Парадокс Берксона: суть и значение в эпидемиологии¶

Парадокс Берксона — это статистический феномен, возникающий при формировании выборки на основе госпитализации или иного отбора, при котором между двумя независимыми заболеваниями или состояниями обнаруживается ложная отрицательная (реже — положительная) корреляция. Впервые описан американским статистиком и биологом Джозефом Берксоном в 1946 году в работе, посвящённой ошибкам отбора в клинических исследованиях. Парадокс является частным случаем систематической ошибки отбора (selection bias) и представляет серьёзную проблему для эпидемиологических исследований, основанных на данных больничной статистики.

¶Суть явления

Парадокс возникает, когда вероятность попадания индивида в выборку (например, в стационар) зависит от сочетания двух или более изучаемых факторов. В классическом сценарии рассматриваются два заболевания (А и В), которые в общей популяции встречаются независимо друг от друга. Однако при госпитализации вероятность включения в выборку выше для пациентов, страдающих обоими заболеваниями одновременно, поскольку их состояние, как правило, тяжелее.

В результате в больничной когорте доля пациентов с обоими заболеваниями оказывается завышенной относительно ожидаемой при независимом распределении. Это создаёт иллюзию отрицательной ассоциации: кажется, что наличие заболевания А «защищает» от заболевания В, хотя в популяции такой связи нет. Математически это объясняется тем, что отбор по комбинированному критерию искажает условные вероятности, нарушая принцип независимости.

¶Механизм и математическая иллюстрация

Для понимания парадокса Берксона используют модель с четырьмя группами популяции: здоровые, только с А, только с В, с А и В. Если вероятность госпитализации для каждой группы различна (например, для группы «А и В» она максимальна), то относительные частоты в выборке перестают соответствовать популяционным. В результате коэффициент корреляции, рассчитанный по госпитальной выборке, будет отличаться от нуля, даже если в генеральной совокупности он равен нулю.

Ключевое условие возникновения парадокса — неслучайный характер отбора. Если исследователь использует данные только стационара, игнорируя амбулаторных пациентов и здоровых лиц, он неизбежно сталкивается с искажением ассоциаций. Особенно выражен эффект при изучении редких заболеваний или состояний с высокой коморбидностью.

¶Значение в эпидемиологии

В эпидемиологии парадокс Берксона рассматривается как один из основных источников ошибок в исследованиях типа «случай-контроль» (case-control studies), где контрольная группа набирается из госпитализированных пациентов. Если контрольная группа включает лиц с другими заболеваниями, не связанными с изучаемым фактором, возникает систематическое смещение оценок отношения шансов (odds ratio).

Парадокс объясняет, почему некоторые ретроспективные исследования демонстрируют «защитный» эффект курения при болезни Альцгеймера или «отрицательную» связь между ожирением и остеопорозом. В действительности эти ассоциации являются артефактами отбора: курящие реже доживают до деменции и реже попадают в выборку, а пациенты с ожирением чаще госпитализируются по другим причинам, создавая ложную обратную связь.

¶Способы преодоления

Для минимизации влияния парадокса Берксона в дизайне исследований применяются следующие подходы:

• Использование популяционных регистров и выборок из общей популяции вместо госпитальных когорт.
• Подбор контрольной группы из того же источника, что и группа случаев (например, соседи или случайные номера телефонов).
• Многофакторный статистический анализ с поправкой на вероятность госпитализации (например, метод обратного взвешивания).
• Проведение проспективных когортных исследований, где отбор не зависит от исхода.

¶Критика и границы применимости

Ряд исследователей отмечает, что парадокс Берксона не всегда является артефактом. В некоторых случаях он отражает реальные биологические взаимодействия, особенно при тяжёлых сочетанных патологиях. Однако в большинстве эпидемиологических контекстов его рассматривают как угрозу внутренней валидности. Критики также указывают, что формальная математическая модель Берксона предполагает упрощённые условия отбора, редко встречающиеся на практике, что требует осторожной интерпретации результатов.

¶Интересные факты

• Парадокс Берксона иногда путают с парадоксом Симпсона, однако последний связан с объединением стратифицированных данных, а не с ошибкой отбора.
• Джозеф Берксон также известен работами по логистической регрессии и введением термина «логит».
• В медицинской литературе парадокс Берксона часто упоминается как «ошибка госпитальной выборки» (hospital-based selection bias).

¶Источники

• Berkson J. Limitations of the application of fourfold table analysis to hospital data // Biometrics Bulletin. — 1946. — Vol. 2, № 3. — P. 47–53.
• Rothman K. J., Greenland S., Lash T. L. Modern Epidemiology. — 3rd ed. — Lippincott Williams & Wilkins, 2008.
• Westreich D. Berkson's bias, selection bias, and overlap bias // Epidemiology. — 2012. — Vol. 23, № 1. — P. 159–164.