データ収集におけるバイアス
集団とは、対象となる特性を持つすべての個人からなるものです。 限られた時間と費用のために集団を調査することは不可能なので、通常は代表的なサンプルを用いて興味のある現象を調査します。 そうすることで、サンプルから得られたことが集団全体に一般化されることを期待しているのです(2)。 そうするためには、サンプルが母集団を代表している必要があります。
だから、サンプリングはすべての研究にとって重要なステップなのです。 研究のためにデータを収集している間に、研究者が研究にバイアスを導入する方法は数多くあります。 例えば、患者の募集の際に、ある患者が他の患者よりも研究に参加する可能性が低かったり高かったりした場合、そのようなサンプルは、この研究が行われている集団を代表するものではありません。 その場合、研究に参加する可能性が低い被験者は過小評価され、研究に参加する可能性が高い被験者は、研究の結論を適用すべき一般集団の他の人々と比較して過大評価されることになります。 これが選択バイアスと呼ばれるものです。 サンプルが母集団を代表していることを保証するためには、サンプリングは無作為でなければなりません。つまり、すべての被験者が等確率で研究に参加する必要があります。
例えば、研究の目的がクロアチアの健康な人々の平均的なhsCRP（高感度C反応性タンパク質）濃度を評価することであれば、一般の人々から年に一度の定期的な健康診断で健康な人をリクルートするのがよいでしょう。 なぜなら、健康な献血者は通常、自分自身が健康だと感じており、hsCRP濃度の変化を引き起こす可能性のある症状や病気にかかっていないからです。 健康な献血者だけを集めれば、hsCRPは実際よりもずっと低いと結論づけられるかもしれません。
ボランティア・バイアスのもう一つの例は、研究室や臨床部門の同僚を貧血の新しいマーカーの研究に参加するように招待することです。 このような研究では、貧血の疑いがあり、この新しい検査でそれを知りたいと思っている人を優先的に参加させる可能性が非常に高いのです。 そうすると、貧血の人が過剰になる可能性があります。
一般的に言って、クロスセクション研究やケースコントロール研究が専ら病院の環境で行われる場合、そのような研究が偏る可能性が高いでしょう。 これはAdmission Biasと呼ばれています。
サンプリング・バイアスのもう一つの例は、いわゆる生存者バイアスで、これは通常、横断的な研究で発生します。
ミスクラシフィケーション・バイアスは、対象となる疾患の定義が曖昧な場合、疾患の診断にゴールドスタンダードがない場合、疾患の検出が容易でない場合などに生じるサンプリング・バイアスの一種です。 本来ならば別のグループに分類されるべき被験者が、誤って症例や対照に分類されてしまうのです。 例えば、ある研究者が、無症候性の男性の前立腺がんを早期に発見するための新しい検査の精度を調べようとしているとしましょう。
一般的なルールとして、研究課題は細心の注意を払って検討する必要があり、サンプルが可能な限り母集団と一致するようにあらゆる努力を払わなければなりません。