Attrition: een valkuil in academisch onderzoek

Tijdens een scriptie kan je veel valkuilen tegenkomen. Vooral als het gaat om het ontwerpen en uitvoeren van onderzoek. Een van de valkuilen waar studenten vaak mee te maken krijgen, is attrition bias. Maar wat is attrition bias? En waarom is het van belang dat je dat weet? We leggen het je uit in dit artikel.

Wat is Attrition?

Attrition, in de context van onderzoek, verwijst naar het verlies van deelnemers gedurende de looptijd van een onderzoek. Dit verlies kan om verschillende redenen optreden, zoals deelnemers die zich terugtrekken, verhuizen, of simpelweg niet meer beschikbaar zijn voor follow-upmetingen. Attrition kan aanzienlijke gevolgen hebben voor de geldigheid van onderzoeksresultaten.

In welke onderzoeken komt Attrition voor?

Attrition is een probleem dat in veel soorten onderzoek kan voorkomen, met name in longitudinale studies (waarbij dezelfde deelnemers gedurende een langere periode worden gevolgd). Enkele voorbeelden van onderzoeken waar attrition een rol kan spelen, zijn:

  • Medisch onderzoek. Bij klinische proeven moeten deelnemers gedurende een bepaalde periode medicatie innemen of behandelingen ondergaan. Sommige deelnemers kunnen echter uitvallen om verschillende redenen, zoals bijwerkingen of persoonlijke omstandigheden.

  • Psychologisch onderzoek.Onderzoek naar gedragsveranderingen of mentale gezondheid kan vereisen dat deelnemers gedurende meerdere sessies of maanden worden gevolgd. Attrition kan optreden als deelnemers niet langer willen deelnemen.

  • Educatief onderzoek. Studies naar onderwijsprestaties kunnen last hebben van attrition als studenten van school veranderen, afstuderen of besluiten niet meer deel te nemen.

Redenen voor Attrition

Er zijn verschillende redenen waarom attrition kan optreden in onderzoek. Enkele veelvoorkomende redenen zijn:

  • Verlies van interesse. Deelnemers kunnen na verloop van tijd hun interesse verliezen in het onderzoek of deelnemen aan andere activiteiten.

  • Persoonlijke omstandigheden. Deelnemers kunnen geconfronteerd worden met persoonlijke problemen zoals ziekte, verhuizing of werkverplichtingen, waardoor ze niet langer kunnen deelnemen.

  • Onverwachte gebeurtenissen. Onvoorziene gebeurtenissen, zoals natuurrampen of pandemieën, kunnen de voortgang van het onderzoek belemmeren.

  • Onaangename ervaringen. Als deelnemers negatieve ervaringen hebben met het onderzoek, bijvoorbeeld door ongemakkelijke vragen of procedures, kunnen ze ervoor kiezen om niet langer deel te nemen.

Soorten Attrition: Random en Attrition Bias

Er zijn twee belangrijke soorten attrition: willekeurige attrition en attrition bias.

1. Willekeurige Attrition

Dit verwijst naar het verlies van deelnemers dat willekeurig optreedt en geen systematische invloed heeft op de resultaten van het onderzoek. De deelnemers die blijven, zijn vergelijkbaar met de deelnemers die uitvallen. Hoewel willekeurige attrition onvermijdelijk is in veel onderzoeken, kan het doorgaans worden beschouwd als een normaal verschijnsel.

2. Attrition Bias

In tegenstelling tot willekeurige attiriton is attrition bias wel een systematische fout. Deelnemers die uitvallen, verschillen van de deelnemers die blijven. Dit treedt op wanneer het verlies van deelnemers niet willekeurig is. De overgebleven steekproef is dan niet langer representatief is voor de oorspronkelijke steekproef. Dit kan leiden tot vertekende resultaten en een verminderde geldigheid van de bevindingen.

Hoe verwijder je Attrition Bias?

Het voorkomen van attrition bias is essentieel voor de geldigheid van je onderzoek. Hier zijn enkele strategieën om het te minimaliseren:

  • Inclusiecriteria. Zorg voor duidelijke inclusiecriteria bij het werven van deelnemers. Dit kan helpen om deelnemers te selecteren die waarschijnlijk gedurende het hele onderzoek betrokken zullen blijven.

  • Goede communicatie. Onderhoud regelmatig contact met deelnemers om hun betrokkenheid te behouden en eventuele zorgen of problemen aan te pakken.

  • Vergoeding. Overweeg deelnemers te vergoeden voor hun tijd en inspanningen, wat hun motivatie om deel te nemen kan vergroten.

  • Strategische follow-up. Plan follow-upmomenten op geschikte tijdstippen om het verloop te minimaliseren.

  • Gebruik van statistische technieken. Als attrition niet volledig kan worden voorkomen, overweeg dan het gebruik van geavanceerde statistische technieken zoals propensity score matching om de effecten van attrition te corrigeren.

Attrition Bias in perspectief

Attrition bias is een belangrijke overweging in elk onderzoek, en het kan aanzienlijke gevolgen hebben voor de geldigheid van je bevindingen. Als student die een scriptie schrijft, is het van essentieel belang om attrition en attrition bias te begrijpen, en de juiste stappen te ondernemen om ze te detecteren en te minimaliseren. Door zorgvuldig aandacht te besteden aan dit aspect van onderzoek, kun je ervoor zorgen dat je scriptie solide en betrouwbare resultaten oplevert.

Hulp bij statistiek nodig? Schakel een professionele begeleider van Scriptium in

Loop je tegen problemen aan tijdens het schrijven van je scriptie? Scriptium kan je helpen om je eindwerk foutloos in te leveren. Neem scriptiebegeleiding om je scriptie naar een hoger niveau te tillen. Gewoon een vraag stellen aan een expert of scriptiehulp inschakelen? Ook daarvoor ben je bij Scriptium aan het juiste adres. Neem vandaag nog contact met ons op, en we helpen je meteen!  

Zeinab is een scriptieblogschrijver bij scriptium. Ze heeft Medische Natuurwetenschappen gestudeerd en Applied Cognitive psychology. Ze is geïnteresseerd in alles wat wetenschappelijk is en schrijft er graag over.

Laat een reactie achter

Je hebt al gestemd op dit artikel. Bedankt :-)
Wat vind jij van dit artikel?