Projekt badania przekrojowego
- Autor metody
- Epidemiologists in the mid-20th century; formalized by Kelsey, Rothman, and others
- Rok
- 1950s-1970s
- Typ
- Research Design
- Rodzina
- observational design
Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku
Do czego służy?
Badanie przekrojowe (lub badanie częstości występowania) mierzy ekspozycję i wynik jednocześnie w jednym punkcie czasowym, tworząc „migawkę” populacji.
Respondenci są rekrutowani i ankietowani (lub badani) przy tej samej okazji, co pozwala uchwycić aktualną częstość występowania zarówno ekspozycji, jak i choroby. Badania przekrojowe są proste, szybkie i niedrogie, co czyni je popularnymi do oceny potrzeb, nadzoru i generowania hipotez — choć nie mogą ustalić przyczynowości z powodu braku sekwencji czasowej.
Intuicja stojąca za metodą
Wyobraź sobie, że pewnego ranka wchodzisz do fabryki i ankietujesz wszystkich 500 pracowników: „Czy boli cię kręgosłup? Ile godzin dziennie spędzasz na podnoszeniu ciężarów?” Liczysz, ilu pracowników ogólnie ma ból kręgosłupa (częstość występowania), a następnie porównujesz tych narażonych na ciężkie podnoszenie z tymi wykonującymi lekkie zadania. Okazuje się, że 30% osób podnoszących ciężary ma ból kręgosłupa w porównaniu do 10% pracowników wykonujących lekkie zadania. Stosunek częstości występowania wynosi 3:1. Ale jest pewien haczyk: nie wiesz, czy ciężkie podnoszenie spowodowało ból kręgosłupa, czy też pracownicy z bólem kręgosłupa przeszli na lżejsze obowiązki. Mierzyłeś ekspozycję i wynik w tym samym czasie, więc sekwencja czasowa jest niejednoznaczna. Badania przekrojowe są świetne do szybkich ocen i szacowania częstości występowania, ale słabe w zakresie wnioskowania przyczynowego.
Historia
Badania przekrojowe mają swoje korzenie w nadzorze zdrowia publicznego i pracach spisowych na początku XX wieku. We współczesnej epidemiologii zostały sformalizowane jako badania częstości występowania w połowie XX wieku. Znane przykłady to National Health and Nutrition Examination Survey (NHANES, rozpoczęte w latach 60. XX wieku, USA), które przeprowadzało przekrojowe badania stanu zdrowia, diety i czynników ryzyka Amerykanów. Projekty przekrojowe są obecnie standardem w nadzorze (np. Behavioral Risk Factor Surveillance System (BRFSS) CDC) oraz w międzynarodowym monitorowaniu zdrowia (np. Demographic and Health Surveys (DHS)). Rozwój elektronicznych kart zdrowia i danych administracyjnych umożliwił prowadzenie dużych retrospektywnych badań przekrojowych.
Kiedy stosować
Stosuj badania przekrojowe do: (1) szacowania częstości występowania choroby lub stanu w populacji (nadzór, monitorowanie zdrowia publicznego), (2) oceny potrzeb: ilu pacjentów wymaga usługi?, (3) generowania hipotez: które czynniki są związane z wynikiem?, (4) szybkiej oceny: szybki czas realizacji (tygodnie do miesięcy), (5) badania chorób przewlekłych, gdzie częstość zachorowań jest trudna do zmierzenia, ale częstość występowania jest stabilna, (6) oceny wielu wyników z jednej ekspozycji w jednym badaniu, (7) badań pilotażowych przed rozpoczęciem kosztownych badań kohortowych lub kliniczno-kontrolnych.
Ograniczenia i uwagi
- Nie można ustalić przyczynowości: brak sekwencji czasowej; dane przekrojowe nie mogą udowodnić, że ekspozycja poprzedzała wynik.
- Tylko przypadki przewlekłe: obejmuje istniejące przypadki w jednym punkcie; pomija przypadki incydentalne oraz te, które wyzdrowiały lub zmarły. Związki mogą się różnić między przypadkami przewlekłymi a incydentalnymi.
- Błąd przeżywalności: jeśli wynik jest śmiertelny lub prowadzi do emigracji/hospitalizacji, osoby dotknięte chorobą mogą być niedostatecznie reprezentowane w próbie przekrojowej.
- Niejasność ekspozycja-wynik: czy ekspozycja powoduje wynik, czy też wynik zmienia zgłoszoną ekspozycję? Nie można wykluczyć przyczynowości odwrotnej.
- Błąd pamięci: jeśli ekspozycja jest historyczna (pytanie o przeszłe ekspozycje), dokładność pamięci zależy od wspomnień i motywacji, zwłaszcza u osób chorych.
Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.
Mocne strony
- Szybkość i efektywność: zbieranie danych odbywa się w krótkim oknie czasowym (tygodnie do miesięcy), a nie w latach obserwacji.
- Niski koszt: brak długoterminowego śledzenia lub ponownego kontaktu; wystarczy jedna ankieta/badanie.
- Proste i praktyczne: łatwe do przeprowadzenia w klinikach, szkołach, miejscach pracy lub środowiskach społecznych.
- Szacowanie częstości występowania: bezpośrednio szacuje częstość występowania (obciążenie chorobą), przydatne do planowania i nadzoru w zdrowiu publicznym.
- Wiele ekspozycji i wyników: jedna ankieta przekrojowa może mierzyć wiele ekspozycji i wyników jednocześnie, co jest efektywne do generowania hipotez.
Zastosowania
- Częstość występowania chorób przewlekłych: krajowe badania oceniają częstość występowania nadciśnienia, cukrzycy, otyłości w populacji; wyniki informują o polityce zdrowia publicznego i alokacji zasobów.
- Nadzór zdrowia zawodowego: fabryki lub miejsca pracy ankietują pracowników na temat objawów (oddechowych, mięśniowo-szkieletowych) i ekspozycji, szacując częstość występowania schorzeń związanych z pracą.
- Zdrowie studentów i ryzykowne zachowania: szkoły ankietują studentów na temat zdrowia psychicznego, używania substancji, aktywności fizycznej, zastraszania; wyniki kierują programami zdrowotnymi w szkołach.
- Ankiety pacjentów szpitalnych: przy przyjęciu lub wypisie, ankietowani pacjenci na temat objawów, niepełnosprawności, satysfakcji; pomaga ocenić wyniki skoncentrowane na pacjencie i luki w usługach.
- Badania partycypacyjne oparte na społeczności: przekrojowe ankiety w dzielnicach oceniają nierówności zdrowotne, umiejętności zdrowotne, czynniki społeczne; wyniki identyfikują cele interwencji.
Jak to działa
Jak to działa
Zdefiniuj populację docelową (np. dorośli w wieku 18–65 lat w gminie, pracownicy firmy, pacjenci w szpitalu). Wybierz reprezentatywną próbę, stosując losowe próbkowanie, próbkowanie warstwowe (próbkuj oddzielnie według wieku, płci, regionu, aby zapewnić równowagę) lub próbkowanie skupiskowe (próbkuj skupiska, takie jak szkoły lub dzielnice, a następnie próbkuj osoby w obrębie skupisk). Zrekrutuj uczestników i przeprowadź ankietę (kwestionariusz, wywiad) lub badanie kliniczne, aby zmierzyć zarówno ekspozycję, jak i wynik w jednym punkcie czasowym. Standaryzuj zbieranie danych: to samo szkolenie ankieterów, te same instrumenty, spójne protokoły. Zapisz cechy demograficzne i potencjalne czynniki zakłócające (wiek, płeć, wykształcenie, choroby współistniejące itp.). Zakończ zbieranie danych w wąskim oknie czasowym, aby zachować charakter „migawki”.
Wzór
Define target population; select representative sample via random, stratified, or cluster sampling; enroll participants and administer survey or examination.
Oblicz częstość występowania: Częstość występowania = (liczba osób z wynikiem) / (całkowita wielkość próby). Wyraź jako proporcję lub procent. Dla analizy stratyfikowanej według ekspozycji, oblicz Częstość występowania w grupie narażonej = (z wynikiem wśród narażonych) / (całkowita liczba narażonych); podobnie dla nienarażonych. Oblicz Stosunek częstości występowania (PR): PR = Częstość_występowania_narażonych / Częstość_występowania_nienarażonych. PR > 1 sugeruje, że ekspozycja jest związana z wyższą częstością występowania (może wskazywać na czynnik ryzyka, ale czasowość jest niejasna). PR < 1 sugeruje niższą częstość występowania u narażonych (związek ochronny, ale ponownie niejednoznaczność czasowa). Oblicz 95% CI dla częstości występowania i PR, używając metod dwumianowych lub Poissona. Skoryguj o czynniki zakłócające: użyj regresji logistycznej do oszacowania skorygowanego PR (lub użyj regresji log-dwumianowej, która bezpośrednio modeluje PR); podaj skorygowany PR z CI.
Wzór
Calculate prevalence (proportion with outcome); compute Prevalence Ratio (PR) = Prevalence_{\text{exposed}} / Prevalence_{\text{unexposed}}; adjust for confounders using logistic regression.PR równe 2 oznacza, że grupa narażona ma dwukrotnie wyższą częstość występowania wyniku w porównaniu do grupy nienarażonej. Należy jednak interpretować ostrożnie: ekspozycja może powodować wynik, wynik może zmieniać percepcję ekspozycji, lub oba mogą wynikać z trzeciej zmiennej. Niejednoznaczność czasowa ogranicza wnioskowanie przyczynowe; dane przekrojowe nie mogą udowodnić przyczynowości. Częstość występowania jest przydatna do charakteryzowania obciążenia chorobami w populacjach (nadzór, ocena potrzeb, planowanie zasobów), ale nie do kwantyfikowania ryzyka ani ustalania etiologii. Jeśli wynik jest rzadki w populacji, a próbkowanie jest przekrojowe, zaobserwowany związek może odzwierciedlać przypadki przewlekłe (osoby, które przeżyły), które różnią się od przypadków incydentalnych pod względem ekspozycji. Uogólnij wyniki na populację docelową, z której pobrano próbę.
Wzór
Interpret PR; note temporal ambiguity (cannot establish exposure preceded outcome); generalize to target population; discuss confounding and selection bias.
Częste pułapki
- Mylenie częstości występowania z częstością zachorowań: częstość występowania = istniejące przypadki w jednym czasie; częstość zachorowań = nowe przypadki w danym okresie. Badania przekrojowe mierzą częstość występowania, a nie częstość zachorowań.
- Wybieranie niereprezentatywnych prób: próbkowanie wygodne (np. ankietowanie tylko uczestników klinik lub wolontariuszy) wprowadza błąd selekcji. Użyj próbkowania losowego lub warstwowego z zdefiniowanej populacji.
- Interpretowanie PR jako współczynnika ryzyka (Risk Ratio): w badaniach kohortowych, RR = częstość zachorowań u narażonych / częstość zachorowań u nienarażonych. W badaniach przekrojowych, PR = częstość występowania u narażonych / częstość występowania u nienarażonych. Nie są to równoważne; nie mylić.
- Ignorowanie brakujących danych: jeśli wielu uczestników nie odpowiada na pytania dotyczące ekspozycji lub ma niekompletne pomiary wyników, oszacowania są obciążone. Zgłoś brakujące dane i przeprowadź analizy wrażliwości.
- Nadmierna interpretacja słabych związków: przekrojowe PR może być małe i nieprecyzyjne; słabe związki mogą wynikać z czynników zakłócających. Ustal wcześniej określone hipotezy i skoryguj o znane czynniki zakłócające.
Najczęściej zadawane pytania
Jaka jest różnica między częstością występowania a częstością zachorowań?
Częstość występowania (prevalence) to odsetek populacji z chorobą (lub stanem) w określonym czasie: Częstość występowania = (istniejące przypadki) / (całkowita populacja). Częstość zachorowań (incidence) to tempo pojawiania się nowych przypadków w danym okresie: Częstość zachorowań = (nowe przypadki) / (osobo-czas ryzyka). Badania przekrojowe mierzą częstość występowania. Badania kohortowe mierzą częstość zachorowań. Częstość występowania zależy zarówno od częstości zachorowań, jak i czasu trwania choroby: jeśli leczenie wydłuża przeżycie, częstość występowania rośnie bez zmiany częstości zachorowań. Częstość występowania jest przydatna do oceny obciążenia chorobami i potrzeb; częstość zachorowań kwantyfikuje ryzyko choroby.
Dlaczego nie mogę ustalić przyczynowości na podstawie badania przekrojowego?
Przyczynowość wymaga sekwencji czasowej: przyczyna musi poprzedzać skutek. Badanie przekrojowe mierzy ekspozycję i wynik w tym samym czasie, więc nie można określić, co było pierwsze. Na przykład, w ankiecie pracowników, stwierdzenie, że ci, którzy zgłaszają ból pleców, zgłaszają również ciężkie podnoszenie, nie mówi, czy podnoszenie spowodowało ból, czy też pracownicy z bólem przeszli na lżejsze zadania. Jest to przyczynowość odwrotna lub dwukierunkowy związek. Badania kohortowe ustalają sekwencję czasową, mierząc najpierw ekspozycję, a następnie obserwując w celu zmierzenia wyniku; są one znacznie silniejsze dla wnioskowania przyczynowego niż badania przekrojowe.
Jak obliczyć wielkość próby dla przekrojowego badania częstości występowania?
Do oszacowania pojedynczej częstości występowania użyj wzoru: n = (Z²/2 × p × (1 − p)) / d², gdzie p to przewidywana częstość występowania, d to dopuszczalny margines błędu (np. ±0,05), a Z to wartość krytyczna (1,96 dla 95% CI). Na przykład, jeśli szacowana częstość występowania wynosi 20%, dopuszczalny błąd to ±5%, to n ≈ (1,96² × 0,20 × 0,80) / 0,05² ≈ 246. Do porównania dwóch grup ekspozycji użyj wzorów do porównania częstości występowania w dwóch grupach (podobnie jak w testach proporcji dla dwóch grup). Uwzględnij grupowanie (jeśli próbkowane są skupiska, takie jak szkoły) za pomocą efektu projektu. Uwzględnij przewidywany brak odpowiedzi lub rezygnację (zwiększ n o ułamek odpowiedzi).
Czym jest błąd przeżywalności i jak wpływa na badania przekrojowe?
Błąd przeżywalności występuje, gdy próba przekrojowa obejmuje tylko osoby żyjące i znajdujące się w populacji w momencie badania, wykluczając te, które zmarły lub wyemigrowały z powodu wyniku. Na przykład, przekrojowe badanie mieszkańców z udarem może pominąć tych, którzy zmarli z powodu udaru przed datą badania, lub tych, którzy przeprowadzili się z powodu niepełnosprawności. Pozostałe (przeżywające) przypadki mogą różnić się od wszystkich przypadków pod względem ekspozycji lub ciężkości. To zniekształca związek między ekspozycją a wynikiem. Aby zminimalizować, badania przekrojowe powinny mierzyć wyniki wcześnie (przypadki incydentalne), a nie późno (przeżywające przypadki przewlekłe), lub wykorzystywać przypadki szpitalne lub rejestrowe, aby objąć szersze populacje przypadków.
Pokrewne metody
Źródła
Kelsey, J. L., Whittemore, A. S., Evans, A. S., & Thompson, W. D. (1996). Methods in Observational Epidemiology (2nd ed.). Oxford University Press.
ISBN: 978-0195083299Skopiowano.Rothman, K. J., Lash, T. L., & Greenland, S. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN: 978-0781755657Skopiowano.Lynn, P. (2009). Methodology of longitudinal surveys. Wiley Interdisciplinary Reviews: Computational Statistics, 1(3), 369–379.
Otwórz odnośnik do publikacjiSkopiowano.