الانتقال إلى المحتوى
العودة إلى نتائج البحث

دراسة الحالة والشاهد المتداخلة (Nested Case-Control Study)

قدّمه
Nathan Mantel (1973); D. C. Thomas (1977 formalization)
السنة
1973–1977
النوع
Hybrid observational study design
العائلة
Clinical / epidemiology

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

حجم الخط

ماذا تفعل؟

دراسة الحالة والشاهد المتداخلة هي تصميم رصدي فعال مدمج ضمن مجموعة محددة من الأفراد (cohort). لكل مشارك يتطور لديه النتيجة محل الاهتمام (حالة)، يتم اختيار عدد قليل من الشواهد المطابقة من بين أولئك الذين ما زالوا معرضين للخطر في نفس النقطة الزمنية. تمنح استراتيجية أخذ العينات الكثيفة هذه نسب الأرجحية (odds ratios) التي تقارب نسب معدل الوقوع (incidence-rate ratios) من المجموعة الكاملة بتكلفة جمع بيانات أقل بكثير - مما يجعلها البديل المفضل عندما يكون قياس التعرض لجميع أعضاء المجموعة مكلفًا للغاية أو يتطلب تقنيات معقدة.

الفكرة الحدسية وراء الطريقة

تخيل مجموعة مهنية مكونة من 10,000 عامل على مدى 20 عامًا. تريد اختبار ما إذا كان التعرض لمادة كيميائية معينة يزيد من خطر الإصابة بسرطان المثانة، ولكن قياس المؤشرات الحيوية في المصل لجميع المشاركين الـ 10,000 سيكون مكلفًا للغاية. يحل تصميم الحالة والشاهد المتداخلة هذه المشكلة: في كل مرة يتم تشخيص عامل (حالة)، تقوم باختيار عشوائي، لنقل، أربعة عمال من مجموعة المعرضين للخطر - أولئك الذين لم يصابوا بالنتيجة بعد وتم تسجيلهم في وقت مبكر على الأقل - وتقوم بقياس المؤشرات الحيوية لهؤلاء الأشخاص الخمسة فقط. نظرًا لأن الشواهد يتم سحبها من نفس المجموعة وفي نفس نقطة المتابعة، فإن التصميم يرث الهيكل المستقبلي للمجموعة مع تقليل فحوصات المؤشرات الحيوية بنسبة 80% تقريبًا.

التاريخ

تم تصور تصميم الحالة والشاهد المتداخلة بواسطة ناثان مانتل في عام 1973 كوسيلة لتطبيق منطق دراسة الحالة والشاهد الاسترجاعية ضمن بيانات المجموعة المستقبلية، لاستعادة الكفاءة دون التضحية بالسلامة الزمنية. قام دي سي توماس بتشكيل إطار أخذ عينات مجموعة الخطر أو كثافة الوقوع في عام 1977، موضحًا أن نسب الأرجحية المقدرة من هذه العينات تساوي نسبة معدل الوقوع للمجموعة تحت فرضية العدم وتحت أحجام تأثير متواضعة. اكتسب التصميم قبولًا واسعًا في وبائيات المهن والسرطان خلال الثمانينيات والتسعينيات، لا سيما للدراسات التي تتطلب فحوصات مؤشرات حيوية باهظة الثمن على عينات محفوظة. وهو الآن أداة قياسية في الدراسات الكبيرة المرتبطة بالبنك الحيوي والأبحاث الصيدلانية الوبائية.

متى تُستخدم

استخدم تصميم الحالة والشاهد المتداخلة عندما يكون لديك (أو يمكنك تجميع) مجموعة محددة جيدًا ذات هيكل مستقبلي مع بيانات عن النتائج، ولكن قياس التعرضات لجميع الأعضاء مكلف، أو يتطلب تقنيات معقدة، أو يتطلب عينات بيولوجية مخزنة. إنه مثالي عندما يكون التعرض محل الاهتمام هو فحص مختبري، أو علامة وراثية، أو عينة مؤرشفة تكون ميزانية قياسها محدودة. التصميم مناسب أيضًا عندما تحتاج إلى التحكم في العوامل المربكة المتغيرة زمنيًا أو ترغب في دراسة النتائج النادرة ضمن مجموعة كبيرة دون الحاجة إلى تحديد التعرضات للمجموعة بأكملها. لا تستخدم هذا التصميم عندما تكون المجموعة صغيرة جدًا بحيث لا تنتج عددًا كافيًا من الحالات؛ عندما تكون بيانات النتائج غير متوفرة أو غير موثوقة؛ عندما تم قياس جميع التعرضات بالفعل للمجموعة الكاملة (يكون تحليل المجموعة الكاملة أكثر كفاءة حينها)؛ أو عندما يتطلب سؤال البحث تقدير المخاطر المطلقة بدلاً من المخاطر النسبية.

الحدود والاعتبارات

  • يتطلب وجود مجموعة قائمة مسبقًا مع تحديد موثوق للنتائج؛ إن إنشاء مثل هذه المجموعة يتطلب موارد كبيرة بحد ذاته.
  • التصميم المطابق مع الانحدار اللوجستي الشرطي يعني أنه لا يمكن تقييم المتغيرات المطابقة كمتنبئات مستقلة للنتيجة.
  • تتضاءل مكاسب الكفاءة عندما تكون النتائج شائعة (>10% من المجموعة)، وفي هذه الحالة قد يكون تصميم المجموعة الكاملة أو تصميم الحالة والمجموعة الفرعية (case-cohort) مفضلاً.
  • يتطلب اختيار عدد كافٍ من الشواهد لكل حالة حسابات قوة إحصائية دقيقة؛ عدد قليل جدًا من الشواهد يقلل من الكفاءة الإحصائية دون توفير تناسبي في التكاليف.

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

نقاط القوة

  • يقلل بشكل كبير من تكلفة وجهد تقييم التعرض مقارنة بتحليل المجموعة الكاملة - عادةً ما يحتاج فقط 5-10% من أعضاء المجموعة إلى القياس.
  • يضمن أخذ عينات كثافة الوقوع أن نسبة الأرجحية هي تقدير غير متحيز لنسبة معدل الوقوع، مما يحافظ على التفسير السببي للتصميم المستقبلي.
  • يسمح باستخدام التعرضات المتغيرة زمنيًا عن طريق ربط اختيار الشواهد بمجموعة الخطر في لحظة وقوع كل حالة.
  • يرث نقاط قوة المجموعة المستقبلية: توقيت التعرض قبل النتيجة، وتقليل تحيز الاستدعاء مقارنة بدراسة الحالة والشاهد التقليدية.
  • المطابقة المرنة على الوقت والمتغيرات الفردية تتحكم بكفاءة في العوامل المربكة القوية دون الحاجة إلى بيانات المتغيرات للمجموعة الكاملة.

التطبيقات

  • دراسات المؤشرات الحيوية ضمن مجموعات مستقبلية كبيرة - قياس العينات الدموية المخزنة فقط للحالات والشواهد المطابقة لدراسة نتائج السرطان أو أمراض القلب والأوعية الدموية أو الأيض.
  • وبائيات المهن - تقييم التعرضات الكيميائية أو الإشعاعية التراكمية بين العمال الذين يصابون بسرطانات معينة ضمن مجموعة مصنع أو سجل.
  • الصيدلة الوبائية - تقييم التعرض للأدوية والأحداث الضارة ضمن مجموعات قواعد البيانات الصحية الإدارية حيث تكون سجلات الوصفات الطبية كاملة ولكن البيانات السريرية التفصيلية تتطلب مراجعة السجلات.
  • وبائيات الأمراض المعدية - التحقيق في عوامل المضيف أو المُمْرِض للنتائج الشديدة (مثل الاستشفاء، الوفاة) ضمن مجموعة مراقبة للأفراد المصابين.
  • الدراسات الجينية والجينية - إجراء تسلسل الجينات المرشحة أو كامل الإكسوم على الحالات والشواهد المأخوذة من مجموعة سكانية ذات متابعة طويلة الأمد.

كيف يعمل

كيف يعمل

1

تبدأ الدراسة بمجموعة موجودة أو تم تجميعها حديثًا، ديناميكية أو ثابتة، يكون جميع أعضائها خاليين من الأمراض عند الدخول ويتم متابعتهم بمرور الوقت. توفر المجموعة إطار أخذ العينات الذي يتم منه سحب كل من الحالات والشواهد، مما يضمن أن جميع المشاركين يشتركون في خط أساس مشترك ونافذة تعرض مشتركة.

2

خلال المتابعة، يتم تسجيل كل حدث جديد للنتيجة (مثل تشخيص المرض، الوفاة) كحالة، مع تاريخ الحدث الدقيق. غالبًا ما تكون الحالات هي جميع الأحداث الجديدة في المجموعة، ولكن يمكن أيضًا قصر التصميم على مجموعة فرعية محددة (مثل نوع فرعي نسيجي معين).

3

لكل حالة، يتم تشكيل مجموعة معرضة للخطر: جميع أعضاء المجموعة الذين ما زالوا تحت المتابعة وخاليين من الأحداث في لحظة وقوع الحالة. يتم اختيار عدد ثابت من الشواهد (عادةً 1-10 لكل حالة) عشوائيًا من مجموعة الخطر هذه - وهي عملية تسمى أخذ عينات كثافة الوقوع أو أخذ عينات مجموعة الخطر. يمكن مطابقة الشواهد مع حالاتها بناءً على متغيرات مثل العمر والجنس أو الوقت التقويمي لتقليل الارتباك.

4

يتم استرجاع أو قياس معلومات التعرض - المؤشرات الحيوية، العينات البيولوجية المخزنة، السجلات الطبية، أو بيانات المقابلات - فقط للحالات والشواهد المختارة، وليس للمجموعة بأكملها. نظرًا لأن الشواهد يتم سحبها في وقت كل حدث حالة، يمكن التقاط التعرضات المتغيرة زمنيًا في نافذة الخطر ذات الصلة.

5

يتم استخدام الانحدار اللوجستي الشرطي (Conditional logistic regression) لتقدير نسب الأرجحية (ORs) داخل كل مجموعة حالة وشاهد مطابقة، مع مراعاة متغيرات المطابقة. في ظل أخذ عينات كثافة الوقوع، تكون نسبة الأرجحية تقديرًا غير متحيز لنسبة معدل الوقوع (IRR) من تحليل المجموعة الكاملة، مما يجعل النتائج قابلة للتفسير مباشرة كتقديرات لمعدل النسبي.

الأخطاء الشائعة

  • استخدام الحالات السائدة بدلاً من الحالات الجديدة - بما في ذلك المشاركين الذين كانوا يعانون من المرض بالفعل عند دخول المجموعة - يؤدي إلى تحيز طول المدة (length bias) ويكسر افتراض التوقيت بأن التعرض يسبق النتيجة.
  • سحب الشواهد من خارج مجموعة الخطر - اختيار شواهد كانت قد تعرضت بالفعل للنتيجة، أو دخلت المجموعة بعد تاريخ حدث الحالة، يشوه منطق أخذ العينات الكثيفة ويحيز نسبة الأرجحية بعيدًا عن نسبة معدل الوقوع.
  • تجاهل الهيكل المطابق في التحليل - تحليل بيانات الحالة والشاهد المطابقة باستخدام الانحدار اللوجستي غير الشرطي (بدلاً من الانحدار اللوجستي الشرطي) ينتج تقديرات متحيزة، خاصة عندما يكون عدد الشواهد لكل حالة صغيرًا.
  • الفشل في مراعاة التعرضات المتغيرة زمنيًا - استخدام قياس تعرض أساسي واحد عندما تتغير التعرضات خلال المتابعة يؤدي إلى تصنيف خاطئ للتعرض ويحيز النتائج نحو الصفر.
  • المطابقة المفرطة على المتغيرات في مسار السببية - المطابقة على العوامل الوسيطة بين التعرض والنتيجة تزيل التباين اللازم للكشف عن التأثير.

الأسئلة الشائعة

كيف تختلف دراسة الحالة والشاهد المتداخلة عن دراسة الحالة والشاهد التقليدية؟

تقوم دراسة الحالة والشاهد التقليدية بتجنيد الحالات من مستشفى أو سجل وتختار الشواهد من عامة السكان، مما يجعل من الصعب ضمان أن الشواهد جاءت من نفس مجتمع المصدر مثل الحالات. تسحب دراسة الحالة والشاهد المتداخلة كل من الحالات والشواهد من مجموعة محددة ذات تواريخ دخول ومتابعة معروفة، لذا فإن مجتمع المصدر واضح ويضمن أن الشواهد كانت معرضة لخطر الإصابة بالحالات - وهذا يزيل مصدرًا رئيسيًا لتحيز الاختيار ويسمح لنسبة الأرجحية بتقدير نسبة معدل الوقوع.

كم عدد الشواهد لكل حالة يجب أن أختار؟

يلتقط اختيار 4-5 شواهد لكل حالة معظم مكاسب الكفاءة الإحصائية مقارنة بتحليل المجموعة الكاملة؛ بعد نسبة حوالي 10:1، تكون المكاسب الهامشية ضئيلة. يعتمد العدد الأمثل على التكلفة النسبية للحصول على بيانات الحالة مقابل بيانات الشاهد ومتطلبات القوة الإحصائية. بالنسبة للنتائج النادرة حيث تكون كل حالة ثمينة، قد يكون ما يصل إلى 10 شواهد لكل حالة مبررًا.

ما هو الفرق بين دراسة الحالة والشاهد المتداخلة ودراسة الحالة والمجموعة الفرعية (case-cohort study)؟

كلا التصميمين يأخذان عينات من مجموعة لتقليل تكاليف تحديد التعرض. في دراسة الحالة والشاهد المتداخلة، يتم مطابقة الشواهد مع مجموعة الخطر لكل حالة في وقت حدث الحالة، ويتم استخدام الانحدار اللوجستي الشرطي. في دراسة الحالة والمجموعة الفرعية، يتم اختيار مجموعة فرعية عشوائية عند خط الأساس وتعمل كمجموعة مقارنة لجميع الحالات بغض النظر عن وقت حدوثها؛ هذا يسمح باستخدام نفس المجموعة الفرعية لنتائج متعددة ولكنه يتطلب تحليلات مرجحة أكثر تعقيدًا. تصميمات الحالة والشاهد المتداخلة أسهل بشكل عام في التحليل؛ تصميمات الحالة والمجموعة الفرعية مفضلة عندما سيتم دراسة نتائج متعددة في وقت واحد.

هل يمكنني استخدام تصميم الحالة والشاهد المتداخلة مع مجموعة استرجاعية؟

نعم. على الرغم من أن التصميم مستقبلي من الناحية المفاهيمية - التعرض يسبق النتيجة - إلا أنه يمكن دمجه في مجموعة استرجاعية تم تجميعها من سجلات تاريخية. المتطلبات الرئيسية هي أن تواريخ دخول المجموعة وفترات المتابعة وتواريخ النتائج موثقة بشكل موثوق، وأن معلومات التعرض يمكن استرجاعها للحالات والشواهد المختارة دون معرفة حالة الحالة (لتجنب تحيز المعلومات).

ما هو البرنامج الذي يمكنني استخدامه للانحدار اللوجستي الشرطي في بيانات الحالة والشاهد المتداخلة؟

الانحدار اللوجستي الشرطي لبيانات الحالة والشاهد المطابقة متاح في R (دالة clogit في حزمة survival)، و Stata (أمر clogit)، و SAS (PROC LOGISTIC مع عبارة STRATA)، و SPSS. يجب تضمين متغير المطابقة (عادةً معرف مجموعة الحالة) كمعرف للطبقة. بالنسبة لتحليلات الوقت حتى الحدث باستخدام مجموعة الخطر الكاملة، فإن الاحتمالية الجزئية لـ Cox مع المطابقة الزمنية تعادل رياضيًا الانحدار اللوجستي الشرطي في ظل أخذ عينات كثافة الوقوع.

طرق ذات صلة

المصادر

  1. Thomas, D. C. (1977). Addendum to: Methods of cohort analysis: Appraisal by application to asbestos mining. Journal of the Royal Statistical Society, Series A, 140(4), 469–491.

    افتح مرجع المنشور
    تم النسخ.
  2. Mantel, N. (1973). Synthetic retrospective studies and related topics. Biometrics, 29(3), 479–486.

    افتح مرجع DOI
    تم النسخ.