17.04.2015
En stor del af forskernes opgave er at udføre forskning, hvor mulighederne for fejlkilder er minimeret mest muligt. Dette sker for eksempel ved at være omhyggelig med udvælgelse af deltagere til projekter, for på den måde at sikre, at deltagerne er repræsentative for den problemstilling, man vil undersøge.
Forskerne søger også altid for at anvende de bedst egnede analysemetoder, når data skal behandles. En velkendt problematik, når der er tale om spørgeskemaundersøgelser er, at nogle personer ikke svarer, og at andre personer falder fra undervejs, hvis man vil følge en gruppe mennesker over længere tid.
Hvis deltagerne, som er med i hele studiet, nu er anderledes end de, som ikke svarer eller falder fra, vil studiets resultater ikke afspejle hele sandheden. For hvordan ville det have set ud, hvis alle havde svaret på alle spørgsmål?
Nogle falder fra
”Det svarer til sangen om de ti små cyklister”, forklarer forsker Karin Biering, som står bag en netop publiceret artikel om emnet. ”Vi starter og vil gerne have alle med, men undervejs falder nogle fra. Vi ved godt, at de falder fra; én kørte over for gult og én havde en bremse, der ikke virkede – men vi ved ikke, hvad der sker med dem bagefter, de faldt fra, fordi turen fortsætter ufortrødent uden dem. Kom de op på cyklen igen eller droppede de helt det med at cykle?”.
I forbindelse med en undersøgelse af hjertepatienters helbred, hvor der blev anvendt en række spørgeskemaer til at undersøge patienternes helbredsopfattelse som tiden gik, satte forskerne sig for at afprøve en metode, hvor de på baggrund af en statistisk model kunne tage højde for, at de patienter, som ikke deltog eller faldt fra undervejs, måske var anderledes end de patienter, som var med hele vejen.
”På baggrund af registerdata, som var tilgængelige for alle patienter, kunne vi dels beskrive, at vores deltagere f.eks. var mildere ramt af hjertesygdommen, sjældent led af andre sygdomme og endog havde en lavere dødelighed sammenlignet med de, som ikke svarede”, forklarer Karin Biering.
Metoden kaldes ”multipel imputation” og det konkrete eksempel er nu beskrevet i en videnskabelig artikel, som andre forskere i samme problematik kan søge inspiration i, med henblik på at forbedre gyldigheden af forskningsresultater på baggrund af spørgeskemadata.
Læs mere om projektet Liv efter hjertesygdom her
Se også den videnskabelige artikel: Using multiple imputation to deal with missing data and attrition in longitudinal studies with repeated measures of patient-reported outcomes. Publiceret i Clinical Epidemiology januar 2015 af Karin Biering, Niels Henrik Hjøllund og Morten Frydenberg.
Kontakt
