Bias nella raccolta dei dati
La popolazione consiste di tutti gli individui con una caratteristica di interesse. Dato che studiare una popolazione è spesso impossibile a causa del tempo e del denaro limitati, di solito si studia un fenomeno di interesse in un campione rappresentativo. Così facendo, speriamo che ciò che abbiamo imparato da un campione possa essere generalizzato all’intera popolazione (2). Per poterlo fare, un campione deve essere rappresentativo della popolazione. Se questo non è il caso, le conclusioni non saranno generalizzabili, cioè lo studio non avrà la validità esterna.
Quindi, il campionamento è un passo cruciale per ogni ricerca. Durante la raccolta dei dati per la ricerca, ci sono numerosi modi in cui i ricercatori possono introdurre bias nello studio. Se, per esempio, durante il reclutamento dei pazienti, alcuni pazienti hanno meno o più probabilità di entrare nello studio rispetto ad altri, tale campione non sarebbe rappresentativo della popolazione in cui viene fatta questa ricerca. In tal caso, questi soggetti che hanno meno probabilità di entrare nello studio saranno sottorappresentati e quelli che hanno più probabilità di entrare nello studio saranno sovrarappresentati rispetto ad altri nella popolazione generale, alla quale si devono applicare le conclusioni dello studio. Questo è ciò che chiamiamo un bias di selezione. Per garantire che un campione sia rappresentativo di una popolazione, il campionamento dovrebbe essere casuale, cioè ogni soggetto deve avere la stessa probabilità di essere incluso nello studio. Va notato che il bias di campionamento può verificarsi anche se il campione è troppo piccolo per rappresentare la popolazione di destinazione (3).
Per esempio, se lo scopo dello studio è quello di valutare la concentrazione media di hsCRP (proteina C-reattiva ad alta sensibilità) nella popolazione sana in Croazia, il modo di procedere sarebbe quello di reclutare individui sani da una popolazione generale durante il loro regolare controllo sanitario annuale. D’altra parte, uno studio parziale sarebbe quello che recluta solo donatori di sangue volontari, perché i donatori di sangue sani sono di solito individui che si sentono sani e che non soffrono di alcuna condizione o malattia che potrebbe causare cambiamenti nella concentrazione di hsCRP. Reclutando solo donatori di sangue sani potremmo concludere che la hsCRP è molto più bassa di quanto sia in realtà. Questo è un tipo di bias di campionamento, che chiamiamo bias del volontario.
Un altro esempio di bias del volontario si verifica invitando i colleghi di un laboratorio o dipartimento clinico a partecipare allo studio su qualche nuovo marcatore di anemia. È molto probabile che tale studio includa preferibilmente quei partecipanti che potrebbero sospettare di essere anemici e sono curiosi di apprenderlo da questo nuovo test. In questo modo, gli individui anemici potrebbero essere sovrarappresentati. Una ricerca sarebbe quindi distorta e non permetterebbe la generalizzazione delle conclusioni al resto della popolazione.
In generale, ogni volta che studi trasversali o di controllo dei casi sono fatti esclusivamente in ambienti ospedalieri, c’è una buona probabilità che tale studio sia distorto. Questo è chiamato bias di ammissione. Il bias esiste perché la popolazione studiata non riflette la popolazione generale.
Un altro esempio di bias di campionamento è il cosiddetto bias di sopravvivenza che di solito si verifica negli studi cross-sectional. Se uno studio mira a valutare l’associazione dell’espressione alterata di KLK6 (Kallikrein-6 umana) con l’incidenza a 10 anni della malattia di Alzheimer, i soggetti che sono morti prima del punto finale dello studio potrebbero non essere inclusi nello studio.
Il bias di misclassificazione è un tipo di bias di campionamento che si verifica quando una malattia di interesse è mal definita, quando non esiste un gold standard per la diagnosi della malattia o quando una malattia potrebbe non essere facilmente individuabile. In questo modo alcuni soggetti sono falsamente classificati come casi o controlli mentre avrebbero dovuto essere in un altro gruppo. Diciamo che un ricercatore vuole studiare l’accuratezza di un nuovo test per la diagnosi precoce del cancro alla prostata in uomini asintomatici. A causa dell’assenza di un test affidabile per la diagnosi precoce del cancro alla prostata, c’è la possibilità che alcuni casi di cancro alla prostata precoce vengano erroneamente classificati come esenti da malattia, causando una sottostima o una sovrastima dell’accuratezza di questo nuovo marcatore.
Come regola generale, una domanda di ricerca deve essere considerata con molta attenzione e devono essere fatti tutti gli sforzi per garantire che un campione sia il più possibile simile alla popolazione.