Systematische Fehler (Bias) in der Statistik

Epidemiologische Studien sind darauf ausgelegt, einen angenommenen Zusammenhang zwischen einer Exposition und einem Ergebnis zu bewerten; das Vorhandensein und/oder das Ausmaß dieser Zusammenhänge kann jedoch durch die Planung und Durchführung der Studie selbst oder durch bewusste oder unbewusste Fehler der Prüfenden oder der Probanden beeinflusst werden. Diese systematischen Fehler werden als Verzerrungen oder Bias bezeichnet. Wenn sie nicht vermieden oder berücksichtigt werden, können Bias die Ergebnisse einer ansonsten gut durchdachten Studie vollständig zunichtemachen.

Aktualisiert: 21.06.2023

Redaktionelle Verantwortung: Stanley Oiseth, Lindsay Jones, Evelin Maza

Mit Video-Repetitorien von Lecturio kommst du sicher
durch Physikum, M2 und M3.

Definition eines Bias

Ein Bias (engl. für “Verzerrung”) bezeichnet einen systematischen (also keinen zufälligen) Fehler in der Planung, Durchführung oder Analyse einer Studie, der zu einer Abweichung der Teststatistik von ihrem wahren Wert führt. Dies führt zu einer falschen Schätzung eines Zusammenhangs, sodass die erzeugte Teststatistik von ihrem wahren Wert abweicht.

  • Bias lassen sich zwar nicht völlig ausschließen, aber durch ein geeignetes Studiendesign reduzieren/minimieren.
  • Zwei Hauptarten von Bias:
    • Selektionsbias: Verzerrung aufgrund einer Präferenz bei der Auswahl der Probanden, die dazu führt, dass sich die Studiengruppen von der Population, auf die sich die Fragestellung bezieht, unterscheiden
    • Informationsbias: Verzerrung, die zu einem systematischen Fehler in der Art und Weise führt, wie Daten gemessen oder gesammelt werden
Mögliche Folgen von Bias
Maskierung Verbirgt eine bestehende Beziehung zwischen der unabhängigen und der abhängigen Variable
Vortäuschung Erzeugt eine falsche Beziehung zwischen der unabhängigen und der abhängigen Variable
Überschätzung Übertreibt das Ausmaß einer bestehenden Beziehung zwischen einer unabhängigen und einer abhängigen Variable
Unterschätzung Untertreibt das Ausmaß einer bestehenden Beziehung zwischen der unabhängigen und einer abhängigen Variable

Selektionsbias

Definition

Ein Selektionsbias bzw. eine Stichprobenverzerrung liegt vor, wenn die Studienpopulation aufgrund von Auswahlpräferenzen nicht die Population, auf die sich die Fragestellung bezieht, repräsentiert.

  • Führt zu einem nicht vorhandenen Zusammenhang zwischen der Exposition und dem Ergebnis
  • Auswahlpräferenzen können bestehen:
    • Zwischen Studiengruppen
    • Zwischen ausgewählten und ausgeschlossenen Teilnehmenden der Studie

Häufige Beispiele für Selektionsbias

  • Healthy-Worker-Effekt: Bias aufgrund der Tatsache, dass Probanden, die am Arbeitsplatz rekrutiert werden, tendenziell gesünder und aktiver sind als die Allgemeinbevölkerung
    • Neigt dazu, die Morbidität oder Mortalität im Vergleich zur Allgemeinbevölkerung zu unterschätzen
  • Loss-to-follow-up-Bias: entsteht durch den Datenverlust von Teilnehmern, die im Laufe der Studie aufgrund von Interessensverlust, unerwünschter Nebenwirkungen, klinischer Verbesserung usw. verloren gehen (“Drop Outs”).
    • Führt zu einer Verringerung des effektiven Stichprobenumfangs
    • Verzerrungen ergeben sich, wenn die Studiengruppen in ihrer Zusammensetzung nicht mehr vergleichbar sind oder wenn sich die Probanden, die nicht mehr nachbeobachtet werden, in der Exposition und/oder im Ergebnis von denen unterscheiden, die in der Studie verbleiben.
  • Susceptibility-Bias: Wenn eine Erkrankung eine Prädisposition für eine zweite Erkrankung darstellt, scheint die Behandlung von Personen mit der ersten Erkrankung fälschlicherweise einen Einfluss auf die Prädisposition für die zweite Erkrankung zu haben.
  • Survivorship-Bias (Überlebendenverzerrung): Tritt auf, wenn Daten nur von Probanden erhoben werden, die ein Ereignis überlebt haben oder andere damit verbundene klinische Kriterien erfüllt haben.
  • Berkson-Bias: entsteht durch die Auswahl von Probanden aus einem bestimmten Teil der Bevölkerung, welches ein höheres oder geringeres Risiko für das Outcome hat als die Allgemeinbevölkerung
    • Auch Berkson-Paradox genannt
    • Beispielsweise haben Krankenhauspatienten unabhängig von der Exposition ein höheres Krankheitsrisiko als die Allgemeinbevölkerung. Wenn also in einer Studie, die den Zusammenhang zwischen Rauchen und der chronisch-obstruktiven Lungenerkrankung ( COPD COPD Chronisch obstruktive Lungenerkrankung (COPD)) untersucht, hospitalisierte Patienten für die Versuchsgruppe ausgewählt werden, ergibt sich ein stärkerer Zusammenhang als in der Allgemeinbevölkerung.
    • Die höhere Morbidität von Krankenhauspatienten im Vergleich zur Allgemeinbevölkerung kann zu falschen Assoziationen zwischen Erkrankungen führen.

Informationsbias

Definition

Informationsbias resultieren aus systematischen Fehlern bei der Messung von Expositionen, Outcomes oder Merkmalen.

Beispiele für Informationsbias

  • Fehlklassifikations-Bias: entsteht aufgrund einer falschen Klassifizierung der Exposition oder des Outcomes von Probanden in einer Studie. Menschen, die keine Erkrankung haben, werden als erkrankt eingestuft und umgekehrt.
    • Häufige Gründe sind ungenaue Aufzeichnungen, unterschiedliche Krankheitsdefinitionen oder unterschiedliche Diagnosekriterien.
    • Differential: verursacht durch einen Messunterschied zwischen Studiengruppen
    • Nicht-differentiell: verursacht durch gleichermaßen ungenaue oder zufällige Messungen in allen Studiengruppen
  • Erinnerungs-Bias (Recall bias): verursacht durch die unterschiedliche (typischerweise verstärkte) Erinnerung an Ereignisse bei Betroffenen im Vergleich zu Kontrollpersonen
  • Interviewer-Bias: tritt auf, wenn der Befragende die Antworten des Teilnehmers durch Methode, Inhalt oder Stil seiner Befragung beeinflusst
  • Antwort-Bias: tritt auf, wenn Versuchspersonen das berichten, was die Forschenden hören wollen, weil die Versuchsperson dem Fragesteller mit ihrer Antwort gefallen möchte
  • Berichterstattungs-Bias (reporting bias): bezieht sich auf die Tendenz von Forschern, die – motiviert durch den Wunsch nach Veröffentlichung – nur statistisch signifikante Ergebnisse berichten.
  • Beobachter-Bias (observer bias): entsteht aufgrund von Unterschieden zwischen den Beobachtern bei der Messung oder Bewertung eines Ergebnisses oder aufgrund von Unterschieden in der Art und Weise, wie sich eine Person verhält, wenn sie beobachtet wird
    • Ergibt sich u. a. sich aus dem Hawthorne-Effekt (siehe unten)
  • Erhebungsfehler (ascertainment bias): tritt auf, wenn bestimmte Probanden mit größerer Wahrscheinlichkeit in die Endergebnisse einbezogen werden als andere.
    • Zu den häufigen Ursachen gehören Unterschiede in der Screening-Methode oder -Häufigkeit, die Kenntnis des Prüfenden über die Zuweisung der Probandengruppen oder die bevorzugte Zuteilung der Probanden zu Studiengruppen.
  • Bestätigungs-Bias (confirmation bias): entsteht durch die Tendenz von Forschern, nur Daten zu berücksichtigen, die mit ihren bereits bestehenden Überzeugungen übereinstimmen und/oder ihre Hypothese unterstützen.
  • Erkennungs-Bias (detection bias): entsteht durch eine unterschiedliche Art und Weise, wie ein Ergebnis gemessen oder erkannt wird, basierend auf einem bestimmten Probandenmerkmal (siehe Abbildung 1).
  • Versuchsleiter-Bias (experimenter bias): Tritt auf, wenn sich eine Versuchsperson aufgrund der Erwartungen des Versuchsleiters anders verhält.
    • Ergibt sich u. a. aus dem Rosenthal-Effekt (siehe unten)
Fehlerhafte Erkennung

Beispiel für ein Erkennungs-Bias: Die obige Grafik zeigt die Zahl der jährlichen AIDS-Neuerkrankungen pro 100 000 Einwohner im Zeitraum von 1990 bis 2000. Obwohl das Diagramm den Eindruck erweckt, dass die AIDS-Fälle in der Karibik zunehmen (orangefarbene Linie), ist der stetige Anstieg der Neuerkrankungen in Wirklichkeit auf die Zunahme der Zahl und Häufigkeit der Screenings zurückzuführen. Dies ist ein Beispiel für ein Erkennungs-Bias, eine Unterart des Informationsbias.

Bild von Lecturio.

Hawthorne- und Rosenthal-Effekt

Hawthorne-Effekt

  • Bezieht sich auf die Tendenz von Versuchspersonen, sich anders zu verhalten oder zu handeln (z. B. fleißiger zu sein), wenn sie wissen, dass sie beobachtet werden.
  • Führt zu einem Beobachter-Bias und ist mit diesem verbunden
  • Besonders häufig in psychiatrischen Studien
  • Die durch diesen Effekt verursachte Verzerrung ist schwer zu beseitigen, kann aber dadurch verringert werden, dass die Versuchspersonen nicht wissen, wann/wie sie beobachtet werden.

Rosenthal-Effekt

  • Bezieht sich auf die Tendenz von Probanden oder Prüfern, sich aufgrund der Erwartungen anderer anders zu verhalten
  • Auch Pygmalion-Effekt genannt
  • In einer Studie über die Wirksamkeit eines neuen Medikaments zur Behandlung von Depressionen berichten die Probanden in der Behandlungsgruppe beispielsweise über eine Verbesserung der depressiven Symptome, weil die Prüfer, die sie beurteilen, erwarten, dass sich die Beschwerden der Probanden, die die Behandlung erhalten, verbessern.
  • Führt zu einem Versuchsleiter-Bias und ist mit diesem verbunden.
  • Verzerrungen, die sich aus diesem Effekt ergeben, können durch Verblindung verringert werden.

Confounder

Definition

Ein Confounder bzw. eine Störgröße ist eine zusätzliche Variable, die nicht die unabhängige Variable ist und die sich auf die abhängige Variable auswirkt, sodass eine falsche Beziehung zwischen ihnen abgeleitet werden kann.

  • Streng genommen ist ein Confounder kein Bias.
  • Störgrößen können durch ein geeignetes Studiendesign geschmälert werden. Die folgenden Techniken tragen dazu bei, die Auswirkungen von Confounding zu verringern:
    • Randomisierung: Die Probanden werden nach dem Zufallsprinzip den Studiengruppen zugewiesen, sodass die Störgrößen gleichmäßig auf die Gruppen verteilt sind.
    • Kontrolle: Alle Probanden werden so ausgewählt, dass sie die gleichen Störgrößen aufweisen.
    • Matching: Jede Versuchsperson mit einer Störgröße in einer bestimmten Gruppe wird mit einer Versuchsperson in den anderen Gruppen mit derselben oder einer ähnlichen Störgröße verglichen.
  • Bei Beobachtungsstudien kommt es häufig zu Confounding, da es schwieriger oder unmöglich ist, Störgrößen zu kontrollieren.
  • Von Confoundern abzugrenzen sind Effektmodifikatoren, einer dritten Variable, die zu der wahren Beziehung zwischen Exposition und Outcome beiträgt (siehe Tabelle 2).
Verwirrende Verzerrungen

Ein Diagramm, in dem dargestellt wird, wie ein Confounder (Störgröße) mit der Exposition und dem Outcome zusammenhängt. Der Confounder steht in Zusammenhang mit der Exposition und kann zum Outcome beitragen oder es verursachen; wird er nicht berücksichtigt, kann er eine Assoziation vortäuschen oder die Größe einer beobachteten (wahren) Beziehung beeinflussen.

Bild von Lecturio.
Unterschiede zwischen Confoundern und Effektmodifikatoren
Confounder Effekt-Modifikatoren
Können Assoziationen maskieren Ja Nein
Können Assoziation vortäuschen Ja Nein
Können die Art der Beziehung verändern Nein Ja

Quellen

  1. Weiß, C. (2013). Basiswissen Medizinische Statistik.
  2. Celentano, David D., ScD., M.H.S., & Szklo, Moyses, MD, M.P.H., DrP.H. (2019). More on causal inference: Bias, confounding, and interaction. In Celentano, David D., ScD, MHS, & Szklo, Moyses, MD, MPH, DrPH (Eds.), Gordis epidemiology (pp. 289-306). doi://dx.doi.org/10.1016/B978-0-323-55229-5.00015-2. Abgerufen von https://www.clinicalkey.es/#!/content/3-s2.0-B9780323552295000152
  3. Althubaiti, A. (2016). Information bias in health research: Definition, pitfalls, and adjustment methods. Journal of Multidisciplinary Healthcare, 9(1), 211-217. doi:10.2147/JMDH.S104807. Abgerufen von https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4862344/
  4. Mansournia, M., Higgins, J. P., Sterne, J. A., & Hernán, M. (2017). Biases in randomized trials: A conversation between trialists and epidemiologists. Epidemiology, 28(1), 54-59. doi:10.1097/EDE.0000000000000564. Abgerufen von https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5130591/#S11title

Kostenloses eBook

Lerne erfolgreich im Medizinstudium 

Medizinisches Fachwissen leicht erklärt

Erfolgreiche Prüfungsvorbereitung mit Medizinkursen von lecturio.de

Du bist bereits registriert?  Login

Medizinisches Fachwissen leicht erklärt

Erfolgreiche Prüfungsvorbereitung mit Medizinkursen von lecturio.de

Du bist bereits registriert?  Login

eLearning Award 2023

Lecturio und die Exporo-Gruppe wurden für ihre digitale Compliance-Akademie mit dem eLearning Award 2023 ausgezeichnet.

eLearning Award 2019

Lecturio und die TÜV SÜD Akademie erhielten für den gemeinsam entwickelten Online-Kurs zur Vorbereitung auf den
Drohnenführerschein den eLearning Award 2019 in der Kategorie “Videotraining”.

Comenius-Award 2019

Comenius-Award 2019

Die Lecturio Business Flat erhielt 2019 das Comenius-EduMedia-Siegel, mit dem die Gesellschaft für Pädagogik, Information und Medien jährlich pädagogisch,  inhaltlich und gestalterisch
herausragende didaktische Multimediaprodukte auszeichnet.

IELA-Award 2022

Die International E-Learning Association, eine Gesellschaft für E-Learning Professionals und Begeisterte, verlieh der Lecturio Learning Cloud die Gold-Auszeichnung in der Kategorie “Learning Delivery Platform”.

Comenius-Award 2022

In der Kategorie “Lehr- und Lernmanagementsysteme” erhielt die Lecturio Learning Cloud die Comenius-EduMedia-Medaille. Verliehen wird der Preis von der Gesellschaft für Pädagogik, Information und Medien für pädagogisch, inhaltlich und gestalterisch herausragende Bildungsmedien.

B2B Award 2020/2021

Die Deutsche Gesellschaft für Verbraucherstudien (DtGV) hat Lecturio zum Branchen-Champion unter den deutschen Online-Kurs-Plattformen gekürt. Beim Kundenservice belegt Lecturio den 1. Platz, bei der Kundenzufriedenheit den 2. Platz.

B2B Award 2022

Für herausragende Kundenzufriedenheit wurde Lecturio von der Deutschen Gesellschaft für Verbraucherstudien (DtGV) mit dem deutschen B2B-Award 2022 ausgezeichnet.
In der Rubrik Kundenservice deutscher Online-Kurs-Plattformen belegt Lecturio zum zweiten Mal in Folge den 1. Platz.

Simon Veiser

Simon Veiser beschäftigt sich seit 2010 nicht nur theoretisch mit IT Service Management und ITIL, sondern auch als leidenschaftlicher Berater und Trainer. In unterschiedlichsten Projekten definierte, implementierte und optimierte er erfolgreiche IT Service Management Systeme. Dabei unterstützte er das organisatorische Change Management als zentralen Erfolgsfaktor in IT-Projekten. Simon Veiser ist ausgebildeter Trainer (CompTIA CTT+) und absolvierte die Zertifizierungen zum ITIL v3 Expert und ITIL 4 Managing Professional.

Dr. Frank Stummer

Dr. Frank Stummer ist Gründer und CEO der Digital Forensics GmbH und seit vielen Jahren insbesondere im Bereich der forensischen Netzwerkverkehrsanalyse tätig. Er ist Mitgründer mehrerer Unternehmen im Hochtechnologiebereich, u.a. der ipoque GmbH und der Adyton Systems AG, die beide von einem Konzern akquiriert wurden, sowie der Rhebo GmbH, einem Unternehmen für IT-Sicherheit und Netzwerküberwachung im Bereich Industrie 4.0 und IoT. Zuvor arbeitete er als Unternehmensberater für internationale Großkonzerne. Frank Stummer studierte Betriebswirtschaft an der TU Bergakademie Freiberg und promovierte am Fraunhofer Institut für System- und Innovationsforschung in Karlsruhe.

Sobair Barak

Sobair Barak hat einen Masterabschluss in Wirtschaftsingenieurwesen absolviert und hat sich anschließend an der Harvard Business School weitergebildet. Heute ist er in einer Management-Position tätig und hat bereits diverse berufliche Auszeichnungen erhalten. Es ist seine persönliche Mission, in seinen Kursen besonders praxisrelevantes Wissen zu vermitteln, welches im täglichen Arbeits- und Geschäftsalltag von Nutzen ist.

Wolfgang A. Erharter

Wolfgang A. Erharter ist Managementtrainer, Organisationsberater, Musiker und Buchautor. Er begleitet seit über 15 Jahren Unternehmen, Führungskräfte und Start-ups. Daneben hält er Vorträge auf Kongressen und Vorlesungen in MBA-Programmen. 2012 ist sein Buch „Kreativität gibt es nicht“ erschienen, in dem er mit gängigen Mythen aufräumt und seine „Logik des Schaffens“ darlegt. Seine Vorträge gestaltet er musikalisch mit seiner Geige.

Holger Wöltje

Holger Wöltje ist Diplom-Ingenieur (BA) für Informationstechnik und mehrfacher Bestseller-Autor. Seit 1996 hat er über 15.800 Anwendern in Seminaren und Work-shops geholfen, die moderne Technik produktiver einzusetzen. Seit 2001 ist Holger Wöltje selbstständiger Berater und Vortragsredner. Er unterstützt die Mitarbeiter von mittelständischen Firmen und Fortune-Global-500- sowie DAX-30-Unternehmen dabei, ihren Arbeitsstil zu optimieren und zeigt Outlook-, OneNote- und SharePoint-Nutzern, wie sie ihre Termine, Aufgaben und E-Mails in den Griff bekommen, alle wichtigen Infos immer elektronisch parat haben, im Team effektiv zusammenarbeiten, mit moderner Technik produktiver arbeiten und mehr Zeit für das Wesentliche gewinnen.

Frank Eilers

Frank Eilers ist Keynote Speaker zu den Zukunftsthemen Digitale Transformation, Künstliche Intelligenz und die Zukunft der Arbeit. Er betreibt seit mehreren Jahren den Podcast „Arbeitsphilosophen“ und übersetzt komplexe Zukunftsthemen für ein breites Publikum. Als ehemaliger Stand-up Comedian bringt Eilers eine ordentliche Portion Humor und Lockerheit mit. 2017 wurde er für seine Arbeit mit dem Coaching Award ausgezeichnet.

Yasmin Kardi

Yasmin Kardi ist zertifizierter Scrum Master, Product Owner und Agile Coach und berät neben ihrer Rolle als Product Owner Teams und das höhere Management zu den Themen agile Methoden, Design Thinking, OKR, Scrum, hybrides Projektmanagement und Change Management.. Zu ihrer Kernkompetenz gehört es u.a. internationale Projekte auszusteuern, die sich vor allem auf Produkt-, Business Model Innovation und dem Aufbau von Sales-Strategien fokussieren.

Leon Chaudhari

Leon Chaudhari ist ein gefragter Marketingexperte, Inhaber mehrerer Unternehmen im Kreativ- und E-Learning-Bereich und Trainer für Marketingagenturen, KMUs und Personal Brands. Er unterstützt seine Kunden vor allem in den Bereichen digitales Marketing, Unternehmensgründung, Kundenakquise, Automatisierung und Chat Bot Programmierung. Seit nun bereits sechs Jahren unterrichtet er online und gründete im Jahr 2017 die „MyTeachingHero“ Akademie.

Andreas Ellenberger

Als akkreditierter Trainer für PRINCE2® und weitere international anerkannte Methoden im Projekt- und Portfoliomanagement gibt Andreas Ellenberger seit Jahren sein Methodenwissen mit viel Bezug zur praktischen Umsetzung weiter. In seinen Präsenztrainings geht er konkret auf die Situation der Teilnehmer ein und erarbeitet gemeinsam Lösungsansätze für die eigene Praxis auf Basis der Theorie, um Nachhaltigkeit zu erreichen. Da ihm dies am Herzen liegt, steht er für Telefoncoachings und Prüfungen einzelner Unterlagen bzgl. der Anwendung gern zur Verfügung.

Zach Davis

Zach Davis ist studierter Betriebswirt und Experte für Zeitintelligenz und Zukunftsfähigkeit. Als Unternehmens-Coach hat er einen tiefen Einblick in über 80 verschiedene Branchen erhalten. Er wurde 2011 als Vortragsredner des Jahres ausgezeichnet und ist bis heute als Speaker gefragt. Außerdem ist Zach Davis Autor von acht Büchern und Gründer des Trainingsinstituts Peoplebuilding.

Wladislav Jachtchenko

Wladislaw Jachtchenko ist mehrfach ausgezeichneter Experte, TOP-Speaker in Europa und gefragter Business Coach. Er hält Vorträge, trainiert und coacht seit 2007 Politiker, Führungskräfte und Mitarbeiter namhafter Unternehmen wie Allianz, BMW, Pro7, Westwing, 3M und viele andere – sowohl offline in Präsenztrainings als auch online in seiner Argumentorik Online-Akademie mit bereits über 52.000 Teilnehmern. Er vermittelt seinen Kunden nicht nur Tools professioneller Rhetorik, sondern auch effektive Überzeugungstechniken, Methoden für erfolgreiches Verhandeln, professionelles Konfliktmanagement und Techniken für effektives Leadership.

Alexander Plath

Alexander Plath ist seit über 30 Jahren im Verkauf und Vertrieb aktiv und hat in dieser Zeit alle Stationen vom Verkäufer bis zum Direktor Vertrieb Ausland und Mediensprecher eines multinationalen Unternehmens durchlaufen. Seit mehr als 20 Jahren coacht er Führungskräfte und Verkäufer*innen und ist ein gefragter Trainer und Referent im In- und Ausland, der vor allem mit hoher Praxisnähe, Humor und Begeisterung überzeugt.

Details