Skip to content
検索結果に戻る

横断疫学研究

提唱者
Classical epidemiology tradition; systematized by Brian MacMahon and Thomas Pugh (1960s)
年
1960s (formal codification); widely practiced since mid-20th century
種類
Observational, descriptive/analytic epidemiological design
系統
Clinical / epidemiology

この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む

文字サイズ

何をする手法か?

横断疫学研究は、特定の時点(または短期間)において、定義された集団における関心のある曝露と転帰を同時に測定するものです。追跡調査がないため、疾患の有病率を推定し、危険因子と健康転帰との関連性に関する仮説を生成するための最も効率的な観察研究デザインです。

手法の背後にある直感

横断研究は、ある瞬間に撮影された集団のスナップ写真のようなものだと考えてください。このスナップショットに写っている全員について、曝露状況(例:喫煙、BMI、職業)と現在の健康転帰(例:高血圧、うつ病、糖尿病)の両方が評価されます。この写真は全体像を一度に捉えるため、誰が疾患を持っているか、そして特定の曝露が疾患を持つ人々の間でより一般的であるように見えるかどうかを迅速に数えることができます。しかし、写真からはどちらが先に来たのかを判断することはできません。したがって、この研究はパターンと有病率を明らかにすることはできますが、曝露が転帰を引き起こしたことをそれ自体で確立することはできません。

歴史学

横断研究デザインは、20世紀半ばに正式な疫学的手法として登場し、集団ベースの調査方法論の発展によって形成され、Brian MacMahon、Thomas Pugh、そして後にLeon Gordisによる基礎的なテキストで体系化されました。米国国民健康面接調査(1957年開始)や国民健康栄養調査のような大規模な国民健康調査は、継続的な集団サーベイランスのための手法を制度化しました。サンプリング理論、複雑な調査の統計分析、電子カルテの使用における方法論的改良は、このデザインの適用範囲を臨床疫学、保健サービス研究、およびグローバルヘルスモニタリングに広げました。

使うべき場面

横断研究は、集団における疾患の有病率を推定すること、危険因子の分布を評価すること、または曝露と転帰の関連性に関する仮説を迅速かつ低コストで生成することを主な目的とする場合に用いられます。特に、慢性疾患で罹病期間が長い場合、保健サービス計画、および繰り返しのモニタリング調査(例:国民健康調査)に適しています。研究課題が因果的な時間的順序の確立を必要とする場合(代わりにコホート研究または実験デザインを使用)、転帰が稀な場合(症例対照研究の方が効率的)、または曝露や疾患の状態が時間とともに急速に変化し、単一のスナップショットでは情報が得られないか、有病率-発生率バイアスの影響を受けやすい場合には、このデザインを避けるべきです。

限界と注意点

  • 曝露と転帰の時間的順序を確立できないため、因果推論を直接的に支持することはできません。
  • 有病率-発生率(Neyman)バイアスの影響を受けやすい — 急速に致死的であるか、または急速に回復する状態は、影響を受けた個人がスナップショットに捉えられる可能性が低いため、過小評価されます。
  • 無回答バイアスが大きくなる可能性があります。参加する個人は、参加しない個人と系統的に異なる場合があります。
  • 逆因果関係の可能性 — 観察された疾患が、測定された曝露を引き起こした可能性があり、その逆ではありません。

出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。

強み

  • 追跡調査が不要 — データ収集はコホート研究や介入研究と比較して迅速かつ比較的安価です。
  • 有病率の推定、公衆衛生プログラムの計画とモニタリングに適しています。
  • 単一の研究で複数の曝露と転帰を同時に調査できます。
  • 既存の行政データや調査データを用いて大規模に実施可能であり、一般的な転帰に対して高い統計的検出力を実現します。

応用

  • 高血圧、糖尿病、肥満、精神疾患などの慢性疾患の国または地域における有病率を推定すること。
  • 喫煙、身体活動不足、アルコール使用などの行動的危険因子の人口統計学的グループ間での分布を評価すること。
  • 同じ個人を追跡することなく、経時的な集団健康指標の傾向を監視するための繰り返し横断調査。
  • 医療利用パターンを評価し、保健サービス計画のための満たされていないニーズを特定すること。
  • スクリーニングプログラムの評価 — スクリーニング介入が導入される前の疾患のベースライン有病率を確立すること。
  • その後、コホート研究または実験研究で検証される危険因子に関する仮説生成。

使い方

使い方

1

研究者は対象集団と研究期間を特定します。推論の対象となる集団を代表するサンプルを確保するために、適格基準(年齢、地理、臨床設定など)が定義されます。データ収集を開始する前に、明確な症例定義と曝露定義が確立されます。

2

対象集団からサンプルが抽出されますが、代表性を最大化し、偏りのない有病率推定を可能にするために、理想的には確率抽出(単純無作為抽出、層化抽出、クラスター抽出、系統抽出)が用いられます。サンプルサイズは、予想される有病率、望ましい精度または検出力、およびクラスター抽出が使用される場合はデザイン効果を用いて、事前に計算されます。

3

サンプリングされたすべての個人は、曝露と転帰の両方について、ほぼ同じ時点で評価されます。データソースには、標準化された質問票、臨床検査、生物学的検体、または行政記録が含まれます。曝露と転帰が同時に収集されるため、このデザインでは時間的順序を決定することはできません。

4

主要な推定値は時点有病率(point prevalence proportion)であり、転帰を持つ個人の数を検査された総数で割ったもので、パーセンテージまたは1,000人あたりで表されます。期間有病率(period prevalence)(定義された短い期間における)も報告されることがあります。有病率 = (時点Tにおける症例数) / (検査された総人口) x 100。

数式
Prevalence = (Number of cases at time T) / (Total population examined) x 100
5

曝露カテゴリーと転帰との関連性は、有病率比(Prevalence Ratio, PR)または有病オッズ比(Prevalence Odds Ratio, POR)を用いて、信頼区間とともに定量化されます。多変量ロジスティック回帰またはポアソン回帰は交絡因子を調整することができます。時間的順序が不明であるため、これらの関連性は因果関係ではなく、仮説生成的なものとして解釈されます。PR = 曝露群の有病率 / 非曝露群の有病率。

数式
Prevalence Ratio (PR) = Prevalence in exposed / Prevalence in unexposed

よくある落とし穴

  • 有病率と発生率の混同 — 横断研究は既存の症例(有病率)を測定するものであり、新規の症例(発生率)ではありません。有病率比を発生率比として解釈することは、追加の仮定なしには誤りです。
  • 分析における複雑なサンプリングデザインの無視 — クラスター抽出や層化抽出が使用された場合、標準誤差はデザイン効果を考慮する必要があります。これを怠ると、標準誤差が過小評価され、誤解を招くほど狭い信頼区間が得られます。
  • 有病率-発生率バイアス — 罹病期間が短い状態(急速な回復または急速な死亡のいずれか)は、人工的に稀に見えるでしょう。研究者は、測定された有病率が、発生率だけでなく、生存と罹病期間を反映していることを認識すべきです。
  • 因果関係の結論を導き出すこと — 縦断的データなしには、観察された関連性を曝露が転帰を引き起こしたことに帰することはできません。報告における言葉遣いは、このデザインの記述的、仮説生成的な性質を反映すべきです。
  • サブグループ分析のための不十分なサンプルサイズ — 全体的なサンプルサイズは主要な推定値には十分かもしれませんが、臨床的に重要なサブグループにおける関連性を検出するには小さすぎる場合があります。サブグループの検出力は明示的に計画されるべきです。

よくある質問

横断研究から因果関係を確立できますか?

いいえ。曝露と転帰が同時に測定されるため、どちらが先に来たかを判断することはできません。横断研究は、有病率を記述し、仮説を生成するために最もよく使用されます。因果仮説を検証するには、前向きコホート研究またはランダム化比較試験が必要です。

横断研究に適した効果指標は何ですか?

有病率比(PR)は、特に転帰の有病率が10%を超える場合、より直接的に解釈可能であるため、有病オッズ比(POR)よりも一般的に好まれます。PRはロバスト分散を用いたポアソン回帰で推定でき、PORはロジスティック回帰から得られます。稀な転帰の場合、両者は収束します。

サンプルサイズはどのくらいにすべきですか?

サンプルサイズは、転帰の予想される有病率、望ましい精度(有病率推定の誤差範囲)または検出力(関連性を検出するため)、およびサンプリングデザインに依存します。有病率推定のみの場合、n = Z^2 * p(1-p) / e^2(ここでpは予想される有病率、eは許容される誤差範囲)です。クラスター抽出が使用される場合、デザイン効果(通常1.5~2.5)を乗じます。

横断研究はコホート研究とどう異なりますか?

コホート研究は参加者を時間を追って追跡し、発生率を直接測定し、時間的順序を確立し、より強力な因果推論を支持することができます。横断研究は追跡調査なしで単一のスナップショットを収集するため、より迅速かつ安価ですが、時間的順序を確立することはできません。コホート研究は因果関係の問いに好まれ、横断研究は有病率推定と仮説生成に好まれます。

有病率-発生率バイアスとは何ですか、そしてそれにはどう対処できますか?

有病率-発生率バイアス(Neymanバイアス)は、横断サンプルが、調査で捕捉されるのに十分な期間、その状態とともに生存する人々を過剰に代表するために発生します。急速に致死的であるか、または短命な状態は過小評価されます。これを最小限に抑えるには、包括的な登録簿や行政データを使用し、この限界を明示的に認識し、有病率推定値を発生率の結論に外挿することを避けてください。

関連する手法

参考文献

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

    ISBN:978-0195080407
    コピーしました。
  2. Cross-sectional study. Wikipedia.

    出版物の文献を開く
    コピーしました。