কেন বিভ্রান্তকারী অবশ্যই ফলাফলের সাথে সম্পর্কিত হতে হবে? কনফন্ডারের পক্ষে ফলাফলের সাথে যুক্ত হওয়া কি যথেষ্ট হবে?
না, এটি যথেষ্ট নয়।
আসুন সেই ক্ষেত্রে শুরু করুন যেখানে আপনার পরিবর্তনশীল থাকতে পারে যা ফলাফল এবং চিকিত্সার সাথে উভয়ই জড়িত তবে এর জন্য নিয়ন্ত্রণ করা আপনার অনুমানকে পক্ষপাতিত্ব করবে।
জেড
এই ক্ষেত্রে, কোন বিভ্রান্তিকর নেই, আপনি সরাসরি Y এর উপর X এর প্রভাব অনুমান করতে পারেন।
তবে খেয়াল করুন যে জেড চিকিত্সার সাথে এবং ফলাফলের সাথে উভয়ই যুক্ত। তবে এটি এখনও বিভ্রান্তিকর নয়। প্রকৃতপক্ষে, আপনি যদি এই ক্ষেত্রে Z এর জন্য নিয়ন্ত্রণ করেন তবে আপনি আপনার অনুমানটিকে পক্ষপাতিত্ব করবেন। এই অবস্থাকে এম-বায়াস বলা হয় (গ্রাফের কাঠামোর কারণে)।
এক্সওয়াই। এই সাধারণ কলসিডার গ্রাফটি ধরুন:
এখানে আবার জেড এক্স এবং ওয়াইয়ের সাথে যুক্ত তবে এটি কোনও কফাউন্ডার নয়। আপনার এটি নিয়ন্ত্রণ করা উচিত নয়।
এখন, এটি লক্ষ্য করার মতো যে যদি কোনও পরিবর্তনশীল কার্যত ফলাফলের সাথে সম্পর্কিত হয় তবে এটি অগত্যা কোনও বিভ্রান্তিকরও নয়।
নীচে সাধারণ গ্রাফে মধ্যস্থতাকারীদের ক্ষেত্রে নেওয়া যাক:
আপনি যদি Y এর উপর ডি এর মোট প্রভাবটি পরিমাপ করতে চান তবে আপনার যে প্রভাবের মধ্যস্থতা করে তা নিয়ন্ত্রণ করা উচিত নয় --- এম ক্ষেত্রে, এম কার্যকরীভাবে ওয়াইয়ের সাথে সম্পর্কিত, তবুও এটি কোনও সম্মতিযুক্ত নয় Y এর উপর ডি এর মোট প্রভাব।
লক্ষ্য করুন তবে, যে সংজ্ঞা confouding সংজ্ঞা কি একটি তুলনায় অনেক সহজ confounder হয়। আত্মবিশ্বাসের সংজ্ঞা সম্পর্কে আরও কঠোর আলোচনার জন্য , আপনি এই কাগজটি ভ্যান্ডারওয়েল এবং শাপিটরস দ্বারা পড়তে চাইতে পারেন।
কেন এই ক্ষেত্রে? কারণ এখানে প্রাথমিক ধারণাটি বিভ্রান্তিকর নিজেই, বিভ্রান্তির নয়। আপনার গবেষণার প্রশ্নটির জন্য, আপনার নিজেকে জিজ্ঞাসা করা উচিত "আমি কীভাবে বিভ্রান্তি দূর করতে পারি?" "এর পরিবর্তে কি এই ভেরিয়েবলটি একটি বিবাদী?"।
এবং একটি চূড়ান্ত নোট হিসাবে, এটি উল্লেখ করা উচিত যে এই ভুল ধারণাটি এখনও ব্যাপক। কেবল উদাহরণস্বরূপ, একটি 2016 এর কাগজ থেকে এই উদ্ধৃতিটি নিন :
এলোমেলো পরীক্ষা বা শক্তিশালী কোয়া-পরীক্ষামূলক ডিজাইনের অনুপস্থিতিতে কার্যকারিতা নির্ধারণের জন্য সমস্ত প্রাক-চিকিত্সার ভেরিয়েবলগুলির জন্য যথাযথ কন্ডিশনিং প্রয়োজন যা চিকিত্সা এবং ফলাফল উভয়ই পূর্বাভাস দেয়, যা বিভ্রান্তিকর কোভারিয়েট হিসাবেও পরিচিত।
আমরা পূর্ববর্তী উদাহরণগুলিতে যেমন দেখিয়েছি, এটি ভুল। কনফাউন্ডাররা "সমস্ত প্রাক-চিকিত্সার পরিবর্তনশীল নয় যা চিকিত্সা এবং ফলাফল উভয়েরই পূর্বাভাস দেয়"। বিভ্রান্তিকরতা দূর করার জন্য তাদের সকলের জন্য নিয়ন্ত্রণের প্রয়োজন হতে পারে না বা এটি আপনার ফলাফলকে পক্ষপাতও করতে পারে। পার্ল এখানে বিভ্রান্তিকর সম্পর্কে খুব ভাল ওভারভিউ আছে।