出版物中有哪些潜伏变量在受控实验中的例子?


11

在本文中:

潜伏变量:一些示例 Brian L. Joiner,《美国统计学家》第 35,第4号,1981年11月227-233

布莱恩·乔纳(Brian Joiner)声称“随机化不是万能药”。这与以下常见声明相反:

一个经过精心设计的实验包括一些设计功能,这些功能使研究人员可以消除无关的变量,以解释所观察到的自变量与因变量之间的关系。这些无关的变量称为潜伏变量。

引文来自这个问题,没有任何消息来源,但以我的经验,它代表了当时的主流态度: 潜伏变量和有影响力的观察的例子

给出的一个例子是,在70年代测试40号红色食用染料对啮齿动物的安全性(特别是致癌作用)时,发现笼子位置的影响使这项研究感到困惑。现在,我已经阅读了许多研究啮齿动物致癌作用的期刊文章,却从未见过有人报告过控制这种作用的报道。

这些研究的进一步讨论可以在这里找到: 监管过程中的统计案例研究:FD&C Red No. 40实验。

我找不到非付费版本,但以下是摘录:

在1月的会议上,我们进行了初步分析(14),该分析揭示了笼行与RE(网状内皮肿瘤)死亡率之间的密切相关,其死亡率从17%(下排)到32%(上排)不等(表2)。我们无法通过性别,剂量组,机架列或位置来解释这种强烈的关联。随后的分析(18)也表明笼子的位置(前部和后部)可能与非RE死亡相关,而该位置与非RE死亡时间相关。

我特别想知道为什么医学文献中的复制似乎存在这样的问题,但是欢迎所有领域的例子。请注意,我对随机对照实验(而非观察性研究)中的示例感兴趣。


只是出于兴趣,潜伏变量是否与counfounder /混杂变量相同?
tomka

@tomka我将潜伏变量定义为意外的混杂变量。
Flask 2013年

谢谢-那么我对此事的看法是,没有控制预期的混杂因素(笼位置)的学者就治疗效果做出了有缺陷的推断,并进行了次优研究。潜伏变量无法控制,因为它们是意外的,因此,如果它们出现,那就很不幸。但是,如果观察到它们,那么问题就少了,这使得它们事后可控。危险是潜伏的潜伏者。如果怀疑,建议进行敏感性分析。
tomka

@tomka这就是为什么我问有关报道的问题的原因。实验中有许多步骤是研究人员不认为要随机化的,因为他们认为这些步骤可能无关紧要,并且这样做会花费额外的精力(可能会每天增加工作时间)或引入在标签上出错的机会。他说,在费舍尔女士品尝茶的例子中,它随机化了所有事物的顺序,这对于许多临床前实验来说并不实用。
Flask 2013年

请记住,随机分配的目的不是平衡不受控制的变量,而是使它们之间的差异随机化。显着性检验的基本逻辑是提供对随机不受控制的变量是否可以合理地解释结果的检验。换句话说,一项研究不一定要测量潜伏变量才有效。
David Lane

Answers:


5

临床研究中的一些例子可能是随机化出现的变量-随机化根本无法保护您不受这些干扰。我想出了一些办法,或者说是可能提出的:

  • 自愿进行包皮环切术后预防艾滋病毒的行为变化
  • RCT的治疗组和对照组之间的差异性随访损失
  • 一个更具体的示例可能包括最近进行的“通用换衣和手套的好处”研究,该研究着眼于医院获得性感染的预防(此处的博客评论,该文章位于付费专栏后面)。除了干预措施外(可能是由于干预措施),患者的手部卫生率和患者与医护人员/访客之间的接触率均发生了变化。

随机化不会阻止这些影响,因为它们会在随机化后出现。


3

这是我发现的微阵列数据的一个例子。据报道,测得的表达与“芯片”上的位置高度相关。在这种情况下,对样本位置进行随机化可能导致出现标记错误的机会增加,因此从事技术工作的人员可能会选择不随机化(如果他们认为不重要)。

将实验单位随机分配给治疗可控制除治疗以外的任何其他因素是相关原因的可能性(1,2)。在某些微阵列平台(如Illumina®和NimbleGenTM)中,可以将多个生物样品杂交到单个芯片上。芯片和样品位置的影响可能会影响微阵列实验的准确性和可重复性,除非在实验设计中考虑了平衡和随机性(4)。我们的目的是在一个混杂和随机的实验中比较这些效应的影响。

Illumina平台在微阵列实验设计中随机化的重要性

里卡多(Ricardo A.Verdugo),克里斯蒂安(Christian F.Deschepper)和加里(Gary A. 杰克逊实验室,巴港,ME 04609,Recherches诊所研究所,蒙特利尔,QC,加拿大。


1

我有一个示例,可能与您问这个问题时的最初意图有所不同。在过去的一两年中,由于缺乏随机实验的效应可复制性的原因,引起了心理学界的持续讨论。这场辩论的版本已经浮出水面许多年了,但是自从一篇论文发表以来,辩论变得更加激烈,该论文表明,在制定假设,收集数据,分析数据和报告结果方面许多心理学上的标准做法允许研究人员找到甚至支持任意选择的假设的结果(在原始论文中,研究人员使用这些实践表明,听披头士乐队的“当我六十四岁时”使人们更年轻)。

当然,问题的根源是心理学(以及其他科学)中普遍获得的激励结构,以获得新颖,积极,可发布的结果。这些激励措施鼓励研究科学家采取一些做法,尽管这些做法显然不像数据制作那样“错误”,但会导致假阳性结果的发生率增加。这些做法包括:

  1. 多个高度相似的因变量的集合。仅报告产生与原始假设最一致的结果的因变量。
  2. 在数据收集期间,多次测试重要结果,并在获得重要性后停止数据收集。
  3. 在分析过程中,统计模型中包含多个协变量。在最后的论文中,仅报道了导致结果与原始假设最一致的协变量组合。
  4. 掉落条件导致结果与原始假设不符,并且无法在论文中报告这些条件。

等等。

我认为,在这种情况下,“潜伏变量”是一种激励结构,可以奖励研究人员获得积极的,“可发布的”结果。实际上,已经有一些 心理学方面的著名研究成果(其中很多是我的专业领域,即社会心理学)无法复制。许多人认为,这些无法复制的失败使人们对整个心理学领域产生了怀疑。

当然,鼓励误报的激励结构问题并不是心理学独有的。这是所有科学都普遍存在的问题,因此也是所有随机对照试验都普遍存在的问题。

参考文献

西蒙斯(JP),尼尔森(LD)和西蒙索恩(U)(2011)。假阳性心理学:数据收集和分析中未公开的灵活性允许呈现任何有意义的东西。 心理科学,17,1359-1366。

Nosek,BA,Spies,JR,&Motyl,M.(2012年)。科学乌托邦:II。调整激励措施和实践,以促进事实胜于发布。 心理科学观点,7,615-631。

Yong E.(2012)。错误的副本。 自然 485,298-300。

雅培(Abbott)(2013)。有争议的结果给社会心理学带来了新的打击。 自然 497,16。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.