Przejdź do treści
Wróć do wyników wyszukiwania

Badanie przekrojowe w epidemiologii

Autor metody
Classical epidemiology tradition; systematized by Brian MacMahon and Thomas Pugh (1960s)
Rok
1960s (formal codification); widely practiced since mid-20th century
Typ
Observational, descriptive/analytic epidemiological design
Rodzina
Clinical / epidemiology

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

Rozmiar czcionki

Do czego służy?

Przekrojowe badanie epidemiologiczne mierzy jednocześnie ekspozycję(y) i wynik(i) będące przedmiotem zainteresowania w określonej populacji w jednym punkcie czasowym (lub w krótkim okresie).

Ponieważ nie ma obserwacji długoterminowej, jest to najbardziej efektywny projekt obserwacyjny do szacowania częstości występowania chorób (prewalencji) i generowania hipotez dotyczących związków między czynnikami ryzyka a stanem zdrowia.

Intuicja stojąca za metodą

Należy myśleć o badaniu przekrojowym jak o fotografii populacji wykonanej w jednym momencie. Każda osoba na zdjęciu jest oceniana zarówno pod kątem statusu ekspozycji (np. palenie, BMI, zawód), jak i obecnego stanu zdrowia (np. nadciśnienie, depresja, cukrzyca). Ponieważ zdjęcie uchwyciło całą scenę naraz, można szybko policzyć, kto ma chorobę i czy pewne ekspozycje wydają się częstsze wśród osób z chorobą. Nie można jednak stwierdzić ze zdjęcia, co było pierwsze – więc chociaż badanie może ujawnić wzorce i częstości występowania, samo w sobie nie może ustalić, że ekspozycja spowodowała wynik.

Historia

Przekrojowy projekt badania wyłonił się jako formalna metoda epidemiologiczna w połowie XX wieku, kształtowany przez rozwój metodologii badań populacyjnych i skodyfikowany w fundamentalnych tekstach Briana Mac Mahona, Thomasa Pugha, a później Leona Gordisa. Duże krajowe badania stanu zdrowia, takie jak US National Health Interview Survey (uruchomione w 1957 r.) i National Health and Nutrition Examination Survey, zinstytucjonalizowały tę metodę do ciągłego monitorowania populacji. Metodologiczne udoskonalenia w teorii próbkowania, analizie statystycznej złożonych badań i wykorzystaniu elektronicznej dokumentacji medycznej poszerzyły zasięg tego projektu na epidemiologię kliniczną, badania usług zdrowotnych i monitorowanie globalnego zdrowia.

Kiedy stosować

Użyj badania przekrojowego, gdy głównym celem jest oszacowanie prewalencji schorzenia w populacji, ocena dystrybucji czynników ryzyka lub szybkie i tanie generowanie hipotez dotyczących związków ekspozycja-wynik. Jest ono szczególnie odpowiednie dla schorzeń przewlekłych o długim czasie trwania, do planowania usług zdrowotnych i do powtarzanych badań monitoringowych (np. krajowych badań stanu zdrowia). Unikaj tego projektu, gdy pytanie badawcze wymaga ustalenia przyczynowej kolejności czasowej (zamiast tego użyj projektu kohortowego lub eksperymentalnego), gdy wynik jest rzadki (badanie z grup kontrolnych jest bardziej efektywne) lub gdy ekspozycja lub stan chorobowy szybko się zmieniają w czasie, co sprawia, że pojedynczy „migawka” jest nieinformacyjna lub podatna na błąd prewalencji-incydencji.

Ograniczenia i uwagi

  • Nie można ustalić kolejności czasowej między ekspozycją a wynikiem, więc wnioskowanie przyczynowe nie jest bezpośrednio wspierane.
  • Podatność na błąd prewalencji-incydencji (błąd Neymana) – schorzenia o krótkim czasie trwania (szybkie wyzdrowienie lub szybka śmierć) są niedoreprezentowane, ponieważ osoby dotknięte chorobą są mniej prawdopodobnie uchwycone w „migawce”.
  • Błąd braku odpowiedzi może być znaczny; osoby uczestniczące mogą systematycznie różnić się od tych, którzy nie uczestniczą.
  • Możliwa jest odwrotna przyczynowość – zaobserwowana choroba mogła spowodować mierzoną ekspozycję, a nie odwrotnie.

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

Mocne strony

  • Nie wymaga obserwacji długoterminowej – zbieranie danych jest szybkie i stosunkowo tanie w porównaniu z projektami kohortowymi lub próbami klinicznymi.
  • Dobrze nadaje się do szacowania prewalencji oraz do planowania i monitorowania programów zdrowia publicznego.
  • W jednym badaniu można badać jednocześnie wiele ekspozycji i wyników.
  • Możliwe do przeprowadzenia na dużą skalę przy użyciu istniejących danych administracyjnych lub ankietowych, co zapewnia dużą moc statystyczną dla powszechnych wyników.

Zastosowania

  • Szacowanie krajowej lub regionalnej prewalencji chorób przewlekłych, takich jak nadciśnienie, cukrzyca, otyłość lub zaburzenia psychiczne.
  • Ocena dystrybucji behawioralnych czynników ryzyka (palenie, brak aktywności fizycznej, spożycie alkoholu) w różnych grupach demograficznych.
  • Powtarzane badania przekrojowe w celu monitorowania trendów wskaźników zdrowia populacji w czasie bez śledzenia tych samych osób.
  • Ocena wzorców wykorzystania opieki zdrowotnej i identyfikacja niezaspokojonych potrzeb w celu planowania usług zdrowotnych.
  • Ocena programów przesiewowych – ustalenie bazowej prewalencji schorzenia przed wprowadzeniem interwencji przesiewowej.
  • Generowanie hipotez dotyczących czynników ryzyka, które następnie są testowane w badaniach kohortowych lub eksperymentalnych.

Jak to działa

Jak to działa

1

Badacz określa populację docelową i okres badania. Kryteria kwalifikowalności (wiek, geografia, ustawienie kliniczne itp.) są definiowane w celu zapewnienia, że próba będzie reprezentatywna dla populacji, do której zamierzane są wnioski. Jasna definicja przypadku i definicja ekspozycji są ustalane przed rozpoczęciem zbierania danych.

2

Z populacji docelowej losuje się próbę, najlepiej za pomocą losowania prawdopodobieństwa (losowego prostego, warstwowego, grupowego lub systematycznego), aby zmaksymalizować reprezentatywność i umożliwić bezstronne szacowanie prewalencji. Wielkość próby jest obliczana a priori przy użyciu oczekiwanej prewalencji, pożądanej precyzji lub mocy oraz efektu projektu, jeśli stosuje się losowanie grupowe.

3

Wszyscy wybrani do próby indywidualni uczestnicy są oceniani (w przybliżeniu) w tym samym punkcie czasowym pod kątem ekspozycji i wyników. Źródła danych obejmują standaryzowane kwestionariusze, badania kliniczne, próbki biologiczne lub dane administracyjne. Ponieważ ekspozycja i wynik są zbierane jednocześnie, projekt nie może określić kolejności czasowej.

4

Głównym estymatorem jest proporcja prewalencji punktowej: liczba osób z wynikiem podzielona przez całkowitą liczbę badanych, wyrażona jako procent lub na 1000. Można również podać prewalencję okresową (w określonym krótkim oknie czasowym). Prewalencja = (Liczba przypadków w czasie T) / (Całkowita badana populacja) x 100.

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

Związki między kategoriami ekspozycji a wynikiem są kwantyfikowane przy użyciu stosunku prewalencji (Prevalence Ratio, PR) lub stosunku szans prewalencji (Prevalence Odds Ratio, POR), wraz z przedziałami ufności. Wielowymiarowa regresja logistyczna lub Poissona może uwzględniać czynniki zakłócające. Ponieważ kolejność czasowa jest nieznana, związki te są interpretowane jako generujące hipotezy, a nie jako przyczynowe. PR = Prewalencja u eksponowanych / Prewalencja u nieeksponowanych.

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

Częste pułapki

  • Mylenie prewalencji z incydencją – badanie przekrojowe mierzy istniejące przypadki (prewalencję), a nie nowe (incydencję); interpretowanie stosunków prewalencji jako stosunków częstości incydencji jest nieprawidłowe bez dodatkowych założeń.
  • Ignorowanie złożonego projektu próby w analizie – jeśli zastosowano losowanie grupowe lub warstwowe, błędy standardowe muszą uwzględniać efekt projektu; zaniechanie tego prowadzi do zaniżonych błędów standardowych i myląco wąskich przedziałów ufności.
  • Błąd prewalencji-incydencji – schorzenia o krótkim czasie trwania (szybkie wyzdrowienie lub szybka śmierć) będą sztucznie rzadkie; badacze powinni przyznać, że mierzona prewalencja odzwierciedla przeżywalność i czas trwania, a nie tylko incydencję.
  • Wyciąganie wniosków przyczynowych – bez danych podłużnych zaobserwowanych związków nie można przypisać ekspozycji powodującej wynik; język raportowania powinien odzwierciedlać opisowy, generujący hipotezy charakter projektu.
  • Niewystarczająca wielkość próby do analiz podgrup – ogólna wielkość próby może być wystarczająca do podstawowego oszacowania, ale zbyt mała do wykrycia związków w klinicznie istotnych podgrupach; moc dla podgrup powinna być zaplanowana jawnie.

Najczęściej zadawane pytania

Czy mogę ustalić przyczynowość na podstawie badania przekrojowego?

Nie. Ponieważ ekspozycja i wynik są mierzone w tym samym czasie, nie można określić, co było pierwsze. Badania przekrojowe najlepiej nadają się do opisu prewalencji i generowania hipotez. Do testowania hipotez przyczynowych wymagane jest prospektywne badanie kohortowe lub randomizowana próba kliniczna.

Jaki jest odpowiedni miernik efektu dla badania przekrojowego?

Stosunek prewalencji (PR) jest generalnie preferowany nad stosunkiem szans prewalencji (POR), ponieważ jest on bardziej bezpośrednio interpretowalny, zwłaszcza gdy prewalencja wyniku przekracza 10%. PR można oszacować za pomocą regresji Poissona z odporną wariancją; POR uzyskuje się z regresji logistycznej. Dla rzadkich wyników oba zbliżają się do siebie.

Jak duża powinna być moja próba?

Wielkość próby zależy od oczekiwanej prewalencji wyniku, pożądanej precyzji (błędu dopuszczalnego dla oszacowania prewalencji) lub mocy (do wykrywania związków) oraz projektu próby. Tylko do oszacowania prewalencji, n = Z^2 * p(1-p) / e^2 (gdzie p jest oczekiwaną prewalencją, a e jest dopuszczalnym błędem). Jeśli stosuje się losowanie grupowe, należy pomnożyć przez efekt projektu, zazwyczaj 1,5–2,5.

Czym badanie przekrojowe różni się od badania kohortowego?

Badanie kohortowe śledzi uczestników w czasie i może bezpośrednio mierzyć incydencję, ustalać kolejność czasową i wspierać silniejsze wnioskowanie przyczynowe. Badanie przekrojowe zbiera jedną „migawkę” bez obserwacji długoterminowej, co czyni je szybszym i tańszym, ale niezdolnym do ustalenia kolejności czasowej. Badania kohortowe są preferowane w pytaniach o przyczynowość; badania przekrojowe są preferowane do szacowania prewalencji i generowania hipotez.

Czym jest błąd prewalencji-incydencji i jak można go zminimalizować?

Błąd prewalencji-incydencji (błąd Neymana) występuje, ponieważ próba przekrojowa nadreprezentuje osoby, które przeżywają wystarczająco długo z danym schorzeniem, aby zostać uwzględnione w badaniu. Schorzenia, które są szybko śmiertelne lub krótkotrwałe, są niedoszacowane. Aby to zminimalizować, należy korzystać z kompleksowych rejestrów lub danych administracyjnych, otwarcie przyznać się do ograniczenia i unikać ekstrapolacji oszacowań prewalencji na wnioski dotyczące incydencji.

Pokrewne metody

Źródła

  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
    Skopiowano.
  2. Cross-sectional study. Wikipedia.

    Otwórz odnośnik do publikacji
    Skopiowano.