29-3. Конфаундер / Вмешивающийся фактор
 
В понедельник мы говорили о делении переменных по роли в исследовании. Независимые (X) и зависимые (Y) переменные, как правило, не требуют дополнительного разъяснения. Сегодня обсудим третий не всегда очевидный тип – конфаундер или вмешивающийся фактор  – это переменная, которая не входит в вопрос, но искажает ответ.
 
Конфаундер связан сразу и с X, и с Y. Мы уже встречали его, когда разбирали корреляцию и причинность. Выясняя, влияет ли кофе на развитие рака лёгкого, мы поняли, что истинная причина – это курение. Курящие чаще пьют кофе и чаще болеют раком, поэтому кофе попадает под ложное подозрение.
 
Если конфаундер не учесть, можно увидеть связь, которой нет, – или пропустить настоящую. Это очень важно понимать Вам как исследователю на этапе дизайна и статистического анализа.
 
С конфаундером работают двумя путями: на этапе дизайна (до сбора данных) и на этапе анализа (когда данные уже собраны).
 
Дизайн:
 
– Рандомизация: пациентов распределяют по группам случайно. Тогда конфаундеры (и известные, и неизвестные) распределяются по группам поровну, и группы становятся сопоставимы сразу по всему. Это самый сильный способ: он уравнивает группы даже по вмешивающимся факторам, о которых мы и не подозреваем.
 
– Сопоставимые группы (подбор): группы намеренно делают одинаковыми по конфаундеру. Боимся, что возраст исказит причинно-следственную связь, – берём в обе группы пациентов схожего возраста. Тогда возраст уже не объяснит разницу в результатах.
 
– Ограничение выборки: тех, у кого есть конфаундер, просто не берут в исследование. Боимся курения – включаем только некурящих. Курение не вмешается в результат, потому что его нет ни у кого из включенных пациентов.
 
Анализ:
 
– Поправка (adjustment): применяется, когда данные уже собраны и дизайн изменить нельзя. Конфаундер вводят в статистическую модель как отдельную переменную, и модель оценивает связь X и Y так, как если бы конфаундер был одинаков у всех пациентов. Принципиальное ограничение: поправка контролирует только заранее известные и измеренные конфаундеры, тогда как рандомизация уравнивает группы и по неучтённым факторам.