Skip to content
بازگشت به نتایج جست‌وجو

طراحی مطالعه مقطعی

معرفی‌شده توسط
Epidemiologists in the mid-20th century; formalized by Kelsey, Rothman, and others
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؟

مطالعه مقطعی (یا مطالعه شیوع) همزمان در یک نقطه زمانی واحد، مواجهه و پیامد را اندازه‌گیری می‌کند و تصویری «لحظه‌ای» از یک جمعیت ارائه می‌دهد. پاسخ‌دهندگان در همان زمان جمع‌آوری و مورد بررسی (یا معاینه) قرار می‌گیرند و شیوع فعلی مواجهه و بیماری را ثبت می‌کنند. مطالعات مقطعی ساده، سریع و کم‌هزینه هستند و آن‌ها را برای ارزیابی نیازها، نظارت و تولید فرضیه محبوب می‌سازند - اگرچه به دلیل فقدان توالی زمانی نمی‌توانند علیت را اثبات کنند.

شهود پشت روش

تصور کنید صبح زود وارد یک کارخانه می‌شوید و از تمام ۵۰۰ کارگر نظرسنجی می‌کنید: «آیا کمردرد دارید؟ چند ساعت در روز را صرف بلند کردن اجسام می‌کنید؟» سپس تعداد کارگرانی را که در مجموع کمردرد دارند (شیوع) می‌شمارید و سپس کسانی را که در معرض بلند کردن اجسام سنگین هستند با کسانی که کارهای سبک انجام می‌دهند مقایسه می‌کنید. متوجه می‌شوید که ۳۰٪ از کسانی که اجسام سنگین بلند می‌کنند کمردرد دارند در مقابل ۱۰٪ از کارگران کارهای سبک. نسبت شیوع ۳:۱ است. اما نکته اینجاست: شما نمی‌دانید که آیا بلند کردن اجسام سنگین باعث کمردرد شده است، یا اینکه کارگرانی که کمردرد داشته‌اند به کارهای سبک‌تر روی آورده‌اند. شما مواجهه و پیامد را همزمان اندازه‌گیری کردید، بنابراین توالی زمانی مبهم است. مطالعات مقطعی برای ارزیابی‌های سریع و تخمین شیوع عالی هستند اما برای استنتاج علّی ضعیف هستند.

تاریخ

نظرسنجی‌های مقطعی ریشه‌های خود را در نظارت سلامت عمومی و سرشماری در اوایل قرن بیستم دارند. در اپیدمیولوژی مدرن، آن‌ها به عنوان مطالعات شیوع در اواسط قرن بیستم رسمی شدند. نمونه‌های معروف شامل نظرسنجی ملی بررسی سلامت و تغذیه (NHANES، آغاز دهه ۱۹۶۰، ایالات متحده) است که نظرسنجی‌های مقطعی از وضعیت سلامت، رژیم غذایی و عوامل خطر آمریکایی‌ها را انجام داد. طرح‌های مقطعی اکنون برای نظارت (مانند سیستم نظارت بر عوامل خطر رفتاری CDC، BRFSS) و برای پایش سلامت بین‌المللی (مانند نظرسنجی‌های جمعیت‌شناسی و سلامت، DHS) استاندارد هستند. ظهور سوابق سلامت الکترونیکی و داده‌های اداری امکان انجام مطالعات مقطعی گذشته‌نگر بزرگ را فراهم کرده است.

چه زمانی استفاده شود

از مطالعات مقطعی برای موارد زیر استفاده کنید: (۱) تخمین شیوع بیماری یا وضعیت در یک جمعیت (نظارت، پایش سلامت عمومی)، (۲) ارزیابی نیازها: چه تعداد بیمار به یک خدمت نیاز دارند؟، (۳) تولید فرضیه‌ها: کدام عوامل با پیامد مرتبط هستند؟، (۴) ارزیابی سریع: زمان بازگشت سریع (هفته‌ها تا ماه‌ها)، (۵) مطالعه بیماری‌های مزمن که اندازه‌گیری بروز آن‌ها دشوار است اما شیوع پایدار است، (۶) ارزیابی چندین پیامد از یک مواجهه در یک زمان، (۷) مطالعات پایلوت قبل از راه‌اندازی تحقیقات پرهزینه کوهورت یا مورد-شاهدی.

محدودیت‌ها و ملاحظات

  • عدم توانایی در اثبات علیت: توالی زمانی وجود ندارد؛ داده‌های مقطعی نمی‌توانند اثبات کنند که مواجهه قبل از پیامد رخ داده است.
  • فقط موارد شایع: موارد موجود در یک نقطه زمانی را ثبت می‌کند؛ موارد حادث و کسانی که بهبود یافته یا فوت کرده‌اند را از دست می‌دهد. انجمن‌ها ممکن است بین موارد شایع و حادث متفاوت باشند.
  • سوگیری بازماندگان: اگر پیامد کشنده باشد یا منجر به مهاجرت/بستری شدن شود، افراد تحت تأثیر ممکن است در نمونه مقطعی کمتر نمایندگی داشته باشند.
  • ابهام مواجهه-پیامد: آیا مواجهه باعث پیامد می‌شود، یا پیامد درک مواجهه را تغییر می‌دهد؟ علیت معکوس را نمی‌توان رد کرد.
  • سوگیری یادآوری: اگر مواجهه تاریخی باشد (پرسیدن در مورد مواجهات گذشته)، دقت یادآوری به حافظه و انگیزه بستگی دارد، به خصوص در افراد بیمار.

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

نقاط قوت

  • سرعت و کارایی: جمع‌آوری داده‌ها در یک پنجره زمانی کوتاه (هفته‌ها تا ماه‌ها) انجام می‌شود، نه سال‌ها پیگیری.
  • هزینه کم: نیازی به پیگیری طولی یا تماس مجدد نیست؛ یک نظرسنجی/معاینه کافی است.
  • ساده و عملی: انجام آن در کلینیک‌ها، مدارس، محل کار یا محیط‌های اجتماعی آسان است.
  • تخمین شیوع: مستقیماً شیوع (بار بیماری) را تخمین می‌زند، برای برنامه‌ریزی و نظارت سلامت عمومی مفید است.
  • مواجهات و پیامدهای متعدد: یک نظرسنجی مقطعی می‌تواند بسیاری از مواجهات و پیامدها را همزمان اندازه‌گیری کند، برای تولید فرضیه کارآمد است.

کاربردها

  • شیوع بیماری مزمن: نظرسنجی‌های ملی شیوع فشار خون بالا، دیابت، چاقی را در جمعیت ارزیابی می‌کنند؛ نتایج سیاست‌های سلامت عمومی و تخصیص منابع را اطلاع‌رسانی می‌کنند.
  • نظارت سلامت شغلی: کارخانه‌ها یا محل‌های کار از کارمندان در مورد علائم (تنفسی، اسکلتی-عضلانی) و مواجهات نظرسنجی می‌کنند و شیوع شرایط مرتبط با کار را تخمین می‌زنند.
  • سلامت دانش‌آموزان و رفتارهای پرخطر: مدارس از دانش‌آموزان در مورد سلامت روان، مصرف مواد، فعالیت بدنی، قلدری نظرسنجی می‌کنند؛ نتایج برنامه‌های سلامت مدرسه را هدایت می‌کنند.
  • نظرسنجی از بیماران بیمارستان: در زمان پذیرش یا ترخیص، از بیماران در مورد علائم، ناتوانی‌ها، رضایت نظرسنجی می‌شود؛ این به ارزیابی پیامدهای بیمار-محور و شکاف‌های خدماتی کمک می‌کند.
  • پژوهش مشارکتی مبتنی بر جامعه: نظرسنجی‌های مقطعی در محلات، نابرابری‌های سلامت، سواد سلامت، عوامل اجتماعی را ارزیابی می‌کنند؛ نتایج اهداف مداخله را شناسایی می‌کنند.

چگونه کار می‌کند

چگونه کار می‌کند

1

جمعیت هدف را تعریف کنید (مثلاً بزرگسالان ۱۸ تا ۶۵ ساله در یک شهرداری، کارمندان یک شرکت، بیماران در یک بیمارستان). یک نمونه معرف با استفاده از نمونه‌گیری تصادفی، نمونه‌گیری طبقه‌ای (نمونه‌گیری جداگانه بر اساس سن، جنسیت، منطقه برای اطمینان از تعادل) یا نمونه‌گیری خوشه‌ای (نمونه‌گیری خوشه‌ها مانند مدارس یا محلات، سپس نمونه‌گیری افراد در خوشه‌ها) انتخاب کنید. شرکت‌کنندگان را جذب کرده و یک نظرسنجی (پرسشنامه، مصاحبه) یا معاینه بالینی برای اندازه‌گیری همزمان مواجهه و پیامد در یک نقطه زمانی انجام دهید. جمع‌آوری داده‌ها را استاندارد کنید: آموزش یکسان مصاحبه‌گر، ابزارهای یکسان، پروتکل‌های سازگار. مشخصات جمعیتی و عوامل مخدوش‌کننده بالقوه (سن، جنسیت، تحصیلات، بیماری‌های همراه و غیره) را ثبت کنید. جمع‌آوری داده‌ها را در یک پنجره زمانی کوتاه تکمیل کنید تا ماهیت «لحظه‌ای» حفظ شود.

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

شیوع را محاسبه کنید: شیوع = (تعداد افراد دارای پیامد) / (کل اندازه نمونه). به صورت نسبت یا درصد بیان کنید. برای تحلیل طبقه‌بندی شده بر اساس مواجهه، شیوع در گروه مواجه شده = (دارای پیامد در میان مواجه شدگان) / (کل مواجه شدگان) را محاسبه کنید؛ به همین ترتیب برای افراد غیر مواجه شده. نسبت شیوع (PR) را محاسبه کنید: PR = شیوع_مواجه_شده / شیوع_غیر_مواجه_شده. PR > 1 نشان می‌دهد که مواجهه با شیوع بالاتر مرتبط است (می‌تواند نشان‌دهنده عامل خطر باشد، اما زمان‌بندی نامشخص است). PR < 1 شیوع کمتر در مواجه شدگان را نشان می‌دهد (ارتباط محافظتی، اما باز هم ابهام زمانی). بازه اطمینان ۹۵٪ برای شیوع و PR را با استفاده از روش‌های دوجمله‌ای یا پواسون محاسبه کنید. برای عوامل مخدوش‌کننده تعدیل کنید: از رگرسیون لجستیک برای تخمین PR تعدیل شده استفاده کنید (یا از رگرسیون لجستیک-دوجمله‌ای که مستقیماً PR را مدل می‌کند) استفاده کنید؛ PR تعدیل شده را همراه با بازه اطمینان گزارش دهید.

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

PR ۲ به این معنی است که گروه مواجه شده دو برابر شیوع پیامد را نسبت به گروه غیر مواجه شده دارد. با این حال، با احتیاط تفسیر کنید: مواجهه ممکن است باعث پیامد شود، پیامد ممکن است باعث درک مواجهه شود، یا هر دو ممکن است نتیجه یک متغیر سوم باشند. ابهام زمانی، استنتاج علّی را محدود می‌کند؛ داده‌های مقطعی نمی‌توانند علیت را اثبات کنند. شیوع برای مشخص کردن بار بیماری در جمعیت‌ها (نظارت، ارزیابی نیاز، برنامه‌ریزی منابع) مفید است اما برای سنجش خطر یا تعیین اتیولوژی مفید نیست. اگر پیامد در جمعیت نادر باشد و نمونه‌گیری مقطعی باشد، انجمن مشاهده شده ممکن است موارد شایع (بازماندگان) را منعکس کند که از نظر مواجهه با موارد حادث متفاوت هستند. نتایج را به جمعیت هدف که نمونه از آن گرفته شده است، تعمیم دهید.

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

دام‌های رایج

  • اشتباه گرفتن شیوع با بروز: شیوع = موارد موجود در یک زمان؛ بروز = موارد جدید در طول یک دوره. مطالعات مقطعی شیوع را اندازه‌گیری می‌کنند، نه بروز.
  • انتخاب نمونه‌های غیرنماینده: نمونه‌گیری راحتی (مثلاً نظرسنجی فقط از مراجعه‌کنندگان به کلینیک یا داوطلبان) سوگیری انتخاب را معرفی می‌کند. از نمونه‌گیری تصادفی یا طبقه‌ای از یک جمعیت تعریف شده استفاده کنید.
  • تفسیر PR به عنوان نسبت خطر: در مطالعات کوهورت، RR = بروز مواجه شده / بروز غیر مواجه شده. در مطالعات مقطعی، PR = شیوع مواجه شده / شیوع غیر مواجه شده. این دو معادل نیستند؛ آن‌ها را با هم اشتباه نگیرید.
  • نادیده گرفتن داده‌های گمشده: اگر بسیاری از شرکت‌کنندگان به سؤالات مواجهه پاسخ ندهند، یا معیارهای پیامد ناقص داشته باشند، تخمین‌ها مغرضانه هستند. داده‌های گمشده را گزارش کرده و تحلیل‌های حساسیت انجام دهید.
  • تفسیر بیش از حد انجمن‌های ضعیف: PR مقطعی می‌تواند کوچک و نامشخص باشد؛ انجمن‌های ضعیف ممکن است ناشی از مخدوش‌کنندگی باشند. فرضیه‌های از پیش تعیین شده را ایجاد کرده و برای عوامل مخدوش‌کننده شناخته شده تعدیل کنید.

پرسش‌های متداول

تفاوت بین شیوع و بروز چیست؟

شیوع نسبت جمعیتی است که در یک زمان مشخص دارای یک بیماری (یا وضعیت) هستند: شیوع = (موارد موجود) / (کل جمعیت). بروز، نرخ موارد جدیدی است که در طول یک دوره زمانی ایجاد می‌شوند: بروز = (موارد جدید) / (زمان در معرض خطر برای هر فرد). مطالعات مقطعی شیوع را اندازه‌گیری می‌کنند. مطالعات کوهورت بروز را اندازه‌گیری می‌کنند. شیوع به هر دو، بروز و مدت بیماری بستگی دارد: اگر درمان بقا را طولانی کند، شیوع بدون تغییر در بروز افزایش می‌یابد. شیوع برای ارزیابی بار بیماری و نیازها مفید است؛ بروز، خطر بیماری را کمی می‌کند.

چرا نمی‌توانم از مطالعه مقطعی علیت را اثبات کنم؟

علیت نیازمند توالی زمانی است: علت باید قبل از معلول رخ دهد. مطالعه مقطعی مواجهه و پیامد را همزمان اندازه‌گیری می‌کند، بنابراین شما نمی‌توانید تعیین کنید کدام اول رخ داده است. به عنوان مثال، در نظرسنجی از کارگران، یافتن اینکه کسانی که کمردرد گزارش می‌کنند، بلند کردن اجسام سنگین را نیز گزارش می‌کنند، مشخص نمی‌کند که آیا بلند کردن باعث درد شده است یا اینکه کارگران مبتلا به درد به کارهای سبک‌تر روی آورده‌اند. این علیت معکوس یا انجمن دوطرفه است. مطالعات کوهورت با اندازه‌گیری ابتدا مواجهه و سپس پیگیری برای اندازه‌گیری پیامد، توالی زمانی را اثبات می‌کنند؛ آن‌ها برای استنتاج علّی بسیار قوی‌تر از مطالعات مقطعی هستند.

چگونه اندازه نمونه را برای مطالعه شیوع مقطعی محاسبه کنم؟

برای تخمین یک شیوع منفرد، از این فرمول استفاده کنید: n = (Z²/2 × p × (1 − p)) / d²، که در آن p شیوع مورد انتظار، d حاشیه خطای قابل قبول (مثلاً ±۰.۰۵) و Z مقدار بحرانی (۱.۹۶ برای بازه اطمینان ۹۵٪) است. به عنوان مثال، اگر شیوع تخمینی ۲۰٪ باشد، خطای قابل قبول ±۵٪ باشد، آنگاه n ≈ (۱.۹۶² × ۰.۲۰ × ۰.۸۰) / ۰.۰۵² ≈ ۲۴۶. برای مقایسه دو گروه مواجهه، از فرمول‌های مقایسه شیوع دو گروه (مشابه آزمون نسبت دو گروه) استفاده کنید. خوشه‌بندی (در صورت نمونه‌گیری خوشه‌ها مانند مدارس) را با در نظر گرفتن اثر طرح، حساب کنید. عدم پاسخ یا ریزش مورد انتظار را (با ضرب n در کسر پاسخ‌دهی) در نظر بگیرید.

سوگیری بازماندگان چیست و چگونه مطالعات مقطعی را تحت تأثیر قرار می‌دهد؟

سوگیری بازماندگان زمانی رخ می‌دهد که نمونه مقطعی فقط شامل کسانی باشد که در زمان نظرسنجی زنده و در جمعیت حضور دارند و کسانی را که به دلیل پیامد فوت کرده یا مهاجرت کرده‌اند، حذف می‌کند. به عنوان مثال، یک نظرسنجی مقطعی از ساکنان مبتلا به سکته مغزی ممکن است کسانی را که قبل از تاریخ نظرسنجی به دلیل سکته مغزی فوت کرده‌اند، یا کسانی را که به دلیل ناتوانی دور شده‌اند، از قلم بیندازد. موارد باقی‌مانده (بازماندگان) ممکن است از نظر مواجهات یا شدت با همه موارد متفاوت باشند. این امر انجمن بین مواجهه و پیامد را مغرضانه می‌کند. برای به حداقل رساندن این اثر، مطالعات مقطعی باید پیامدها را زودتر (موارد حادث) به جای دیرتر (بازماندگان شایع) اندازه‌گیری کنند، یا از موارد مبتنی بر بیمارستان یا ثبت‌نام برای ثبت جمعیت وسیع‌تری از موارد استفاده کنند.

روش‌های مرتبط

منابع

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

    شابک: 978-0195083299
    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. Lynn, P. (2009). Methodology of longitudinal surveys. Wiley Interdisciplinary Reviews: Computational Statistics, 1(3), 369–379.

    باز کردن مرجع انتشار
    کپی شد.