Badanie zagnieżdżone typu przypadek-kontrola
- Autor metody
- Nathan Mantel (1973); D. C. Thomas (1977 formalization)
- Rok
- 1973–1977
- Typ
- Hybrid observational study design
- Rodzina
- Clinical / epidemiology
Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku
Do czego służy?
Badanie zagnieżdżone typu przypadek-kontrola jest wydajnym projektem obserwacyjnym osadzonym w zdefiniowanej kohorcie.
Dla każdego uczestnika, u którego rozwinął się interesujący wynik (przypadek), pobiera się niewielką liczbę dopasowanych kontroli spośród osób wciąż narażonych w tym samym punkcie czasowym. Ta strategia próbkowania gęstościowego daje ilorazy szans, które przybliżają ilorazy częstości występowania z pełnej kohorty przy ułamku kosztów zbierania danych — co czyni ją preferowaną alternatywą, gdy pomiar ekspozycji dla wszystkich członków kohorty byłby zaporowo drogi lub technicznie wymagający.
Intuicja stojąca za metodą
Wyobraźmy sobie 20-letnią kohortę zawodową 10 000 pracowników. Chcemy sprawdzić, czy określona ekspozycja chemiczna zwiększa ryzyko raka pęcherza moczowego, ale pomiar biomarkerów surowicy dla wszystkich 10 000 uczestników byłby niezwykle kosztowny. Projekt zagnieżdżonego badania przypadek-kontrola rozwiązuje ten problem: za każdym razem, gdy pracownik zostanie zdiagnozowany (przypadek), losowo wybiera się, powiedzmy, czterech pracowników z grupy ryzyka — tych, którzy jeszcze nie doświadczyli wyniku i zostali włączeni co najmniej tak wcześnie — i mierzy się biomarkery tylko dla tych pięciu osób. Ponieważ kontrole są pobierane z tej samej kohorty i z tego samego punktu obserwacji, projekt dziedziczy prospektywną strukturę kohorty, jednocześnie zmniejszając liczbę analiz biomarkerów o około 80%.
Historia
Projekt zagnieżdżonego badania przypadek-kontrola został skonceptualizowany przez Nathana Mantela w 1973 roku jako sposób zastosowania retrospektywnej logiki przypadek-kontrola w ramach prospektywnych danych kohortowych, odzyskując wydajność bez poświęcania integralności czasowej. D. C. Thomas sformalizował ramy próbkowania grupy ryzyka lub gęstości występowania w 1977 roku, demonstrując, że OR oszacowane z takich próbek są równe IRR kohorty przy zerowym i umiarkowanym rozmiarze efektu. Projekt zyskał szerokie zastosowanie w epidemiologii zawodowej i nowotworowej w latach 80. i 90. XX wieku, szczególnie w badaniach wymagających kosztownych analiz biomarkerów na przechowywanych próbkach. Jest to obecnie standardowe narzędzie w dużych badaniach powiązanych z biobankami i badaniach farmakoepidemiologicznych.
Kiedy stosować
Użyj projektu zagnieżdżonego badania przypadek-kontrola, gdy masz (lub możesz zebrać) dobrze zdefiniowaną kohortę prospektywną z danymi dotyczącymi wyników, ale pomiar ekspozycji dla wszystkich członków jest kosztowny, technicznie wymagający lub wymaga przechowywanych próbek biologicznych. Jest idealny, gdy interesująca ekspozycja to test laboratoryjny, marker genetyczny lub przechowywana próbka, której budżet pomiarowy jest ograniczony. Projekt jest również odpowiedni, gdy potrzebujesz kontrolować zmienne zakłócające zmieniające się w czasie lub chcesz badać rzadkie wyniki w dużej kohorcie bez oceny ekspozycji całej kohorty. NIE używaj tego projektu, gdy kohorta jest zbyt mała, aby uzyskać odpowiednią liczbę przypadków; gdy dane dotyczące wyników są niedostępne lub niewiarygodne; gdy wszystkie ekspozycje są już zmierzone dla całej kohorty (wtedy pełna analiza kohorty jest bardziej wydajna); lub gdy pytanie badawcze wymaga oszacowania ryzyka bezwzględnego, a nie ryzyka względnego.
Ograniczenia i uwagi
- Wymaga istniejącej kohorty z wiarygodnym ustaleniem wyników; utworzenie takiej kohorty samo w sobie jest zasobochłonne.
- Dopasowany projekt z warunkową regresją logistyczną oznacza, że dopasowane zmienne nie mogą być oceniane jako niezależne predyktory wyniku.
- Zyski z wydajności maleją, gdy wyniki są częste (>10% kohorty), w takim przypadku preferowany może być projekt pełnej kohorty lub przypadek-kohorta.
- Wybór odpowiedniej liczby kontroli na przypadek wymaga starannych obliczeń mocy; zbyt mało kontroli zmniejsza wydajność statystyczną bez proporcjonalnych oszczędności kosztów.
Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.
Mocne strony
- Dramatycznie zmniejsza koszt i wysiłek oceny ekspozycji w porównaniu z analizą pełnej kohorty — zazwyczaj tylko 5–10% członków kohorty wymaga pomiaru.
- Próbkowanie gęstości występowania zapewnia, że OR jest nieobciążonym oszacowaniem ilorazu częstości występowania, zachowując przyczynową interpretację projektu prospektywnego.
- Umożliwia wykorzystanie zmiennych w czasie ekspozycji poprzez powiązanie wyboru kontroli z grupą ryzyka w momencie wystąpienia każdego przypadku.
- Dziedziczy mocne strony prospektywnej kohorty: czasowość ekspozycji przed wynikiem i zmniejszony błąd pamięci w porównaniu z tradycyjnym badaniem przypadek-kontrola.
- Elastyczne dopasowanie według czasu i indywidualnych kowariantów efektywnie kontroluje silne czynniki zakłócające bez konieczności posiadania pełnych danych kowariantów kohorty.
Zastosowania
- Badania biomarkerów w dużych kohortach prospektywnych — pomiar przechowywanych próbek krwi tylko dla przypadków i dopasowanych kontroli w celu badania wyników związanych z rakiem, chorobami sercowo-naczyniowymi lub metabolicznymi.
- Epidemiologia zawodowa — ocena skumulowanych ekspozycji chemicznych lub radiacyjnych wśród pracowników, u których rozwijają się specyficzne nowotwory w kohorcie fabrycznej lub rejestrowej.
- Farmakoepidemiologia — ocena ekspozycji na leki i zdarzeń niepożądanych w kohortach administracyjnych baz danych zdrowotnych, gdzie rejestry recept są kompletne, ale szczegółowe dane kliniczne wymagają przeglądu kart.
- Epidemiologia chorób zakaźnych — badanie czynników gospodarza lub patogenu w przypadku ciężkich wyników (np. hospitalizacja, zgon) w kohorcie nadzoru nad osobami zakażonymi.
- Badania genetyczne i genomowe — przeprowadzanie sekwencjonowania genów kandydujących lub całego egzonu na przypadkach i kontrolach pobranych z kohorty populacyjnej z długoterminową obserwacją.
Jak to działa
Jak to działa
Badanie rozpoczyna się od istniejącej lub nowo zebranej dynamicznej lub stałej kohorty, której członkowie byli wolni od choroby przy włączeniu i są obserwowani w czasie. Kohorta stanowi ramę próbkowania, z której pobierane są zarówno przypadki, jak i kontrole, zapewniając, że wszyscy uczestnicy mają wspólny punkt wyjścia i okno ekspozycji.
Podczas obserwacji rejestrowane jest każde nowe wystąpienie zdarzenia będącego wynikiem (np. diagnoza choroby, zgon) jako przypadek, wraz z dokładną datą zdarzenia. Przypadki to często wszystkie nowe zdarzenia w kohorcie, ale projekt może być również ograniczony do określonego podzbioru (np. specyficznego podtypu histologicznego).
Dla każdego przypadku tworzona jest grupa ryzyka: wszyscy członkowie kohorty, którzy są nadal obserwowani i wolni od zdarzenia w momencie wystąpienia przypadku. Stała liczba kontroli (zazwyczaj 1–10 na przypadek) jest losowo pobierana z tej grupy ryzyka — procedura nazywana próbkowaniem gęstości występowania lub próbkowaniem grupy ryzyka. Kontrole mogą być dopasowywane do przypadków pod względem zmiennych takich jak wiek, płeć lub czas kalendarzowy w celu zmniejszenia wpływu czynników zakłócających.
Informacje o ekspozycji — biomarkery, przechowywane próbki biologiczne, dokumentacja medyczna lub dane z wywiadów — są pobierane lub mierzone tylko dla wybranych przypadków i kontroli, a nie dla całej kohorty. Ponieważ kontrole są pobierane w momencie każdego zdarzenia przypadkowego, zmienne w czasie ekspozycje mogą być uchwycone w odpowiednim oknie ryzyka.
Warunkowa regresja logistyczna jest używana do oszacowania ilorazów szans (OR) w każdej dopasowanej parze przypadek-kontrola, uwzględniając zmienne dopasowania. W przypadku próbkowania gęstości występowania OR jest nieobciążonym oszacowaniem ilorazu częstości występowania (IRR) z analizy pełnej kohorty, co czyni wyniki bezpośrednio interpretowalnymi jako oszacowania względnego ryzyka.
Częste pułapki
- Używanie przypadków powszechnych, a nie incydentalnych — włączenie uczestników, którzy już mieli chorobę przy włączeniu do kohorty, wprowadza błąd długości i łamie założenie czasowości, że ekspozycja poprzedza wynik.
- Pobieranie kontroli spoza grupy ryzyka — wybór kontroli, które już doświadczyły wyniku, lub które weszły do kohorty po dacie zdarzenia przypadkowego, zniekształca logikę próbkowania gęstości i zniekształca OR od IRR.
- Ignorowanie dopasowanej struktury w analizie — analiza dopasowanych danych przypadek-kontrola za pomocą niewarunkowej regresji logistycznej (zamiast warunkowej regresji logistycznej) daje zniekształcone oszacowania, zwłaszcza gdy liczba kontroli na przypadek jest mała.
- Niewzięcie pod uwagę zmiennych w czasie ekspozycji — użycie pojedynczego pomiaru ekspozycji bazowej, gdy ekspozycje zmieniają się w trakcie obserwacji, powoduje błędną klasyfikację ekspozycji i zniekształca wyniki w kierunku zera.
- Nadmierne dopasowanie do zmiennych na ścieżce przyczynowej — dopasowanie do pośrednich między ekspozycją a wynikiem usuwa zmienność potrzebną do wykrycia efektu.
Najczęściej zadawane pytania
Czym różni się badanie zagnieżdżone przypadek-kontrola od tradycyjnego badania przypadek-kontrola?
Tradycyjne badanie przypadek-kontrola rekrutuje przypadki ze szpitala lub rejestru i wybiera kontrole z populacji ogólnej, co utrudnia zapewnienie, że kontrole pochodziły z tej samej populacji źródłowej co przypadki. Zagnieżdżone badanie przypadek-kontrola pobiera zarówno przypadki, jak i kontrole z określonej kohorty ze znanymi datami włączenia i obserwacji, dzięki czemu populacja źródłowa jest jawna, a kontrole gwarantują, że były narażone na ryzyko stania się przypadkami — usuwa to główne źródło błędu selekcji i pozwala OR na oszacowanie IRR.
Ile kontroli na przypadek powinienem wybrać?
Wybór 4–5 kontroli na przypadek zapewnia większość zysku wydajności statystycznej w porównaniu z analizą pełnej kohorty; powyżej stosunku około 10:1 marginalny zysk jest nieznaczny. Optymalna liczba zależy od względnego kosztu uzyskania danych dla przypadków w porównaniu z kontrolami oraz od wymagań dotyczących mocy statystycznej. W przypadku rzadkich wyników, gdzie każdy przypadek jest cenny, można uzasadnić do 10 kontroli na przypadek.
Jaka jest różnica między badaniem zagnieżdżonym przypadek-kontrola a badaniem przypadek-kohorta?
Oba projekty pobierają próbki z kohorty w celu zmniejszenia kosztów oceny ekspozycji. W zagnieżdżonym badaniu przypadek-kontrola kontrole są dopasowywane do grupy ryzyka dla każdego przypadku w momencie zdarzenia przypadkowego i stosuje się warunkową regresję logistyczną. W badaniu przypadek-kohorta losowa podkohorta jest wybierana w punkcie wyjściowym i służy jako grupa porównawcza dla wszystkich przypadków, niezależnie od tego, kiedy wystąpią; pozwala to na wykorzystanie tej samej podkohorty dla wielu wyników, ale wymaga bardziej złożonych analiz ważonych. Projekty zagnieżdżone przypadek-kontrola są zazwyczaj prostsze w analizie; projekty przypadek-kohorta są preferowane, gdy jednocześnie badanych jest wiele wyników.
Czy mogę użyć projektu zagnieżdżonego przypadek-kontrola z kohortą retrospektywną?
Tak. Chociaż projekt jest koncepcyjnie prospektywny — ekspozycja poprzedza wynik — może być osadzony w kohorcie retrospektywnej zebranej z historycznych zapisów. Kluczowe wymagania to, aby daty włączenia do kohorty, okresy obserwacji i daty wyników były wiarygodnie udokumentowane, a informacje o ekspozycji można było pobrać dla wybranych przypadków i kontroli bez wiedzy o statusie przypadku (aby uniknąć błędu informacyjnego).
Jakiego oprogramowania mogę użyć do warunkowej regresji logistycznej w danych z zagnieżdżonego badania przypadek-kontrola?
Warunkowa regresja logistyczna dla dopasowanych danych przypadek-kontrola jest dostępna w R (funkcja clogit w pakiecie survival), Stata (komenda clogit), SAS (PROC LOGISTIC ze stwierdzeniem STRATA) i SPSS. Zmienna dopasowania (zazwyczaj identyfikator zestawu przypadków) musi być uwzględniona jako identyfikator stratyfikacji. W przypadku analiz czasu do zdarzenia przy użyciu pełnej grupy ryzyka, częściowa wiarygodność Coxa z dopasowaniem czasowym jest matematycznie równoważna warunkowej regresji logistycznej w ramach próbkowania gęstości występowania.
Pokrewne metody
Źródła
Thomas, D. C. (1977). Addendum to: Methods of cohort analysis: Appraisal by application to asbestos mining. Journal of the Royal Statistical Society, Series A, 140(4), 469–491.
Otwórz odnośnik do publikacjiSkopiowano.Mantel, N. (1973). Synthetic retrospective studies and related topics. Biometrics, 29(3), 479–486.
Otwórz odnośnik DOISkopiowano.