Bias di neyman: definizione ed esempi

Il bias di Neyman (noto anche come bias di prevalenza-incidenza ) è un tipo di bias che può verificarsi negli studi di ricerca in cui individui estremamente malati o molto sani vengono esclusi dai risultati finali dello studio, il che può portare a risultati distorti.

Questo bias può influenzare i risultati di uno studio in due modi:

1. Se individui estremamente malati vengono esclusi dallo studio perché deceduti, la malattia apparirà meno grave.

2. Se individui molto sani vengono esclusi dallo studio perché guariti e rimandati a casa, la malattia apparirà più grave.

Esempi di pregiudizio di Neyman

Ecco due esempi di pregiudizi di Neyman che si verificano in diversi scenari:

Esempio 1: Individui malati esclusi da uno studio.

Diciamo che un gruppo di ricercatori di un ospedale vuole studiare la gravità di un certo ceppo di influenza. Selezionano casualmente un campione di 40 persone della zona che contraggono questo ceppo di influenza e monitorano i loro risultati.

In questo scenario, le persone che contraggono un caso particolarmente grave di influenza e muoiono a causa di essa saranno escluse dallo studio. Ciò significa che verranno incluse nello studio solo le persone con casi lievi, rendendo l’influenza meno grave.

Esempio 2: individui sani esclusi da uno studio.

Diciamo che un gruppo di ricercatori di un ospedale vuole studiare la gravità di un certo raffreddore stagionale. Selezionano casualmente un campione di 30 persone della zona che contraggono il comune raffreddore e ne monitorano le conseguenze.

In questo scenario, le persone che hanno già avuto il raffreddore e si sono riprese non saranno incluse nello studio, il che significa che saranno incluse nello studio solo le persone con casi più gravi e che non si sono riprese. Ciò potrebbe rendere il raffreddore più grave.

In quali tipi di studi appare il pregiudizio di Neyman?

Il pregiudizio di Neyman si verifica più spesso negli studi in cui passa un lungo periodo di tempo tra gli individui che contraggono una determinata malattia e la loro inclusione in uno studio semplicemente perché dà loro più tempo per (1) riprendersi e non essere inclusi nello studio o (2 ) muoiono e non vengono inclusi nello studio.

Gli studi caso-controllo sono più suscettibili a questo tipo di bias, ma può verificarsi anche in studi di coorte e studi trasversali.

Come prevenire i pregiudizi di Neyman

Ci sono due modi per evitare le trappole del pregiudizio Neyman:

1. Utilizzare casi incidenti piuttosto che casi prevalenti.

Un caso incidente è un caso di malattia di nuova diagnosi. Un caso prevalente è un caso esistente di una malattia, in cui un individuo ne ha tipicamente sofferto per un periodo di tempo più lungo e quindi presenta una versione più avanzata e grave della malattia. Utilizzando casi incidenti, è meno probabile che gli individui vengano esclusi dallo studio ad un certo punto poiché si tratta di un caso nuovo.

2. Utilizzare studi di follow-up.

Un altro modo per evitare i pregiudizi di Neyman è utilizzare uno studio di follow-up in cui i ricercatori seguono gli individui e rivedono la loro situazione una volta completato lo studio. Ciò può essere particolarmente utile per monitorare le persone che lasciano uno studio perché si sono riprese da una malattia, consentendo ai ricercatori di comprendere meglio gli effetti a lungo termine di una malattia.

Risorse addizionali

Che cos’è il bias di sottostima?
Cos’è il pregiudizio SEO?
Cos’è il bias da mancata risposta?
Cos’è la diffusione del trattamento?