Neyman bias- အဓိပ္ပါယ်ဖွင့်ဆိုချက်များနှင့် ဥပမာများ

Neyman ဘက်လိုက်မှု ( prevalence-incidence bias ဟုခေါ်သည်) သည် အလွန်ဖျားနာသော သို့မဟုတ် အလွန်ကျန်းမာသောလူများကို နောက်ဆုံးလေ့လာမှုရလဒ်များမှ ဖယ်ထုတ်ထားသည့် သုတေသနလေ့လာမှုများတွင် ဖြစ်ပွားနိုင်သည့် ဘက်လိုက်မှုအမျိုးအစားတစ်ခုဖြစ်သည်။

ဤဘက်လိုက်မှုသည် လေ့လာမှုတစ်ခု၏ရလဒ်များကို နည်းလမ်းနှစ်မျိုးဖြင့် အကျိုးသက်ရောက်နိုင်သည်-

1. အလွန်အမင်း နာမကျန်းသူများကို လေ့လာမှုမှ ချန်လှပ်ထားမည်ဆိုပါက ဖျားနာမှုမှာ ပြင်းထန်မှု နည်းပါးပါသည်။

2. ကျန်းမာရေးကောင်းမွန်သူများ ပြန်လည်ကောင်းမွန်ပြီး အိမ်ပြန်ပို့ခြင်းကြောင့် လေ့လာမှုမှ ဖယ်ထုတ်ခံရပါက ရောဂါပိုမိုပြင်းထန်လာမည်ဖြစ်သည်။

Neyman Bias ၏ဥပမာများ

ဤသည်မှာ မတူညီသော အခြေအနေများတွင် ဖြစ်ပွားနေသည့် Neyman ဘက်လိုက်မှု၏ ဥပမာနှစ်ခုဖြစ်သည်။

ဥပမာ 1- လေ့လာမှုတစ်ခုမှ ဖယ်ထုတ်ထားသော ဖျားနာသူများ။

ဆေးရုံတစ်ရုံမှ သုတေသီအုပ်စုတစ်စုသည် တုပ်ကွေးရောဂါ၏ပြင်းထန်မှုကို လေ့လာလိုသည်ဆိုကြပါစို့။ ၎င်းတို့သည် ဤတုပ်ကွေးရောဂါကူးစက်ခံရပြီး ၎င်းတို့၏ရလဒ်များကို စောင့်ကြည့်သည့်ဧရိယာရှိ လူ ၄၀ ကို ကျပန်းရွေးချယ်သည်။

ဤအခြေအနေတွင်၊ အထူးသဖြင့် ပြင်းထန်သောတုပ်ကွေးရောဂါကူးစက်ခံရပြီး ၎င်းနှင့်သေဆုံးသွားသူများကို လေ့လာမှုမှ ဖယ်ထုတ်မည်ဖြစ်သည်။ ဆိုလိုသည်မှာ လေ့လာမှုတွင် အပျော့စားရောဂါရှိသူများသာ ပါဝင်မည်ဖြစ်ပြီး တုပ်ကွေးရောဂါကို ပိုမိုပြင်းထန်စေသည်။

ဥပမာ 2- လေ့လာမှုတစ်ခုမှ ဖယ်ထုတ်ထားသော ကျန်းမာသောပုဂ္ဂိုလ်များ။

ဆေးရုံရှိ သုတေသီအဖွဲ့တစ်ဖွဲ့သည် ရာသီအလိုက် အအေးမိခြင်း၏ ပြင်းထန်မှုကို လေ့လာလိုသည် ဆိုကြပါစို့။ ၎င်းတို့သည် သာမန်အအေးမိဖျားနာသည့် ဒေသရှိ လူ ၃၀ ကို ကျပန်းရွေးချယ်ပြီး ၎င်းတို့၏အကျိုးဆက်များကို စောင့်ကြည့်စစ်ဆေးသည်။

ဤအခြေအနေတွင်၊ အအေးမိပြီး ပြန်လည်ကောင်းမွန်လာသူများသည် လေ့လာမှုတွင် ပါဝင်မည်မဟုတ်ပါ၊ ဆိုလိုသည်မှာ ပိုမိုပြင်းထန်သောရောဂါရှိသူများနှင့် မသက်သာသေးသူများကိုသာ လေ့လာမှုတွင် ထည့်သွင်းမည်ဖြစ်သည်။ ဒါက အအေးဒဏ်ကို ပိုပြင်းထန်စေနိုင်ပါတယ်။

Neyman Bias သည် မည်သည့်လေ့လာမှုအမျိုးအစားများတွင် ပေါ်လာသနည်း။

Neyman ဘက်လိုက်မှု အများစုသည် ရောဂါတစ်ခုခု ကူးစက်ခံရသော လူတစ်ဦးချင်းစီနှင့် လေ့လာမှုတစ်ခုတွင် ၎င်းတို့၏ ပါဝင်မှုအကြား အချိန်ကြာမြင့်စွာ ဖြစ်ပွားလေ့ရှိပြီး (၁) ပြန်လည်ကောင်းမွန်ရန် အချိန်ပိုပေးပြီး လေ့လာမှုတွင် မပါဝင်နိုင်သောကြောင့် (၂) ) သေဆုံးပြီး လေ့လာမှုတွင် မပါဝင်ပါ။

Case-control လေ့လာမှုများသည် ဤဘက်လိုက်မှုအမျိုးအစားအတွက် အခံရနိုင်ဆုံးဖြစ်သော်လည်း အစုလိုက်လေ့လာမှုများနှင့် အပိုင်းခွဲလေ့လာမှုများတွင်လည်း ဖြစ်ပွားနိုင်သည်။

Neyman Bias ကို ဘယ်လိုကာကွယ်မလဲ။

Neyman ဘက်လိုက်မှု၏ ချောက်ချားမှုများကို ရှောင်ရှားရန် နည်းလမ်းနှစ်ခုရှိသည်။

1. အဖြစ်များသောကိစ္စများထက် အဖြစ်အပျက်များကို အသုံးပြုပါ။

အဖြစ်အပျက်တစ်ခု သည် ဖျားနာမှုအသစ်တစ်ခုဖြစ်သည် ပျံ့နှံ့နေသောရောဂါသည် ရှိပြီးသားရောဂါတစ်ခုဖြစ်ပြီး၊ လူတစ်ဦးသည် ပုံမှန်အားဖြင့် ၎င်းကိုအချိန်ကြာမြင့်စွာခံစားခဲ့ရသည့်အတွက်ကြောင့် ရောဂါ၏ပိုမိုအဆင့်မြင့်ပြီး ပြင်းထန်သောဗားရှင်းတစ်ခုရှိသည်။ အဖြစ်အပျက်ဖြစ်ရပ်များကို အသုံးပြုခြင်းဖြင့်၊ ၎င်းသည် အမှုအသစ်ဖြစ်သောကြောင့် တစ်ချိန်ချိန်တွင် တစ်ဦးချင်းစီကို လေ့လာမှုမှ ဖယ်ထုတ်ခံရနိုင်ခြေနည်းပါသည်။

2. နောက်ဆက်တွဲလေ့လာမှုများကို အသုံးပြုပါ။

Neyman ဘက်လိုက်မှုကို ရှောင်ရှားရန် နောက်တစ်နည်းမှာ သုတေသီများသည် လေ့လာမှုပြီးပြီးနောက် ၎င်းတို့၏ အခြေအနေကို ပြန်လည်သုံးသပ်သည့် နောက်ဆက်တွဲလေ့လာမှုကို အသုံးပြုခြင်းဖြစ်သည်။ ၎င်းသည် လေ့လာမှုမှ ထွက်ခွာသွားသော လူတစ်ဦးချင်းစီအား ရောဂါမှ ပြန်လည်ကောင်းမွန်လာသောကြောင့် စောင့်ကြည့်လေ့လာရန်အတွက် သုတေသီများအား ရောဂါ၏ ရေရှည်အကျိုးသက်ရောက်မှုများကို ပိုမိုကောင်းမွန်စွာ နားလည်နိုင်စေရန်အတွက် အထူးအသုံးဝင်ပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

undercount bias ဆိုတာ ဘာလဲ။
SEO ဘက်လိုက်မှုဆိုတာဘာလဲ။
Non-response Bias ဆိုတာ ဘာလဲ။
ကုသမှုပျံ့နှံ့ခြင်းဆိုတာဘာလဲ။