Skip to content
بازگشت به نتایج جست‌وجو

مطالعه کوهورت تطبیقی — طرح مطالعه کوهورت تطبیقی

معرفی‌شده توسط
Extension of classic cohort methods; adaptive design principles formalised by regulatory and epidemiology communities in the 2000s–2010s
سال
2000s–2010s (systematic formalisation)
نوع
Observational / adaptive epidemiological design
خانواده
Clinical / epidemiology

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

مطالعه کوهورت تطبیقی یک طرح مشاهده‌ای طولی است که گروه مشخصی از افراد را در طول زمان برای ارزیابی روابط مواجهه-پیامد دنبال می‌کند، در حالی که قوانین تطبیقی از پیش تعیین‌شده‌ای را در بر می‌گیرد که امکان اصلاح پروتکل — مانند برآورد مجدد اندازه نمونه، غنی‌سازی زیرگروه، یا تنظیمات برنامه اندازه‌گیری — را بر اساس داده‌های میانی انباشته‌شده فراهم می‌کند. تطبیق‌ها بدون به خطر انداختن اعتبار انجام می‌شوند و توسط یک طرح تحلیل آماری که قبل از شروع جمع‌آوری داده‌ها مورد توافق قرار گرفته است، هدایت می‌شوند.

شهود پشت روش

یک مطالعه کوهورت استاندارد را مانند قطاری در نظر بگیرید که روی ریل‌های ثابت حرکت می‌کند: شما شرکت‌کنندگان را ثبت‌نام می‌کنید، سال‌ها آن‌ها را دنبال می‌کنید و در پایان داده‌ها را تحلیل می‌کنید. مطالعه کوهورت تطبیقی، خطوط راه‌آهن کنترل‌شده‌ای را اضافه می‌کند: در نقاط بازرسی از پیش تعیین‌شده، شما به داده‌های انباشته‌شده نگاه می‌کنید و تصمیم می‌گیرید که آیا مسیر را تنظیم کنید — اگر میزان رویدادها کمتر از حد انتظار باشد، شرکت‌کنندگان بیشتری را ثبت‌نام کنید، تمرکز را بر روی زیرگروهی که بیشترین تأثیر را می‌پذیرد، محدود کنید، یا فرکانس ویزیت‌های پیگیری را تغییر دهید. کلمه کلیدی «از پیش تعیین‌شده» است: قوانین مربوط به زمان و نحوه تطبیق، قبل از مشاهده داده‌ها در پروتکل قفل می‌شوند و از سوگیری ناشی از تصمیمات موردی جلوگیری می‌کنند.

تاریخ

مطالعه کوهورت تطبیقی از دو سنت همگرا ظهور کرد: تاریخچه طولانی روش‌های کوهورت آینده‌نگر در اپیدمیولوژی — قابل ردیابی تا مطالعه قلب فرامینگهام که در سال ۱۹۴۸ راه‌اندازی شد — و رسمی‌سازی اصول طراحی تطبیقی در کارآزمایی‌های بالینی در طول دهه‌های ۱۹۹۰ و ۲۰۰۰، که در اسناد راهنمای FDA (۲۰۱۹) و EMA (۲۰۰۷) تدوین شد. اپیدمیولوژیست‌ها شروع به ترکیب سیستماتیک این چارچوب‌ها در دهه ۲۰۰۰ برای پرداختن به ناکارآمدی‌ها در مطالعات مشاهده‌ای طولانی‌مدت، به‌ویژه در فارماکو‌اپیدمیولوژی و تحقیقات پزشکی دقیق کردند.

چه زمانی استفاده شود

هنگامی از مطالعه کوهورت تطبیقی استفاده کنید که رابطه مواجهه-پیامد هنوز به‌خوبی مشخص نشده است و عدم قطعیت واقعی در مورد میزان رویدادهای مورد انتظار، اندازه‌های اثر، یا اینکه کدام زیرگروه آموزنده‌تر است وجود دارد — که باعث ناکارآمدی یا کمبود توان در طرح کاملاً ثابت می‌شود. این روش به‌ویژه در اپیدمیولوژی بیماری‌های نادر، فارماکو‌اپیدمیولوژی، و مطالعات پیگیری طولانی‌مدت که شرایط ممکن است تغییر کند، ارزشمند است. زمانی که قوانین تطبیقی را نمی‌توان قبل از جمع‌آوری داده‌ها به‌طور کامل از پیش تعیین کرد، زمانی که تیم تحقیق قادر به اجرای بررسی‌های میانی کور نیست، یا زمانی که منطق تطبیق خود باعث ایجاد سانسور آموزنده می‌شود که نمی‌تواند به‌صورت تحلیلی اصلاح شود، از آن استفاده نکنید. یک مطالعه کوهورت ثابت استاندارد زمانی ترجیح داده می‌شود که اندازه نمونه و میزان رویدادها از قبل به‌طور قابل اعتماد شناخته شده باشند.

محدودیت‌ها و ملاحظات

  • نیاز به تخصص روش‌شناختی قابل توجهی برای تعیین از پیش قوانین تطبیق، توابع خرج آلفا، و نظارت بر بررسی میانی دارد — پیچیدگی پروتکل را افزایش می‌دهد.
  • چالش‌های عملیاتی: اجرای بررسی‌های میانی کور در محیط‌های مشاهده‌ای دشوارتر از کارآزمایی‌های تصادفی است.
  • تصمیمات تطبیق بر اساس داده‌های میانی می‌تواند باعث سوگیری شود اگر قوانین به‌طور دقیق رعایت نشوند یا اگر تطبیق‌ها بر رفتار شرکت‌کنندگان تأثیر بگذارند.
  • استانداردهای گزارش‌دهی نسبت به مطالعات کوهورت استاندارد کمتر بالغ هستند؛ بازبینان و مجلات ممکن است با طرح آشنا نباشند.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • با اجازه دادن به برآورد مجدد اندازه نمونه در اواسط مطالعه، کارایی را بهبود می‌بخشد و هم ثبت‌نام بیش از حد و هم مطالعات کم‌توان را کاهش می‌دهد.
  • امکان غنی‌سازی زیرگروه در جمعیت‌های ناهمگن را بدون جریمه استنباطی تحلیل زیرگروه پس از وقوع فراهم می‌کند.
  • اعتبار مشاهده‌ای را در مواردی که تطبیق‌ها به‌طور کامل از پیش تعیین‌شده هستند و فرآیندهای بررسی کور دنبال می‌شوند، حفظ می‌کند.
  • برای محیط‌هایی که اطلاعات قبلی کم است و مفروضات طرح ثابت گمانه‌زنی خواهد بود، مناسب است.
  • هنگامی که در فارماکو‌اپیدمیولوژی یا زمینه‌های نظارت بر دارو استفاده می‌شود، با دستورالعمل‌های نظارتی در مورد طرح‌های تطبیقی همسو می‌شود.

کاربردها

  • فارماکو‌اپیدمیولوژی: نظارت بر سیگنال‌های ایمنی دارو در کوهورت‌های پس از تأیید با قوانین از پیش تعیین‌شده برای گسترش پیگیری در صورت پایین‌تر بودن میزان رویدادها از حد انتظار.
  • اپیدمیولوژی بیماری‌های نادر: ثبت‌نام شرکت‌کنندگان از چندین رجیستری با قوانین میانی برای تمرکز منابع بر آموزنده‌ترین زیرگروه.
  • اپیدمیولوژی تغذیه‌ای و محیطی: تنظیم برنامه‌های اندازه‌گیری بیومارکر زمانی که داده‌های میانی نشان می‌دهند که یک معیار جدید مواجهه آموزنده‌تر از پروکسی اصلی است.
  • تحقیقات پزشکی دقیق: غنی‌سازی آینده‌نگر یک کوهورت با شرکت‌کنندگان حامل یک واریانت ژنومی مورد علاقه پس از تأیید اولیه ارتباط آن با داده‌های اولیه.
  • نظارت بر همه‌گیری و شیوع بیماری: گسترش پیگیری یک کوهورت اولیه یا افزودن امواج اندازه‌گیری در پاسخ به شواهد نوظهور در مورد مسیر بیماری.

چگونه کار می‌کند

چگونه کار می‌کند

1

جمعیت کوهورت، مواجهه(های) مورد علاقه، پیامدهای اولیه و ثانویه، مدت پیگیری، و مجموعه کامل قوانین تطبیقی را در یک پروتکل از پیش ثبت‌شده و طرح تحلیل آماری تعریف کنید. زمان‌های بررسی میانی، قوانین تصمیم‌گیری برای هر تطبیق ممکن (برآورد مجدد اندازه نمونه، انتخاب زیرگروه، تغییر برنامه ویزیت)، و نحوه کنترل خطای نوع اول — معمولاً از طریق توابع از پیش تعیین‌شده خرج آلفا یا قوانین به‌روزرسانی بیزی — را مشخص کنید.

2

شرکت‌کنندگان واجد شرایط را در خط پایه ثبت‌نام کنید، اندازه‌گیری‌های خط پایه مواجهه، متغیرهای کمکی، و وضعیت پیامد را جمع‌آوری کنید. در صورت استفاده از نمونه‌های بیولوژیکی در تحلیل‌های میانی، یک رجیستری یا بانک زیستی ایجاد کنید. نمونه‌گیری تصادفی یا نماینده از جمعیت هدف ضروری است؛ برنامه‌های از دست دادن پیگیری نیز باید در این مرحله مستند شوند.

3

شرکت‌کنندگان را طبق امواج اندازه‌گیری برنامه‌ریزی‌شده دنبال کنید، داده‌های مواجهه، متغیرهای کمکی، و پیامد را در هر موج جمع‌آوری کنید. بررسی‌های میانی داده‌ها را به‌صورت کور یا تحت نظارت قوانین در زمان‌های بررسی از پیش تعیین‌شده برای ارزیابی میزان رویدادها، کیفیت داده‌ها، الگوهای ریزش، و اینکه آیا شرایط فعال‌کننده برای تطبیق‌ها برآورده شده‌اند، انجام دهید.

4

قوانین تطبیقی از پیش تعیین‌شده را در صورت برآورده شدن معیارهای بررسی میانی اعمال کنید. تطبیق‌های مجاز عبارتند از: افزایش یا کاهش اندازه نمونه برنامه‌ریزی‌شده بر اساس واریانس مشاهده‌شده یا میزان رویدادها؛ محدود کردن ثبت‌نام بیشتر به یک زیرگروه از پیش تعریف‌شده که اثر بزرگ‌تری نشان می‌دهد؛ تنظیم فاصله پیگیری برای کارایی؛ یا افزودن اندازه‌گیری بیومارکر در صورتی که داده‌های میانی نشان‌دهنده ارتباط پیش‌آگهی آن باشد. تمام تطبیق‌ها و منطق آن‌ها مستند شده و در گزارش نهایی افشا می‌شوند.

5

در پایان پیگیری، تحلیل اولیه را طبق طرح از پیش تعیین‌شده، با استفاده از روش‌های مناسب برای طرح تطبیقی — به عنوان مثال، وزن‌دهی احتمال معکوس، استنباط چندگانه برای ریزش، یا برآورد پسین بیزی — انجام دهید. هم مسیرهای تحلیل تطبیق‌یافته و هم تطبیق‌نیافته را گزارش دهید و هرگونه تصحیح آلفا را که در پروتکل توافق شده است برای حفظ اعتبار استنباطی اعمال کنید.

دام‌های رایج

  • تطبیق‌های برنامه‌ریزی‌نشده — هرگونه تغییر پروتکل که از پیش تعیین و قبل از بازرسی داده‌های میانی مستند نشده باشد، یک اصلاح موردی است که باعث سوگیری می‌شود و ادعاهای استنباطی را بی‌اعتبار می‌کند.
  • نادیده گرفتن مشکل چند بار نگاه کردن — هر تحلیل میانی خطای نوع اول را افزایش می‌دهد مگر اینکه خرج آلفا یا سایر تصحیحات تعدد اعمال و گزارش شوند.
  • اشتباه گرفتن تطبیق با حفاری داده‌ها — انتخاب زیرگروه میانی باید بر اساس فرضیه‌های بیولوژیکی یا بالینی از پیش تعیین‌شده باشد، نه بر اساس اینکه کدام زیرگروه بیشترین اثر مشاهده‌شده را نشان می‌دهد.
  • مستندسازی ناکافی — تطبیق‌ها باید به‌طور کامل در بخش‌های روش‌ها و نتایج افشا شوند؛ عدم گزارش آن‌ها مطالعه را غیرقابل تکرار می‌کند و اعتماد را تضعیف می‌کند.
  • استفاده از نرم‌افزار تحلیل کوهورت ثابت برای یک طرح تطبیقی — نرم‌افزارهای استاندارد بقا یا رگرسیون به‌طور خودکار قوانین توقف تطبیقی را در نظر نمی‌گیرند؛ نرم‌افزار تخصصی یا کد سفارشی مورد نیاز است.

پرسش‌های متداول

مطالعه کوهورت تطبیقی چه تفاوتی با مطالعه کوهورت استاندارد آینده‌نگر دارد؟

یک مطالعه کوهورت استاندارد آینده‌نگر دارای پروتکل کاملاً ثابت است: اندازه نمونه، برنامه اندازه‌گیری، و طرح تحلیل در ابتدا تعیین می‌شوند و تغییر نمی‌کنند. یک مطالعه کوهورت تطبیقی علاوه بر این شامل قوانین از پیش تعیین‌شده‌ای است که اجازه می‌دهد عناصر خاصی از پروتکل — مانند اندازه نمونه، تمرکز بر زیرگروه، یا فرکانس اندازه‌گیری — بر اساس داده‌های میانی اصلاح شوند. تطبیق‌ها از قبل برنامه‌ریزی شده‌اند؛ آن‌ها تغییرات پس از وقوع نیستند.

آیا پیش‌ثبت‌نام الزامی است؟

پیش‌ثبت‌نام به‌شدت توصیه می‌شود و در بسیاری از زمینه‌ها الزامی است. قوانین تطبیق، زمان‌های بررسی میانی، و استراتژی خرج آلفا باید قبل از جمع‌آوری یا بازرسی هرگونه داده مستند شوند. بدون پروتکل از پیش ثبت‌شده با مُهر زمانی، تشخیص اصلاحات تطبیقی مشروع از تغییرات فرصت‌طلبانه مبتنی بر داده برای خوانندگان یا بازبینان غیرممکن است.

آیا می‌توانم مطالعه کوهورت تطبیقی را با داده‌های موجود رجیستری انجام دهم؟

فقط به معنای محدود. طراحی تطبیقی واقعی آینده‌نگر مستلزم این است که قوانین تطبیق قبل از جمع‌آوری داده‌ها مشخص شوند. اگر با داده‌های موجود کار می‌کنید، نمی‌توانید قوانین تطبیق میانی را به‌صورت آینده‌نگر اعمال کنید؛ در عوض، شما در حال انجام یک تحلیل کوهورت استاندارد گذشته‌نگر یا ثانویه هستید. برخی از چارچوب‌های تحلیل تطبیقی (مانند آزمون متوالی) را می‌توان بر روی داده‌های تاریخی اعمال کرد، اما مطالعه به معنای طراحی آینده‌نگر، مطالعه کوهورت تطبیقی نامیده نمی‌شود.

چه روش‌های آماری در تحلیل نهایی استفاده می‌شود؟

انتخاب به نوع تطبیق بستگی دارد. برای برآورد مجدد اندازه نمونه، روش‌های رگرسیون یا بقای استاندارد معمولاً بدون تصحیح اعمال می‌شوند اگر برآورد مجدد کور بوده باشد. برای بررسی‌های متوالی با توقف احتمالی زودهنگام، از توابع خرج آلفا (مانند مرزهای O'Brien-Fleming) استفاده می‌شود. برای غنی‌سازی زیرگروه، ممکن است تحلیل‌های وزن‌دار غنی‌سازی یا مدل‌های تطبیقی بیزی مورد نیاز باشد. طرح تحلیل آماری از پیش تعیین‌شده باید قبل از باز شدن کور بودن داده‌ها، روش‌های دقیق را نام ببرد.

آیا تطبیق باعث سوگیری می‌شود؟

تطبیق به‌خودی‌خود باعث سوگیری نمی‌شود اگر قوانین از پیش تعیین‌شده باشند، بررسی‌های میانی کور باشند یا توسط یک کمیته مستقل هدایت شوند، و تحلیل، طرح تطبیقی را در نظر بگیرد. سوگیری زمانی رخ می‌دهد که تطبیق‌ها خارج از قوانین از پیش تعیین‌شده انجام شوند — به عنوان مثال، تغییر پیامد اولیه پس از مشاهده نتایج میانی — یا زمانی که تحلیل، مطالعه تطبیقی را طوری در نظر بگیرد که گویی یک طرح ثابت بوده است.

روش‌های مرتبط

منابع

  1. VanderWeele, T. J., & Hernan, M. A. (2012). Results on differential and dependent measurement error of the exposure and the outcome using signed directed acyclic graphs. American Journal of Epidemiology, 175(12), 1303–1310.

    باز کردن مرجع DOI
    کپی شد.
  2. Cohort study. Wikipedia.

    باز کردن مرجع انتشار
    کپی شد.