Skip to content
بازگشت به نتایج جست‌وجو

طرح مطالعه کوهورت

معرفی‌شده توسط
Donald Acheson, Olli Miettinen, and others in modern epidemiology
سال
1970s-1980s
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؟

مطالعه کوهورت گروهی از افراد را از زمان مواجهه به پیامد در طول زمان دنبال می‌کند. شرکت‌کنندگان مواجه شده و مواجه نشده (یا شرکت‌کنندگان با سطوح مواجهه متفاوت) در خط پایه ثبت‌نام شده، مشخصاتشان ثبت و به صورت آینده‌نگر تا زمان وقوع پیامد یا پایان مطالعه مشاهده می‌شوند. مطالعات کوهورت در اپیدمیولوژی بنیادی هستند و در صورت غیرعملی یا غیراخلاقی بودن کارآزمایی‌های تصادفی، طرح انتخابی برای ایجاد ارتباطات علی محسوب می‌شوند.

شهود پشت روش

تصور کنید دو گروه از افراد سیگاری و غیرسیگاری را به مدت ۱۰ سال دنبال کنید و تعداد سرطان‌های ریه را در هر گروه بشمارید. نسبت خطر (RR) = (سرطان‌های ریه در سیگاری‌ها) / (سرطان‌های ریه در غیرسیگاری‌ها) به شما می‌گوید که احتمال ابتلا به سرطان در سیگاری‌ها چقدر بیشتر است. مطالعات کوهورت به طور طبیعی توالی زمانی (مواجهه قبل از پیامد) را حفظ می‌کنند، از سوگیری یادآوری اجتناب می‌کنند (مواجهه در خط پایه ثبت می‌شود، نه پس از بروز بیماری به خاطر سپرده می‌شود) و می‌توانند پیامدهای متعددی را از یک مواجهه واحد مطالعه کنند. بده‌بستان اصلی، هزینه و زمان است: شما باید افراد را برای سال‌ها، اغلب با هزینه زیاد، دنبال کنید. مخدوش‌کنندگی - عوامل دیگری که با مواجهه و پیامد همبستگی دارند - مگر اینکه کنترل شوند، همچنان یک تهدید باقی می‌ماند.

تاریخ

مطالعات کوهورت در اپیدمیولوژی در دهه‌های ۱۹۵۰ تا ۱۹۷۰ برجسته شدند، که با مطالعه قلب فرامینگهام (۱۹۴۸-تاکنون) که عوامل خطر قلبی عروقی آینده‌نگر را پیشگام کرد، نمونه‌ای از آن است. اولی میتینن و دیگران مبانی آماری را تدوین کردند و کوهورت (مبتنی بر بروز) را از رویکردهای کنترل مورد (مبتنی بر شانس) متمایز کردند. مطالعات کوهورت مدرن از سوابق پزشکی الکترونیکی، ثبت بیماری‌ها و بانک‌های زیستی برای کارایی استفاده می‌کنند. کوهورت‌های پویا (ثبت‌نام غلتان) و طرح‌های کنترل مورد تو در تو (انتخاب موارد و کنترل‌ها از درون یک کوهورت) جعبه ابزار روش‌شناختی را گسترش داده‌اند.

چه زمانی استفاده شود

از مطالعات کوهورت زمانی استفاده کنید که: (۱) مطالعه مواجهات نادر (مانند خطرات شغلی که افراد کمی را تحت تأثیر قرار می‌دهد)، (۲) ایجاد روابط زمانی بین مواجهه و پیامد، (۳) مطالعه پیامدهای متعدد از یک مواجهه واحد (مانند سیگار کشیدن → سرطان، بیماری قلبی، COPD)، (۴) ارزیابی اثرات طولانی‌مدت در طول سال‌ها یا دهه‌ها، (۵) ارزیابی تاریخچه طبیعی و بروز بیماری، (۶) کارآزمایی‌های تصادفی غیراخلاقی هستند (مانند مواجهه دادن افراد به مواد مضر)، (۷) پیامدها شایع هستند و کنترل مورد را کمتر کارآمد می‌کنند.

محدودیت‌ها و ملاحظات

  • زمان و هزینه: دنبال کردن کوهورت‌ها برای سال‌ها یا دهه‌ها نیازمند تأمین مالی پایدار، کارکنان و زیرساخت است؛ ریزش (فقدان پیگیری) رایج است.
  • سوگیری فقدان پیگیری: اگر افراد گمشده از نظر مواجهه یا مخدوش‌کننده‌ها به طور سیستماتیک متفاوت باشند، تخمین‌های RR مغرضانه می‌شوند. نیازمند نرخ پیگیری بالا (بیش از ۸۰٪) است.
  • پیامدهای نادر: اگر بروز پیامد بسیار پایین باشد، به کوهورت‌های بسیار بزرگی نیاز است که هزینه را افزایش می‌دهد. کنترل مورد ممکن است کارآمدتر باشد.
  • مخدوش‌کنندگی: مخدوش‌کننده‌های اندازه‌گیری نشده یا ضعیف اندازه‌گیری شده می‌توانند RR را مغرضانه کنند. تعدیل به متغیرهای اندازه‌گیری شده محدود می‌شود.
  • اثرات کوهورت: شرکت‌کنندگانی که در طول زمان ثبت‌نام می‌شوند ممکن است در ویژگی‌های خط پایه، پیش‌آگهی یا روندهای زمانی متفاوت باشند و بر قابلیت مقایسه تأثیر بگذارند.

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

نقاط قوت

  • توالی زمانی واضح: مواجهه قبل از پیامد ثبت می‌شود و جهت‌گیری و علیت را نسبت به طرح‌های مقطعی قانع‌کننده‌تر ایجاد می‌کند.
  • پیامدهای متعدد: یک مواجهه واحد می‌تواند با پیامدهای زیادی مرتبط باشد، که برای تولید فرضیه‌های گسترده مقرون به صرفه است.
  • نرخ بروز و خطر مطلق: مستقیماً خطر را در گروه‌های مواجه شده و مواجه نشده تخمین می‌زند و امکان محاسبه تعداد مورد نیاز برای درمان را فراهم می‌کند.
  • از انتخاب وابسته به پیامد اجتناب می‌کند: کوهورت بر اساس مواجهه تعریف می‌شود، نه پیامد، که از سوگیری انتخاب ذاتی در مطالعات کنترل مورد جلوگیری می‌کند.
  • نرخ‌های بروز: مخرج زمان-نفر، پیگیری متغیر را در نظر می‌گیرد و امکان مقایسه بین مطالعات با دوره‌های پیگیری متفاوت را فراهم می‌کند.

کاربردها

  • اپیدمیولوژی شغلی: دنبال کردن کارگران در صنایع پرخطر (آزبست، معدن، تولید مواد شیمیایی) برای سنجش خطر بیماری ناشی از مواجهات محل کار.
  • مطالعات رژیم غذایی و سبک زندگی: ثبت‌نام شرکت‌کنندگان، اندازه‌گیری رژیم غذایی و فعالیت بدنی در خط پایه، سپس پیگیری برای بیماری‌های قلبی عروقی، سرطان یا مرگ و میر (مانند مطالعه سلامت پرستاران).
  • بروز و پیش‌آگهی سرطان: ثبت‌نام شرکت‌کنندگان بدون بیماری و پیگیری تشخیص سرطان در طول زمان؛ یا ثبت‌نام بیماران سرطانی و پیگیری بقا.
  • کوهورت‌های تولد و رشد کودک: ثبت‌نام زنان باردار یا نوزادان، اندازه‌گیری مواجهات اولیه (مانند سیگار کشیدن مادر، آلودگی هوا، فقر) و ارزیابی پیامدهای سلامت و رشد بلندمدت.
  • ایمنی دارو و پیامدهای نامطلوب: ثبت‌نام بیمارانی که داروی جدیدی را شروع می‌کنند و نظارت بر عوارض جانبی، بستری شدن یا مرگ و میر در مقایسه با درمان‌های جایگزین.

چگونه کار می‌کند

چگونه کار می‌کند

1

منبع کوهورت را تعریف کنید (مثلاً بزرگسالان ۴۰ تا ۷۰ ساله بدون بیماری، کارکنان یک کارخانه، بیماران یک کلینیک). مواجهه را تعریف کنید: آیا دودویی (بله/خیر)، طبقه‌بندی شده (کم/متوسط/زیاد) یا پیوسته (سال‌های استفاده) است؟ شرکت‌کنندگانی را که در خط پایه بدون بیماری هستند، ثبت‌نام کنید؛ وضعیت مواجهه و مخدوش‌کننده‌های خط پایه (سن، جنسیت، نژاد، وضعیت اجتماعی-اقتصادی، بیماری‌های همراه و غیره) را اندازه‌گیری و ثبت کنید. شرکت‌کنندگان را در یک دوره زمانی از پیش تعیین شده (از ماه‌ها تا دهه‌ها) دنبال کنید. از پیگیری فعال (مصاحبه، ویزیت کلینیک، نظرسنجی پستی) یا پیگیری غیرفعال (سوابق پزشکی، ثبت بیماری‌ها، ادعاهای بیمه) استفاده کنید. رویدادهای پیامد (تشخیص، بستری شدن، مرگ) را با تاریخ ثبت کنید. فقدان پیگیری، انصراف و سانسور (زمانی که شرکت‌کنندگان در پایان مطالعه زنده/بدون بیماری هستند اما وضعیت پیامد نامشخص است) را مستند کنید. تعریف پیامد را در بین همه شرکت‌کنندگان استاندارد کنید.

فرمول
Define cohort (exposed and unexposed groups); enroll eligible participants; establish baseline characteristics and exposure status; follow participants forward in time; record outcome events.
2

نرخ بروز را در هر گروه مواجهه محاسبه کنید: نرخ بروز = (تعداد رویدادهای پیامد در گروه) / (زمان-نفر در معرض خطر در گروه). زمان-نفر مدت پیگیری متغیر را در نظر می‌گیرد: اگر یک نفر ۵ سال و دیگری ۲ سال دنبال شود، زمان-نفر مجموعاً ۷ سال-نفر خواهد بود. نسبت خطر (RR) = نرخ بروز_مواجه شده / نرخ بروز_مواجه نشده را محاسبه کنید. RR > ۱ نشان‌دهنده افزایش خطر است؛ RR < ۱ نشان‌دهنده کاهش خطر (یا اثر محافظتی) است؛ RR = ۱ نشان‌دهنده عدم ارتباط است. فواصل اطمینان ۹۵٪ (مبتنی بر پواسون یا روش دلتا) را محاسبه کنید. برای مخدوش‌کننده‌ها با استفاده از طبقه‌بندی (مانتل-هنزسل) یا رگرسیون (خطر متناسب کاکس، رگرسیون پواسون) تعدیل کنید. فرض خطر متناسب را در مدل‌های کاکس بررسی کنید.

فرمول
Calculate incidence (risk) in exposed and unexposed groups; compute Relative Risk (RR) = Incidence_{\text{exposed}} / Incidence_{\text{unexposed}}.
3

RR برابر ۲ به این معنی است که گروه مواجه شده دو برابر نرخ بروز نسبت به گروه مواجه نشده دارد. RR برابر ۰.۵ به این معنی است که گروه مواجه شده نصف نرخ بروز را دارد (اثر محافظتی). فواصل اطمینان که ۱.۰ را شامل نمی‌شوند، ارتباطات آماری معنی‌دار (در سطح α=۰.۰۵) را نشان می‌دهند. علیت را ارزیابی کنید: آیا ارتباط قوی است (RR > ۲–۳)؟ وابسته به دوز (افزایش مواجهه → افزایش خطر)؟ در زیرگروه‌ها سازگار است؟ از نظر زمانی منسجم است؟ مخدوش‌کنندگی اندازه‌گیری نشده را در نظر بگیرید: آیا یک متغیر اندازه‌گیری نشده (مانند استعداد ژنتیکی، رژیم غذایی) می‌تواند RR مشاهده شده را توضیح دهد؟ نتایج را به جمعیت‌های مشابه کوهورت خود تعمیم دهید. کاهش خطر مطلق یا تعداد مورد نیاز برای درمان (NNT) را در کنار RR برای زمینه بالینی گزارش دهید.

فرمول
Interpret RR in context of follow-up duration, loss to follow-up, and confounding; assess temporality; generalize to source population.

دام‌های رایج

  • مستندات ناکافی پیگیری: تاریخ‌های پیامد گمشده یا مبهم، یا تعاریف پیامد ناسازگار در بین شرکت‌کنندگان، استنتاج زمانی را بی‌اعتبار می‌کند.
  • نادیده گرفتن فقدان پیگیری: حذف افراد گمشده بدون تحلیل، سوگیری انتخاب را تشدید می‌کند. از منطق قصد درمان استفاده کنید؛ تحلیل‌های حساسیت را تحت سناریوهای مختلف داده گمشده انجام دهید.
  • مخدوش‌کنندگی اندازه‌گیری نشده: یک عامل اندازه‌گیری نشده (مانند استعداد ژنتیکی) ممکن است ارتباط مواجهه-پیامد را توضیح دهد. همیشه در مورد مخدوش‌کننده‌های بالقوه اندازه‌گیری نشده بحث کنید.
  • طبقه‌بندی پس از مشاهده نتایج: تقسیم کوهورت به زیرگروه‌ها پس از مشاهده نتایج منجر به مقایسه‌های متعدد، کشفیات کاذب و بیش‌برازش می‌شود. فرضیه‌های زیرگروه را از قبل مشخص کنید.
  • فرض خطی بودن: در تحلیل‌های دوز-پاسخ، فرض رابطه خطی بین سطح مواجهه و پیامد می‌تواند اثرات آستانه یا پلاتو را پنهان کند. داده‌ها را رسم کنید و برازش‌های غیرخطی را آزمایش کنید.

پرسش‌های متداول

تفاوت بین نسبت خطر (RR) و نسبت شانس (OR) در مطالعه کوهورت چیست؟

در مطالعات کوهورت، شما مستقیماً بروز (احتمال پیامد در طول زمان) را اندازه‌گیری می‌کنید، بنابراین نسبت خطر (RR) تخمین طبیعی است: RR = بروز_مواجه شده / بروز_مواجه نشده. نسبت شانس (OR) نسبت شانس پیامد است؛ این در مطالعات کنترل مورد که نمی‌توانید بروز را اندازه‌گیری کنید، ظاهر می‌شود. در کوهورت‌هایی با پیامدهای نادر (بروز <۱۰٪)، RR و OR به هم نزدیک هستند. هنگامی که پیامدها شایع هستند، واگرا می‌شوند: OR اثر را نسبت به RR بیش از حد تخمین می‌زند. همیشه RR را در مطالعات کوهورت گزارش دهید؛ OR را برای طرح‌های کنترل مورد نگه دارید.

زمان-نفر چیست و چرا اهمیت دارد؟

زمان-نفر (یا زمان پیگیری) مجموع مدت پیگیری فردی است. اگر ۱۰۰ نفر را هر کدام به مدت ۱۰ سال دنبال کنید، این ۱۰۰۰ سال-نفر است. اگر ۵۰ نفر به مدت ۵ سال و ۵۰ نفر ۱۰ سال دنبال شوند، این نیز ۷۵۰ سال-نفر است. نرخ بروز در هر واحد زمان-نفر (مانند در هر ۱۰۰۰ سال-نفر) محاسبه می‌شود. زمان-نفر این واقعیت را در نظر می‌گیرد که برخی از شرکت‌کنندگان انصراف می‌دهند، می‌میرند یا زودتر سانسور می‌شوند. استفاده از زمان-نفر به عنوان مخرج (به جای صرفاً تعداد افراد) در صورت متغیر بودن پیگیری، تخمین‌های بدون سوگیری را ارائه می‌دهد.

چگونه با فقدان پیگیری برخورد کنم؟

فقدان پیگیری منبع اصلی سوگیری است. هدف >۸۰٪ پیگیری باشد. در تحلیل، صرفاً افراد گمشده را حذف نکنید؛ این سوگیری انتخاب را معرفی می‌کند. در عوض، از منطق قصد درمان استفاده کنید: افراد گمشده را بر اساس آخرین وضعیت شناخته شده‌شان طبقه‌بندی کنید و تحلیل‌های حساسیت را با فرض سناریوهای مختلف پیامد انجام دهید (مانند همه افراد گمشده بدون پیامد هستند، همه افراد گمشده پیامد را دریافت کرده‌اند، یا گمشده به صورت تصادفی). اگر فقدان پیگیری به طور قابل توجهی بین گروه‌های مواجه شده و مواجه نشده متفاوت باشد، نتایج را با احتیاط تفسیر کنید. وزن‌دهی معکوس احتمال (IPW) یا استنباط چندگانه می‌تواند برای فقدان سیستماتیک تحت فرض 'گمشده به صورت تصادفی' تعدیل کند.

چگونه بین مطالعات کوهورت و مقطعی تمایز قائل شوم؟

مطالعه کوهورت شرکت‌کنندگان بدون بیماری (یا بدون پیامد) را ثبت‌نام می‌کند، مواجهه را در خط پایه اندازه‌گیری می‌کند و آنها را تا زمان وقوع پیامد دنبال می‌کند. مطالعه مقطعی مواجهه و پیامد را به طور همزمان در یک نقطه زمانی اندازه‌گیری می‌کند و شیوع را ثبت می‌کند. کوهورت‌ها توالی زمانی واضحی دارند (مواجهه → پیامد)، که استنتاج علی را امکان‌پذیر می‌سازد. مطالعات مقطعی نمی‌توانند جهت‌گیری را تعیین کنند: آیا مواجهه باعث پیامد شده است، یا پیامد بر درک مواجهه تأثیر گذاشته است؟ کوهورت‌ها پرهزینه‌تر و زمان‌برتر هستند اما شواهد قوی‌تری برای علیت ارائه می‌دهند.

روش‌های مرتبط

منابع

  1. Miettinen, O. S. (1976). Estimability and estimation in case-referent studies. American Journal of Epidemiology, 103(2), 226–235.

    باز کردن مرجع DOI
    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. Veierød, M. B., Lydersen, S., & Laake, P. (2012). Medical Statistics in Clinical and Epidemiological Research. Gyldendal Akademisk.

    شابک: 978-8205418627
    کپی شد.