ばく露測定の誤差は、誤差がどのように分布するかによって、研究対象のばく露と疾病の関係にさまざまな影響を与える可能性があります。 疫学研究が盲目的に行われた場合 (つまり、研究参加者の病気や健康状態を知らずに測定が行われた場合)、測定誤差は病気や健康状態の層全体に均等に分布すると予想されます。
表 1 に例を示します。よくある病気を調査するために、職場で毒物にさらされている人々のコホートを募集するとします。 募集時にのみ露出状況を判断します(T0)、フォローアップ中のそれ以上の時点ではありません。 しかし、多くの個人が実際に翌年に暴露状況を変更したとしましょう: 時点 T1、最初に暴露された 250 人のうち 1,200 人が暴露をやめ、最初に暴露されなかった 150 人のうち 750 人が毒物に暴露され始めました。 したがって、時刻 T1、1,100 人が曝露され、850 人が曝露されていません。 結果として、時間 T での曝露状況の最初の測定値に基づいて、曝露の「誤分類」が発生します。0. これらの個人は、20 年後 (時間 T) に追跡されます。2)および疾患の累積リスクが評価されます。 (この例で行われている仮定は、XNUMX 年を超えるばく露のみが懸念されるということです。)
表 1. 時間 T に募集された 1950 人の仮説コホート (職場で暴露されたものと暴露されていないもの)0 T 時点で病状が確認されている患者2
Time |
|||
T0 |
T1 |
T2 |
ばく露した労働者 1200 250 ばく露をやめる 1100 (1200-250+150)
時間 T における疾患の症例2 = 曝露した労働者のうち 220 人
非暴露作業員 750 150 暴露開始 850 (750-150+250)
時間 T における疾患の症例2 = 曝露していない労働者のうち 85 人
真のリスク 時間 T における疾患の2 暴露された労働者の 20% (220/1100)、
非曝露労働者では 10% (85/850) (リスク比 = 2.0)。
推定リスク Tで2 T で被ばくしたと分類された患者の疾患の割合0:20%
(つまり、暴露された人の真のリスク) ´ 950 (つまり、1200-250)+ 10%
(つまり、暴露されていない場合の真のリスク) ´ 250 = (190+25)/1200 = 17.9%
推定リスク Tで2 非曝露に分類される疾患の割合
T0: 20% (つまり、暴露された人の真のリスク) ´ 150 +10%
(すなわち、暴露されていない場合の真のリスク) ´ 600 (すなわち、750-150) = (30+60)/750 = 12%
推定リスク比 = 17.9% / 12% = 1.49
この例では、誤分類は、曝露測定の技術的な制限ではなく、研究デザインと母集団の特性に依存しています。 誤分類の影響は、暴露された人々と暴露されていない人々の間の累積リスク間の「真の」比率 2.0 が「観測された」比率 1.49 になるようなものです (表 1)。 このリスク比の過小評価は、曝露と疾患との関係の「曖昧さ」から生じます。これは、この場合のように、曝露の誤分類が疾患または健康状態に従って均等に分布している場合に発生します(つまり、曝露測定値がその人が私たちが研究している病気にかかったかどうかには影響されません)。
対照的に、露出の誤分類が関心のある結果全体に均等に分散されていない場合、関心のある関連付けの過小評価または過大評価が発生する可能性があります。 この例では、 バイアスばく露の分類が作業者の病気や健康状態に依存する場合、病因関係が曖昧になるだけではありません。 これは、例えば、職場での暴露に関連する初期の変化を特定するために、暴露された労働者のグループと暴露されていない労働者のグループから生物学的サンプルを収集することを決定した場合に発生する可能性があります。 暴露された労働者からのサンプルは、暴露されていない労働者からのサンプルよりも正確な方法で分析される可能性があります。 科学的好奇心により、研究者は暴露された人々の追加のバイオマーカー (例えば、リンパ球の DNA 付加物や DNA への酸化的損傷の尿中マーカーなど) を測定するようになるかもしれません。 これはかなり一般的な態度ですが、深刻な偏見につながる可能性があります.