Przejdź do treści
Wróć do wyników wyszukiwania

Projekt kohortowy

Autor metody
Donald Acheson, Olli Miettinen, and others in modern epidemiology
Rok
1970s-1980s
Typ
Research Design
Rodzina
observational design

Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku

Rozmiar czcionki

Do czego służy?

Badanie kohortowe śledzi grupę osób w czasie od ekspozycji do wyniku.

Uczestnicy narażeni i nienarażeni (lub narażeni na różne poziomy ekspozycji) są rekrutowani na początku badania, charakteryzowani i obserwowani prospektywnie do momentu wystąpienia wyniku lub zakończenia badania. Badania kohortowe stanowią podstawę epidemiologii i są metodą z wyboru do ustalania związków przyczynowych, gdy badania randomizowane są niewykonalne lub nieetyczne.

Intuicja stojąca za metodą

Wyobraźmy sobie śledzenie dwóch grup palaczy i niepalących przez 10 lat i zliczanie w każdej z nich przypadków raka płuca. Ryzyko względne (RR) = (przypadki raka płuca u palaczy) / (przypadki raka płuca u niepalących) mówi nam, o ile bardziej prawdopodobne jest wystąpienie raka u palaczy. Badania kohortowe naturalnie zachowują sekwencję czasową (ekspozycja przed wynikiem), unikają błędu retrospekcji (ekspozycja rejestrowana na początku badania, a nie zapamiętana po wystąpieniu choroby) i mogą badać wiele wyników wynikających z pojedynczej ekspozycji. Głównym kompromisem są koszty i czas: trzeba śledzić ludzi przez lata, często za ogromne pieniądze. Mylenie (czynniki zakłócające) – inne czynniki skorelowane zarówno z ekspozycją, jak i wynikiem – pozostaje zagrożeniem, chyba że zostanie skontrolowane.

Historia

Badania kohortowe zyskały na znaczeniu w epidemiologii w latach 50.–70. XX wieku, czego przykładem jest Framingham Heart Study (1948–obecnie), które zapoczątkowało prospektywne badanie czynników ryzyka sercowo-naczyniowego. Olli Miettinen i inni sformalizowali podstawy statystyczne, rozróżniając podejście kohortowe (oparte na częstości występowania) od podejścia z kontrolą przypadków (oparte na ilorazie szans). Współczesne badania kohortowe wykorzystują elektroniczną dokumentację medyczną, rejestry chorób i banki biologiczne dla zwiększenia efektywności. Kohorty dynamiczne (ciągła rekrutacja) i projekty zagnieżdżonych badań z kontrolą przypadków (wybieranie przypadków i kontroli z kohorty) poszerzyły zestaw narzędzi metodologicznych.

Kiedy stosować

Stosuj badania kohortowe, gdy: (1) badasz rzadkie ekspozycje (np. zagrożenia zawodowe dotykające niewielką liczbę osób), (2) ustalasz związki czasowe między ekspozycją a wynikiem, (3) badasz wiele wyników wynikających z pojedynczej ekspozycji (np. palenie → rak, choroby serca, POChP), (4) oceniasz długoterminowe skutki przez lata lub dziesięciolecia, (5) oceniasz naturalny przebieg i częstość występowania chorób, (6) badania randomizowane są nieetyczne (np. narażanie ludzi na szkodliwe substancje), (7) wyniki są częste, co czyni badania z kontrolą przypadków mniej efektywnymi.

Ograniczenia i uwagi

  • Czas i koszty: śledzenie kohort przez lata lub dziesięciolecia wymaga stałego finansowania, personelu i infrastruktury; atrycja (utrata do obserwacji) jest powszechna.
  • Błąd utraty do obserwacji: jeśli utraceni uczestnicy systematycznie różnią się pod względem ekspozycji lub czynników zakłócających, szacunki RR stają się obciążone. Wymaga wysokich wskaźników obserwacji (>80%).
  • Rzadkie wyniki: jeśli częstość występowania wyniku jest bardzo niska, potrzebne są ogromne kohorty, co zwiększa koszty. Badania z kontrolą przypadków mogą być bardziej efektywne.
  • Czynnik zakłócający: niezmierzony lub źle zmierzony czynnik zakłócający może obciążyć RR. Dostosowanie jest ograniczone do zmierzonych zmiennych.
  • Efekty kohortowe: uczestnicy rekrutowani w różnym czasie mogą różnić się charakterystyką wyjściową, rokowaniem lub trendami sekularnymi, co wpływa na porównywalność.

Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.

Mocne strony

  • Wyraźna sekwencja czasowa: ekspozycja rejestrowana przed wynikiem, co pozwala na ustalenie kierunkowości i przyczynowości w sposób bardziej przekonujący niż w badaniach przekrojowych.
  • Wiele wyników: pojedyncza ekspozycja może być powiązana z wieloma wynikami, co jest ekonomiczne dla szerokiego generowania hipotez.
  • Częstość występowania i ryzyko bezwzględne: bezpośrednio szacuje ryzyko w grupach narażonych i nienarażonych, umożliwiając obliczenie liczby potrzebnej do leczenia.
  • Unikanie selekcji zależnej od wyniku: kohorta jest definiowana przez ekspozycję, a nie wynik, co zapobiega błędowi selekcji inherentnemu w badaniach z kontrolą przypadków.
  • Współczynniki częstości występowania: mianowniki czasu obserwacji uwzględniają zmienny czas obserwacji, pozwalając na porównanie między badaniami o różnym czasie trwania obserwacji.

Zastosowania

  • Epidemiologia zawodowa: śledzenie pracowników w niebezpiecznych gałęziach przemysłu (azbest, górnictwo, produkcja chemiczna) w celu kwantyfikacji ryzyka chorób przypisywanego ekspozycjom zawodowym.
  • Badania dotyczące diety i stylu życia: rekrutacja uczestników, pomiar diety i aktywności fizycznej na początku badania, a następnie śledzenie pod kątem chorób sercowo-naczyniowych, raka lub śmiertelności (np. Nurses' Health Study).
  • Częstość występowania raka i rokowanie: rekrutacja uczestników wolnych od chorób i śledzenie diagnozy raka w czasie; lub rekrutacja pacjentów z rakiem i śledzenie przeżycia.
  • Kohorty urodzeniowe i rozwój dziecka: rekrutacja kobiet w ciąży lub noworodków, pomiar wczesnych ekspozycji (np. palenie przez matkę, zanieczyszczenie powietrza, ubóstwo) i ocena długoterminowych wyników zdrowotnych i rozwojowych.
  • Bezpieczeństwo leków i zdarzenia niepożądane: rekrutacja pacjentów rozpoczynających nowy lek i monitorowanie zdarzeń niepożądanych, hospitalizacji lub śmiertelności w porównaniu z alternatywnymi terapiami.

Jak to działa

Jak to działa

1

Zdefiniuj źródło kohorty (np. dorośli w wieku 40–70 lat wolni od chorób, pracownicy fabryki, pacjenci kliniki). Zdefiniuj ekspozycję: czy jest binarna (tak/nie), kategoryczna (niska/średnia/wysoka), czy ciągła (lata używania)? Zrekrutuj uczestników wolnych od chorób na początku badania; zmierz i zarejestruj status ekspozycji oraz czynniki zakłócające na początku badania (wiek, płeć, rasa, status socjoekonomiczny, choroby współistniejące itp.). Śledź uczestników przez określony czas (od miesięcy do dziesięcioleci). Użyj aktywnego śledzenia (wywiady, wizyty w klinice, ankiety pocztowe) lub pasywnego śledzenia (rejestry medyczne, rejestry chorób, roszczenia ubezpieczeniowe). Zarejestruj zdarzenia końcowe (diagnoza, hospitalizacja, śmierć) wraz z datami. Udokumentuj utratę do obserwacji, rezygnację i cenzurowanie (gdy uczestnicy są żywi/wolni od chorób na koniec badania, ale status wyniku jest nieznany). Standaryzuj definicję wyniku dla wszystkich uczestników.

Wzór
Define cohort (exposed and unexposed groups); enroll eligible participants; establish baseline characteristics and exposure status; follow participants forward in time; record outcome events.
2

Oblicz częstość występowania w każdej grupie ekspozycji: Częstość występowania = (liczba zdarzeń końcowych w grupie) / (czas obserwacji na ryzyku w grupie). Czas obserwacji uwzględnia zmienny czas trwania obserwacji: jeśli jedna osoba jest obserwowana przez 5 lat, a inna przez 2 lata, czas obserwacji sumuje się do 7 osobolat. Oblicz ryzyko względne (RR) = Częstość występowania_narażeni / Częstość występowania_nienarażeni. RR > 1 sugeruje zwiększone ryzyko; RR < 1 sugeruje zmniejszone ryzyko (lub efekt ochronny); RR = 1 sugeruje brak związku. Oblicz 95% przedziały ufności (oparte na rozkładzie Poissona lub metodzie delta). Dostosuj do czynników zakłócających za pomocą stratyfikacji (Mantel-Haenszel) lub regresji (Coxa z hazardem proporcjonalnym, regresji Poissona). Sprawdź założenie o proporcjonalności hazardu w modelach Coxa.

Wzór
Calculate incidence (risk) in exposed and unexposed groups; compute Relative Risk (RR) = Incidence_{\text{exposed}} / Incidence_{\text{unexposed}}.
3

RR wynoszący 2 oznacza, że grupa narażona ma dwukrotnie większą częstość występowania w porównaniu do grupy nienarażonej. RR wynoszący 0,5 oznacza, że grupa narażona ma o połowę mniejszą częstość występowania (efekt ochronny). Przedziały ufności wykluczające 1,0 sugerują statystycznie istotne związki (przy α=0,05). Oceń przyczynowość: Czy związek jest silny (RR > 2–3)? Czy występuje zależność dawka-odpowiedź (wzrost ekspozycji → wzrost ryzyka)? Czy jest spójny w podgrupach? Czy jest spójny czasowo? Rozważ niezmierzony czynnik zakłócający: czy niezmierzony czynnik (np. predyspozycje genetyczne, dieta) może wyjaśnić zaobserwowane RR? Uogólnij wyniki na populacje podobne do Twojej kohorty. Podaj bezwzględną redukcję ryzyka lub liczbę potrzebną do leczenia (NNT) obok RR dla kontekstu klinicznego.

Wzór
Interpret RR in context of follow-up duration, loss to follow-up, and confounding; assess temporality; generalize to source population.

Częste pułapki

  • Niewystarczająca dokumentacja obserwacji: brakujące lub niejasne daty wyników, lub niespójne definicje wyników między uczestnikami, unieważniają wnioskowanie czasowe.
  • Ignorowanie utraty do obserwacji: odrzucenie utraconych uczestników bez analizy zwiększa błąd selekcji. Stosuj logikę zamiaru leczenia (intention-to-treat); przeprowadzaj analizy wrażliwości przy różnych mechanizmach brakujących danych.
  • Niezmierzone czynniki zakłócające: niezmierzony czynnik (np. podatność genetyczna) może wyjaśniać związek między ekspozycją a wynikiem. Zawsze omawiaj potencjalne niezmierzonych czynniki zakłócające.
  • Stratyfikacja post-hoc: dzielenie kohorty na podgrupy po zobaczeniu wyników prowadzi do wielokrotnych porównań, fałszywych odkryć i przeuczenia. Pre-specyfikuj hipotezy dotyczące podgrup.
  • Zakładanie liniowości: w analizach zależności dawka-odpowiedź, zakładanie liniowego związku między poziomem ekspozycji a wynikiem może maskować efekty progowe lub plateau. Wykreśl dane i testuj dopasowania nieliniowe.

Najczęściej zadawane pytania

Jaka jest różnica między ryzykiem względnym (RR) a ilorazem szans (OR) w badaniu kohortowym?

W badaniach kohortowych bezpośrednio mierzymy częstość występowania (prawdopodobieństwo wystąpienia wyniku w czasie), więc ryzyko względne (RR) jest naturalnym oszacowaniem: RR = Częstość występowania_narażeni / Częstość występowania_nienarażeni. Iloraz szans (OR) jest stosunkiem szans wystąpienia wyniku; pojawia się w badaniach z kontrolą przypadków, gdzie nie można zmierzyć częstości występowania. W kohortach z rzadkimi wynikami (częstość występowania <10%) RR i OR są sobie bliskie. Gdy wyniki są częste, rozbiegają się: OR zawyża efekt w porównaniu do RR. Zawsze raportuj RR w badaniach kohortowych; zarezerwuj OR dla projektów z kontrolą przypadków.

Co to jest czas obserwacji i dlaczego jest ważny?

Czas obserwacji (lub czas obserwacji) to suma indywidualnych czasów obserwacji. Jeśli śledzisz 100 osób przez 10 lat każdą, to jest to 1000 osobolat. Jeśli 50 osób jest śledzonych przez 5 lat, a 50 osób przez 10 lat, to jest to również 750 osobolat. Współczynnik częstości występowania jest obliczany na jednostkę czasu obserwacji (np. na 1000 osobolat). Czas obserwacji uwzględnia fakt, że niektórzy uczestnicy rezygnują, umierają lub są cenzurowani wcześniej. Użycie czasu obserwacji jako mianownika (a nie tylko liczby osób) daje nieobciążone oszacowania, gdy czas obserwacji jest zmienny.

Jak radzić sobie z utratą do obserwacji?

Utrata do obserwacji jest głównym źródłem błędów. Dąż do >80% obserwacji. W analizie nie wykluczaj po prostu osób utraconych; wprowadza to błąd selekcji. Zamiast tego stosuj logikę zamiaru leczenia: klasyfikuj utraconych uczestników według ich ostatniego znanego statusu i przeprowadzaj analizy wrażliwości, zakładając różne scenariusze wyników (np. wszyscy utraceni są wolni od wyniku, wszyscy utraceni rozwinęli wynik, lub dane są brakujące losowo). Jeśli utrata do obserwacji znacząco różni się między grupami narażonymi i nienarażonymi, interpretuj wyniki z ostrożnością. Ważenie odwrotnością prawdopodobieństwa (IPW) lub wielokrotna imputacja mogą dostosować do systematycznego braku danych przy założeniu 'brakujące losowo'.

Jak odróżnić badanie kohortowe od przekrojowego?

Badanie kohortowe rekrutuje uczestników wolnych od chorób (lub wyników), mierzy ekspozycję na początku badania i śledzi ich w przyszłości do momentu wystąpienia wyniku. Badanie przekrojowe mierzy ekspozycję i wynik jednocześnie w jednym punkcie czasowym, rejestrując częstość występowania. Kohorty mają wyraźną sekwencję czasową (ekspozycja → wynik), umożliwiającą wnioskowanie przyczynowe. Badania przekrojowe nie mogą ustalić kierunkowości: czy ekspozycja spowodowała wynik, czy wynik wpłynął na percepcję ekspozycji? Kohorty są droższe i bardziej czasochłonne, ale dostarczają silniejszych dowodów na przyczynowość.

Pokrewne metody

Źródła

  1. Miettinen, O. S. (1976). Estimability and estimation in case-referent studies. American Journal of Epidemiology, 103(2), 226–235.

    Otwórz odnośnik DOI
    Skopiowano.
  2. Rothman, K. J., Lash, T. L., & Greenland, S. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.

    ISBN: 978-0781755657
    Skopiowano.
  3. Veierød, M. B., Lydersen, S., & Laake, P. (2012). Medical Statistics in Clinical and Epidemiological Research. Gyldendal Akademisk.

    ISBN: 978-8205418627
    Skopiowano.