Большие данные и большой объём выборки: предостережение о потенциальных систематических ошибках

В ряде комментариев высказывалось предположение, что крупные исследования надёжнее небольших; кроме того, растёт интерес к анализу «больших данных», объединяющему информацию о многих тысячах людей и/или сведения из разных источников. Мы рассматриваем различные виды систематических ошибок, вероятные в эпоху больших данных, включая ошибки выборки, ошибки измерения, ошибки при множественных сравнениях, ошибки агрегирования и ошибки, связанные с систематическим исключением информации. На примерах из эпидемиологии, исследований служб здравоохранения, изучения детерминант здоровья и клинических исследований мы показываем, что необходимо проявлять большую осторожность, чтобы увеличение объёма выборки не приводило к существенным ошибкам в выводах. Несмотря на преимущества крупных исследований, большой объём выборки может усиливать систематические ошибки, обусловленные ошибками выборки или дизайна исследования.