Confounding

2015-09-29 / Svensk Kirurgi / Volym 73 / Nr 4 / 2015

Det är vanligt, inte minst i media, att det sker förväxlingar mellan korrelation och kausalitet. I dessa tider med stor tillgång till data är det viktigt att inte dra felaktiga slutsatser av alla samband som man kan hitta. I vår kolumn har vi nu kommit till det viktiga nyckelbegreppet confounding eller förväxling.

JOHAN SUNDSTRÖM
johan.sundstrom@ucr.uu.se
Uppsala

Confounding innebär att en annan faktor än den man vill studera förklarar de samband man hittar. Om man i en studie upptäcker att hög alkoholkonsumtion (exponeringen) är kopplat till lungcancer (utfallet) får man komma ihåg att det finns en nära relation mellan alkoholdrickande och rökning, och att det kanske är rökningen som är förklaringen och inte alkoholen. En observerad koppling mellan alkoholintag och lungcancer är alltså skenbar, och förklaras av att personer med beroendesjukdomar ofta både dricker alkohol och röker, och att det är rökning som orsakade cancer. I detta sammanhang måste man alltså fråga sig om rökning kan vara en förväxlingsfaktor (confounder).

För att en faktor ska kunna vara en förväxlingsfaktor krävs att den ska vara:

1. kausalt kopplad till (orsaka) exponeringen

2. kausalt kopplad till utfallet

Vad orsakar vad?

I det här fallet är den kausala förväxlingsfaktorn alltså inte rökning utan snarare en beroendepersonlighetsegenskap eller möjligen låg socioekonomisk status. Troligen finns det inget kausalt samband mellan rökning och alkohol i sig. Men den sanna förväxlingsfaktorn ”beroendepersonlighet” är troligen ganska svår att få grepp om, och man kan då tänka sig att använda en annan variabel, rökning, för att handskas med förväxlingen. I bilden nedan visas ett kausalt diagram (directed acyclic graph, DAG) som är ett bra och ibland det enda sättet att få grepp om alla kausala samband och olika förväxlingsfaktorer som man måste förhålla sig till. Det finns hjälpmedel för att rita kausala diagram; det bästa är gratis och heter dagitty.net.

I detta exempel (figur nedan) sågs en oddskvot på 1,9 – alkoholdrickare hade alltså 90 procent högre relativ risk för att få lungcancer än icke-alkoholdrickare. Om man i stället räknade ut rökarnas oddskvot för sig och ickerökarnas för sig blev oddskvoten för associationen mellan alkoholintag och lungcancer 1,0 i båda grupperna, det vill säga givet en viss nivå av rökning hade alkoholdrickarna ingen ökad risk för lungcancer. Däremot var många fler alkoholdrickare än icke-alkoholdrickare rökare, och rökarna hade en mycket högre risk för lungcancer.

Ett enkelt kausalt diagram över sambanden mellan beroendepersonlighet, alkohol, rökning och lungcancer.

Gertrude Mary Cox (1900–1978) var professor i statistik och ledde flera institutioner för statistik vid North Carolinas universitet. Hennes mest inflytelserika forskning handlade om experimentell studiedesign, och den lärobok i ämnet, Experimental Design, som hon skrev med William Cochran var referensverket i ämnet under årtionden. År 1949 blev Cox den första kvinnan invald i International Statistical Institute, och 1956 blev hon ordförande för American Statistical Association.

Att handskas med confounding

Det finns några olika sätt att närma sig problemet med förväxling:

1. Restriktion; det vill säga att bara studera en grupp individer som är mycket snarlika i de egenskaper som man tror är förväxlingsfaktorer. Det är till exempel vanligt att studier bara görs på ett visst kön och inom ett snävt åldersintervall. Fördelen är då att man inte behö- ver tänka på ålders- och könsvariationer när man utför sina analyser. Medaljens baksida är att man inte vet om de resultat man erhåller är giltiga även för andra grupper än de studerade.

2. Matchning; att i fall-kontrollstudier välja kontroller med egenskaper som är så lika fallet som möjligt med avseende på det som man tror är en förväxlingsfaktor. Det är till exempel vanligt att välja kontroller med samma ålder och kön som fallen, men man kan även matcha för faktorer som rökning, alkoholintag, motionsvanor m.m. Det är viktigt att sedan använda en statistisk analysmetod som kan ta hänsyn till denna matchade struktur.

3. Stratifiering; det var vad som gjordes i ovanstående exempel om alkoholintag och lungcancer i grupperna rökare/icke-rökare. Analyserna utfördes separat i de båda nivåerna av den potentiella förväxlingsfaktorn. Stratifiering kräver dock stora material, speciellt om man planerar att stratifiera på flera tänkbara förväxlingsfaktorer.

4. Justering; användning av mer sofistikerade statistiska analyser som tillåter samtidiga test av flera variabler (oftast regressionsmodeller), men liksom vid stratifiering krävs stora material, speciellt om man vill analysera effekten av flera förväxlingsfaktorer.

Faktaruta

Att handskas med confounding

Data om potentiella förväxlingsfaktorer måste samlas in med samma precision som data om exponeringen Confounding kan minskas i designfasen genom:

Restriktion

Matchning

Randomisering (interventionsstudier)

Eller i analysfasen genom: Stratifiering Justering

Johan Sundström, professor i epidemiologi, Scientific Director, Uppsala Clinical Research Center (www.ucr. uu.se)