Skip to content
بازگشت به نتایج جست‌وجو

طراحی مطالعه مورد-شاهدی

معرفی‌شده توسط
Jerome L. Schlesselman, Brian MacMahon, Thomas Pugh
سال
1950s-1970s
نوع
Research Design
خانواده
observational design

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

اندازه قلم

چه کاری انجام می‌دهد؟

یک مطالعه مورد-شاهدی، افراد دارای بیماری یا پیامد (موارد) و یک گروه مقایسه بدون پیامد (شواهد) را شناسایی می‌کند، سپس مواجهه قبلی را به صورت گذشته‌نگر اندازه‌گیری می‌کند. مطالعات مورد-شاهدی که در دهه‌های ۱۹۵۰ تا ۱۹۷۰ توسط اپیدمیولوژیست‌هایی مانند شلسلمن و مک‌ماهون توسعه یافتند، به ویژه برای بیماری‌های نادر کارآمد هستند، زیرا موارد غنی‌شده از نظر پیامد را نمونه‌برداری می‌کنند و نیاز به گروه‌های هم‌گروهی عظیم را از بین می‌برند. آنها ستون فقرات اپیدمیولوژی بالینی، تحقیقات مشاهده‌ای و بررسی شیوع بیماری‌ها هستند.

شهود پشت روش

مطالعات مورد-شاهدی به صورت معکوس عمل می‌کنند: با افرادی که بیماری دارند شروع می‌کنند، سپس می‌پرسند «قبل از بیمار شدن در معرض چه چیزی بودید؟» این را با شواهد (افرادی که بیماری ندارند) مقایسه می‌کنند. اگر موارد به طور قابل توجهی بیشتر از شواهد، مواجهه قبلی را گزارش کنند، احتمالاً آن مواجهه یک عامل خطر است. آمار کلیدی، نسبت شانس (OR) است که می‌تواند تنها از نمونه مورد-شاهدی محاسبه شود. چالش‌های اصلی، سوگیری یادآوری (موارد ممکن است مواجهه‌ها را متفاوت از شواهد به یاد آورند) و سوگیری انتخاب (نحوه انتخاب شواهد بر نتایج شما تأثیر می‌گذارد) هستند. برای بیماری‌های نادر، مطالعه مورد-شاهدی بسیار کارآمدتر از مطالعه هم‌گروهی است: شما ۱۰۰ مورد و ۱۰۰ شاهد را ثبت می‌کنید به جای ۱۰۰,۰۰۰ نفر بدون بیماری که سال‌ها پیگیری می‌شوند.

تاریخ

روش‌شناسی مورد-شاهدی در دهه ۱۹۵۰ زمانی پدیدار شد که اپیدمیولوژیست‌ها به دنبال مطالعه کارآمد بیماری‌های نادر بودند. تک‌نگاری جروم شلسلمن (۱۹۸۲) مبانی آماری را رسمی کرد. طرح‌های مورد-شاهدی در ایجاد پیوندهای علیتی تعیین‌کننده بودند: مطالعه کلاسیک مورد-شاهدی تالیدومید و نقایص مادرزادی (دهه ۱۹۶۰) و سیگار کشیدن و سرطان ریه (دول و هیل) قدرت این طرح را در شناسایی سریع مواجهه‌ها نشان می‌دهند. مطالعات مورد-شاهدی تو در تو (انتخاب شواهد از درون یک هم‌گروه) و طرح‌های مورد-شاهدی تطبیق‌یافته برای افزایش دقت تکامل یافتند. امروزه، مطالعات مورد-شاهدی در اپیدمیولوژی، به ویژه برای بررسی شیوع بیماری‌ها، خطرات شغلی و رویدادهای نامطلوب نادر، اساسی باقی مانده‌اند.

چه زمانی استفاده شود

از مطالعات مورد-شاهدی در موارد زیر استفاده کنید: (۱) بیماری یا پیامد نادر است (مانند سرطان‌های نادر، نقایص مادرزادی)، که مطالعات هم‌گروهی را به شدت پرهزینه می‌کند، (۲) یک دوره نهفتگی طولانی بین مواجهه و پیامد وجود دارد (سال‌ها تا دهه‌ها)، (۳) مطالعه مواجهه‌های متعدد برای یک پیامد واحد، (۴) انجام بررسی‌های شیوع یا اپیدمی (مقایسه افراد در معرض در مقابل افراد غیر در معرض)، (۵) تولید فرضیه‌ها از داده‌های موجود (سوابق پزشکی، ثبت بیماری‌ها)، (۶) منابع محدود هستند (مطالعه مورد-شاهدی ارزان‌تر و سریع‌تر از هم‌گروهی است)، (۷) مطالعه مواجهه‌های گذشته که پیگیری غیرممکن است.

محدودیت‌ها و ملاحظات

  • سوگیری یادآوری: موارد، با تجربه پیامد، ممکن است مواجهه‌های گذشته را متفاوت از شواهد به یاد آورند. اگر موارد گزارش مواجهه را اغراق یا کم‌اهمیت جلوه دهند، OR سوگیری پیدا می‌کند.
  • سوگیری انتخاب: نحوه انتخاب شواهد به طور حیاتی بر OR تأثیر می‌گذارد. شواهد باید از همان جمعیت منبعی که موارد را تولید کرده است، بیایند؛ استفاده از شواهد بستری در بیمارستان زمانی که موارد از جامعه هستند، سوگیری ایجاد می‌کند.
  • ابهام زمانی: اندازه‌گیری گذشته‌نگر مواجهه می‌تواند علیت را مبهم کند. آیا مواجهه قبل از پیامد رخ داده است، یا پیامد بر یادآوری مواجهه تأثیر گذاشته است؟
  • عدم امکان محاسبه بروز: نمونه‌های مورد-شاهدی از نظر پیامد غنی‌شده هستند، بنابراین نمی‌توانید بروز بیماری یا خطر مطلق را مستقیماً تخمین بزنید. OR تنها معیار ارتباط قابل تخمین است.
  • خطای طبقه‌بندی مواجهه: ارزیابی گذشته‌نگر مواجهه (به ویژه برای مواجهه‌های دور) مستعد خطا است و OR را به سمت مقدار تهی سوگیری می‌دهد.

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

نقاط قوت

  • کارایی برای پیامدهای نادر: نمونه‌برداری غنی‌شده از پیامد، مطالعه مورد-شاهدی را برای بیماری‌های نادر بسیار کارآمدتر از مطالعات هم‌گروهی می‌کند. مطالعه یک سرطان نادر ممکن است ۳۰۰ مورد و ۳۰۰ شاهد را به جای ۱۰۰,۰۰۰ نفر که سال‌ها پیگیری می‌شوند، ثبت کند.
  • سرعت و هزینه: جمع‌آوری داده‌های گذشته‌نگر سریع‌تر و ارزان‌تر از پیگیری آینده‌نگر است.
  • مواجهه‌های متعدد: یک مطالعه مورد-شاهدی واحد می‌تواند بسیاری از مواجهه‌ها را به طور همزمان بررسی کند و عوامل خطر جدید را شناسایی کند.
  • ثبت‌های بیماری تثبیت‌شده: بسیاری از بیماری‌ها دارای ثبت هستند (سرطان، نقایص مادرزادی)، که دسترسی آسان به موارد به خوبی توصیف‌شده را فراهم می‌کند.
  • نهفتگی: مطالعه مورد-شاهدی به طور طبیعی دوره‌های طولانی نهفتگی-القایی بین مواجهه و تشخیص پیامد را مدیریت می‌کند.

کاربردها

  • بررسی شیوع بیماری: در طول شیوع بیماری ناشی از غذا، موارد (افراد بیمار) و شواهد (افراد در معرض اما بیمار نشده) را شناسایی کنید، غذاهای مصرفی را مقایسه کنید و منبع را شناسایی کنید.
  • اپیدمیولوژی نقایص مادرزادی: نوزادان دارای ناهنجاری‌های مادرزادی را به عنوان موارد ثبت کنید، شواهد مبتنی بر جمعیت را انتخاب کنید، از مادران در مورد مصرف دارو، عفونت‌ها یا مواجهه‌ها در دوران بارداری سوال کنید.
  • بهداشت شغلی: کارگران مبتلا به مزوتلیوما (پیامد نادر) موارد هستند؛ شواهد کارگرانی هستند که بیماری مرتبط با آزبست ندارند؛ مواجهه با آزبست را به صورت گذشته‌نگر از سوابق شغلی ارزیابی کنید.
  • عوارض جانبی دارو: بیماران بستری در بیمارستان با نارسایی کبد (موارد) با شواهد بستری در بیمارستان (بدون نارسایی کبد) مقایسه می‌شوند؛ سابقه دارویی برای شناسایی داروهای سمی برای کبد بررسی می‌شود.
  • اتیولوژی سرطان: بیماران سرطانی تازه تشخیص داده شده (موارد) بر اساس سن/جنسیت با شواهد بدون سرطان تطبیق فرکانسی داده می‌شوند؛ سوابق رژیم غذایی، سیگار کشیدن و باروری برای شناسایی عوامل خطر جمع‌آوری می‌شود.

چگونه کار می‌کند

چگونه کار می‌کند

1

تعریف موارد: افراد دارای پیامد مورد نظر (مانند دیابت، انفارکتوس میوکارد، ناهنجاری مادرزادی). موارد می‌توانند تازه تشخیص داده شده (حادثه) یا همه افراد دارای بیماری در یک دوره تعریف شده (شیوع) باشند. موارد را به وضوح تعریف کنید: معیارهای تشخیصی، تاریخ تشخیص، وضعیت بیماری تأیید شده توسط سوابق پزشکی. شواهد را از جمعیت منبعی که موارد را تولید کرده است انتخاب کنید—شواهد نشان‌دهنده توزیع مواجهه در جمعیتی هستند که موارد را تولید کرده است. شواهد باید بدون بیماری باشند (حداقل برای پیامد خاص). تطبیق: شواهد را می‌توان ۱:۱ یا ۱:k با موارد بر اساس سن، جنسیت، نژاد یا سایر عوامل مخدوش‌کننده تطبیق داد؛ تطبیق قدرت آماری را بهبود می‌بخشد اما نیاز به تنظیم آماری دارد (مک‌نمار برای جفت‌های تطبیق‌یافته). به طور جایگزین، از شواهد نامتطابق استفاده کنید و عوامل مخدوش‌کننده را در رگرسیون تنظیم کنید. مواجهه قبلی را از سوابق پزشکی، مصاحبه‌ها، پرسشنامه‌ها یا نمونه‌های بیوبانک‌شده اندازه‌گیری کنید. برای مواجهه تاریخی (گذشته دور)، از سوابق پزشکی یا سوابق شغلی استفاده کنید؛ برای مواجهه اخیر، مصاحبه‌ها امکان‌پذیر هستند.

فرمول
Identify cases (with outcome) and controls (without outcome); measure prior exposure retrospectively from medical records, interviews, or surveys; match controls to cases on age, sex, or other variables if needed.
2

یک جدول توافقی ۲×۲ بسازید: ردیف‌ها = وضعیت مواجهه (بله/خیر)، ستون‌ها = وضعیت مورد/شاهد. نسبت شانس (OR) را محاسبه کنید: OR = (a × d) / (b × c)، که در آن a = موارد در معرض، b = موارد غیر در معرض، c = شواهد در معرض، d = شواهد غیر در معرض. ۹۵% CI را با استفاده از مقیاس لگاریتمی محاسبه کنید. برای داده‌های تطبیق‌یافته (n جفت تطبیق‌یافته)، از آزمون مک‌نمار استفاده کنید: χ² = ((b − c)²) / (b + c)، که بررسی می‌کند آیا جفت‌های نامتطابق متعادل هستند. برای داده‌های نامتطابق، از رگرسیون لجستیک برای تنظیم عوامل مخدوش‌کننده و محاسبه OR تنظیم‌شده استفاده کنید. OR تنظیم‌شده را با CI و p-value گزارش کنید. تعامل بین مواجهه و عوامل مخدوش‌کننده را بررسی کنید.

فرمول
Tabulate 2×2 table (exposure × outcome); compute Odds Ratio (OR) = (a×d)/(b×c); apply McNemar's test for matched data or logistic regression for unmatched data with confounders.
3

OR = 1: عدم وجود ارتباط بین مواجهه و پیامد. OR > 1: مواجهه با افزایش شانس داشتن پیامد مرتبط است (عامل خطر). OR < 1: مواجهه با کاهش شانس مرتبط است (عامل محافظتی). به عنوان مثال، OR = 3 به این معنی است که شانس مواجهه در بین موارد ۳ برابر شانس آن در بین شواهد است. هنگامی که بیماری نادر است (شیوع <10%)، OR تقریباً برابر با خطر نسبی است. هنگامی که بیماری شایع است، OR اثر را بیش از حد نشان می‌دهد. فواصل اطمینان که ۱.۰ را شامل نمی‌شوند، نشان‌دهنده معنی‌داری آماری هستند. علیت به چیزی بیش از ارتباط آماری نیاز دارد: قدرت (OR >2–3)، سازگاری در مطالعات، پاسخ دوز، معقولیت زمانی، و مکانیسم بیولوژیکی را در نظر بگیرید. توضیحات جایگزین را ارزیابی کنید: آیا سوگیری انتخاب، سوگیری یادآوری، یا مخدوش‌کننده اندازه‌گیری نشده می‌تواند ارتباط مشاهده‌شده را توضیح دهد؟

فرمول
Interpret OR: OR=1 no association, OR>1 increased odds of exposure in cases, OR<1 decreased odds. In rare outcomes, OR approximates Relative Risk. Consider recall bias, selection bias, and unmeasured confounding.

دام‌های رایج

  • انتخاب ضعیف شواهد: شواهد انتخاب شده از بیماران بستری در بیمارستان (زمانی که موارد، موارد جامعه هستند) یا شواهد دارای بیماری مرتبط، سوگیری انتخاب را به همراه دارند. شواهد باید بدون بیماری و نماینده جمعیت منبع باشند.
  • نادیده گرفتن تطبیق در تحلیل: اگر موارد و شواهد بر اساس سن/جنسیت تطبیق داده شده باشند، رگرسیون لجستیک استاندارد نامناسب است؛ برای تحلیل تطبیق‌یافته از رگرسیون لجستیک شرطی یا آزمون مک‌نمار استفاده کنید.
  • سوگیری یادآوری افتراقی: موارد ممکن است مواجهه‌ها را با دقت بیشتری به یاد آورند یا آنها را بیشتر از شواهد تحریف کنند. با استفاده از سوابق عینی (مانند پرونده‌های پزشکی، سوابق شغلی) به جای نظرسنجی‌های یادآوری، این سوگیری را به حداقل برسانید.
  • انتخاب پسینی شواهد: تنظیم انتخاب شواهد پس از مشاهده داده‌ها (مانند انتخاب شواهد اضافی برای متعادل کردن یک متغیر هم‌تغییر خاص) سوگیری ایجاد می‌کند. معیارهای کنترل را از قبل تعریف کنید.
  • سوگیری شیوع-بروز: اگر موارد شیوع (همه موارد بیماری در جمعیت) به جای موارد بروز (تازه تشخیص داده شده) ثبت شوند، بازماندگان بیماری شدید ممکن است غنی شوند و OR را تحریف کنند.

پرسش‌های متداول

چه زمانی نسبت شانس تقریب خوبی برای خطر نسبی است؟

نسبت شانس (OR) زمانی خطر نسبی (RR) را تقریب می‌زند که بیماری در جمعیت نادر باشد (معمولاً شیوع <10%). در شیوع پایین، شانس بیماری ≈ خطر بیماری، بنابراین OR ≈ RR. هنگامی که شیوع >10% است، OR اثر را نسبت به RR بیش از حد نشان می‌دهد. به عنوان مثال، اگر RR = 2 باشد، OR ممکن است در شیوع بالاتر ۲.۵ یا بیشتر باشد. همیشه روشن کنید که مطالعات مورد-شاهدی OR را تولید می‌کنند، نه RR. اگر تفسیر بالینی به RR نیاز دارد، باید OR را با استفاده از خطر پایه (شیوع بیماری در جمعیت منبع) تبدیل کنید.

مطالعه مورد-شاهدی تو در تو چیست و چرا از آن استفاده می‌شود؟

یک مطالعه مورد-شاهدی تو در تو، موارد و شواهد را از درون یک هم‌گروه آینده‌نگر انتخاب می‌کند. همه اعضای مورد از هم‌گروه با وقوع پیامدها شناسایی می‌شوند؛ شواهد به طور تصادفی از افراد غیر مورد در هم‌گروه نمونه‌برداری می‌شوند، که اغلب بر اساس سن و جنسیت با موارد تطبیق داده می‌شوند. مطالعه مورد-شاهدی تو در تو نقاط قوت هم‌گروه و مورد-شاهدی را ترکیب می‌کند: توالی زمانی و داده‌های بروز در دسترس هستند (مانند هم‌گروه‌ها)، با این حال هزینه کمتر است زیرا تنها زیرمجموعه‌های مورد و شاهد برای مواجهه‌های گران‌قیمت (مانند نشانگرهای زیستی، آزمایش ژنتیکی) اندازه‌گیری می‌شوند. نسبت شانس از مطالعه مورد-شاهدی تو در تو، خطر نسبی هم‌گروه را تقریب می‌زند، حتی اگر بیماری نادر نباشد.

چگونه بین شواهد تطبیق‌یافته و نامتطابق انتخاب کنم؟

شواهد تطبیق‌یافته (۱:۱ با موارد بر اساس سن، جنسیت و غیره تطبیق داده شده) دقت را افزایش می‌دهند و مخدوش‌کنندگی توسط متغیرهای تطبیق‌یافته را کاهش می‌دهند. با این حال، تطبیق از نظر آماری «گران» است: شما باید از رگرسیون لجستیک شرطی استفاده کنید، و نمی‌توانید اثرات مستقل متغیرهای تطبیق‌یافته را تخمین بزنید. شواهد نامتطابق امکان تنظیم برای بسیاری از عوامل مخدوش‌کننده را در رگرسیون لجستیک فراهم می‌کنند و ممکن است از نظر هزینه کارآمدتر باشند. تطبیق برای عوامل مخدوش‌کننده قوی (سن، جنسیت، سال تقویمی) و زمانی که یافتن شواهد دشوار است، مفیدتر است. اگر عوامل مخدوش‌کننده بالقوه متعدد هستند، طرح نامتطابق با تنظیم رگرسیون را در نظر بگیرید.

چگونه بین سوگیری انتخاب و سوگیری اطلاعات در مطالعات مورد-شاهدی تمایز قائل شوم؟

سوگیری انتخاب از نحوه انتخاب موارد و شواهد شما ناشی می‌شود. اگر موارد و شواهد از جمعیت‌های منبع متفاوتی باشند (مانند موارد بستری در بیمارستان در مقابل شواهد جامعه)، OR سوگیری پیدا می‌کند. سوگیری اطلاعات (خطای طبقه‌بندی) از خطاها در اندازه‌گیری مواجهه یا پیامد ناشی می‌شود. سوگیری یادآوری نوعی سوگیری اطلاعات است: موارد دارای بیماری جدی ممکن است مواجهه‌های گذشته را متفاوت از شواهد به یاد آورند. هر دو OR را سوگیری می‌دهند، اما به روش‌های مختلف. برای به حداقل رساندن سوگیری انتخاب، اطمینان حاصل کنید که موارد و شواهد از یک جمعیت منبع هستند. برای به حداقل رساندن سوگیری اطلاعات، از سوابق عینی (پرونده‌های پزشکی، نشانگرهای زیستی) به جای یادآوری استفاده کنید.

روش‌های مرتبط

منابع

  1. Schlesselman, J. J. (1982). Case-Control Studies: Design, Conduct, Analysis. Oxford University Press.

    شابک: 978-0195027815
    کپی شد.
  2. Rothman, K. J., Lash, T. L., & Greenland, S. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.

    شابک: 978-0781755657
    کپی شد.
  3. Greenland, S., & Thomas, D. C. (1990). On the need for the rare disease assumption in case-control studies. American Journal of Epidemiology, 132(2), 374–375.

    باز کردن مرجع انتشار
    کپی شد.