Confounding (Störgrößen)

Confounding (Störgrößenverzerrung) bezeichnet die Verzerrung eines geschätzten Zusammenhangs zwischen einer Exposition und einem Outcome durch eine dritte Variable — die Störgröße (Confounder) —, die unabhängig mit beiden assoziiert ist, ohne auf dem kausalen Pfad zu liegen. In der Alternsforschung tritt der sogenannte Healthy-User-Bias besonders häufig auf: Personen, die eine präventive Maßnahme ergreifen (etwa Statineinnahme, kalorische Restriktion oder regelmäßiges Ausdauertraining), weisen in der Regel günstigere Ausgangscharakteristika und Lebensstilmerkmale auf — scheinbare Überlebensvorteile in Beobachtungskohorten spiegeln daher oft diese nicht gemessenen Vorteile wider, nicht die Intervention selbst. Statistische Verfahren zur Kontrolle — multiple Regression, Propensity-Score-Matching, inverse-probability-Gewichtung und Mendel'sche Randomisierung — mindern Confounding, können es jedoch selten vollständig beseitigen, da nicht erfasste Variablen ein residuales Confounding hinterlassen; Shrank et al. (2011) zeigten, dass selbst eine weitreichende Kovariatenadjustierung in Medicare-Pharmakoepidemiologiestudien den Healthy-User-Bias nicht vollständig entfernte. Der von VanderWeele und Ding (2017) eingeführte E-Wert quantifiziert, wie stark ein nicht gemessener Confounder auf der Risikoverhältnis-Skala sein müsste, um eine beobachtete Assoziation vollständig zu erklären — er bietet damit einen praktischen Maßstab, um die Verlässlichkeit einzelner Befunde aus Beobachtungsstudien zur Langlebigkeit einzuschätzen.