Bias
Bias sier noe om hvor godt estimatoren sikter på estimanden. Rent teknisk er bias definert som den forventede differansen mellom estimatoren og estimanden. Bias er altså ikke et kjennetegn ved et estimat. Derimot forteller størrelsen oss hvorvidt vi bør forvente at estimatoren vil gi over- eller underestimater for estimanden, gitt de tilgjengelige dataene. Antakelser om de innsamlede dataene, for eksempel at observasjonene er normalfordelte, påvirker valget av estimator og dermed risikoen for bias.
De fleste medisinske studier er forløpsstudier, hvor det er vanlig å miste informasjon om noen deltakere før studien er fullført, for eksempel ved at individer melder seg ut av studien. Vi sier at slike individer er sensurerte. Kaplan-Meier-estimatoren er en av estimatorene som håndterer sensurerte observasjoner. I forløpsanalyser er det vanlig å anta uavhengig sensurering, altså at individer sensureres uavhengig av når hendelsen av interesse inntreffer i fremtiden (2, s. 57). I tarmkrefteksempelet betyr dette at vi bruker data fra individene inntil de dør av tarmkreft eller vi ikke lenger har oppfølgingsdata. Uavhengig sensurering er ikke alltid plausibelt (3). Hva om det viste seg at personer som var friskere ved studiestart, hadde høyere sannsynlighet for å følge hele studieløpet? Hvis helsestatus ved studiestart påvirker både hendelsen av interesse, her risikoen for tarmkreftdød, og sensureringshendelsen, så holder ikke lenger antakelsen om uavhengig sensurering. Baserer vi analysen på en feilaktig antakelse om uavhengig sensurering, introduserer vi en type seleksjonsbias (4).
I tillegg til uavhengig sensurering er det vanlig å anta at vi kan justere for alle felles årsaker – konfundere – til behandling og utfall. Felles årsaker til behandling og utfall kan fjernes ved å randomisere behandlingen i et kontrollert forsøk. Hvis studien av tarmkreftscreening var observasjonell istedenfor randomisert, kunne vi ikke utelukket felles årsaker til screening og tarmkreftdød. Vi kan tenke oss at individer med høy helsesøkende atferd oftere deltar i screeningprogrammer. Siden risikoen for død av tarmkreft påvirkes av helsesøkende atferd, er det konfundering mellom screening og tarmkreftdød. Behandler vi de observasjonelle dataene som om de var fra en randomisert studie, uten å bruke informasjon om helsesøkende atferd, vil vi ende opp med en estimator med bias. Hvis helsesøkende individer generelt er friskere enn andre, vil vi forvente at effekten av screening overestimeres.
Bias sier noe om kvaliteten på estimatoren, men ikke alt. Siden estimatoren avhenger av data, vil den også påvirkes av den naturlige variabiliteten i dataene. Dette kan tallfestes som estimatorens varians, noe vi ofte refererer til når vi snakker om usikkerhet i estimater. En estimator uten bias kaller vi forventningsrett, men det betyr ikke at estimatoren vil treffe estimanden perfekt, nettopp på grunn av variansen.