biais de sélection

évaluation | Biopsychologie | Comparative |Cognitive | développementale | langage | différences individuelles |personnalité | philosophie | Social |
méthodes | statistiques |articles cliniques | éducatifs | industriels |professionnels |psychologie du monde |

statistiques:méthode scientifique · méthodes de recherche · conception expérimentale · cours de statistiques de premier cycle · tests statistiques · théorie des jeux · théorie de la décision

le biais de sélection est un biais statistique dans lequel il y a une erreur dans le choix des individus ou des groupes à prendre part à une étude scientifique. Il est parfois appelé l’effet de sélection. Le terme « biais de sélection » fait le plus souvent référence à la distorsion d’une analyse statistique résultant de la méthode de collecte des échantillons. Si les biais de sélection n’est pas pris en compte, certaines conclusions peuvent être faux.,

Types

Il existe de nombreux types de biais de sélection possibles, y compris:

biais d’échantillonnage

le biais d’échantillonnage est une erreur systématique due à un échantillon non aléatoire d’une population, ce qui fait que certains membres de la population sont moins susceptibles d’être inclus que d’autres, ce qui donne un échantillon biaisé, défini comme un échantillon statistique d’une population (ou de facteurs non humains) dans lequel tous les participants ne sont pas également équilibrés ou représentés objectivement., Il est généralement classé comme un sous-type de biais de sélection, parfois spécifiquement appelé biais de sélection d’échantillon, mais certains le classent comme un type distinct de biais.

une distinction, bien que non universellement acceptée, du biais d’échantillonnage est qu’il mine la validité externe d’un test (la capacité de ses résultats à être généralisés au reste de la population), tandis que le biais de sélection traite principalement de la validité interne pour les différences ou les similitudes trouvées dans l’échantillon à portée de main., En ce sens, les erreurs survenant dans le processus de collecte de l’échantillon ou de la cohorte entraînent un biais d’échantillonnage, tandis que les erreurs dans tout processus subséquent entraînent un biais de sélection.

des exemples de biais d’échantillonnage comprennent l’auto-sélection, la présélection des participants à l’essai, l’actualisation des sujets/tests d’essai qui n’ont pas été complétés et le biais de migration en excluant les sujets qui ont récemment emménagé dans ou hors de la zone d’étude.

intervalle de temps

• fin anticipée d’un essai à un moment où ses résultats appuient une conclusion souhaitée.,
• Un essai peut être terminé tôt à une valeur extrême (souvent pour des raisons éthiques), mais la valeur extrême est susceptible d’être atteinte par la variable avec la plus grande variance, même si toutes les variables ont une moyenne similaire.

exposition

• biais de susceptibilité
  • biais de susceptibilité clinique, lorsqu’une maladie prédispose à une deuxième maladie, et que le traitement de la première maladie semble à tort prédisposer à la seconde maladie., Par exemple, le syndrome post-ménopausique donne une probabilité plus élevée de développer également un cancer de l’endomètre, de sorte que les œstrogènes administrés pour le syndrome post-ménopausique peuvent recevoir un blâme plus élevé que réel pour avoir causé le cancer de l’endomètre.
  • biais Protopathique, lorsqu’un traitement pour les premiers symptômes d’une maladie ou d’un autre résultat semble provoquer le résultat. Il s’agit d’un biais potentiel lorsqu’il y a un décalage entre les premiers symptômes et le début du traitement avant le diagnostic réel. Il peut être atténué par le retard, c’est-à-dire l’exclusion des expositions survenues dans un certain laps de temps avant le diagnostic.,
  • biais D’Indication, un mélange potentiel entre la cause et l’effet lorsque l’exposition dépend de l’indication, par exemple, un traitement est administré à des personnes à haut risque de contracter une maladie, entraînant potentiellement une prépondérance de personnes traitées parmi celles qui contractent la maladie. Cela peut provoquer une apparence erronée du traitement étant une cause de la maladie.

Données

• Partitionnement de données avec la connaissance du contenu des partitions, puis en les analysant, avec des tests conçus pour l’aveuglette choisi partitions.,
• rejet de » mauvaises  » données pour des motifs arbitraires, au lieu d’en fonction de critères précédemment énoncés ou généralement convenus.
• rejet des « valeurs aberrantes » pour des raisons statistiques qui ne tiennent pas compte des informations importantes qui pourraient être dérivées d’observations « sauvages ».

des Études

• Sélection des études à inclure dans une méta-analyse (voir aussi combinatoire méta-analyse).,
• effectuer des expériences répétées et ne rapporter que les résultats les plus favorables, peut-être réétiqueter les enregistrements de laboratoire d’autres expériences en tant que « tests d’étalonnage », « erreurs d’instrumentation » ou « enquêtes préliminaires ».
• présentant le résultat le plus significatif d’une drague de données comme s’il s’agissait d’une seule expérience (ce qui est logiquement le même que l’élément précédent, mais est considéré comme beaucoup moins malhonnête).

Attrition

le biais D’Attrition est une sorte de biais de sélection causé par l’attrition (perte de participants), en actualisant les sujets / tests d’essai qui ne se sont pas terminés., Il comprend l’abandon, la non-réponse (taux de réponse inférieur), le retrait et les déviateurs de protocole. Il donne des résultats biaisés lorsqu’il est inégal en ce qui concerne l’exposition et/ou le résultat. Par exemple, dans un test d’un programme de régime, le chercheur peut simplement rejeter tous ceux qui abandonnent l’essai, mais la plupart de ceux qui abandonnent sont ceux pour qui cela ne fonctionnait pas. La perte différente de sujets dans l’intervention et le groupe témoin peut modifier les caractéristiques de ces groupes et les résultats indépendamment de l’intervention étudiée.,

sélection de L’Observateur

Les données sont filtrées non seulement par la conception et la mesure de l’étude, mais par la condition préalable nécessaire qu’il y ait quelqu’un qui fasse une étude. Dans les situations où l’existence de l’observateur ou de l’étude est corrélée avec les données, des effets de sélection de l’observation se produisent et un raisonnement anthropique est requis.,

un exemple est le record d’événements d’impact passé de la terre: si de grands impacts provoquent des extinctions massives et des perturbations écologiques empêchant l’évolution des observateurs intelligents pendant de longues périodes, personne n’observera de preuves d’impacts importants dans un passé récent (car ils auraient empêché les observateurs intelligents d’évoluer). Par conséquent, il existe un biais potentiel dans l’enregistrement de l’impact de la Terre. Les risques existentiels astronomiques pourraient également être sous-estimés en raison du biais de sélection, et une correction anthropique doit être introduite.,

évitement

dans le cas général, les biais de sélection ne peuvent pas être surmontés par l’analyse statistique des données existantes seulement, bien que la correction de Heckman puisse être utilisée dans des cas particuliers. Une évaluation informelle du degré de biais de sélection peut être faite en examinant les corrélations entre les variables exogènes (de fond) et un indicateur de traitement., Cependant, dans les modèles de régression, c’est la corrélation entre les déterminants non observés du résultat et les déterminants non observés de la sélection dans l’échantillon qui est estimée par biais, et cette corrélation entre les facteurs non observés ne peut pas être directement évaluée par les déterminants observés du traitement.,

questions connexes

le biais de sélection est étroitement lié à:

• le biais de publication ou le biais de déclaration, la distorsion produite dans la perception de la communauté ou les méta-analyses en ne publiant pas de résultats inintéressants (généralement négatifs), ou des résultats qui vont à l’encontre des préjugés de
• biais de confirmation, la distorsion produite par des expériences conçues pour rechercher des preuves confirmatives au lieu d’essayer de réfuter l’hypothèse.,
• biais d’exclusion, résultat de l’application de différents critères aux cas et contrôles en ce qui concerne l’admissibilité à la participation à une étude / différentes variables servant de base à l’exclusion.,

Voir aussi

• Berkson du paradoxe
• Biaisée d’échantillonnage
• Black Swan théorie
• le « Cherry picking » (erreur)
• le Financement de la partialité
• Liste des biais cognitifs
• les biais d’Échantillonnage
• prophétie Auto-réalisatrice
• un biais de Participation
• biais du Survivant

Notes