محير

في الاستدلال السببي ، يُعدّ التداخل نوعًا من الأخطاء المنهجية (أو التحيز) التي قد تُشوّه تقديرات التأثيرات السببية في الدراسات الرصدية. يُفهم التداخل تقليديًا على أنه متغير (1) يتنبأ بشكل مستقل بالنتيجة (أو المتغير التابع )، (2) يرتبط بالتعرض (أو المتغير المستقل)، و(3) لا يقع على المسار السببي بين التعرض والنتيجة. ^{[ 1 ] [ 2 ] [ 3 ]} يؤدي عدم ضبط التداخل إلى وجود ارتباط زائف بين التعرض والنتيجة.

يُعدّ التداخل مفهومًا سببيًا وليس إحصائيًا بحتًا، ولذلك لا يمكن وصفه بالكامل بالارتباطات أو العلاقات وحدها. ^{[ 4 ]} يساعد وجود المتغيرات المتداخلة في تفسير سبب عدم دلالة الارتباط على السببية ، وسبب ضرورة تصميم دراسة دقيق وأساليب تحليلية (مثل التوزيع العشوائي ، والتعديل الإحصائي، أو المخططات السببية) للتمييز بين التأثيرات السببية والارتباطات الزائفة.

تم تطوير العديد من أنظمة التدوين والأطر الرسمية، مثل الرسوم البيانية الموجهة غير الدورية السببية (DAGs) ، لتمثيل واكتشاف التشويش، مما يجعل من الممكن تحديد متى يجب التحكم في متغير ما من أجل الحصول على تقدير غير متحيز للتأثير السببي.

العوامل المربكة تشكل تهديداً لصحة النتائج الداخلية . ^{[ 5 ]}

يُعرَّف التداخل من حيث نموذج توليد البيانات. لنفترض أن X هو المتغير المستقل (أو متغير التعرض )، و Y هو المتغير التابع (أو متغير النتيجة ). تقليديًا، يُعتبر المتغير Z مُتداخلًا في العلاقة بين X و Y إذا كان: (1) يتنبأ بـ Y بشكل مستقل ، (2) مرتبطًا بـ X ، و(3) ليس على المسار السببي بين X و Y. ^{[ 1 ] [ 2 ] [ 3 ]} عدم التحكم في Z يُدخل علاقة زائفة بين X و Y.

مع ذلك، أظهرت العديد من التطورات في الاستدلال السببي خلال العقود الماضية أن هذا التعريف للتشويش غير كافٍ. ^{[ 6 ] [ 7 ]} ويعود ذلك إلى وجود متغيرات سابقة للتعرض مرتبطة بالنتيجة، والتي عند ضبطها، تُدخل تحيزًا بدلًا من إزالته.

لذا، يُعرّف الاستدلال السببي الحديث عادةً المتغير المُربك من خلال مجموعة التعديل الكافية الدنيا . ^{[ 8 ] [ 1 ]} بصورة رسمية، تُعتبر مجموعة المتغيرات Z مجموعة تعديل كافية لتأثير X على Y إذا كانت النتائج المحتملة ، بشرط Z ، مستقلة عن X. أي بعد التعديل وفقًا لـ Z ، تكون المجموعتان المعرضة وغير المعرضة قابلتين للتبادل فيما يتعلق بالنتيجة. مجموعة التعديل الكافية الدنيا هي مجموعة تعديل Z حيث يُشترط على كل عنصر من عناصر Z التحكم في المتغيرات المُربكة. في هذا الإطار، يُعرّف المتغير المُربك بأنه عنصر من عناصر مجموعة التعديل الكافية الدنيا.

في لغة الرسوم البيانية الموجهة غير الدورية ، يُشير مصطلح "التشويش ^" إلى وجود مسار خلفي واحد أو أكثر مفتوح بين X و Y. [ ^{9 ]} تُعتبر مجموعة المتغيرات Z مجموعة ضبط كافية إذا كان الشرط المُطبق على Z يحجب جميع المسارات الخلفية من X إلى Y. وتكون المجموعة كافية بشكل أدنى إذا لم تُحقق أي مجموعة جزئية مناسبة من Z هذه الخاصية. يؤدي حذف أي متغير من مجموعة كافية بشكل أدنى إلى إعادة فتح مسار خلفي واحد على الأقل.

مثال بسيط

قامت شركة نقل بشاحنات بمقارنة كفاءة استهلاك الوقود لشاحنات من شركتين مصنعتين ("أ" و"ب") عن طريق قياس عدد الأميال المقطوعة لكل جالون على مدار شهر. ووجدت أن شاحنات الشركة "أ" تبدو أكثر كفاءة في استهلاك الوقود. ومع ذلك، فإن شاحنات الشركة "أ" تُخصص لها طرق سريعة في أغلب الأحيان، بينما تُخصص لشاحنات الشركة "ب" طرق داخل المدن في أغلب الأحيان. في هذه الحالة، تُعتبر الشركة المصنعة للشاحنة هي المتغير المستقل، واستهلاك الوقود هو المتغير التابع، ونوع الطريق (أو نسبة القيادة داخل المدن) هو العامل المربك. ولأن نوع الطريق يؤثر على استهلاك الوقود، ويختلف نوع الطريق باختلاف الشركة المصنعة للشاحنة، فإنه يُربك المقارنة. وبالتالي، من المرجح أن يعكس الاختلاف الملحوظ القيادة على الطرق السريعة مقابل القيادة داخل المدن، وليس نوع الشاحنة.

العلاقة بين ترتيب الولادة ومتلازمة داون

يدرس أحد العلماء العلاقة بين ترتيب الولادة (الطفل الأول، الطفل الثاني، إلخ) ووجود متلازمة داون لدى الطفل. ومع ذلك، من المعروف أن:

1. يرتبط تقدم سن الأم ارتباطًا مباشرًا بمتلازمة داون لدى الطفل
2. يرتبط تقدم سن الأم ارتباطًا مباشرًا بمتلازمة داون، بغض النظر عن ترتيب الولادة (إنجاب الأم لطفلها الأول مقابل طفلها الثالث في سن الخمسين ينطوي على نفس المخاطر).
3. يرتبط عمر الأم ارتباطًا مباشرًا بترتيب الولادة (يولد الطفل الثاني، باستثناء حالة التوائم، عندما تكون الأم أكبر سنًا مما كانت عليه عند ولادة الطفل الأول).
4. لا يرتبط عمر الأم بترتيب الولادة (إنجاب طفل ثانٍ لا يغير عمر الأم).

في هذا السيناريو، يعتبر عمر الأم متغيرًا مربكًا، لأنه يؤثر على كل من المتغير المستقل (ترتيب الولادة) والمتغير التابع (متلازمة داون).

العلاقة بين التدخين وأمراض الرئة

يدرس أحد العلماء العلاقة بين حالة التدخين (مدخن مقابل غير مدخن) ووجود أمراض الرئة. ومع ذلك، من المعروف أن:

1. يرتبط استهلاك الكحول والنظام الغذائي ارتباطاً مباشراً بأمراض الرئة والصحة العامة.
2. يؤثر استهلاك الكحول والنظام الغذائي على الصحة بغض النظر عن حالة التدخين (قد يكون لدى المدخن وغير المدخن الذين لديهم استخدام مماثل للكحول ونظام غذائي مماثل مخاطر صحية مماثلة).
3. يرتبط استهلاك الكحول والنظام الغذائي بحالة التدخين (المدخنون، في المتوسط، أكثر عرضة لشرب الكحول أو اتباع أنظمة غذائية أقل صحة من غير المدخنين).
4. إن استهلاك الكحول والنظام الغذائي ليسا من نتائج التدخين نفسه (فالتدخين لا يسبب بالضرورة زيادة تناول الكحول أو سوء التغذية، حتى وإن كانا مرتبطين).

في هذا السياق، يُعد استهلاك الكحول أو النظام الغذائي عاملاً مُربكاً، لأنه يؤثر على كلٍ من المتغير المستقل (حالة التدخين) والمتغير التابع (النتيجة الصحية). إذا لم يتم ضبط هذه العوامل، فقد يكون الارتباط الملحوظ بين التدخين وأمراض الرئة ناتجاً جزئياً أو كلياً عن اختلافات في استهلاك الكحول أو النظام الغذائي، وليس عن التدخين نفسه.

لنفترض أن باحثًا يحاول تقييم فعالية الدواء X ، استنادًا إلى بيانات سكانية حيث كان استخدام الدواء خيارًا شخصيًا للمريض. تُظهر البيانات أن الجنس ( Z ) يؤثر على اختيار المريض للدواء، وكذلك على فرص شفائه ( Y ). في هذا السيناريو، يُعقّد الجنس Z العلاقة بين X و Y ، لأنه يُعدّ سببًا لكليهما .

لدينا ذلك

${\displaystyle P(y\mid {\text{do}}(x))\neq P(y\mid x)}$

2

لأن الكمية الرصدية تحتوي على معلومات حول الارتباط بين X و Z ، بينما الكمية التدخلية لا تحتوي على هذه المعلومات (لأن X غير مرتبط بـ Z في تجربة عشوائية). ويمكن إثبات ^{[ 10 ]} أنه في الحالات التي تتوفر فيها بيانات رصدية فقط، يمكن الحصول على تقدير غير متحيز للكمية المطلوبة.${\displaystyle P(y\mid {\text{do}}(x))}$يمكن الحصول على هذه النتيجة من خلال "تعديل" جميع العوامل المربكة، أي بالاعتماد على قيمها المختلفة وحساب متوسط ​​النتيجة. في حالة وجود عامل مربك واحد Z ، يؤدي هذا إلى "صيغة التعديل":

${\displaystyle P(y\mid {\text{do}}(x))=\sum _{z}P(y\mid x,z)P(z)}$

3

مما يُعطي تقديرًا غير متحيز للأثر السببي لـ X على Y. وتعمل صيغة التعديل نفسها عند وجود عدة عوامل مُربكة، إلا أنه في هذه الحالة، يجب توخي الحذر عند اختيار مجموعة Z من المتغيرات التي تضمن تقديرات غير متحيزة. يُطلق على معيار الاختيار الصحيح للمتغيرات اسم "الباب الخلفي" ^{[ 10 ] [ 11 ]} ، ويتطلب أن تقوم المجموعة المختارة Z "بحجب" (أو اعتراض) كل مسار بين X و Y يحتوي على سهم يشير إلى X. تُسمى هذه المجموعات "مقبولة وفقًا للباب الخلفي"، وقد تتضمن متغيرات ليست أسبابًا مشتركة لـ X و Y ، بل مجرد مؤشرات لهما.

بالعودة إلى مثال تعاطي المخدرات، بما أن Z يمتثل لمتطلبات الباب الخلفي (أي أنه يعترض مسار الباب الخلفي الوحيد)${\displaystyle X\leftarrow Z\rightarrow Y}$) صيغة تعديل الباب الخلفي صالحة:

${\displaystyle {\begin{aligned}P(Y={\text{recovered}}\mid {\text{do}}(x={\text{give drug}}))={}&P(Y={\text{recovered}}\mid X={\text{give drug}},Z={\text{male}})P(Z={\text{male}})\\&{}+P(Y={\text{recovered}}\mid X={\text{give drug}},Z={\text{female}})P(Z={\text{female}})\end{aligned}}}$

4

وبهذه الطريقة يستطيع الطبيب التنبؤ بالتأثير المحتمل لإعطاء الدواء من خلال الدراسات القائمة على الملاحظة والتي يمكن فيها تقدير الاحتمالات الشرطية التي تظهر على الجانب الأيمن من المعادلة عن طريق الانحدار.

خلافًا للاعتقاد الشائع، فإن إضافة المتغيرات المصاحبة إلى مجموعة التعديل Z قد تُؤدي إلى تحيز. ^{[ 12 ]} ومن الأمثلة المضادة الشائعة عندما يكون Z تأثيرًا مشتركًا لـ X و Y ، ^{[ 13 ]} وهي حالة لا يكون فيها Z متغيرًا مُربكًا (أي أن المجموعة الصفرية مقبولة وفقًا لقاعدة الباب الخلفي)، وسيؤدي التعديل لـ Z إلى تحيز يُعرف باسم " تحيز التصادم " أو " مفارقة بيركسون ". وتُسمى الضوابط التي لا تُعد متغيرات مُربكة جيدة أحيانًا بالضوابط السيئة .

بشكل عام، يمكن التحكم في المتغيرات المربكة عن طريق التعديل إذا وفقط إذا كانت هناك مجموعة من المتغيرات المصاحبة المرصودة التي تحقق شرط الباب الخلفي. علاوة على ذلك، إذا كانت Z هي هذه المجموعة، فإن صيغة التعديل في المعادلة (3) تكون صالحة. ^{[ 10 ] [ 11 ]} يوفر حساب بيرل جميع الشروط الممكنة التي بموجبها${\displaystyle P(y\mid {\text{do}}(x))}$يمكن تقديرها، وليس بالضرورة عن طريق التعديل. ^{[ 14 ]}

بحسب مورابيا (2011) ^{[ 15 ]،} فإن كلمة "confused " مشتقة من الفعل اللاتيني في العصور الوسطى "confundere"، والذي يعني "الخلط"، وربما تم اختياره للتعبير عن الالتباس (من اللاتينية: con = مع + fusus = يمزج أو يدمج معًا) بين السبب المراد تقييمه والأسباب الأخرى التي قد تؤثر على النتيجة، وبالتالي تُربك التقييم المطلوب أو تعيقه. ويشير غرينلاند، وروبنز، وبيرل ^{[ 16 ]} إلى استخدام مبكر لمصطلح "confused" في الاستدلال السببي من قِبل جون ستيوارت ميل عام 1843.

قدّم فيشر مصطلح "التداخل" في كتابه "تصميم التجارب" الصادر عام 1935 [ ^{17 ] للإشارة} تحديدًا إلى نتيجة تقسيم مجموعة تركيبات المعالجة في تجربة عاملية ، حيث قد تتداخل بعض التفاعلات مع التقسيمات . وقد ساهم هذا في انتشار مفهوم التداخل في الإحصاء، على الرغم من أن فيشر كان مهتمًا بالتحكم في عدم التجانس في الوحدات التجريبية، وليس بالاستدلال السببي.

بحسب فاندنبروك (2004) ^{[ 18 ]} ، كان كيش ^{[ 19 ]} أول من استخدم مصطلح "التشويش" بمعنى "عدم قابلية المقارنة" بين مجموعتين أو أكثر (مثلًا، المجموعة المعرضة وغير المعرضة) في دراسة رصدية. وقد طُوّرت لاحقًا في علم الأوبئة شروطٌ رسمية تُحدد ما يجعل بعض المجموعات "قابلة للمقارنة" وأخرى "غير قابلة للمقارنة" على يد غرينلاند وروبنز (1986) ^{[ 20 ]} باستخدام لغة نيمان (1935) ^{[ 21 ]} وروبن (1974) ^{[ 22 ]} . ثم أُضيفت إلى هذه الشروط معايير بيانية مثل شرط الباب الخلفي ( بيرل 1993؛ غرينلاند، روبينز ، وبيرل 1999) ^{[ 16 ] [ 10 ] .}

وقد تبين أن المعايير الرسومية مكافئة رسميًا للتعريف المضاد للواقع ^{[ 23 ]} ولكنها أكثر شفافية للباحثين الذين يعتمدون على نماذج العمليات.

في حالة تقييم المخاطر التي تُحدد حجم وطبيعة المخاطر على صحة الإنسان ، من المهم ضبط المتغيرات المُربكة لعزل تأثير خطر مُعين، مثل مُضافات غذائية أو مبيدات حشرية أو أدوية جديدة. في الدراسات المستقبلية، يصعب تجنيد متطوعين ذوي خلفية مُتماثلة (العمر، النظام الغذائي، التعليم، الموقع الجغرافي، إلخ) وفحصهم، وفي الدراسات التاريخية، قد يكون هناك تباين مُشابه. ونظرًا لعدم القدرة على ضبط تباين المتطوعين والدراسات البشرية، يُشكل التداخل تحديًا خاصًا. لهذه الأسباب، تُوفر التجارب وسيلة لتجنب مُعظم أشكال التداخل.

في بعض التخصصات، يُصنَّف التداخل إلى أنواع مختلفة. في علم الأوبئة ، أحد هذه الأنواع هو "التداخل الناتج عن المؤشر" ^{[ 24 ]} ، والذي يرتبط بالتداخل الناتج عن الدراسات الرصدية . ولأن العوامل التنبؤية قد تؤثر على قرارات العلاج (وتُؤدي إلى تحريف تقديرات تأثيرات العلاج)، فإن ضبط العوامل التنبؤية المعروفة قد يُقلل من هذه المشكلة، ولكن من الوارد دائمًا وجود عامل منسي أو غير معروف لم يُدرج، أو أن العوامل تتفاعل بشكل مُعقد. وقد وُصِف التداخل الناتج عن المؤشر بأنه أهم قيود الدراسات الرصدية. أما التجارب العشوائية فلا تتأثر بهذا التداخل نظرًا للتوزيع العشوائي .

يمكن أيضاً تصنيف المتغيرات المربكة وفقاً لمصدرها. اختيار أداة القياس (متغير مربك تشغيلي)، أو الخصائص الظرفية (متغير مربك إجرائي)، أو الاختلافات بين الأفراد (متغير مربك شخصي).

• قد يحدث التداخل التشغيلي في كل من التصاميم البحثية التجريبية وغير التجريبية. ويحدث هذا النوع من التداخل عندما يقيس مقياس مصمم لتقييم مفهوم معين شيئًا آخر عن غير قصد. ^{[ 25 ]}
• قد يحدث التداخل الإجرائي في التجارب المختبرية أو شبه التجريبية . ويحدث هذا النوع من التداخل عندما يسمح الباحث، عن طريق الخطأ، لمتغير آخر بالتغير بالتزامن مع المتغير المستقل الذي يتم التلاعب به. ^{[ 25 ]}
• يحدث التداخل بين الأفراد عندما يتم تحليل مجموعتين أو أكثر من الوحدات معًا (مثل العمال من مهن مختلفة)، على الرغم من اختلافهم وفقًا لخاصية واحدة أو أكثر من الخصائص الأخرى (الملاحظة أو غير الملاحظة) (مثل الجنس). ^{[ 26 ]}

يمكن تقليل احتمالية حدوث وتأثير العوامل المربكة عن طريق زيادة أنواع وعدد المقارنات التي تُجرى في التحليل. إذا كانت مقاييس أو تعديلات البنى الأساسية متداخلة (أي توجد عوامل مربكة تشغيلية أو إجرائية)، فقد لا يكشف تحليل المجموعات الفرعية عن مشاكل في التحليل. بالإضافة إلى ذلك، قد تؤدي زيادة عدد المقارنات إلى مشاكل أخرى (انظر المقارنات المتعددة ).

تُعدّ مراجعة النظراء عمليةً تُسهم في الحدّ من حالات التداخل، سواءً قبل تنفيذ الدراسة أو بعد تحليلها. وتعتمد هذه المراجعة على الخبرة الجماعية في مجال التخصص لتحديد نقاط الضعف المحتملة في تصميم الدراسة وتحليلها، بما في ذلك كيفية اعتماد النتائج على التداخل. وبالمثل، يُمكن للتكرار اختبار مدى متانة نتائج دراسةٍ ما في ظل ظروف دراسة بديلة أو تحليلات بديلة (مثل ضبط عوامل التداخل المحتملة التي لم تُحدَّد في الدراسة الأولية).

قد يقل احتمال حدوث تأثيرات مُربكة، وقد تتشابه هذه التأثيرات في أوقات وأماكن متعددة. عند اختيار مواقع الدراسة، يمكن توصيف البيئة بدقة في كل موقع لضمان تشابهها البيئي، وبالتالي تقليل احتمالية وجود متغيرات مُربكة. أخيرًا، يمكن دراسة العلاقة بين المتغيرات البيئية التي قد تُربك التحليل والمعايير المقاسة. بعد ذلك، يمكن استخدام المعلومات المتعلقة بالمتغيرات البيئية في نماذج خاصة بكل موقع لتحديد التباين المتبقي الذي قد يكون ناتجًا عن تأثيرات حقيقية. ^{[ 27 ]}

اعتمادًا على نوع تصميم الدراسة المطبق، هناك طرق مختلفة لتعديل هذا التصميم لاستبعاد أو التحكم في المتغيرات المربكة بشكل فعال: ^{[ 28 ]}

• تُخصص دراسات الحالات والشواهد عوامل التداخل بالتساوي لكلا المجموعتين، الحالات والشواهد. على سبيل المثال، إذا أراد شخص ما دراسة سبب احتشاء عضلة القلب، ورأى أن العمر عامل تداخل محتمل، فسيتم مطابقة كل مريض مصاب باحتشاء عضلة القلب يبلغ من العمر 67 عامًا مع شخص سليم يبلغ من العمر 67 عامًا كـ"شاهد". في دراسات الحالات والشواهد، غالبًا ما يكون العمر والجنس هما المتغيران المتطابقان. عيب: لا تُجرى دراسات الحالات والشواهد إلا عندما يسهل العثور على شواهد، أي أشخاص تكون حالتهم فيما يتعلق بجميع عوامل التداخل المحتملة المعروفة مماثلة لحالة المريض: لنفترض أن دراسة حالات وشواهد تحاول إيجاد سبب مرض معين لدى شخص: 1) يبلغ من العمر 45 عامًا، 2) أمريكي من أصل أفريقي، 3) من ألاسكا ، 4) لاعب كرة قدم متحمس، 5) نباتي، 6) يعمل في مجال التعليم. من الناحية النظرية، ستكون المجموعة الضابطة المثالية هي الشخص الذي، بالإضافة إلى عدم إصابته بالمرض قيد البحث، يتطابق مع جميع هذه الخصائص وليس لديه أمراض لا يعاني منها المريض أيضًا - ولكن إيجاد مثل هذه المجموعة الضابطة سيكون مهمة هائلة.
• دراسات الأتراب : يُمكن تحقيق درجة من المطابقة، وغالبًا ما يتم ذلك عن طريق حصر المشاركين في فئات عمرية أو جنس معين ضمن مجتمع الدراسة، مما يُنشئ مجموعة من الأشخاص ذوي الخصائص المتشابهة، وبالتالي تكون جميع المجموعات قابلة للمقارنة فيما يتعلق بالمتغيرات المُربكة المحتملة. على سبيل المثال، إذا اعتُبر العمر والجنس من العوامل المُربكة، فسيتم إشراك الذكور الذين تتراوح أعمارهم بين 40 و50 عامًا فقط في دراسة أتراب تُقيّم خطر الإصابة باحتشاء عضلة القلب في مجموعات نشطة بدنيًا أو غير نشطة. العيب: في دراسات الأتراب، قد يؤدي الإفراط في استبعاد البيانات المُدخلة إلى تعريف الباحثين بشكل ضيق جدًا لمجموعة الأشخاص ذوي الظروف المُتشابهة الذين يدّعون أن الدراسة مُفيدة لهم، بحيث يفقد أشخاص آخرون تنطبق عليهم العلاقة السببية بالفعل فرصة الاستفادة من توصيات الدراسة. وبالمثل، فإن "الإفراط في تقسيم" بيانات الإدخال داخل الدراسة قد يقلل من حجم العينة في طبقة معينة إلى الحد الذي تصبح فيه التعميمات المستخلصة من خلال ملاحظة أعضاء تلك الطبقة وحدها غير ذات دلالة إحصائية .
• التمويه المزدوج : يخفي عن المشاركين في التجربة وعن المراقبين انتماءهم إلى مجموعات التجربة. وبمنع المشاركين من معرفة ما إذا كانوا يتلقون علاجًا أم لا، يكون تأثير الدواء الوهمي متماثلًا في مجموعتي التحكم والعلاج. وبمنع المراقبين من معرفة انتماء المشاركين، لا يكون هناك أي تحيز من جانب الباحثين في التعامل مع المجموعات بشكل مختلف أو في تفسير النتائج.
• التجربة المعشاة ذات الشواهد : هي طريقة يتم فيها تقسيم مجتمع الدراسة عشوائيًا للحد من احتمالية اختيار المشاركين لأنفسهم أو تحيز مصممي الدراسة. قبل بدء التجربة، يقوم الباحثون بتوزيع المشاركين على مجموعاتهم (الضابطة، التجريبية، المتوازية) باستخدام عملية عشوائية، مثل استخدام مولد أرقام عشوائية. على سبيل المثال، في دراسة حول آثار التمارين الرياضية، ستكون النتائج أقل مصداقية إذا مُنح المشاركون خيار الانضمام إلى المجموعة الضابطة التي لا تمارس الرياضة أو المجموعة التجريبية التي ترغب في المشاركة في برنامج رياضي. وبذلك، ستشمل الدراسة متغيرات أخرى إلى جانب التمارين، مثل الحالة الصحية قبل التجربة والدافع لتبني أنشطة صحية. من جانب الباحث، قد يختار المرشحون الذين يُرجح أن يُظهروا النتائج المرجوة، أو قد يُفسر النتائج الذاتية (مثل زيادة النشاط، والموقف الإيجابي) بما يتوافق مع رغباته.
• التصنيف : كما في المثال السابق، يُعتقد أن النشاط البدني سلوكٌ وقائيٌّ من احتشاء عضلة القلب، ويُفترض أن العمر عاملٌ مُربكٌ محتمل. تُصنَّف البيانات المأخوذة حسب الفئة العمرية، ما يعني تحليل العلاقة بين النشاط والاحتشاء لكل فئة عمرية على حدة. إذا أسفرت الفئات العمرية المختلفة (أو الطبقات العمرية) عن نسب مخاطر متباينة بشكلٍ كبير ، فيجب اعتبار العمر متغيرًا مُربكًا. توجد أدوات إحصائية، من بينها طرق مانتل-هاينزل، تُراعي تصنيف مجموعات البيانات.
• يُعدّ ضبط المتغيرات المربكة عن طريق قياسها وإدراجها كمتغيرات مشتركة أحد أساليب التحليل متعدد المتغيرات ، مثل تحليل الانحدار . ويُقدّم هذا النوع من التحليل معلومات أقل بكثير حول قوة أو قطبية المتغير المربك مقارنةً بأساليب التصنيف. فعلى سبيل المثال، إذا ضبط التحليل متعدد المتغيرات تأثير مضادات الاكتئاب ، ولم يُصنّفها إلى مضادات اكتئاب ثلاثية الحلقات (TCA) ومثبطات استرداد السيروتونين الانتقائية (SSRI) ، فإنه سيتجاهل حقيقة أن هاتين الفئتين من مضادات الاكتئاب لهما تأثيرات معاكسة على احتشاء عضلة القلب، وأن تأثير إحداهما أقوى بكثير من الأخرى.

لكل هذه الطرق عيوبها:

1. إن أفضل دفاع متاح ضد احتمالية الحصول على نتائج زائفة بسبب التشويش هو في كثير من الأحيان التخلي عن جهود التقسيم الطبقي وإجراء دراسة عشوائية لعينة كبيرة بما يكفي مأخوذة ككل، بحيث يتم توزيع جميع المتغيرات المربكة المحتملة (المعروفة وغير المعروفة) عن طريق الصدفة عبر جميع مجموعات الدراسة، وبالتالي لن تكون مرتبطة بالمتغير الثنائي للإدراج/الاستبعاد في أي مجموعة.
2. الاعتبارات الأخلاقية: في التجارب المعشاة ذات الشواهد والمزدوجة التعمية، لا يعلم المشاركون أنهم يتلقون علاجات وهمية ، وقد يُحرمون من العلاجات الفعالة. ^{[ 29 ]} ثمة احتمال أن يوافق المرضى على الجراحة الغازية (التي تنطوي على مخاطر طبية حقيقية) فقط على أساس أنهم يتلقون علاجًا. مع أن هذا يُعدّ مصدر قلق أخلاقي، إلا أنه لا يُغطي الصورة كاملة. بالنسبة للعمليات الجراحية التي تُجرى بانتظام حاليًا، ولكن لا يوجد دليل قاطع على فعاليتها، قد تُثار إشكاليات أخلاقية حول استمرارها. في مثل هذه الظروف، يتعرض الكثيرون لمخاطر الجراحة الحقيقية، ومع ذلك قد لا تُقدم هذه العلاجات أي فائدة ملموسة. تُعدّ الجراحة الوهمية وسيلةً تُتيح للعلوم الطبية تحديد مدى فعالية الإجراء الجراحي. ونظرًا لوجود مخاطر معروفة مرتبطة بالعمليات الطبية، فمن المشكوك فيه أخلاقيًا السماح بإجراء عمليات جراحية غير مُثبتة إلى ما لا نهاية في المستقبل.

أُثيرت مخاوف من أن التداخل في البحوث الطبية قد يؤدي إلى نتائج سلبية خاطئة بسبب انخفاض موثوقية التعرض وزيادة الارتباطات بين الأشقاء. ^{[ 30 ] [ 31 ]}

العوامل المؤثرة هي متغيرات كان ينبغي تغييرها بشكل منهجي، سواء داخل الدراسات أو فيما بينها، ولكنها ظلت ثابتة عن طريق الخطأ. وبالتالي، تُشكل هذه العوامل تهديدًا لصحة النتائج الخارجية . وهي عوامل تتغير بتغير المعالجة والنتيجة. وقد حدد كامبل وستانلي ^{[ 32 ]} عدة عوامل مؤثرة. أما التهديدات الرئيسية لصحة النتائج الداخلية فهي: التاريخ، والنضج، والاختبار، والأدوات، والانحدار الإحصائي ، والاختيار، والوفيات التجريبية، والتفاعلات بين الاختيار والتاريخ.

إحدى طرق تقليل تأثير العوامل الخارجية هي استخدام تصميم مجموعة الضبط قبل الاختبار وبعده . في هذا التصميم، تُوزَّع مجموعات من الأشخاص المتكافئين مبدئيًا (في مرحلة الاختبار القبلي) عشوائيًا لتلقي العلاج التجريبي أو حالة الضبط، ثم يُعاد تقييمهم بعد هذه التجربة المختلفة (مرحلة الاختبار البعدي). ^{[ 33 ]} وبالتالي، فإن أي تأثيرات للعوامل الخارجية تتوزع (نظريًا) بالتساوي بين المشاركين في كل من مجموعتي العلاج والضبط.

• مغالطة التفسير القائم على الملاحظة
• الأدلة القصصية – الأدلة التي تعتمد على الشهادة الشخصية 
• الاستدلال السببي – فرع من فروع الإحصاء 
• المنهج الوبائي – المنهج العلمي في مجال محدد 
• مفارقة سيمبسون – خطأ في الاستدلال الإحصائي مع المجموعات 
• تحيز المتغيرات المحذوفة

• بيرل، ج. (يناير 1998). "لماذا لا يوجد اختبار إحصائي للتشويش، ولماذا يعتقد الكثيرون بوجوده، ولماذا هم على صواب تقريبًا" (ملف PDF) . قسم علوم الحاسوب بجامعة كاليفورنيا في لوس أنجلوس، التقرير الفني رقم R-256 .
• مونتغمري، واشنطن العاصمة (2001). "الحجب والتشويش في${\displaystyle 2^{k}}$التصميم العاملي. تصميم وتحليل التجارب (الطبعة الخامسة  ). وايلي. الصفحات 287-302 . يقدم هذا الكتاب المدرسي نظرة عامة على العوامل المربكة وكيفية مراعاتها في تصميم التجارب. {{cite book}}: CS1 maint: postscript ( link )
• بروير، إم بي (2000). "تصميم البحث وقضايا الصلاحية". في: ريس، إتش تي؛ جود، سي إم (محرران). دليل البحث . نيويورك: مطبعة جامعة كامبريدج . ص 3-16 . ISBN  9780521551281.
• سميث، إي آر (2000). "تصميم البحث". في: ريس، إتش تي؛ جود، سي إم (محرران). دليل أساليب البحث في علم النفس الاجتماعي والشخصية . نيويورك: مطبعة جامعة كامبريدج. ص 17-39 . ISBN  9780521551281.

• درس تعليمي: التشويش وتعديل مقياس التأثير (كلية الصحة العامة بجامعة بوسطن)
• الانحدار الخطي (جامعة ييل)
• برنامج تعليمي من جامعة نيو إنجلاند