Research-এ Confounding Variable কী, কীভাবে চিনবেন এবং কেন গুরুত্বপূর্ণ?

🔎 Research-এ দুইটি variable-এর মধ্যে association দেখতে পেলেই কি ধরে নেওয়া যায় যে একটির কারণে অন্যটি হচ্ছে?

 

     ➡️ সবসময় নয়। অনেক সময় এক বা একাধিক অন্য variable এই relationship-কে প্রভাবিত করতে পারে। ফলে আমরা যে relationship দেখছি, সেটিকে ভুলভাবে interpret করতে পারি। এই ধরনের প্রভাব সৃষ্টিকারী variable-গুলোকে বলা হয় Confounding Variables বা Confounders।

🔎Confounding Variable কী?

Confounding Variable হলো এমন একটি variable, যা একই সঙ্গে মূল independent variable (বা exposure) এবং outcome-এর সঙ্গে সম্পর্কিত এবং এ কারণে তাদের মধ্যকার observed relationship-কে বিভ্রান্ত বা distort করতে পারে।

উদাহরণ:

ধরুন, একটি research-এ দেখা গেল, যেসব এলাকায় air pollution বেশি, সেসব এলাকায় respiratory disease-ও বেশি।

এখন কি সরাসরি বলা যাবে, “Air pollution-এর কারণেই respiratory disease বেশি”?

    ➡️ সরাসরি বলা যাবে না। কারণ এই relationship-এর পেছনে একাধিক confounding variable থাকতে পারে। যেমন:

 

 👉 Smoking respiratory disease-এর ঝুঁকি বাড়াতে পারে এবং কিছু population-এ smoking-এর হার বেশি হতে পারে।
 👉 Occupational exposure, যেমন dust বা chemicals-এর সংস্পর্শ, respiratory disease-এর সঙ্গে সম্পর্কিত হতে পারে এবং নির্দিষ্ট এলাকায় এই exposure               বেশি হতে পারে।
 👉 Socioeconomic status-এর সঙ্গে housing condition, healthcare access এবং occupational exposure-এর মতো বিভিন্ন factor-এর সম্পর্ক থাকতে                 পারে, যা outcome-কে প্রভাবিত করতে পারে।

তাই smoking, occupational exposure বা socioeconomic status—research design ও causal relationship-এর ওপর নির্ভর করে—এক বা একাধিক সম্ভাব্য confounder হতে পারে।

🔎 Confounding Variable কীভাবে চিনবেন?

   ➡️Confounding variable চেনার জন্য তিনটি প্রশ্ন করুন:

তিনটি প্রশ্নের উত্তর “হ্যাঁ” হলে variable-টি সম্ভাব্য confounder হতে পারে।

উদাহরণ:

ধূমপান → ফুসফুসের ক্যান্সার

এখানে “বয়স“ বা “পেশা“ ধূমপান থেকে ফুসফুসের ক্যান্সারের সরাসরি causal pathway-এর অংশ নয়। তাই এগুলো সম্ভাব্য confounder হতে পারে।

অন্যদিকে, রক্তে “কার্বন মনোক্সাইড“-এর মাত্রা ধূমপানের প্রভাবের মাধ্যমে outcome-এর দিকে যাওয়া causal pathway-এর অংশ হতে পারে। তাই এটি mediator, confounder নয়।

 

🔎Confounding Variable কেন গুরুত্বপূর্ণ?

     ➡️সম্ভাব্য confounding variables-গুলো বিবেচনায় না নিলে আমরা কোনো relationship-এর effect-কে বাস্তবের তুলনায় বেশি বা কম হিসেবে interpret করতে পারি। অন্যদিকে, confounding variables-গুলো যথাযথভাবে adjust বা control করার পরও যদি association পাওয়া যায়, তাহলে সেই association-এর interpretation তুলনামূলকভাবে বেশি নির্ভরযোগ্য হয়। 

📌তবে confounding control করার পর association পাওয়া গেলেই সেটিকে সরাসরি causal relationship-এর প্রমাণ হিসেবে ধরা যায় না।

🔎কোন Research-এ Confounding গুরুত্বপূর্ণ?

Confounding বিশেষভাবে গুরুত্বপূর্ণ observational research-এ, যেমন:

 👉 Cohort Study

 👉 Case-Control Study

 👉 Cross-Sectional Study

 📌Randomized Controlled Trial (RCT)-এ randomization-এর কারণে confounding সাধারণত অনেকটাই কমে যায়।

 

🔎Confounding কীভাবে control করা যায়?

 

Research design ও analysis-এর ধরন অনুযায়ী Confounding control করার জন্য বিভিন্ন পদ্ধতি ব্যবহার করা যেতে পারে, যেমন:

👉 Stratification

👉 Matching

👉 Multivariable Adjustment — যেমন: Linear Regression বা Logistic Regression-এর মাধ্যমে একাধিক potential confounder একসঙ্গে বিবেচনায় নিয়ে statistical adjustment করা যায়।