3 jednoduché spôsoby, ako znížiť predsudky pri výbere

Keď vykonávate vedeckú štúdiu, zvyčajne sa snažíte zistiť, aký vplyv má jedna vec na niečo iné. Keďže nemôžete skúmať celú populáciu, namiesto toho z nej vyberiete vzorku. Túto vzorku potom rozdelíte na počet skupín, ktorý vyžaduje váš výskumný plán. Jediným rozdielom medzi týmito skupinami by mala byť vec, ktorú sa snažíte merať. K skresleniu výberu dochádza, ak medzi skupinami existujú iné rozdiely, ktoré by mohli ovplyvniť vaše výsledky. Ak sa tak stane, nemôžete výsledky svojej štúdie aplikovať na väčšiu populáciu. Hlavným spôsobom, ako výskumníci znižujú skreslenie výberu, je vykonávanie randomizovaných kontrolovaných štúdií. Randomizované kontrolované štúdie však môžu byť finančne náročné a v niektorých typoch štúdií, ako sú napríklad štúdie v oblasti sociálnych vied, nie sú uskutočniteľné. Ak nemôžete uskutočniť náhodne kontrolovanú štúdiu, aby ste zabránili potenciálnej výberovej odchýlke, stále môžete upraviť svoje výsledky tak, aby ste zohľadnili výberovú odchýlku.[1]

Metóda 1 z 3: Vykonávanie randomizovaných kontrolovaných štúdií


Zapíšte účastníkov štúdie, ktorí odrážajú vašu cieľovú populáciu. Vaša cieľová populácia je tá, na ktorú budete aplikovať výsledky svojej štúdie. Z tejto jedinej populácie vyberte všetkých účastníkov štúdie. Dokonca aj v randomizovanej kontrolovanej štúdii môže dôjsť k skresleniu výberu, ak účastníci štúdie presne neodrážajú cieľovú populáciu.[2]

  • Predpokladajme napríklad, že vašou cieľovou skupinou sú vysokoškolskí študenti. Inzerovali ste však dobrovoľníkov mimo univerzitného areálu a prilákali ste aj niektorých miestnych obyvateľov. Miestni obyvatelia, ktorí nenavštevujú vysokú školu, nemusia mať rovnaké charakteristiky ako vaša cieľová populácia a ich zahrnutie by mohlo viesť k výberovému skresleniu.
  • Počet účastníkov vašej štúdie musí byť tiež primerane veľký, aby ste mohli výsledky svojej štúdie aplikovať na celú populáciu. Potrebná veľkosť vzorky sa bude líšiť v závislosti od rôznych faktorov, napríklad od veľkosti účinku, ktorý skúmate, a jeho variability v rámci populácie.
  • Pomôcť vám môže aj online kalkulačka, ktorá vám pomôže určiť veľkosť vzorky, napríklad tá, ktorá je k dispozícii na stránke https://clincalc.com/stats/samplesize.aspx.


náhodne vyberte účastníkov štúdie, ktorí spĺňajú vaše kritériá. Nábor dobrovoľníkov môže byť síce lacnejší, ale zároveň hrozí riziko zaujatosti dobrovoľníkov. K tomu dochádza, keď ľudia ochotní zúčastniť sa dobrovoľne na vašej štúdii majú osobný záujem na výsledku. Dôvod ich záujmu by mohol znamenať, že nereprezentujú úplne vašu cieľovú populáciu.[3]

  • Vytvorte dotazník s kritériami zaradenia a vylúčenia. Ak napríklad študujete vplyv spánku na známky vysokoškolských študentov, možno budete chcieť zabezpečiť rovnováhu medzi študentmi, ktorí majú veľa ranných kurzov a nočnými študentmi. V takom prípade by ste mali zahrnúť otázku o rozvrhu hodín dobrovoľníka. Ak by ste chceli zahrnúť len študentov denného štúdia, opýtali by ste sa, koľko hodín kurzu dobrovoľník absolvoval.
  • Keď máte približne 2 – 3 násobok počtu potenciálnych účastníkov, ktorý potrebujete na štúdiu, prideľte každému z nich náhodné číslo. Potom by ste na základe týchto čísel náhodne vybrali účastníkov štúdie. To pomáha znížiť výberovú chybu, ako aj chybu dobrovoľníkov.

Tip: Ak je vaša randomizácia v celej štúdii silná, môžete účinne eliminovať akúkoľvek možnú výberovú chybu.


Urobte pilotnú štúdiu, aby ste identifikovali potenciálne problémy. V pilotnej štúdii si precvičíte techniky náboru účastníkov a urobíte základnú skúšku aspoň prvej časti štúdie. Prípadné nedostatky v pláne vašej štúdie alebo v kritériách výberu účastníkov štúdie sa prejavia. To vám dáva príležitosť opraviť prípadné nedostatky skôr, ako vykonáte celú štúdiu.[4]

  • Keďže nejde o reálnu situáciu, veľkosť vašej vzorky nemusí byť taká veľká, ako by bola v prípade úplnej štúdie, čo pomáha znižovať náklady.
  • Pilotné štúdie vám tiež poskytnú predstavu o tom, ako rýchlo budete schopní získať účastníkov pre vašu štúdiu a ktoré metódy náboru sa zdajú byť najlepšie.


Vytvorte operačný manuál na štandardizáciu všetkých postupov štúdie. Výberové skreslenie môže prekĺznuť z vašej starostlivo navrhnutej štúdie, ak ostatní účastníci štúdie používajú iné metódy náboru účastníkov alebo merania údajov. Ak sú všetky postupy štúdie štandardné, môžete si byť istí aj tým, že iný výskumník by mohol reprodukovať výsledky vašej štúdie.[5]

  • Ak by napríklad vaši výskumníci kládli účastníkom sériu otázok, vaša operačná príručka by obsahovala presné otázky, ktoré sa im kladú. Potom by ste mohli vyšetrovateľov trénovať v súvislosti s ich tónom hlasu a ďalšími faktormi, ktoré by mohli skresliť odpovede účastníkov.
  • Ak sa na štúdii podieľa viacero ľudí, zaškoľte ich v metódach, ktoré chcete, aby počas štúdie používali, a otestujte ich, aby ste sa uistili, že všetci robia všetko rovnako.
  • Ak bude vaša štúdia prebiehať v priebehu mesiacov alebo rokov, môže byť potrebné usporiadať „obnovovacie“ kurzy, aby boli vyšetrovatelia v obraze s vaším protokolom, najmä ak sú na nejaký čas mimo štúdie.


Priraďte účastníkov do intervenčných alebo placebových skupín náhodne. Ak robíte randomizáciu sami, použite náhodné čísla na identifikáciu účastníkov štúdie. Osoba, ktorá prideľuje náhodné čísla, by mala byť niekto, kto nepracuje na štúdii ako výskumník. Po pridelení náhodných čísel môžete účastníkov náhodne rozdeliť medzi dve skupiny.[6]

  • Väčšina univerzít má oddelenia na podporu výskumu, ktoré pomáhajú s randomizáciou. Existujú aj počítačové programy, ktoré urobia randomizáciu za vás. Ak nemáte prístup k rešeršnej podpore, použite bezplatný generátor náhodných čísel, napríklad na stránke https://www.náhodný.org/.
  • Vo väčších štúdiách sa zvyčajne používa zariadenie na vzdialenú randomizáciu, aby sa zabezpečilo, že nikto, kto sa podieľa na štúdii, nemôže vedieť, v ktorej skupine sa daný účastník nachádza.


Udržujte zaradenie každého účastníka do skupiny dvojito zaslepené. V dvojito zaslepenej štúdii ani účastník, ani výskumník nevedia, v ktorej skupine sa účastník nachádza. Niekedy však tento postup nie je možný alebo by bol nákladovo neúnosný.[7]

  • Ak by napríklad vaša štúdia zahŕňala chirurgický zákrok, nebolo by možné, aby vaši účastníci nevedeli, či sa na nich vykonáva chirurgický zákrok. V takom prípade by vaši vyšetrovatelia mohli byť pri meraní a zhromažďovaní údajov slepí, pokiaľ ide o skupinu konkrétneho účastníka, ale účastník by nemohol, pretože by musel súhlasiť s chirurgickým zákrokom.
  • Aj keď máte zavedené dvojité zaslepenie, môže sa porušiť. Ak napríklad študujete liek, ktorý sa ukáže, že má nebezpečné vedľajšie účinky, mohli by ste potrebovať vedieť, ktorí účastníci užívali tento liek, aby ste ich mohli monitorovať alebo varovať pred vedľajšími účinkami.

Metóda 2 z 3:Minimalizácia výberového skreslenia v štúdiách prípadov a kontrol


Zhromažďujte základné demografické informácie od potenciálnych účastníkov. V štúdii prípadov a kontrol máte ľudí, ktorí sa nakazili chorobou alebo stavom (vaše prípady), a ľudí, ktorí sa nenakazili (vaše kontroly), napriek tomu, že boli vystavení rovnakej veci. Výber účastníkov z oboch skupín, ktorí majú podobné zázemie a biografické údaje, pomáha eliminovať iné faktory, ktoré by mohli potenciálne skresliť váš výsledok.[8]

  • Ak napríklad študujete pravdepodobnosť nákazy populácie po vystavení vírusu, ktorý ju spôsobuje, budete chcieť vzorku, ktorá bude mať podobný vek, sociálno-ekonomický status a prístup k zdravotnej starostlivosti. Zachovanie týchto podobností znižuje možnosť, že výsledok niektorých účastníkov bol ovplyvnený ich zdravotným stavom alebo liečbou.


Vyberte kontrolné mechanizmy pomocou rovnakého postupu ako vaše prípady. V štúdii prípadov a kontrol najprv identifikujte prípady. Potom postupujte rovnakým alebo podobným spôsobom, aby ste do svojej štúdie zaradili kontrolné skupiny. Zabezpečíte si tak presné meranie expozície v populácii, ktorú chcete skúmať.[9]

  • Napríklad, ak váš súbor prípadov pochádza z pacientov, ktorí boli odoslaní na liečbu do konkrétnej nemocnice, môžete svoje kontroly hľadať u poskytovateľov zdravotnej starostlivosti, ktorí tieto odoslania vykonali.


Vyhnite sa výberu kontrol z nemocničnej populácie. Je v poriadku, ak sú vaše prípady hospitalizované. Ak sú však vaše kontrolné osoby tiež hospitalizované, výsledná súvislosť medzi expozíciou a ochorením bude oslabená.[10]

  • Ak napríklad robíte štúdiu o fajčení a chronických srdcových ochoreniach, mať kontrolné skupiny hospitalizovaných by oslabilo asociáciu, pretože fajčenie je faktorom, ktorý vedie k mnohým zdravotným problémom, ktoré by mohli viesť aj k hospitalizácii.


Priraďte kontroly k prípadom na základe podobných demografických údajov. Pri výbere kontrol pre vašu štúdiu prípadov a kontrol zahrňte ako kritériá všetky faktory, ktoré by mohli ovplyvniť výsledky vašej štúdie. Použite demografické informácie, ktoré ste získali od svojich prípadov, ako profil pre svoje kontroly.[11]

  • Predpokladajme napríklad, že miestna reštaurácia je zodpovedná za vypuknutie vírusovej epidémie, ale vy neviete, ktorá. Miestna populácia, ktorá sa nakazila vírusom, sú vaše prípady. Aby ste zistili, ktorá reštaurácia je zodpovedná, mohli by ste ako kontrolné osoby zaradiť ľudí z miestnej oblasti, ktorí sa zhodujú s vašimi prípadmi z hľadiska susedstva, veku a pohlavia, ale neochoreli na vírus.


Používajte údaje o populácii namiesto náboru účastníkov ako kontrol. V štúdii prípadov a kontrol budú mať ľudia, ktorí neochoreli na chorobu alebo stav, ktorý skúmate, vo všeobecnosti menšiu pravdepodobnosť, že sa zúčastnia na vašej štúdii. Ak však máte k dispozícii informácie o populácii z národnej, regionálnej alebo miestnej databázy, použitie týchto informácií ako kontroly tento problém rieši. Okrem toho použitie údajov z verejne prístupnej databázy znižuje náklady na vašu štúdiu.[12]

  • Vyberte si súbor údajov o populácii pre svoju kontrolu, ktorý zodpovedá populácii prípadov, ktoré skúmate. Ak sa napríklad všetky vaše prípady nachádzajú v štáte Kalifornia, môžete na získanie údajov o populácii použiť štátnu databázu. Avšak nechceli by ste použiť národnú databázu.

Tip: Udržiavanie čo najmenšej geografickej oblasti vám tiež umožní mať menšiu veľkosť vzorky, čo zvyšuje presnosť vašej štúdie, ako aj znižuje náklady.

Metóda 3 z 3:Úprava výsledkov s ohľadom na skreslenie


Do analýzy zahrňte premennú spojenú s výberovou chybou. Hľadajte premenné, ktoré by mohli potenciálne spôsobiť skreslenie výberu, a zaznamenajte tieto informácie od každého z vašich účastníkov. Potom analyzujte svoje výsledky na základe konkrétnej premennej, ako doplnok k celkovej analýze.[13]

  • Predpokladajme napríklad, že skúmate súvislosť medzi kávou a migrénou. Rozoslali ste poštové prieskumy domácnostiam v štáte Kalifornia. Ste si však vedomí predchádzajúcich štúdií, ktoré ukázali, že starší ľudia majú zvyčajne väčší záujem zúčastňovať sa na poštových prieskumoch ako mladší, takže by to mohlo vašu štúdiu skresliť podľa veku.
  • Ak chcete upraviť skreslenie pri štúdii súvislosti medzi kávou a migrénami, mohli by ste svoje údaje rozdeliť tak, aby sa merala súvislosť v rôznych vekových skupinách oddelene (stratifikácia). Tým by ste znížili výberové skreslenie, ktoré by vzniklo tým, že by vo vašej vzorke bolo príliš veľa starších ľudí.


Vážte odpovede účastníkov, aby ste korigovali skreslenú vzorku. Ak sa vaši účastníci primerane nezhodujú s demografickými údajmi vašej cieľovej populácie, umožnite, aby výsledky z nedostatočne zastúpenej skupiny boli hodnotnejšie ako výsledky z druhej skupiny. Tým sa upraví vaša vzorka tak, aby ste mohli svoje výsledky aplikovať na celú populáciu.[14]

  • Predpokladajme napríklad, že ste skúmali vplyv spánku na známky u vysokoškolských študentov. Populácia študentov na škole, ktorú skúmate, je 40 % mužov a 60 % žien. Vaša vzorka však obsahuje len 20 % mužov. Ak chcete vážiť odpovede mužov, vydeľte percento populácie percentom vašej vzorky (40 % delené 20 %). Výsledok je 2, takže každá odpoveď muža sa počíta dvakrát.

Upozornenie: Ak je vaša vzorka príliš odlišná od populácie, ktorú sa snažíte skúmať, vaše výsledky nemusia byť presné pre celú populáciu, a to ani s vážením, pretože vo vzorke máte príliš málo zástupcov.


  • Vo svojej správe rozoberte možnosť výberového skreslenia. Ak neexistuje účinný spôsob, ako upraviť vaše výsledky tak, aby ste dostatočne znížili výberové skreslenie, jednoducho priznajte, že výberové skreslenie existuje. Uveďte všetky spôsoby, ktorými ste sa pokúsili o korekciu skreslenia, alebo opíšte, prečo korekcia skreslenia nebola možná vzhľadom na okolnosti štúdie.[15]

    • Predpokladajme napríklad, že chcete vyhodnotiť súvislosť medzi prácou na nočnú zmenu a určitým zdravotným problémom porovnaním ľudí, ktorí pracujú v tej istej továrni a vykonávajú tú istú prácu, pričom jediný rozdiel je v tom, že niektorí pracujú cez deň a niektorí v noci. Medzi týmito skupinami však pravdepodobne existuje mnoho ďalších rozdielov, ktoré nemôžete zohľadniť, napríklad ich sociálno-ekonomický status alebo prístup k zdravotnej starostlivosti.
    • V správe o vašej štúdii priznajte, že existuje veľa ďalších rozdielov, ktoré vaša štúdia nezohľadnila. Môžete tiež spomenúť, aké by mohli byť niektoré z týchto rozdielov, a uviesť odkazy na iné štúdie, ktoré tieto premenné podrobne analyzovali.
  • Odkazy