Skip to content
بازگشت به نتایج جست‌وجو

مطالعه اکولوژیک — مطالعه اپیدمیولوژیک تجمعی

معرفی‌شده توسط
Various; foundational work by John Snow (1854) and systematised in modern form by Brian MacMahon and colleagues
سال
19th century (Snow 1854); formalised mid-20th century
نوع
Observational epidemiological study
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 اکولوژیک یک طرح مطالعاتی مشاهده‌ای اپیدمیولوژیک است که در آن واحد تحلیل، یک گروه یا جمعیت — مانند یک کشور، منطقه، شهر یا دوره زمانی — است و نه یک فرد. مواجهه‌ها و پیامدها به صورت تجمعی (نرخ‌ها، نسبت‌ها یا میانگین‌ها) اندازه‌گیری شده و سپس در میان گروه‌ها همبستگی داده می‌شوند تا فرضیه‌هایی درباره ارتباطات در سطح جمعیت بین عوامل خطر و بیماری تولید یا ارزیابی شوند.

شهود پشت روش

به مقایسه نرخ مرگ‌ومیر سرطان در میان کشورها در برابر میانگین مصرف سرانه چربی رژیم غذایی فکر کنید. سوابق رژیم غذایی یا سلامت هیچ فردی مورد بررسی قرار نمی‌گیرد؛ در عوض، میانگین‌های ملی از ثبت‌های سلامت و داده‌های عرضه مواد غذایی با هم جفت شده و ترسیم می‌شوند. یک همبستگی قوی در میان کشورها، ارتباطی در سطح جمعیت را نشان می‌دهد که ارزش بررسی بیشتر را دارد — اما از آنجایی که داده‌ها تجمیع شده‌اند، نمی‌توان نتیجه گرفت که افرادی که چربی بیشتری مصرف کرده‌اند، همان کسانی بوده‌اند که به سرطان مبتلا شده‌اند. این شکاف بین استنتاج در سطح گروه و سطح فرد، چالش تعیین‌کننده طرح اکولوژیک است.

تاریخ

طرح اکولوژیک ریشه‌هایی در نقشه‌برداری جان اسنو در سال ۱۸۵۴ از مرگ‌ومیر وبا بر اساس منطقه تأمین آب در لندن دارد — که شاید اولین مطالعه اکولوژیک در اپیدمیولوژی باشد. ادبیات روش‌شناختی رسمی در اواسط قرن بیستم همزمان با رشد آمارهای سلامت ملی به طور قابل توجهی توسعه یافت. بازبینی‌های هال مورگنشترن در سال‌های ۱۹۸۲ و ۱۹۹۵ به مراجع بنیادی تبدیل شدند که هم کاربرد و هم محدودیت‌های اساسی این طرح، به‌ویژه خطای اکولوژیک، اصطلاحی که به ویلیام اس. رابینسون (۱۹۵۰) نسبت داده می‌شود، را روشن کردند. این روش همچنان در اپیدمیولوژی محیطی، اپیدمیولوژی تغذیه و تحقیقات سیاست‌گذاری سلامت به طور گسترده‌ای مورد استفاده قرار می‌گیرد.

چه زمانی استفاده شود

زمانی از مطالعه اکولوژیک استفاده کنید که داده‌های سطح فردی در دسترس نباشند، بسیار گران باشند، یا از نظر اخلاقی محدود شده باشند، و زمانی که سؤال تحقیق مربوط به یک مواجهه در سطح جمعیت باشد — مانند سیاست ملی، آلودگی محیطی، یا محرومیت اجتماعی-اقتصادی — که در میان گروه‌ها بیشتر از درون آن‌ها متغیر است. این طرح برای تولید فرضیه در مورد پیامدهای نادر یا بیماری‌های با دوره نهفتگی طولانی با استفاده از داده‌های جمع‌آوری شده به طور معمول، کارآمد است. از مطالعات اکولوژیک برای نتیجه‌گیری در مورد علیت در سطح فردی استفاده نکنید؛ خطای اکولوژیک این‌گونه استنتاج‌ها را نامعتبر می‌سازد. از این طرح زمانی که مواجهه مورد علاقه به طور قابل توجهی در واحدهای اکولوژیک متغیر است، زمانی که عوامل مخدوش‌کننده در سطح گروه قابل اندازه‌گیری و تعدیل نباشند، یا زمانی که به جای فرضیه ارتباطی، ادعای علّی مورد نیاز باشد، اجتناب کنید — در این موارد، طرح‌های کوهورت یا مورد-شاهدی در سطح فردی ضروری هستند.

محدودیت‌ها و ملاحظات

  • آسیب‌پذیر در برابر خطای اکولوژیک: همبستگی مشاهده شده در سطح گروه ممکن است در سطح فردی برقرار نباشد، و استنتاج در مورد افراد از داده‌های گروهی از نظر منطقی نامعتبر است.
  • عامل مخدوش‌کننده در سطح گروه اغلب شدید و کنترل آن دشوار است زیرا بسیاری از عوامل همبسته در واحدهای اکولوژیک با هم متغیر هستند.
  • اندازه‌گیری مواجهه غیرمستقیم و اغلب نامشخص است — به عنوان مثال، داده‌های عرضه مواد غذایی ملی، آنچه افراد واقعاً مصرف کرده‌اند را نشان نمی‌دهد.
  • علت معکوس به سختی قابل رد است زمانی که هم داده‌های مواجهه و هم داده‌های پیامد از یک دوره زمانی یکسان باشند.
  • وابسته به در دسترس بودن و کیفیت داده‌های معمول، که در میان کشورها و دوره‌های زمانی به شدت متفاوت است.

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

نقاط قوت

  • بسیار مقرون به صرفه: از داده‌های نظارتی و اداری موجود بهره می‌برد بدون نیاز به جمع‌آوری داده اولیه.
  • مناسب برای مواجهه‌هایی که در سطح جمعیت عمل می‌کنند (استانداردهای کیفیت هوا، سیاست‌های عرضه مواد غذایی، شاخص‌های نابرابری اجتماعی-اقتصادی).
  • می‌تواند بیماری‌های نادر یا شرایطی با دوره نهفتگی طولانی را که پیگیری فردی غیرعملی خواهد بود، بررسی کند.
  • اجرای سریع — نتایج را می‌توان در عرض چند هفته با استفاده از مجموعه داده‌های عمومی در دسترس تولید کرد.
  • برای تولید فرضیه و اطلاع‌رسانی به طراحی مطالعات گران‌تر در سطح فردی ارزشمند است.

کاربردها

  • بررسی ارتباط بین شاخص‌های مصرف ملی میوه و سبزیجات و نرخ مرگ‌ومیر بیماری‌های قلبی-عروقی در میان کشورها.
  • بررسی اینکه آیا مصرف سرانه الکل در سطح منطقه‌ای با نرخ بروز سیروز کبدی همبستگی دارد.
  • مقایسه غلظت آلودگی هوا در میان شهرها یا شهرستان‌ها با نرخ‌های بستری شدن در بیمارستان به دلیل بیماری‌های تنفسی در جمعیت.
  • تحلیل روند زمانی — اینکه آیا افزایش‌های سکولار در شیوع چاقی با تغییرات در محیط‌های فعالیت بدنی در ایالت‌ها همخوانی دارد.
  • ارزیابی ارتباط بین شاخص‌های محرومیت اجتماعی-اقتصادی در سطح محله و نرخ مرگ‌ومیر زودهنگام.
  • تولید فرضیه در مورد بار بیماری‌های عفونی و نرخ پوشش واکسیناسیون در میان سیستم‌های بهداشت ملی.

چگونه کار می‌کند

چگونه کار می‌کند

1

واحدهای تحلیل اکولوژیک را انتخاب کنید — معمولاً گروه‌بندی‌های جغرافیایی یا زمانی مانند کشورها، ایالت‌ها، شهرستان‌ها، شهرها یا سال‌های تقویمی. انتخاب واحد، داده‌های قابل دسترس و عواملی را که می‌توانند مهار شوند، تعیین می‌کند؛ واحدهای ریزتر (مانند مناطق سرشماری) تحلیل دقیق‌تری را امکان‌پذیر می‌سازند اما ممکن است آمارهای کوچک‌تر و پرنویزتری داشته باشند.

2

داده‌های تجمعی معمول را برای هر واحد جمع‌آوری کنید: نرخ‌های بیماری از ثبت‌های مرگ‌ومیر یا سیستم‌های نظارتی، و شاخص‌های مواجهه از آمارهای رسمی، پایگاه‌های داده عرضه مواد غذایی، پایش محیطی، یا سوابق سرشماری. داده‌ها به ندرت برای مطالعات اکولوژیک از ابتدا جمع‌آوری می‌شوند؛ این طرح معمولاً از داده‌های اداری و نظارتی موجود بهره می‌برد.

3

شمارش‌ها را به نرخ‌های قابل مقایسه استاندارد کنید — معمولاً نرخ‌های بروز یا مرگ‌ومیر استاندارد شده بر اساس سن در هر ۱۰۰,۰۰۰ نفر جمعیت — تا تفاوت‌ها در ساختار سنی جمعیت در میان واحدها، همبستگی اکولوژیک را مخدوش نکند.

4

ارتباط بین معیار مواجهه در سطح گروه و نرخ پیامد در سطح گروه را تخمین بزنید. رگرسیون خطی یا همبستگی پیرسون/اسپیرمن استاندارد هستند؛ مدل‌های چندسطحی یا رگرسیون فضایی ممکن است زمانی که داده‌ها اجازه دهند، اضافه شوند. ضریب همبستگی r، قدرت و جهت ارتباط اکولوژیک را خلاصه می‌کند.

فرمول
r = \frac{\sum (X_i - \bar{X})(Y_i - \bar{Y})}{\sqrt{\sum (X_i-\bar{X})^2 \sum (Y_i-\bar{Y})^2}}
5

ارتباط اکولوژیک را با احتیاط تفسیر کنید. یک همبستگی مثبت فرضیه‌ساز است، نه اثبات علّی. عوامل مخدوش‌کننده قابل اندازه‌گیری در سطح گروه را ارزیابی کنید، خطای اکولوژیک (همبستگی گروهی به معنای همبستگی فردی نیست) را بررسی کنید، و بحث کنید که آیا ارتباط می‌تواند ناشی از تفاوت در کیفیت داده‌ها، شیوه‌های گزارش‌دهی، یا عوامل اندازه‌گیری نشده در سطح گروه باشد.

دام‌های رایج

  • مرتکب شدن خطای اکولوژیک — نتیجه‌گیری اینکه چون کشورهای با رژیم غذایی پرچرب نرخ سرطان بالاتری دارند، افراد با مصرف چربی بیشتر در معرض خطر سرطان بالاتری هستند. این استنتاج توسط داده‌های سطح گروه موجه نیست.
  • نادیده گرفتن تنوع درون گروهی — زمانی که سطوح مواجهه به طور قابل توجهی در میان افراد در هر واحد متفاوت است، میانگین گروه یک نماینده ضعیف است و سوگیری تضعیف‌کننده می‌تواند ارتباطات واقعی را پنهان یا اغراق کند.
  • انتخاب واحدهای اکولوژیک پس از وقوع برای دستیابی به نتیجه دلخواه (مسئله واحد منطقه‌ای قابل تغییر): همبستگی می‌تواند به طور قابل توجهی بسته به نحوه ترسیم مرزهای جغرافیایی تغییر کند.
  • در نظر گرفتن ارتباطات اکولوژیک به عنوان شواهد کافی برای سیاست‌گذاری بدون تکرار در مطالعات سطح فردی یا شواهد تجربی.
  • نادیده گرفتن ناهمگونی کیفیت داده‌ها — گزارش‌دهی ناقص بیماری و ناسازگاری طبقه‌بندی در میان واحدها می‌تواند همبستگی‌های کاذب ایجاد کند.

پرسش‌های متداول

خطای اکولوژیک چیست و چرا اهمیت دارد؟

خطای اکولوژیک (رابینسون ۱۹۵۰) خطای فرض این است که همبستگی مشاهده شده در سطح گروه برای افراد درون آن گروه‌ها نیز برقرار است. به عنوان مثال، کشورهایی با درآمد متوسط بالاتر ممکن است نرخ سرطان بالاتری داشته باشند — اما این به این معنا نیست که افراد ثروتمندتر در هر کشوری احتمال بیشتری برای ابتلا به سرطان دارند. داده‌های سطح فردی از مطالعات کوهورت یا مورد-شاهدی برای آزمودن فرضیه‌های سطح فردی لازم است.

مطالعه اکولوژیک چگونه با مطالعه مقطعی تفاوت دارد؟

یک مطالعه مقطعی داده‌های مواجهه و پیامد را از شرکت‌کنندگان فردی در یک نقطه زمانی جمع‌آوری می‌کند و امکان تحلیل در سطح فردی را فراهم می‌سازد. یک مطالعه اکولوژیک از داده‌های تجمیع شده در سطح گروه استفاده می‌کند — هیچ سوابق فردی درگیر نیست. طرح اکولوژیک سریع‌تر و ارزان‌تر است اما مستعد خطای اکولوژیک است؛ طرح مقطعی از آن خطا اجتناب می‌کند اما نیاز به جمع‌آوری داده اولیه دارد.

آیا مطالعات اکولوژیک می‌توانند علیت را اثبات کنند؟

خیر. مطالعات اکولوژیک فرضیه‌ساز هستند. حتی یک همبستگی قوی بین‌المللی با بسیاری از داستان‌های علّی و بسیاری از مکانیسم‌های مخدوش‌کننده سازگار است. اثبات علیت نیازمند شواهد در سطح فردی از مطالعات کوهورت یا کارآزمایی‌های تصادفی، که به طور ایده‌آل با توجیه بیولوژیکی و شیب دوز-پاسخ پشتیبانی می‌شوند، است.

مسئله واحد منطقه‌ای قابل تغییر (MAUP) چیست؟

مسئله واحد منطقه‌ای قابل تغییر (MAUP) به این یافته اشاره دارد که اندازه و شکل واحدهای جغرافیایی انتخاب شده می‌تواند همبستگی اکولوژیک مشاهده شده را به طور قابل توجهی تغییر دهد. اگر داده‌ها را در سطح ملی تجمیع کنید، ممکن است ارتباط متفاوتی نسبت به سطح ایالتی یا شهرستانی مشاهده کنید. تحلیل‌های حساسیت با استفاده از سطوح مختلف تجمیع به ارزیابی استحکام یافته‌ها کمک می‌کند.

چه زمانی مطالعه اکولوژیک بر مطالعه کوهورت ترجیح داده می‌شود؟

زمانی که مواجهه یک پدیده در سطح جمعیت باشد — مانند یک سیاست ملی، یک مواجهه محیطی مشترک، یا یک روند سکولار — که بنا به تعریف نمی‌توان آن را به افراد مستقل از عضویت گروهی آن‌ها نسبت داد. در این شرایط، واحد اکولوژیک، واحد تحلیل طبیعی است و طرح‌های سطح فردی نمی‌توانند تنوع مرتبط را ثبت کنند.

روش‌های مرتبط

منابع

  1. Morgenstern, H. (1995). Ecologic studies in epidemiology: concepts, principles, and methods. Annual Review of Public Health, 16(1), 61–81.

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

    باز کردن مرجع انتشار
    کپی شد.