Skip to content
検索結果に戻る

後ろ向きコホート研究

提唱者
Systematic use attributed to early 20th-century occupational epidemiology; formalized in modern epidemiological theory by Brian MacMahon and others
年
Mid-20th century (widely formalized 1950s–1970s)
種類
Observational analytic study
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?

後ろ向きコホート研究は、共通の開始時点を持つ個人のグループを編成し、既存の記録のみから彼らの曝露歴とそれに続くアウトカムを再構築するものです。データは研究開始前にすでに収集されているため、このデザインは前向きコホート研究よりもはるかに迅速かつ安価です。しかし、研究者は、目的に合わせて測定値を収集するのではなく、当時記録された情報で作業しなければなりません。

手法の背後にある直感

30年前まで詳細な雇用記録を保管していた工場を考えてみましょう。疫学者は今日、1990年に雇用されたすべての労働者を特定し、職務記録に基づいてそれぞれを化学物質に曝露されたか否かに分類し、その後、死亡登録簿を通じて各労働者を追跡し、誰が肺疾患を発症したかを確認できます。追跡調査全体は過去に発生しており、研究者は既存のファイルからそれを再構築するだけです。このタイムトラベル的な特性により、後ろ向きコホート研究は、長い潜伏期間を持つアウトカムの研究に非常に効率的ですが、同時に、研究者が過去に戻って測定されなかった曝露を収集することはできないことも意味します。

歴史学

歴史的記録を遡るコホート研究は、20世紀初頭から職業保健研究、特に工業用化学物質に曝露された労働者の死亡率研究で用いられてきました。このデザインは、Brian MacMahonとThomas Pughの1970年の影響力のある教科書『Epidemiology: Principles and Methods』を含む、世紀半ばの方法論的テキストを通じて正式な疫学的地位を獲得しました。Kenneth Rothmanの『Modern Epidemiology』の successive editions (1986, 1998, 2008) は、前向きコホートデザインと後ろ向きコホートデザインを区別する規範的な枠組みを提供しました。1990年代以降の電子健康記録と行政データベースの爆発的な増加により、後ろ向きコホート研究は薬剤疫学と比較効果研究において最も頻繁に実施されるデザインの一つとなりました。

使うべき場面

曝露とアウトカムの関係を推定する必要があるが、追跡調査のために何年も待つことができない場合、そして曝露とアウトカムに関する質の高い歴史的記録がすでに存在する場合に、後ろ向きコホート研究を使用します。これは、行政データや登録データが日常的に収集されている職業疫学、薬剤疫学、医療データベース研究に特に適しています。関心のある曝露が歴史的記録に体系的に記録されていない場合、記録の質が低いかサイト間で標準化されていない場合、利用可能なデータで個人レベルの交絡因子がほとんど測定されていない場合、またはアウトカムが稀すぎて症例対照デザインの方が効率的である場合には避けるべきです。

限界と注意点

  • 既存の記録の質、完全性、詳細さに完全に依存します。歴史的に記録されていない変数は使用できません。
  • 曝露評価は通常、前向き研究よりも粗く、誤分類と帰無仮説へのバイアスのリスクを高めます。
  • 歴史的データが研究目的で収集されていない場合、未測定の交絡に対処することはより困難です。
  • ベースライン時のコホートへの参加がアウトカムの初期症状に影響された場合(職業環境における健康労働者効果)、選択バイアスが生じる可能性があります。
  • 追跡不能の評価は困難であり、病気の個人が記録システムを早期に離れた場合、差動的である可能性があります。

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

  • 追跡調査がすでに完了しているため、前向きコホート研究よりも劇的に迅速かつ低コストです。
  • 長い潜伏期間を持つアウトカムに理想的です。何十年もの追跡調査を何十年も待つことなく研究できます。
  • 発生率と相対リスクの推定を可能にします。これらは症例対照デザインでは得られない尺度です。
  • 日常的に収集される行政データベースや登録データベースを連結することで、大規模なサンプルサイズがしばしば実現可能です。
  • 単一の曝露コホートから複数のアウトカムを同時に評価できます。

応用

  • 職業疫学:雇用記録と死亡記録を用いて、アスベスト、シリカ、または化学溶剤に歴史的に曝露された労働者のがんまたは呼吸器疾患リスクを研究する。
  • 薬剤疫学:処方記録と入院アウトカムを連結する保険請求データベースを用いて、薬剤の心血管リスクを推定する。
  • 医療の質研究:病院退院データに基づいて、異なる治療を受けた患者間の長期アウトカム(再入院、死亡率)を比較する。
  • 感染症:接触追跡記録と検査結果を用いて、感染症アウトブレイクの伝播パターンとリスク因子を再構築する。
  • がん登録研究:人口ベースのがん登録と数年前に実施されたライフスタイル調査を連結し、特定の腫瘍タイプのリスク因子を特定する。

使い方

使い方

1

研究者は、対象集団を定義し、歴史的なベースライン日(追跡調査の「ゼロ時点」)において関心のあるアウトカムがなかった個人を選択します。雇用ファイル、入院記録、保険請求などの既存の記録に、包含基準と除外基準が適用されます。選択バイアスを避けるため、曝露群と非曝露群の両方は、同じ対象集団から抽出されなければなりません。

2

ベースライン時の曝露状況は、歴史的記録(労働衛生測定値、薬局調剤データ、検査値、診療記録、環境モニタリングログなど)から再構築されます。曝露分類の質と完全性は、研究の妥当性を決定する最大の要因です。記録がアウトカムを念頭に置いて収集されていない場合、曝露の誤分類は通常、非差動的(結果を帰無仮説の方向に偏らせる)です。

3

追跡期間中に発生したアウトカムは、死亡登録簿、がん登録、病院退院データベース、または病理記録への記録連結を通じて特定されます。アウトカムの確認方法は、曝露群と非曝露群の両方に均一に適用されるべきです。アウトカムの誤分類と追跡不能は定量化され、報告されなければなりません。

4

曝露は無作為に割り当てられていないため、交絡因子は分析的に制御されなければなりません。層別化、多変量回帰(しばしばCox比例ハザードモデル)、傾向スコアマッチング、または逆確率重み付けが、歴史的データに記録された変数を調整するために使用されます。記録にない要因による未測定の交絡は、依然として残存する脅威です。

5

関連性の主要な尺度は、相対リスク(リスク比)または率比です。これは、曝露群における発生率を非曝露群における発生率で割ったものです。追跡期間が個人間で異なる場合、ポアソンモデルまたはCoxモデルから導出される発生率比が好まれます。信頼区間と、適切な場合には寄与リスク推定値が分析を補完します。

数式
RR = (a/(a+b)) / (c/(c+d))

よくある落とし穴

  • 不滅時間バイアス(Immortal time bias)— コホート参加から曝露分類までの期間が、曝露群の追跡期間に誤って割り当てられると、曝露群が偽って健康に見えます。人年(person-time)は正しい曝露期間に割り当てられなければなりません。
  • 健康労働者効果の無視 — 職業記録に現れるほど長く雇用されている労働者は、一般人口よりも健康である傾向があり、一般人口を非曝露対照として使用すると、リスク推定値が人為的に過小評価されます。
  • 記録に基づく曝露カテゴリを、広範な職務名や用量範囲を反映しているにもかかわらず、正確なものとして扱うこと — 異なる曝露カットポイントを用いた感度分析を報告すべきです。
  • 時間変動曝露の考慮不足 — ベースラインですべての曝露を分類すると、追跡期間中の曝露強度の変化が無視され、偏った推定値が生じる可能性があります。

よくある質問

後ろ向きコホート研究は症例対照研究とどう違うのですか?

どちらのデザインも既存のデータを使用しますが、サンプリングロジックが異なります。後ろ向きコホート研究は、曝露群と非曝露群から開始し、両者間のアウトカム発生率を比較します。これにより、相対リスクと発生率が得られます。症例対照研究は、アウトカムの症例と疾患のない対照から開始し、過去の曝露有病率を比較します。これにより、オッズ比が得られます。アウトカムが稀な場合、症例対照デザインの方が効率的です。複数のアウトカムに関心がある場合、またはアウトカムが稀でない場合は、後ろ向きコホートが好まれます。

後ろ向きコホートは前向きコホートよりも優れているのはどのような場合ですか?

後ろ向きコホートは、アウトカムの潜伏期間が長い(数十年)場合、イベントが蓄積するのを待つことが非現実的な場合、または研究課題に迅速に回答する必要があり、適切な歴史的記録がすでに存在する場合に好ましいです。前向きコホートは、曝露測定が正確かつ標準化されている必要がある場合、関連する交絡因子が既存の記録にない場合、または研究課題が前向きに収集された生物学的サンプルを必要とする場合に好ましいです。

不滅時間バイアスとは何ですか、どうすれば回避できますか?

不滅時間バイアスは、被験者がアウトカムを経験できなかった期間(例えば、コホート参加からグループメンバーシップを定義する曝露を受けるまでの期間)が、曝露群に誤って割り当てられた場合に発生します。これにより、曝露群が人為的に健康に見えます。コホート参加、曝露開始、追跡開始を慎重に調整し、固定されたベースライン曝露分類ではなく、生存モデルで時間変動曝露コーディングを使用することで回避できます。

歴史的記録における欠損曝露データはどのように扱えばよいですか?

まず、欠損の程度と可能性のあるメカニズム(完全にランダムに欠損、ランダムに欠損、ランダムに欠損ではない)を特徴付けます。欠損が限定的で、もっともらしくランダムである場合、感度分析を伴う完全ケース分析は許容されます。より大きな割合の欠損データの場合、欠損を予測するために必要な変数が利用可能であれば、多重代入が好ましいです。最悪のシナリオ分析は不確実性の範囲を限定するのに役立ちます。アウトカムを使用して曝露変数自体を代入することは、バイアスを導入する可能性があるため避けてください。

後ろ向きコホート研究は因果関係を確立できますか?

すべての観察デザインと同様に、後ろ向きコホート研究は曝露とアウトカムの関連性および時間的先行性を示すことができますが、追加の証拠なしに未測定の交絡を排除することはできません。因果関係の主張は、ブラッドフォード・ヒル基準(強さ、一貫性、特異性、用量反応、生物学的妥当性)を適用し、ネガティブコントロール分析を実施し、利用可能な場合はランダム化比較試験を含む他の研究デザインとの三角測量によって強化されます。

関連する手法

参考文献

  1. Rothman, K. J., Greenland, S., & Lash, T. L. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.

    ISBN:978-0781755641
    コピーしました。
  2. Retrospective cohort study. Wikipedia.

    出版物の文献を開く
    コピーしました。