الانتقال إلى المحتوى
العودة إلى نتائج البحث

تصميم الدراسة المقطعية

قدّمه
Epidemiologists in the mid-20th century; formalized by Kelsey, Rothman, and others
السنة
1950s-1970s
النوع
Research Design
العائلة
observational design

هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية

حجم الخط

ماذا تفعل؟

تقيس الدراسة المقطعية (أو دراسة الانتشار) التعرض والنتيجة بشكل متزامن في نقطة زمنية واحدة، مما ينتج عنه 'لقطة' للسكان. يتم تجنيد المستجيبين واستبيانهم (أو فحصهم) في نفس المناسبة، مما يلتقط الانتشار الحالي لكل من التعرض والمرض. دراسات المقطع العرضي بسيطة وسريعة وغير مكلفة، مما يجعلها شائعة لتقييم الاحتياجات والمراقبة وتوليد الفرضيات - على الرغم من أنها لا تستطيع إثبات السببية بسبب الافتقار إلى التسلسل الزمني.

الفكرة الحدسية وراء الطريقة

تخيل أنك تدخل مصنعًا في صباح أحد الأيام وتستطلع جميع العمال البالغ عددهم 500: 'هل تعاني من آلام في الظهر؟ كم ساعة في اليوم تقضيها في الرفع؟' تحسب عدد العمال الذين يعانون من آلام في الظهر بشكل عام (الانتشار)، ثم تقارن بين الذين تعرضوا للرفع الثقيل مقابل العمال الذين يقومون بمهام خفيفة. تجد أن 30٪ من عمال الرفع الثقيل يعانون من آلام في الظهر مقابل 10٪ من عمال المهام الخفيفة. نسبة الانتشار هي 3:1. ولكن هنا تكمن المشكلة: أنت لا تعرف ما إذا كان الرفع الثقيل قد تسبب في آلام الظهر، أو ما إذا كان العمال الذين يعانون من آلام في الظهر قد تحولوا إلى مهام أخف. لقد قمت بقياس التعرض والنتيجة في نفس الوقت، لذا فإن التسلسل الزمني غامض. دراسات المقطع العرضي رائعة للتقييمات السريعة وتقدير الانتشار ولكنها ضعيفة للاستدلال السببي.

التاريخ

تعود جذور الدراسات المقطعية إلى مراقبة الصحة العامة وأعمال التعداد السكاني في أوائل القرن العشرين. في علم الأوبئة الحديث، تم إضفاء الطابع الرسمي عليها كدراسات انتشار في منتصف القرن العشرين. تشمل الأمثلة الشهيرة المسح الوطني لفحص الصحة والتغذية (NHANES، بدأ في الستينيات، الولايات المتحدة)، والذي أجرى مسوحات مقطعية للحالة الصحية للمواطنين الأمريكيين والنظام الغذائي وعوامل الخطر. أصبحت التصاميم المقطعية الآن قياسية للمراقبة (على سبيل المثال، نظام مراقبة عوامل الخطر السلوكية التابع لمراكز السيطرة على الأمراض والوقاية منها، BRFSS) وللرصد الصحي الدولي (على سبيل المثال، المسوحات الديموغرافية والصحية، DHS). أدى ظهور السجلات الصحية الإلكترونية والبيانات الإدارية إلى تمكين الدراسات المقطعية الاسترجاعية الكبيرة.

متى تُستخدم

استخدم الدراسات المقطعية من أجل: (1) تقدير انتشار المرض أو الحالة في السكان (المراقبة، رصد الصحة العامة)، (2) تقييم الاحتياجات: كم عدد المرضى الذين يحتاجون إلى خدمة؟، (3) توليد الفرضيات: ما هي العوامل المرتبطة بالنتيجة؟، (4) التقييم السريع: دورة سريعة (أسابيع إلى أشهر)، (5) دراسة الحالات المزمنة حيث يصعب قياس الحدوث ولكن الانتشار مستقر، (6) تقييم التعرضات المتعددة لنتيجة واحدة في جلسة واحدة، (7) دراسات تجريبية قبل إطلاق أبحاث مكلفة على المدى الطويل أو دراسات الحالة والشاهد.

الحدود والاعتبارات

  • لا يمكن إثبات السببية: التسلسل الزمني غائب؛ بيانات المقطع العرضي لا يمكن أن تثبت أن التعرض سبق النتيجة.
  • حالات منتشرة فقط: تلتقط الحالات الموجودة في نقطة زمنية واحدة؛ تفوت الحالات الجديدة وأولئك الذين تعافوا أو ماتوا. قد تختلف الارتباطات بين الحالات المنتشرة والحالات الجديدة.
  • تحيز الناجين: إذا كان المرض مميتًا أو يؤدي إلى الهجرة/الاستشفاء، فقد يتم تمثيل الأفراد المتأثرين تمثيلاً ناقصًا في العينة المقطعية.
  • غموض التعرض والنتيجة: هل يسبب التعرض النتيجة، أم أن النتيجة تغير التعرض المبلغ عنه؟ لا يمكن استبعاد السببية العكسية.
  • تحيز الاستدعاء: إذا كان التعرض تاريخيًا (السؤال عن التعرضات السابقة)، فإن دقة الاستدعاء تعتمد على الذاكرة والدافع، خاصة لدى الأشخاص المرضى.

لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.

نقاط القوة

  • السرعة والكفاءة: يتم جمع البيانات في فترة زمنية قصيرة (أسابيع إلى أشهر)، وليس سنوات متابعة.
  • تكلفة منخفضة: لا يوجد تتبع طولي أو إعادة اتصال؛ يكفي استبيان/فحص واحد.
  • بسيطة وعملية: سهلة التنفيذ في العيادات أو المدارس أو أماكن العمل أو المجتمعات المحلية.
  • تقدير الانتشار: تقدر الانتشار مباشرة (عبء المرض)، وهو مفيد لتخطيط الصحة العامة والمراقبة.
  • تعرض ونتائج متعددة: يمكن لاستبيان مقطعي واحد قياس العديد من التعرضات والنتائج في وقت واحد، وهو فعال لتوليد الفرضيات.

التطبيقات

  • انتشار الأمراض المزمنة: تقيم المسوحات الوطنية انتشار ارتفاع ضغط الدم والسكري والسمنة في السكان؛ النتائج توجه سياسات الصحة العامة وتخصيص الموارد.
  • مراقبة الصحة المهنية: تقوم المصانع أو أماكن العمل باستطلاع الموظفين حول الأعراض (التنفسية، العضلية الهيكلية) والتعرضات، وتقدير انتشار الحالات المتعلقة بالعمل.
  • صحة الطلاب والسلوكيات الخطرة: تستطلع المدارس الطلاب حول الصحة العقلية وتعاطي المخدرات والنشاط البدني والتنمر؛ النتائج توجه برامج الصحة المدرسية.
  • مسوحات مرضى المستشفيات: عند القبول أو الخروج، تم استطلاع المرضى حول الأعراض والإعاقات والرضا؛ يساعد ذلك في تقييم النتائج التي تركز على المريض وفجوات الخدمة.
  • البحث التشاركي المجتمعي: تقيم المسوحات المقطعية في الأحياء الفوارق الصحية ومحو الأمية الصحية والعوامل الاجتماعية؛ تحدد النتائج أهداف التدخل.

كيف يعمل

كيف يعمل

1

حدد السكان المستهدفين (على سبيل المثال، البالغين الذين تتراوح أعمارهم بين 18 و 65 عامًا في بلدية، أو موظفي شركة، أو مرضى في مستشفى). اختر عينة تمثيلية باستخدام أخذ العينات العشوائية، أو أخذ العينات الطبقية (خذ عينات منفصلة حسب العمر والجنس والمنطقة لضمان التوازن)، أو أخذ عينات العناقيد (خذ عينات من عناقيد مثل المدارس أو الأحياء، ثم خذ عينات من الأفراد داخل العناقيد). قم بتجنيد المشاركين وإدارة استبيان (استبيان، مقابلة) أو فحص سريري لقياس كل من التعرض والنتيجة في نقطة زمنية واحدة. قم بتوحيد جمع البيانات: نفس تدريب القائم بالمقابلة، نفس الأدوات، بروتوكولات متسقة. سجل الخصائص الديموغرافية والعوامل المربكة المحتملة (العمر، الجنس، التعليم، الأمراض المصاحبة، إلخ). أكمل جمع البيانات في نافذة زمنية ضيقة للحفاظ على طبيعة 'اللقطة'.

الصيغة
Define target population; select representative sample via random, stratified, or cluster sampling; enroll participants and administer survey or examination.
2

احسب الانتشار: الانتشار = (عدد المصابين بالنتيجة) / (إجمالي حجم العينة). عبر عنه كنسبة أو نسبة مئوية. للتحليل المصنف حسب التعرض، احسب الانتشار في المجموعة المعرضة = (المصابون بالنتيجة بين المعرضين) / (إجمالي المعرضين)؛ وبالمثل للمجموعة غير المعرضة. احسب نسبة الانتشار (PR): PR = الانتشار_المعرض / الانتشار_غير المعرض. تشير PR > 1 إلى أن التعرض مرتبط بانتشار أعلى (قد يشير إلى عامل خطر، ولكن التوقيت الزمني غير واضح). تشير PR < 1 إلى انتشار أقل في المجموعة المعرضة (ارتباط وقائي، ولكن مرة أخرى غموض زمني). احسب فاصل الثقة 95٪ للانتشار ونسبة الانتشار باستخدام طرق ذي الحدين أو بواسون. اضبط العوامل المربكة: استخدم الانحدار اللوجستي لتقدير نسبة الانتشار المعدلة (أو استخدم الانحدار ذي الحدين اللوغاريتمي الذي ينمذج نسبة الانتشار مباشرة)؛ قم بالإبلاغ عن نسبة الانتشار المعدلة مع فاصل الثقة.

الصيغة
Calculate prevalence (proportion with outcome); compute Prevalence Ratio (PR) = Prevalence_{\text{exposed}} / Prevalence_{\text{unexposed}}; adjust for confounders using logistic regression.
3

تشير نسبة الانتشار (PR) البالغة 2 إلى أن المجموعة المعرضة لديها ضعف انتشار النتيجة مقارنة بالمجموعة غير المعرضة. ومع ذلك، قم بالتفسير بحذر: قد يتسبب التعرض في النتيجة، أو قد تتسبب النتيجة في تصور التعرض، أو قد ينتج كلاهما عن متغير ثالث. الغموض الزمني يحد من الاستدلال السببي؛ بيانات المقطع العرضي لا يمكن أن تثبت السببية. الانتشار مفيد لتوصيف عبء المرض في السكان (المراقبة، تقييم الاحتياجات، تخطيط الموارد) ولكن ليس لقياس المخاطر أو تحديد المسببات. إذا كان المرض نادرًا في السكان وكانت العينة مقطعية، فقد تعكس الارتباطات المرصودة الحالات المنتشرة (الناجين) الذين يختلفون عن الحالات الجديدة في التعرضات. قم بتعميم النتائج على السكان المستهدفين الذين تم سحب العينة منهم.

الصيغة
Interpret PR; note temporal ambiguity (cannot establish exposure preceded outcome); generalize to target population; discuss confounding and selection bias.

الأخطاء الشائعة

  • الخلط بين الانتشار والحدوث: الانتشار = الحالات الموجودة في وقت واحد؛ الحدوث = الحالات الجديدة على مدى فترة. تقيس الدراسات المقطعية الانتشار، وليس الحدوث.
  • اختيار عينات غير تمثيلية: أخذ العينات الملائمة (على سبيل المثال، استطلاع حضور العيادة فقط أو المتطوعين) يؤدي إلى تحيز الاختيار. استخدم أخذ العينات العشوائية أو الطبقية من سكان محددين.
  • تفسير نسبة الانتشار كنسبة خطر: في الدراسات الطولية، نسبة الخطر = الحدوث في المجموعة المعرضة / الحدوث في المجموعة غير المعرضة. في الدراسات المقطعية، نسبة الانتشار = الانتشار في المجموعة المعرضة / الانتشار في المجموعة غير المعرضة. هذان ليسا متكافئين؛ لا تخلط بينهما.
  • تجاهل البيانات المفقودة: إذا لم يجيب العديد من المشاركين على أسئلة التعرض، أو لديهم مقاييس نتائج غير مكتملة، فإن التقديرات متحيزة. قم بالإبلاغ عن البيانات المفقودة وإجراء تحليلات الحساسية.
  • الإفراط في تفسير الارتباطات الضعيفة: يمكن أن تكون نسبة الانتشار المقطعية صغيرة وغير دقيقة؛ قد تنشأ الارتباطات الضعيفة من الارتباك. قم بوضع فرضيات محددة مسبقًا واضبط العوامل المربكة المعروفة.

الأسئلة الشائعة

ما الفرق بين الانتشار والحدوث؟

الانتشار هو نسبة السكان المصابين بمرض (أو حالة) في وقت محدد: الانتشار = (الحالات الموجودة) / (إجمالي السكان). الحدوث هو معدل الحالات الجديدة التي تتطور خلال فترة زمنية: الحدوث = (الحالات الجديدة) / (شخص-وقت في خطر). تقيس الدراسات المقطعية الانتشار. تقيس الدراسات الطولية الحدوث. يعتمد الانتشار على كل من الحدوث ومدة المرض: إذا كان العلاج يطيل البقاء على قيد الحياة، يزداد الانتشار دون تغيير الحدوث. الانتشار مفيد لتقييم عبء المرض والاحتياجات؛ الحدوث يقيس خطر المرض.

لماذا لا يمكنني إثبات السببية من دراسة مقطعية؟

تتطلب السببية تسلسلاً زمنيًا: يجب أن يسبق السبب النتيجة. تقيس الدراسة المقطعية التعرض والنتيجة في نفس الوقت، لذلك لا يمكنك تحديد أيهما جاء أولاً. على سبيل المثال، في استطلاع للعمال، فإن العثور على أن أولئك الذين يبلغون عن آلام في الظهر يبلغون أيضًا عن رفع الأثقال لا يخبر ما إذا كان الرفع قد تسبب في الألم أو ما إذا كان العمال الذين يعانون من الألم قد تحولوا إلى مهام أخف. هذه هي السببية العكسية أو الارتباط ثنائي الاتجاه. تثبت الدراسات الطولية التسلسل الزمني عن طريق قياس التعرض أولاً، ثم المتابعة لقياس النتيجة؛ وهي أقوى بكثير للاستدلال السببي من الدراسات المقطعية.

كيف أحسب حجم العينة لدراسة انتشار مقطعية؟

لتقدير انتشار واحد، استخدم: n = (Z²/2 × p × (1 − p)) / d²، حيث p هو الانتشار المتوقع، d هو هامش الخطأ المقبول (على سبيل المثال، ±0.05)، و Z هي القيمة الحرجة (1.96 لفاصل ثقة 95٪). على سبيل المثال، إذا كان الانتشار المقدر هو 20٪، وهامش الخطأ المقبول هو ±5٪، فإن n ≈ (1.96² × 0.20 × 0.80) / 0.05² ≈ 246. لمقارنة مجموعتين معرضتين، استخدم صيغ مقارنة الانتشار لمجموعتين (مشابهة لاختبارات النسب لمجموعتين). خذ في الاعتبار التجميع (إذا كنت تأخذ عينات من عناقيد مثل المدارس) باستخدام تأثير التصميم. خذ في الاعتبار عدم الاستجابة المتوقعة أو التسرب (قم بزيادة n حسب نسبة الاستجابة).

ما هو تحيز الناجين، وكيف يؤثر على الدراسات المقطعية؟

يحدث تحيز الناجين عندما تشمل العينة المقطعية فقط أولئك الذين على قيد الحياة وفي السكان في وقت المسح، باستثناء أولئك الذين ماتوا أو هاجروا بسبب النتيجة. على سبيل المثال، قد يفوت مسح مقطعي للمقيمين الذين يعانون من السكتة الدماغية أولئك الذين ماتوا من السكتة الدماغية قبل تاريخ المسح، أو أولئك الذين انتقلوا بسبب الإعاقة. قد تختلف الحالات المتبقية (الناجين) عن جميع الحالات في التعرضات أو الشدة. هذا يحيز الارتباط بين التعرض والنتيجة. لتقليل ذلك، يجب أن تقيس الدراسات المقطعية النتائج مبكرًا (الحالات الجديدة) بدلاً من متأخرًا (الناجين المنتشرين)، أو استخدام حالات مستندة إلى المستشفى أو سجلات لالتقاط مجموعات حالات أوسع.

طرق ذات صلة

المصادر

  1. Kelsey, J. L., Whittemore, A. S., Evans, A. S., & Thompson, W. D. (1996). Methods in Observational Epidemiology (2nd ed.). Oxford University Press.

    ردمك: 978-0195083299
    تم النسخ.
  2. Rothman, K. J., Lash, T. L., & Greenland, S. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.

    ردمك: 978-0781755657
    تم النسخ.
  3. Lynn, P. (2009). Methodology of longitudinal surveys. Wiley Interdisciplinary Reviews: Computational Statistics, 1(3), 369–379.

    افتح مرجع المنشور
    تم النسخ.