed wprowadzeniem zmiennej do modelu warto zadać kilka pytań:

  1. Czy zmienna została zmierzona przed ekspozycją, leczeniem lub wystąpieniem wyniku?
  2. Czy istnieją przesłanki merytoryczne, że przewiduje wynik?
  3. Czy może być związana z przypisaniem do grupy lub ekspozycją?
  4. Czy jej pomiar jest dostatecznie rzetelny i kompletny?
  5. Czy jej uwzględnienie odpowiada określonemu estymandowi, czyli wielkości, którą chcemy oszacować?
  6. Czy sposób jej kodowania i postać w modelu są uzasadnione?
  7. Czy model pozostanie stabilny przy dostępnej liczebności próby?

W badaniu randomizowanym często uzasadnione jest wcześniejsze zaplanowanie niewielkiego zestawu prognostycznych zmiennych wyjściowych, zwłaszcza pomiaru wyniku przed interwencją. Nie należy jednak wybierać zmiennych wyłącznie na podstawie przypadkowych różnic wyjściowych między grupami. Testowanie równowagi bazowej i dodawanie do modelu tylko tych zmiennych, które wyszły „istotnie”, jest podejściem niestabilnym i może zwiększać ryzyko błędnej interpretacji (Schulz, Altman i Moher, 2010).

Kiedy nie należy kontrolować zmiennej?

Mediateor i zmienna pośrednicząca

Jeżeli zmienna pojawia się dopiero po rozpoczęciu ekspozycji lub leczenia i leży na ścieżce prowadzącej do wyniku, jej kontrolowanie może usunąć część rzeczywistego efektu. Załóżmy, że badamy wpływ programu aktywności fizycznej na jakość życia, a wzrost wydolności jest mechanizmem, przez który program działa. Jeśli włączymy wydolność do modelu, możemy oszacować efekt programu niezależny od wzrostu wydolności, ale nie całkowity efekt programu. To są dwa różne pytania.

Zmienne będące skutkiem ekspozycji

Kontrolowanie zmiennej zmierzonej po leczeniu może wprowadzić obciążenie, szczególnie gdy zmienna ta jest jednocześnie związana z innymi czynnikami wpływającymi na wynik. Dlatego klasyczna zasada brzmi: w analizie głównego efektu preferuj zmienne wyjściowe, zmierzone przed rozpoczęciem ekspozycji lub interwencji.

Kolider

Kolider to zmienna, której przyczyniami są dwie inne zmienne. Warunkowanie na koliderze, na przykład przez jego włączenie do modelu lub analizę tylko wśród osób z określoną wartością kolidera, może stworzyć sztuczny związek między zmiennymi. Zjawisko to jest jednym z powodów, dla których automatyczne „kontrolowanie wszystkiego” jest niebezpieczne. W badaniach przyczynowych pomocne są diagramy przyczynowe, które porządkują założenia przed analizą (VanderWeele, 2011).

Przykład 1: badanie kliniczne nad leczeniem nadciśnienia

Załóżmy, że 160 pacjentów losowo przydzielono do nowego leku albo standardowego leczenia. Wynikiem jest skurczowe ciśnienie tętnicze po 12 tygodniach. Wartość wyjściowa ciśnienia została zmierzona przed randomizacją.

Możliwe są dwa podejścia:

  • porównanie średnich wartości ciśnienia po 12 tygodniach między grupami;
  • model ANCOVA: ciśnienie po 12 tygodniach jako wynik, grupa leczenia jako główny predyktor, ciśnienie wyjściowe jako kowariata.

Drugie podejście zwykle wykorzystuje dodatkową informację prognostyczną. Jeżeli ciśnienie wyjściowe jest silnie związane z wartością końcową, oszacowanie różnicy leczenia może być bardziej precyzyjne. Nie należy jednak twierdzić, że ANCOVA „naprawia” randomizację albo eliminuje wszelkie zakłócenia. Jeżeli model został zaplanowany przed analizą i poprawnie opisany, można przedstawić zarówno analizę główną skorygowaną, jak i odpowiednią analizę niewymagającą korekty jako analizę pomocniczą.

Przykład 2: obserwacyjne badanie wypalenia zawodowego pielęgniarek

Badacz analizuje związek między pracą zmianową a nasileniem wypalenia zawodowego. Potencjalnymi współzmiennymi są wiek, staż pracy, liczba godzin pracy tygodniowo, obciążenie opieką nad pacjentami i wsparcie organizacyjne.

Nie wszystkie te zmienne pełnią tę samą funkcję. Wiek i staż mogą być zmiennymi poprzedzającymi zarówno organizację pracy, jak i wypalenie. Liczba godzin pracy może być konfunderem, ale może też częściowo wynikać z rodzaju grafiku. Wsparcie organizacyjne może być konsekwencją warunków pracy i jednocześnie mechanizmem wpływającym na wypalenie. Dlatego dobór zmiennych powinien wynikać z jasno określonego pytania:

  • czy chodzi o całkowity związek pracy zmianowej z wypaleniem?
  • czy chodzi o związek niezależny od liczby godzin pracy?
  • czy celem jest analiza mechanizmu przez wsparcie organizacyjne?

Każde pytanie może prowadzić do innego modelu. W badaniu obserwacyjnym skorygowany współczynnik regresji nie jest automatycznie efektem przyczynowym. Wymagałoby to dodatkowych założeń dotyczących braku niezmierzonych konfunderów, poprawności pomiarów i właściwego modelu. Wytyczne STROBE zalecają jasne opisanie zmiennych, uzasadnienia ich uwzględnienia oraz metod kontroli konfundowania (von Elm i in., 2007).

Jak dobierać współzmienne w praktyce?

Najlepszą praktyką jest przygotowanie planu analizy przed obejrzeniem wyników głównych. Plan powinien określać: główny wynik, główną zmienną objaśniającą, listę współzmiennych, sposób kodowania, ewentualne interakcje, postępowanie z brakami danych oraz analizę wrażliwości.

Nie należy opierać decyzji wyłącznie na procedurach automatycznej selekcji, takich jak selekcja krokowa. Mogą one prowadzić do niestabilnych modeli, zaniżonych błędów standardowych i nadmiernego dopasowania. Włączenie wielu słabych predyktorów w małej próbie może zwiększyć wariancję estymatorów, a także utrudnić interpretację.

Warto rozważyć także nieliniowość. Wiek nie musi mieć liniowego związku z wynikiem; podobnie dawka leku lub poziom stresu może działać progowo. Wprowadzenie zmiennej jako pojedynczego terminu liniowego może być zbyt uproszczone. Można zastosować kategorie, splajny lub uzasadnione transformacje, ale decyzję trzeba opisać i poprzeć wiedzą dziedzinową.

Najczęstsze błędy

  • Kontrolowanie wszystkiego. Model zawierający każdą dostępną zmienną nie jest automatycznie lepszy.
  • Wybór zmiennych na podstawie samego p. Brak istotności w próbie nie oznacza, że zmienna nie ma znaczenia merytorycznego.
  • Kontrolowanie mediatora. Może to zmienić pytanie z efektu całkowitego na efekt bezpośredni.
  • Kontrolowanie zmiennej po interwencji. Zmienna taka może być skutkiem leczenia i prowadzić do obciążenia.
  • Traktowanie korekty jako dowodu przyczynowości. Regresja skorygowana o kilka zmiennych nie usuwa automatycznie wszystkich konfunderów.
  • Ignorowanie błędu pomiaru. Niedokładnie zmierzona współzmienna może nie kontrolować zakłócenia, a czasem dodatkowo komplikować model.
  • Niejasne raportowanie. Czytelnik powinien wiedzieć, które zmienne zostały uwzględnione, dlaczego, kiedy je zmierzono i jak je zakodowano. Takie wymagania są zgodne z zaleceniami CONSORT i STROBE (Schulz, Altman i Moher, 2010; von Elm i in., 2007).

Co warto zapamiętać?

  1. Zmienna kontrolna opisuje funkcję zmiennej w analizie, a współzmienna – jej rolę w modelu.
  2. Współzmienne mogą ograniczać konfundowanie, zwiększać precyzję oraz uwzględniać strukturę projektu badania.
  3. Najbezpieczniej planować dobór współzmiennych przed analizą wyników głównych.
  4. W badaniach randomizowanych szczególnie użyteczne bywają prognostyczne zmienne wyjściowe, zwłaszcza pomiar wyniku przed interwencją.
  5. Nie należy automatycznie kontrolować mediatorów, koliderów ani zmiennych zmierzonych po ekspozycji.
  6. Skorygowany wynik nie jest z definicji wynikiem przyczynowym.
  7. Istotność statystyczna, wielkość efektu i znaczenie praktyczne pozostają odrębnymi elementami interpretacji.

Zasada praktyczna: włączaj współzmienną nie dlatego, że „może się przydać”, lecz dlatego, że potrafisz wyjaśnić, jakie konkretne pytanie dzięki niej odpowiadasz i jakie założenia są potrzebne, aby interpretować wynik.

\n

Źródła i dalsza lektura

\n

  1. Colantuoni, E., & Rosenblum, M. (2015). Leveraging prognostic baseline variables to gain precision in randomized trials. Statistics in Medicine, 34(18), 2602–2617. DOI: 10.1002/sim.6507.
  2. Schulz, K. F., Altman, D. G., Moher, D., for the CONSORT Group (2010). CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trials. BMJ, 340, c332. DOI: 10.1136/bmj.c332.
  3. 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. The Lancet, 370(9596), 1453–1457. DOI: 10.1016/S0140-6736(07)61602-X.
  4. VanderWeele, T. J. (2011). A new criterion for confounder selection. Biometrics, 67(4), 1404–1413. DOI: 10.1111/j.1541-0420.2011.01619.x.
  5. U.S. Food and Drug Administration (2023). Adjusting for Covariates in Randomized Clinical Trials for Drugs and Biological Products: Guidance for Industry. U.S. Food and Drug Administration. Źródło.
  6. Moher, D., Hopewell, S., Schulz, K. F., Montori, V., Gøtzsche, P. C., Devereaux, P. J., Elbourne, D., Egger, M., Altman, D. G. (2010). CONSORT 2010 explanation and elaboration: updated guidelines for reporting parallel group randomised trials. BMJ, 340, c869. DOI: 10.1136/bmj.c869.

\n

Podobne wpisy

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *