3 Mga Simpleng Paraan upang Bawasan ang Mga Bias ng Seleksyon

Talaan ng mga Nilalaman:

3 Mga Simpleng Paraan upang Bawasan ang Mga Bias ng Seleksyon
3 Mga Simpleng Paraan upang Bawasan ang Mga Bias ng Seleksyon

Video: 3 Mga Simpleng Paraan upang Bawasan ang Mga Bias ng Seleksyon

Video: 3 Mga Simpleng Paraan upang Bawasan ang Mga Bias ng Seleksyon
Video: 3 Paraan para MAKAAHON sa KAHIRAPAN 2024, Marso
Anonim

Kapag nagsagawa ka ng isang pang-agham na pag-aaral, karaniwang sinusubukan mong matukoy ang epekto ng isang bagay sa iba pa. Dahil hindi mo mapag-aaralan ang isang buong populasyon, sa halip ay kukuha ka ng isang sample ng populasyon na iyon. Pagkatapos ay hatiin mo ang halimbawang iyon sa bilang ng mga pangkat na tinatawag para sa iyong disenyo ng pananaliksik. Ang pagkakaiba lamang sa pagitan ng mga pangkat na iyon ay dapat na bagay na sinusubukan mong sukatin. Ang bias ng pagpili ay nangyayari kung may iba pang mga pagkakaiba sa pagitan ng mga pangkat na maaaring makaapekto sa iyong mga resulta. Kapag nangyari iyon, hindi mo mailalapat ang mga resulta ng iyong pag-aaral sa mas malaking populasyon. Ang pangunahing paraan ng mga mananaliksik na bawasan ang bias ng pagpili ay sa pamamagitan ng pagsasagawa ng mga random na kontroladong pag-aaral. Gayunpaman, ang mga random na kinokontrol na pag-aaral ay maaaring maging mapagbabawal sa gastos at, sa ilang mga uri ng pag-aaral, tulad ng mga pag-aaral sa agham panlipunan, hindi posible ang mga ito. Kung hindi ka makagawa ng isang sapalarang kinokontrol na pag-aaral, maaari mo pa ring ayusin ang iyong mga resulta upang isaalang-alang ang anumang potensyal na bias sa pagpili.

Mga hakbang

Paraan 1 ng 3: Pagsasagawa ng Randomized Controlled Studies

Bawasan ang Selas Bias Hakbang 1
Bawasan ang Selas Bias Hakbang 1

Hakbang 1. Irehistro ang mga kalahok sa pag-aaral na sumasalamin sa iyong target na populasyon

Ang iyong target na populasyon ay ang kung saan ilalapat mo ang mga resulta ng iyong pag-aaral. Iguhit ang lahat ng iyong mga kalahok sa pag-aaral mula sa solong populasyon. Kahit na sa isang sapalarang kinokontrol na pag-aaral, maaaring maganap ang bias sa pagpili kung ang iyong mga kasali sa pag-aaral ay hindi tumpak na sumasalamin sa iyong target na populasyon.

  • Halimbawa, ipagpalagay na ang iyong target na populasyon ay mga mag-aaral sa kolehiyo. Gayunpaman, nag-advertise ka para sa mga boluntaryo sa labas ng campus at umakit din ng ilang mga lokal. Ang mga lokal na hindi dumadalo sa kolehiyo ay maaaring walang parehong mga katangian tulad ng iyong target na populasyon at isama ang mga ito ay maaaring humantong sa pagpili ng bias.
  • Ang bilang ng mga kalahok sa iyong pag-aaral ay dapat ding may sapat na sukat para mailapat mo ang mga resulta ng iyong pag-aaral sa populasyon ng malaki. Ang kinakailangang laki ng sample ay mag-iiba depende sa iba't ibang mga kadahilanan, tulad ng laki ng epekto na iyong pinag-aaralan at ang pagkakaiba-iba nito sa loob ng populasyon.
  • Maaari ka ring makakuha ng tulong mula sa isang online calculator na makakatulong sa iyo na matukoy ang iyong laki ng sample, tulad ng magagamit sa
Bawasan ang Selas Bias Hakbang 2
Bawasan ang Selas Bias Hakbang 2

Hakbang 2. Piliin ang mga kalahok sa pag-aaral nang sapalaran na nakakatugon sa iyong pamantayan

Habang ang pagrekrut ng mga boluntaryo ay maaaring mas mura, pinapamahalaan mo rin ang peligro ng bias ng pagboboluntaryo. Nangyayari ito kapag ang mga taong handang magboluntaryo sa iyong pag-aaral ay may personal na interes sa kinalabasan. Ang dahilan para sa kanilang interes ay maaaring nangangahulugan na hindi nila ganap na kinakatawan ang iyong target na populasyon.

  • Lumikha ng isang palatanungan na may mga pamantayan sa pagsasama at pagbubukod. Halimbawa, kung pinag-aaralan mo ang epekto ng pagtulog sa mga marka ng mag-aaral sa kolehiyo, baka gusto mong matiyak na mayroon kang balanse ng mga mag-aaral na may maraming mga kurso sa madaling araw at mga mag-aaral sa gabi. Sa kasong iyon, magsasama ka ng isang katanungan tungkol sa iskedyul ng klase ng boluntaryo. Kung nais mo lamang isama ang mga full-time na mag-aaral, tatanungin mo kung ilang oras ng kurso ang kinukuha ng boluntaryo.
  • Kapag mayroon kang humigit-kumulang na 2-3 beses sa bilang ng mga potensyal na kalahok na kailangan mo para sa pag-aaral, magtalaga sa kanila bawat isa ng isang random na numero. Pagkatapos piliin ang iyong mga kalahok sa pag-aaral nang sapalaran batay sa mga numerong iyon. Nakatutulong ito na mabawasan ang pagpili ng bias pati na rin ang bias ng pagboboluntaryo.

Tip:

Kung ang iyong pag-randomize ay malakas sa buong pag-aaral, maaari mong epektibong matanggal ang anumang bias ng pagpili na maaaring mayroon.

Bawasan ang Selas Bias Hakbang 3
Bawasan ang Selas Bias Hakbang 3

Hakbang 3. Gumawa ng isang pilot na pag-aaral upang makilala ang mga potensyal na problema

Sa isang piloto na pag-aaral, isinasagawa mo ang iyong mga diskarte sa pangangalap ng kalahok at gumawa ng isang pangunahing pagtakbo ng hindi bababa sa unang bahagi ng pag-aaral. Ang anumang mga pagkukulang sa iyong disenyo ng pag-aaral o sa iyong pamantayan sa pagpili para sa mga kalahok sa pag-aaral ay magiging maliwanag. Binibigyan ka nito ng pagkakataon na iwasto ang anumang mga bahid bago mo gawin ang buong pag-aaral.

  • Dahil hindi ito ang totoong bagay, ang laki ng iyong sample ay hindi dapat kasinglaki ng para sa buong pag-aaral, na makakatulong mabawasan ang mga gastos.
  • Nagbibigay din sa iyo ang mga pag-aaral ng piloto ng isang ideya kung gaano kabilis makakakuha ka ng mga kalahok para sa iyong pag-aaral at kung aling mga pamamaraan ng pangangalap ang tila pinakamahusay na gumagana.
Bawasan ang Selas Bias Hakbang 4
Bawasan ang Selas Bias Hakbang 4

Hakbang 4. Lumikha ng isang manu-manong pagpapatakbo upang gawing pamantayan ang lahat ng mga pamamaraan sa pag-aaral

Ang bias ng pagpili ay maaaring madulas sa mga bitak ng iyong maingat na idinisenyong pag-aaral kung ang iba na kasangkot sa pag-aaral ay gumagamit ng iba't ibang pamamaraan upang kumalap ng mga kalahok o masukat ang data. Kung ang lahat ng mga pamamaraan sa pag-aaral ay pamantayan, maaari mo ring matiyak na ang isa pang mananaliksik ay maaaring kopyahin ang iyong mga resulta sa pag-aaral.

  • Halimbawa, kung ang iyong mga investigator ay nagtanong sa mga kalahok ng isang serye ng mga katanungan, isasama sa iyong manu-manong operasyon ang eksaktong mga tinanong. Pagkatapos, maaari mong sanayin ang iyong mga investigator sa kanilang tono ng boses at iba pang mga kadahilanan na maaaring humantong sa mga tugon ng mga kalahok.
  • Kung mayroon kang maraming mga taong kasangkot sa pag-aaral, sanayin sila sa mga paraang nais mong gamitin nila sa panahon ng pag-aaral at subukan ang mga ito upang matiyak na lahat sila ay pareho ang ginagawa.
  • Kung ang iyong pag-aaral ay magaganap sa loob ng maraming buwan o taon, maaaring kinakailangan na magkaroon ng mga kurso na "pagre-refresh" upang mapanatili ang mga investigator na mapabilis ang iyong protokol, lalo na kung malayo sila sa pag-aaral nang ilang sandali.
Bawasan ang Selas Bias Hakbang 5
Bawasan ang Selas Bias Hakbang 5

Hakbang 5. Magtalaga ng mga kalahok sa interbensyon o mga pangkat ng placebo nang sapalaran

Kung gumagawa ka ng pag-random sa iyong sarili, gumamit ng mga random na numero upang makilala ang iyong mga kalahok sa pag-aaral. Ang taong nagtatalaga ng mga random na numero ay dapat na isang taong hindi nagtatrabaho sa pag-aaral bilang isang investigator. Kapag naitalaga ang mga random na numero, maaari mong random na hatiin ang mga kalahok sa pagitan ng dalawang pangkat.

  • Karamihan sa mga unibersidad ay may mga yunit ng suporta sa pananaliksik upang makatulong sa pag-randomize. Mayroon ding mga programa sa computer na gagawa ng randomization para sa iyo. Kung wala kang access sa suporta sa pagsasaliksik, gumamit ng isang libreng random number generator, tulad ng sa
  • Ang mga mas malalaking pag-aaral ay karaniwang gumagamit ng isang remote pasilidad ng pag-randomize upang matiyak na walang paraan na malaman ng sinumang kasangkot sa pag-aaral kung aling pangkat ang sinumang sumali sa.
Bawasan ang Selas Bias Hakbang 6
Bawasan ang Selas Bias Hakbang 6

Hakbang 6. Panatilihing doble-bulag ang pagtatalaga ng pangkat ng bawat kalahok

Sa isang double-blind na pag-aaral, hindi alam ng kalahok o ng investigator kung aling pangkat ang kasali sa pag-aaral. Gayunpaman, kung minsan ang prosesong ito ay hindi posible o magiging nagbabawal sa gastos.

  • Halimbawa, kung ang iyong pag-aaral ay may kasamang operasyon, imposible para sa iyong mga kalahok na hindi malaman kung ang operasyon ay isinagawa sa kanila. Sa kasong iyon, ang iyong mga investigator ay maaaring maging bulag sa isang pangkat ng isang paksa habang kinukuha ang kanilang mga sukat at pag-iipon ng data, ngunit ang kalahok ay hindi maaaring dahil papayag sila sa pamamaraang pag-opera.
  • Kahit na may doble-bulag ka sa lugar, maaaring masira ito. Halimbawa, kung nag-aaral ka ng gamot na nagiging mapanganib na epekto, maaaring kailangan mong malaman kung aling mga kalahok ang kumukuha ng gamot upang masubaybayan mo sila o bigyan ng babala sa mga epekto.

Paraan 2 ng 3: Pinapaliit ang Mga bias ng Seleksyon sa Mga Pag-aaral sa Pagkontrol sa Kaso

Bawasan ang Selas Bias Hakbang 7
Bawasan ang Selas Bias Hakbang 7

Hakbang 1. Kolektahin ang pangunahing impormasyon sa demograpiko mula sa mga potensyal na kalahok

Sa isang pag-aaral na kontrol sa kaso, mayroon kang mga taong nakakontrata sa sakit o kondisyon (iyong mga kaso) at mga taong hindi (iyong mga kontrol), sa kabila ng pagkakalantad sa parehong bagay. Ang pagpili ng mga kalahok mula sa parehong mga pangkat na may magkatulad na pinagmulan at data ng biographic ay makakatulong na alisin ang iba pang mga kadahilanan na maaaring potensyal na bias ang iyong resulta.

Halimbawa Ang pagpapanatili ng mga pagkakatulad na ito ay binabawasan ang posibilidad na ang kinalabasan ng ilang mga kalahok ay naapektuhan ng kanilang kalusugan o panggagamot

Bawasan ang Selas Bias Hakbang 8
Bawasan ang Selas Bias Hakbang 8

Hakbang 2. Piliin ang mga kontrol gamit ang parehong proseso sa iyong mga kaso

Sa isang pag-aaral na kontrol sa kaso, kilalanin muna ang iyong mga kaso. Pagkatapos, sundin ang pareho o katulad na proseso upang magpatala ng mga kontrol sa iyong pag-aaral. Tinitiyak nito na mayroon kang tumpak na sukat ng pagkakalantad sa populasyon na nais mong pag-aralan.

Halimbawa, kung ang populasyon ng iyong kaso ay nagmula sa mga pasyente na tinukoy sa isang partikular na ospital para sa paggamot, maaari mong hanapin ang iyong mga kontrol mula sa mga tagabigay ng pangangalaga ng kalusugan na gumawa ng mga referral na iyon

Bawasan ang Selas Bias Hakbang 9
Bawasan ang Selas Bias Hakbang 9

Hakbang 3. Iwasang pumili ng mga kontrol mula sa mga populasyon sa ospital

Okay lang kung na-ospital ang iyong mga kaso. Gayunpaman, kung ang iyong mga kontrol ay naospital din, ang magreresultang ugnayan sa pagitan ng pagkakalantad at sakit ay hihina.

Halimbawa, kung nagsasagawa ka ng isang pag-aaral sa paninigarilyo at talamak na sakit sa puso, ang pagkakaroon ng mga kontrol sa ospital ay magpapahina sa samahan dahil ang paninigarilyo ay isang kadahilanan na humantong sa maraming mga problema sa kalusugan na maaari ring magresulta sa ospital

Bawasan ang Selas Bias Hakbang 10
Bawasan ang Selas Bias Hakbang 10

Hakbang 4. Itugma ang mga kontrol sa mga kaso batay sa magkatulad na demograpiko

Isama ang anumang mga kadahilanan na maaaring makaapekto sa mga resulta ng iyong pag-aaral bilang pamantayan kapag pinili mo ang mga kontrol para sa iyong pag-aaral na kontrol sa kaso. Gamitin ang impormasyong demograpiko na nakuha mo mula sa iyong mga kaso bilang isang profile para sa iyong mga kontrol.

Halimbawa, ipagpalagay na ang isang lokal na restawran ay responsable para sa isang viral outbreak, ngunit hindi mo alam kung alin. Ang lokal na populasyon na kinontrata ng virus ang iyong mga kaso. Upang makilala kung aling restawran ang responsable, maaari kang magpatala ng mga tao mula sa lokal na lugar na tumugma sa iyong mga kaso sa mga tuntunin ng edad, edad, at kasarian, ngunit hindi kinontrata ang virus, bilang iyong mga kontrol

Bawasan ang Selas Bias Hakbang 11
Bawasan ang Selas Bias Hakbang 11

Hakbang 5. Gumamit ng data ng populasyon sa halip na magrekrut ng mga kalahok bilang mga kontrol

Sa isang pag-aaral na kontrol sa kaso, ang mga taong hindi bumagsak sa sakit o kundisyon na iyong pinag-aaralan ay karaniwang mas malamang na lumahok sa iyong pag-aaral. Gayunpaman, kung mayroon kang magagamit na impormasyon ng populasyon mula sa isang pambansa, panrehiyon, o lokal na database, ang paggamit ng impormasyong iyon bilang iyong kontrol ay malulutas ang problemang ito. Bilang karagdagan, ang paggamit ng data mula sa isang naa-access na publiko na database ay nagbabawas sa gastos ng iyong pag-aaral.

Pumili ng isang dataset ng populasyon para sa iyong kontrol na tumutugma sa populasyon ng mga kaso na iyong pinag-aaralan. Halimbawa, kung ang lahat ng iyong mga kaso ay matatagpuan sa estado ng California, maaari kang gumamit ng isang database ng estado upang makuha ang iyong data sa populasyon. Gayunpaman, hindi mo nais na gumamit ng isang pambansang database

Tip:

Ang pagpapanatili ng iyong heograpikong lugar na maliit hangga't maaari ay nagbibigay-daan sa iyo upang magkaroon ng isang mas maliit na laki ng sample, na nagdaragdag ng kawastuhan ng iyong pag-aaral pati na rin ang pagbawas ng gastos.

Paraan 3 ng 3: Pagsasaayos ng Mga Resulta sa Account para sa Bias

Bawasan ang Selas Bias Hakbang 12
Bawasan ang Selas Bias Hakbang 12

Hakbang 1. Isama ang variable na nauugnay sa pagpili ng seleksyon sa iyong pagsusuri

Maghanap ng mga variable na maaaring maging sanhi ng bias ng pagpili at itala ang impormasyong iyon mula sa bawat isa sa iyong mga kalahok. Pagkatapos, pag-aralan ang iyong mga resulta batay sa partikular sa variable na iyon bilang karagdagan sa iyong pangkalahatang pagsusuri.

  • Halimbawa, halimbawang pinag-aaralan mo ang koneksyon sa pagitan ng kape at migraines. Nagpadala ka ng mga survey na pang-post sa mga sambahayan sa estado ng California. Gayunpaman, alam mo ang mga nakaraang pag-aaral na nagpakita ng mga matatandang tao na kadalasang higit na interesado na lumahok sa mga postal survey kaysa sa mga mas bata, kaya maaari nitong makiling ang iyong pag-aaral ayon sa edad.
  • Upang ayusin ang bias sa pag-aaral ng koneksyon sa pagitan ng kape at migraines, maaari mong paghiwalayin ang iyong data upang sukatin ang koneksyon sa iba't ibang mga pangkat ng edad nang magkahiwalay (stratification). Bawasan nito ang pagpili ng bias na magaganap sa pamamagitan ng pagkakaroon ng masyadong maraming matatandang tao sa iyong sample.
Bawasan ang Selas Bias Hakbang 13
Bawasan ang Selas Bias Hakbang 13

Hakbang 2. Mga tugon ng kalahok ng timbang upang iwasto ang isang kampi na sample

Kung ang iyong mga kalahok ay hindi naaangkop na tumutugma sa mga demograpiko ng iyong target na populasyon, payagan ang mga resulta mula sa hindi gaanong kinatawan na pangkat na maging mas mahalaga kaysa sa mga resulta mula sa ibang pangkat. Inaayos nito ang iyong sample upang mailapat mo ang iyong mga resulta sa buong populasyon.

Halimbawa, ipagpalagay na pinag-aaralan mo ang epekto ng pagtulog sa mga marka sa mga mag-aaral sa kolehiyo. Ang populasyon ng mag-aaral sa paaralan na iyong pinag-aaralan ay 40% lalaki at 60% babae. Gayunpaman, ang iyong sample ay 20% lamang lalaki. Upang timbangin ang mga tugon sa lalaki, hatiin ang porsyento ng populasyon ng iyong sample na porsyento (40% na hinati ng 20%). Ang resulta ay 2, kaya't ang tugon ng bawat lalaki ay binibilang ng doble

Babala:

Kung ang iyong sample ay masyadong naiiba mula sa populasyon na sinusubukan mong pag-aralan, ang iyong mga resulta ay maaaring hindi tumpak para sa populasyon bilang isang buo, kahit na may pagtimbang, dahil mayroon kang masyadong kaunting mga kinatawan sa sample.

Bawasan ang Selas Bias Hakbang 14
Bawasan ang Selas Bias Hakbang 14

Hakbang 3. Talakayin ang potensyal para sa pagpili ng bias sa iyong ulat

Kung walang mabisang paraan upang ayusin ang iyong mga resulta upang sapat na mabawasan ang bias ng pagpili, kilalanin lamang na umiiral ang pagpili ng pagpili. Nabanggit ang anumang mga paraan na sinubukan mong iwasto para sa bias o ilarawan kung bakit ang pagwawasto para sa bias ay hindi posible dahil sa mga pangyayari sa pag-aaral.

  • Halimbawa, ipagpalagay na nais mong suriin ang ugnayan sa pagitan ng pagtatrabaho sa night shift at pagkakaroon ng isang partikular na problema sa kalusugan sa pamamagitan ng paghahambing sa mga taong nagtatrabaho sa parehong pabrika na gumagawa ng parehong trabaho, na may pagkakaiba lamang na ang ilang mga nagtatrabaho sa araw at ilang nagtatrabaho sa gabi Gayunpaman, malamang na maraming iba pang mga pagkakaiba sa pagitan ng mga pangkat na ito na hindi mo maaaring account account, tulad ng kanilang katayuan sa socio-economic o pag-access sa pangangalaga ng kalusugan.
  • Sa ulat ng iyong pag-aaral, kilalanin na maraming iba pang mga pagkakaiba na hindi isinasaalang-alang ng iyong pag-aaral. Maaari mo ring banggitin kung ano ang ilan sa mga pagkakaiba na iyon at maaaring magsama ng mga sanggunian sa iba pang mga pag-aaral na pinag-aralan nang malalim ang mga variable na iyon.

Inirerekumendang: