مطالعه مورد-شاهدی تودرتو
- معرفیشده توسط
- Nathan Mantel (1973); D. C. Thomas (1977 formalization)
- سال
- 1973–1977
- نوع
- Hybrid observational study design
- خانواده
- Clinical / epidemiology
این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید
چه کاری انجام میدهد؟
مطالعه مورد-شاهدی تودرتو یک طرح مشاهدهای کارآمد است که در یک کوهورت تعریفشده جای میگیرد. برای هر شرکتکنندهای که پیامد مورد نظر (یک مورد) را تجربه میکند، تعداد کمی از شاهدان همسانشده از میان افرادی که در همان زمان هنوز در معرض خطر هستند، نمونهبرداری میشوند. این استراتژی نمونهبرداری مبتنی بر چگالی، نسبت شانسهایی را به دست میدهد که تقریب خوبی از نسبتهای نرخ بروز از کوهورت کامل با کسری از هزینه جمعآوری دادهها هستند — و این امر آن را به گزینه ترجیحی تبدیل میکند، زمانی که اندازهگیری مواجههها برای همه اعضای کوهورت بسیار پرهزینه یا از نظر فنی دشوار باشد.
شهود پشت روش
یک کوهورت شغلی ۲۰ ساله شامل ۱۰,۰۰۰ کارگر را تصور کنید. شما میخواهید بررسی کنید که آیا مواجهه با یک ماده شیمیایی خاص، خطر سرطان مثانه را افزایش میدهد یا خیر، اما اندازهگیری نشانگرهای زیستی سرم برای همه ۱۰,۰۰۰ شرکتکننده بسیار پرهزینه خواهد بود. یک طرح مورد-شاهدی تودرتو این مشکل را حل میکند: هر بار که یک کارگر تشخیص داده میشود (یک مورد)، شما به طور تصادفی، مثلاً چهار کارگر را از مجموعه خطر — یعنی کسانی که هنوز پیامد را تجربه نکردهاند و حداقل به همان زودی ثبتنام کردهاند — انتخاب میکنید و نشانگرهای زیستی را فقط برای آن پنج نفر اندازهگیری میکنید. از آنجا که شاهدان از همان کوهورت و در همان نقطه زمانی پیگیری انتخاب میشوند، این طرح ساختار آیندهنگر کوهورت را به ارث میبرد، در حالی که آزمایشهای نشانگر زیستی را تقریباً ۸۰٪ کاهش میدهد.
تاریخ
طرح مورد-شاهدی تودرتو توسط ناتان مانتل در سال ۱۹۷۳ به عنوان راهی برای اعمال منطق مورد-شاهدی گذشتهنگر در دادههای کوهورت آیندهنگر، بازیابی کارایی بدون قربانی کردن یکپارچگی زمانی، مفهومسازی شد. دی. سی. توماس چارچوب نمونهبرداری مجموعه خطر یا چگالی بروز را در سال ۱۹۷۷ رسمی کرد و نشان داد که ORهای برآوردشده از چنین نمونههایی تحت فرضیه صفر و تحت اندازههای اثر متوسط، برابر با IRR کوهورت هستند. این طرح در اپیدمیولوژی شغلی و سرطان در دهههای ۱۹۸۰ و ۱۹۹۰ به طور گستردهای پذیرفته شد، به ویژه برای مطالعاتی که نیازمند آزمایشهای نشانگر زیستی پرهزینه بر روی نمونههای بایگانیشده بودند. اکنون این یک ابزار استاندارد در مطالعات بزرگ مرتبط با بانکهای زیستی و تحقیقات فارماکوپیدمیولوژیک است.
چه زمانی استفاده شود
زمانی از طرح مورد-شاهدی تودرتو استفاده کنید که یک کوهورت آیندهنگر با دادههای پیامد دارید (یا میتوانید تشکیل دهید) اما اندازهگیری مواجههها برای همه اعضا پرهزینه، از نظر فنی دشوار یا نیازمند نمونههای زیستی ذخیرهشده است. این طرح زمانی ایدهآل است که مواجهه مورد نظر یک آزمایش آزمایشگاهی، نشانگر ژنتیکی یا نمونه بایگانیشده باشد که بودجه اندازهگیری آن محدود است. این طرح همچنین زمانی مناسب است که نیاز به کنترل عوامل مخدوشکننده متغیر با زمان دارید یا میخواهید پیامدهای نادر را در یک کوهورت بزرگ بدون تعیین مواجهه کامل کوهورت مطالعه کنید. از این طرح استفاده نکنید زمانی که کوهورت برای تولید تعداد کافی مورد بسیار کوچک است؛ زمانی که دادههای پیامد در دسترس نیستند یا غیرقابل اعتماد هستند؛ زمانی که همه مواجههها قبلاً برای کوهورت کامل اندازهگیری شدهاند (در این صورت تحلیل کوهورت کامل کارآمدتر است)؛ یا زمانی که سؤال پژوهش نیازمند برآورد خطرات مطلق به جای خطرات نسبی است.
محدودیتها و ملاحظات
- نیاز به یک کوهورت از پیش موجود با تعیین پیامد قابل اعتماد دارد؛ ایجاد چنین کوهورت خود نیازمند منابع زیادی است.
- طرح همسانشده با رگرسیون لجستیک شرطی به این معنی است که متغیرهای همسانشده نمیتوانند به عنوان پیشبینیکنندههای مستقل پیامد ارزیابی شوند.
- زمانی که پیامدها شایع هستند (بیش از ۱۰٪ کوهورت)، افزایش کارایی کاهش مییابد، در این صورت یک طرح کوهورت کامل یا مورد-کوهورت ممکن است ارجح باشد.
- انتخاب تعداد کافی شاهد به ازای هر مورد نیازمند محاسبات توان دقیق است؛ تعداد کم شاهدان کارایی آماری را بدون صرفهجویی متناسب در هزینه کاهش میدهد.
شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.
نقاط قوت
- هزینه و تلاش ارزیابی مواجهه را به طور چشمگیری نسبت به تحلیل کوهورت کامل کاهش میدهد — معمولاً تنها ۵ تا ۱۰ درصد از اعضای کوهورت نیاز به اندازهگیری دارند.
- نمونهبرداری چگالی بروز تضمین میکند که OR یک برآورد بدون سوگیری از نسبت نرخ بروز است و تفسیر علّی یک طرح آیندهنگر را حفظ میکند.
- با لنگر انداختن انتخاب شاهد به مجموعه خطر در لحظه وقوع هر مورد، امکان استفاده از مواجهههای متغیر با زمان را فراهم میکند.
- نقاط قوت کوهورت آیندهنگر را به ارث میبرد: تقدم زمانی مواجهه قبل از پیامد، و کاهش سوگیری یادآوری در مقایسه با یک مطالعه مورد-شاهدی سنتی.
- همسانسازی انعطافپذیر بر اساس زمان و کوواریتهای سطح فردی، عوامل مخدوشکننده قوی را به طور کارآمد کنترل میکند بدون نیاز به دادههای کوواریت کامل کوهورت.
کاربردها
- مطالعات نشانگر زیستی در کوهورتهای آیندهنگر بزرگ — اندازهگیری نمونههای خون ذخیرهشده فقط برای موارد و شاهدان همسانشده برای مطالعه سرطان، بیماریهای قلبی عروقی یا پیامدهای متابولیک.
- اپیدمیولوژی شغلی — ارزیابی مواجهههای شیمیایی یا پرتوی تجمعی در میان کارگرانی که سرطانهای خاصی را در یک کارخانه یا کوهورت ثبت تجربه میکنند.
- فارماکوپیدمیولوژی — ارزیابی مواجهه با دارو و عوارض جانبی در کوهورتهای پایگاه داده سلامت اداری که سوابق نسخهها کامل هستند اما دادههای بالینی دقیق نیازمند بررسی پرونده هستند.
- اپیدمیولوژی بیماریهای عفونی — بررسی عوامل میزبان یا پاتوژن برای پیامدهای شدید (مانند بستری شدن در بیمارستان، مرگ) در یک کوهورت نظارتی از افراد آلوده.
- مطالعات ژنتیکی و ژنومی — انجام توالییابی ژن کاندید یا اگزوم کامل بر روی موارد و شاهدان نمونهبرداریشده از یک کوهورت جمعیتی با پیگیری طولانیمدت.
چگونه کار میکند
چگونه کار میکند
این مطالعه با یک کوهورت پویا یا ثابت موجود یا تازه تشکیلشده آغاز میشود که همه اعضای آن در بدو ورود بدون بیماری بودهاند و در طول زمان پیگیری میشوند. کوهورت چارچوب نمونهبرداری را فراهم میکند که هم موارد و هم شاهدان از آن انتخاب میشوند و تضمین میکند که همه شرکتکنندگان دارای یک خط پایه و پنجره مواجهه مشترک هستند.
در طول پیگیری، هر رخداد جدید پیامد (مانند تشخیص بیماری، مرگ) به عنوان یک مورد، همراه با تاریخ دقیق رخداد، ثبت میشود. موارد اغلب همه رخدادهای بروز در کوهورت هستند، اما این طرح میتواند به یک زیرمجموعه تعریفشده (مثلاً یک زیرگروه بافتشناسی خاص) نیز محدود شود.
برای هر مورد، یک مجموعه خطر تشکیل میشود: همه اعضای کوهورت که هنوز تحت پیگیری هستند و در لحظه وقوع مورد، بدون رخداد هستند. تعداد ثابتی از شاهدان (معمولاً ۱ تا ۱۰ نفر به ازای هر مورد) به طور تصادفی از این مجموعه خطر نمونهبرداری میشوند — این روش نمونهبرداری چگالی بروز یا نمونهبرداری مجموعه خطر نامیده میشود. شاهدان ممکن است بر اساس متغیرهایی مانند سن، جنسیت یا زمان تقویمی با مورد خود همسانسازی شوند تا عوامل مخدوشکننده کاهش یابد.
اطلاعات مواجهه — نشانگرهای زیستی، نمونههای بیولوژیکی ذخیرهشده، سوابق پزشکی یا دادههای مصاحبه — فقط برای موارد و شاهدان انتخابشده بازیابی یا اندازهگیری میشود، نه برای کل کوهورت. از آنجا که شاهدان در زمان هر رخداد مورد انتخاب میشوند، مواجهههای متغیر با زمان را میتوان در پنجره خطر مربوطه ثبت کرد.
رگرسیون لجستیک شرطی برای برآورد نسبت شانسها (ORs) در هر مجموعه مورد-شاهدی همسانشده، با در نظر گرفتن متغیرهای همسانسازی، استفاده میشود. تحت نمونهبرداری چگالی بروز، OR یک برآورد بدون سوگیری از نسبت نرخ بروز (IRR) از تحلیل کوهورت کامل است، که باعث میشود نتایج به طور مستقیم به عنوان برآوردهای نرخ نسبی قابل تفسیر باشند.
دامهای رایج
- استفاده از موارد شیوعی به جای موارد بروز — شامل شرکتکنندگانی که قبلاً در بدو ورود به کوهورت بیماری را داشتند، سوگیری طول را ایجاد میکند و فرض زمانی مبنی بر تقدم مواجهه بر پیامد را نقض میکند.
- انتخاب شاهدان از خارج از مجموعه خطر — انتخاب شاهدانی که قبلاً پیامد را تجربه کرده بودند، یا کسانی که پس از تاریخ رخداد مورد وارد کوهورت شدند، منطق نمونهبرداری چگالی را مخدوش میکند و OR را از IRR منحرف میسازد.
- نادیده گرفتن ساختار همسانشده در تحلیل — تحلیل دادههای مورد-شاهدی همسانشده با رگرسیون لجستیک غیرشرطی (به جای رگرسیون لجستیک شرطی) برآوردهای سوگیرانه تولید میکند، به ویژه زمانی که تعداد شاهدان به ازای هر مورد کم باشد.
- عدم در نظر گرفتن مواجهههای متغیر با زمان — استفاده از یک اندازهگیری مواجهه پایه واحد زمانی که مواجههها در طول پیگیری تغییر میکنند، مواجهه را به اشتباه طبقهبندی میکند و نتایج را به سمت پوچ سوگیری میدهد.
- همسانسازی بیش از حد بر روی متغیرهای در مسیر علّی — همسانسازی بر روی واسطهها بین مواجهه و پیامد، تغییرپذیری لازم برای تشخیص یک اثر را از بین میبرد.
پرسشهای متداول
مطالعه مورد-شاهدی تودرتو چه تفاوتی با مطالعه مورد-شاهدی سنتی دارد؟
یک مطالعه مورد-شاهدی سنتی موارد را از یک بیمارستان یا ثبتنام جذب میکند و شاهدان را از جمعیت عمومی انتخاب میکند، که اطمینان از اینکه شاهدان از همان جمعیت منبع موارد آمدهاند را دشوار میسازد. یک مطالعه مورد-شاهدی تودرتو هم موارد و هم شاهدان را از یک کوهورت تعریفشده با تاریخهای ورود و پیگیری مشخص انتخاب میکند، بنابراین جمعیت منبع صریح است و تضمین میشود که شاهدان در معرض خطر تبدیل شدن به مورد بودهاند — این امر یک منبع اصلی سوگیری انتخاب را حذف میکند و به OR اجازه میدهد تا IRR را برآورد کند.
چند شاهد به ازای هر مورد باید انتخاب کنم؟
انتخاب ۴ تا ۵ شاهد به ازای هر مورد، بیشتر افزایش کارایی آماری را نسبت به تحلیل کوهورت کامل به دست میآورد؛ فراتر از نسبت حدود ۱۰:۱، افزایش حاشیهای ناچیز است. تعداد بهینه به هزینه نسبی به دست آوردن دادههای مورد در مقابل شاهد و به الزامات توان آماری بستگی دارد. برای پیامدهای نادر که هر مورد ارزشمند است، تا ۱۰ شاهد به ازای هر مورد ممکن است توجیهپذیر باشد.
تفاوت بین مطالعه مورد-شاهدی تودرتو و مطالعه مورد-کوهورت چیست؟
هر دو طرح از یک کوهورت نمونهبرداری میکنند تا هزینههای تعیین مواجهه را کاهش دهند. در یک مطالعه مورد-شاهدی تودرتو، شاهدان در زمان رخداد مورد، با هر مورد همسانسازی میشوند و رگرسیون لجستیک شرطی استفاده میشود. در یک مطالعه مورد-کوهورت، یک زیرکوهورت تصادفی در خط پایه انتخاب میشود و به عنوان گروه مقایسه برای همه موارد، صرف نظر از زمان وقوع آنها، عمل میکند؛ این امر اجازه میدهد تا از همان زیرکوهورت برای پیامدهای متعدد استفاده شود اما نیازمند تحلیلهای وزنی پیچیدهتر است. طرحهای مورد-شاهدی تودرتو عموماً سادهتر برای تحلیل هستند؛ طرحهای مورد-کوهورت زمانی ترجیح داده میشوند که چندین پیامد به طور همزمان مطالعه شوند.
آیا میتوانم از طرح مورد-شاهدی تودرتو با یک کوهورت گذشتهنگر استفاده کنم؟
بله. اگرچه این طرح از نظر مفهومی آیندهنگر است — مواجهه قبل از پیامد رخ میدهد — اما میتواند در یک کوهورت گذشتهنگر که از سوابق تاریخی جمعآوری شده است، جای گیرد. الزامات کلیدی این است که تاریخهای ورود کوهورت، دورههای پیگیری و تاریخهای پیامد به طور قابل اعتماد مستند شده باشند، و اطلاعات مواجهه را بتوان برای موارد و شاهدان انتخابشده بدون اطلاع از وضعیت مورد (برای جلوگیری از سوگیری اطلاعات) بازیابی کرد.
از چه نرمافزاری میتوانم برای رگرسیون لجستیک شرطی در دادههای مورد-شاهدی تودرتو استفاده کنم؟
رگرسیون لجستیک شرطی برای دادههای مورد-شاهدی همسانشده در R (تابع clogit در بسته survival)، Stata (دستور clogit)، SAS (PROC LOGISTIC با دستور STRATA) و SPSS موجود است. متغیر همسانسازی (معمولاً یک شناسه مجموعه مورد) باید به عنوان شناسه طبقه گنجانده شود. برای تحلیلهای زمان تا رخداد با استفاده از مجموعه خطر کامل، احتمال جزئی کاکس با همسانسازی زمانی از نظر ریاضی معادل رگرسیون لجستیک شرطی تحت نمونهبرداری چگالی بروز است.
روشهای مرتبط
منابع
Thomas, D. C. (1977). Addendum to: Methods of cohort analysis: Appraisal by application to asbestos mining. Journal of the Royal Statistical Society, Series A, 140(4), 469–491.
باز کردن مرجع انتشارکپی شد.Mantel, N. (1973). Synthetic retrospective studies and related topics. Biometrics, 29(3), 479–486.
باز کردن مرجع DOIکپی شد.