Дизайн исследования «случай-контроль»
- Автор метода
- Jerome L. Schlesselman, Brian MacMahon, Thomas Pugh
- Год
- 1950s-1970s
- Тип
- Research Design
- Семейство
- observational design
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
Исследование «случай-контроль» идентифицирует лиц с заболеванием или исходом (случаи) и сравнительную группу без исхода (контроли), а затем ретроспективно оценивает предшествующую экспозицию.
Разработанные в 1950–1970-х годах эпидемиологами, такими как Шлессельман и МакМахон, исследования «случай-контроль» особенно эффективны для редких заболеваний, поскольку они отбирают случаи, обогащенные исходом, избегая необходимости в огромных когортах. Они являются основой клинической эпидемиологии, наблюдательных исследований и расследований вспышек.
Интуиция метода
Исследования «случай-контроль» работают в обратном направлении: начинают с людей, у которых есть заболевание, а затем спрашивают: «Что вы принимали до того, как заболели?» Сравнивают с контролями, у которых нет заболевания. Если случаи гораздо чаще сообщают о прошлой экспозиции, чем контроли, то экспозиция, вероятно, является фактором риска. Ключевая статистика — отношение шансов (OR), которое может быть рассчитано только на основе выборки «случай-контроль». Основные проблемы — это смещение воспоминаний (случаи могут помнить экспозиции иначе, чем контроли) и смещение отбора (то, как вы выбираете контроли, влияет на ваши результаты). Для редких заболеваний «случай-контроль» гораздо эффективнее, чем когорта: вы набираете 100 случаев и 100 контролей вместо 100 000 здоровых людей, за которыми наблюдают годами.
История
Методология «случай-контроль» возникла в 1950-х годах, когда эпидемиологи стремились эффективно изучать редкие заболевания. Монография Джерома Шлессельмана (1982) формализовала статистическую основу. Дизайны «случай-контроль» оказались решающими в установлении причинно-следственных связей: классическое исследование «случай-контроль» талидомида и врожденных пороков (1960-е годы) и курения и рака легких (Doll & Hill) иллюстрируют способность дизайна быстро выявлять экспозиции. Вложенные исследования «случай-контроль» (отбор контролей из когорты) и парные дизайны «случай-контроль» развились для повышения точности. Сегодня исследования «случай-контроль» остаются фундаментальными в эпидемиологии, особенно при расследовании вспышек, профессиональных опасностей и редких нежелательных явлений.
Когда применять
Используйте исследования «случай-контроль», когда: (1) заболевание или исход редки (например, редкие виды рака, врожденные пороки), что делает когортные исследования непомерно дорогими, (2) существует длительный период латентности между экспозицией и исходом (годы или десятилетия), (3) изучается множество экспозиций для одного исхода, (4) проводятся расследования вспышек или эпидемий (сравнение экспонированных и неэкспонированных), (5) генерируются гипотезы на основе существующих данных (медицинские записи, реестры заболеваний), (6) ресурсы ограничены («случай-контроль» дешевле и быстрее, чем когорта), (7) изучаются прошлые экспозиции, где последующее наблюдение невозможно.
Ограничения и замечания
- Смещение воспоминаний: случаи, пережившие исход, могут вспоминать прошлые экспозиции иначе, чем контроли. Если случаи преувеличивают или преуменьшают отчеты об экспозиции, OR искажается.
- Смещение отбора: то, как выбираются контроли, критически влияет на OR. Контроли должны происходить из той же исходной популяции, которая породила случаи; использование госпитализированных контролей, когда случаи получены из сообщества, вносит смещение.
- Временная неопределенность: ретроспективная оценка экспозиции может затушевать причинно-следственную связь. Предшествовала ли экспозиция исходу, или исход повлиял на воспоминания об экспозиции?
- Невозможность расчета инцидентности: выборки «случай-контроль» обогащены исходом, поэтому вы не можете напрямую оценить инцидентность заболевания или абсолютный риск. OR является единственной оцениваемой мерой ассоциации.
- Неправильная классификация экспозиции: ретроспективная оценка экспозиции (особенно для отдаленных экспозиций) подвержена ошибкам, смещая OR в сторону нуля.
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Эффективность для редких исходов: выборка, обогащенная исходом, делает исследования «случай-контроль» гораздо более эффективными, чем когортные исследования, для редких заболеваний. Исследование редкого рака может включать 300 случаев и 300 контролей вместо 100 000 человек, за которыми наблюдают годами.
- Скорость и стоимость: ретроспективный сбор данных быстрее и дешевле, чем проспективное наблюдение.
- Множественные экспозиции: одно исследование «случай-контроль» может одновременно изучать множество экспозиций, выявляя новые факторы риска.
- Существующие реестры заболеваний: многие заболевания имеют реестры (рак, врожденные пороки), обеспечивающие легкий доступ к хорошо охарактеризованным случаям.
- Латентность: «случай-контроль» естественным образом учитывает длительные периоды индукции-латентности между экспозицией и диагностикой исхода.
Применение
- Расследование вспышек: во время вспышки пищевого отравления идентифицируйте случаи (больные люди) и контроли (экспонированные, но не больные), сравните потребляемую пищу и определите источник.
- Эпидемиология врожденных пороков: включите младенцев с врожденными аномалиями в качестве случаев, отберите контролей из популяции, спросите матерей об использовании лекарств, инфекциях или экспозициях во время беременности.
- Профессиональное здоровье: рабочие с мезотелиомой (редкий исход) — это случаи; контроли — рабочие без заболеваний, связанных с асбестом; ретроспективно оценивается экспозиция асбеста по трудовым книжкам.
- Нежелательные лекарственные эффекты: пациенты, госпитализированные с печеночной недостаточностью (случаи), сравниваются с госпитализированными контролями (без печеночной недостаточности); история приема лекарств пересматривается для выявления гепатотоксичных препаратов.
- Этиология рака: недавно диагностированные пациенты с раком (случаи) часто сопоставляются с контролями без рака по возрасту/полу; собираются данные о диете, курении и репродуктивной истории для выявления факторов риска.
Как это работает
Как это работает
Определение случаев: лица с интересующим исходом (например, диабет, инфаркт миокарда, врожденная аномалия). Случаи могут быть недавно диагностированными (инцидентные) или всеми лицами с заболеванием за определенный период (превалентные). Четко определите случаи: критерии диагностики, дата постановки диагноза, статус заболевания, подтвержденный медицинскими записями. Отбирайте контроли из исходной популяции, которая породила случаи — контроли представляют распределение экспозиции в популяции, которая породила случаи. Контроли должны быть свободны от заболевания (по крайней мере, от данного конкретного исхода). Сопоставление: контроли могут быть сопоставлены 1:1 или 1:k со случаями по возрасту, полу, расе или другим искажающим факторам; сопоставление повышает мощность, но требует статистической корректировки (критерий Мак-Немара для парных данных). Альтернативно, используйте несопоставленные контроли и корректируйте искажающие факторы в регрессии. Оценивайте предшествующую экспозицию по медицинским записям, интервью, анкетам или образцам из биобанка. Для исторической экспозиции (далекое прошлое) используйте медицинские записи или профессиональные истории; для недавней экспозиции возможны интервью.
Формула
Identify cases (with outcome) and controls (without outcome); measure prior exposure retrospectively from medical records, interviews, or surveys; match controls to cases on age, sex, or other variables if needed.
Постройте таблицу сопряженности 2×2: строки = статус экспозиции (да/нет), столбцы = статус случая/контроля. Вычислите отношение шансов: OR = (a × d) / (b × c), где a = случаи с экспозицией, b = случаи без экспозиции, c = контроли с экспозицией, d = контроли без экспозиции. Рассчитайте 95% доверительный интервал (ДИ) в логарифмическом масштабе. Для парных данных (n пар) используйте тест Мак-Немара: χ² = ((b − c)²) / (b + c), который проверяет, сбалансированы ли дискордантные пары. Для несопоставленных данных используйте логистическую регрессию для корректировки искажающих факторов и расчета скорректированного OR. Сообщайте скорректированное OR с ДИ и p-значением. Проверьте взаимодействие между экспозицией и искажающими факторами.
Формула
Tabulate 2×2 table (exposure × outcome); compute Odds Ratio (OR) = (a×d)/(b×c); apply McNemar's test for matched data or logistic regression for unmatched data with confounders.
OR = 1: нет связи между экспозицией и исходом. OR > 1: экспозиция связана с повышенными шансами исхода (фактор риска). OR < 1: экспозиция связана со сниженными шансами (защитный фактор). Например, OR = 3 означает, что шансы экспозиции среди случаев в 3 раза выше, чем среди контролей. Когда заболевание редкое (распространенность <10%), OR приближается к относительному риску. Когда заболевание распространенное, OR преувеличивает эффект. Доверительные интервалы, не включающие 1.0, указывают на статистическую значимость. Причинность требует большего, чем статистическая ассоциация: учитывайте силу (OR > 2–3), согласованность между исследованиями, дозозависимость, временную правдоподобность и биологический механизм. Оцените альтернативные объяснения: могут ли смещение отбора, смещение воспоминаний или неучтенные искажающие факторы объяснить наблюдаемую ассоциацию?
Формула
Interpret OR: OR=1 no association, OR>1 increased odds of exposure in cases, OR<1 decreased odds. In rare outcomes, OR approximates Relative Risk. Consider recall bias, selection bias, and unmeasured confounding.
Частые ошибки
- Плохой выбор контролей: контроли, отобранные из госпитализированных пациентов (когда случаи — это случаи из сообщества) или контроли с сопутствующим заболеванием, вызывают смещение отбора. Контроли должны быть свободны от заболевания и репрезентативны для исходной популяции.
- Игнорирование сопоставления при анализе: если случаи и контроли сопоставлены по возрасту/полу, стандартная логистическая регрессия неприменима; используйте условную логистическую регрессию или тест Мак-Немара для парного анализа.
- Дифференциальное смещение воспоминаний: случаи могут вспоминать экспозиции более тщательно или искажать их больше, чем контроли. Минимизируйте, используя объективные записи (например, медицинские карты, трудовые книжки) вместо опросов по воспоминаниям.
- Постфактумный отбор контролей: корректировка отбора контролей после просмотра данных (например, выбор дополнительных контролей для балансировки определенного коварианта) вносит смещение. Определите критерии отбора контролей заранее.
- Смещение превалентности-инцидентности: если включаются превалентные случаи (все случаи заболевания в популяции), а не инцидентные случаи (недавно диагностированные), могут быть представлены выжившие при тяжелом заболевании, что искажает OR.
Часто задаваемые вопросы
Когда отношение шансов является хорошим приближением относительного риска?
Отношение шансов (OR) приближается к относительному риску (RR), когда заболевание редко встречается в популяции (обычно <10% распространенности). При низкой распространенности шансы заболевания ≈ риск заболевания, поэтому OR ≈ RR. При распространенности >10% OR преувеличивает эффект по сравнению с RR. Например, если RR = 2, OR может быть 2,5 или выше при более высокой распространенности. Всегда уточняйте, что исследования «случай-контроль» дают OR, а не RR. Если клиническая интерпретация требует RR, необходимо преобразовать OR, используя базовый риск (распространенность заболевания в исходной популяции).
Что такое вложенное исследование «случай-контроль» и зачем его использовать?
Вложенное исследование «случай-контроль» отбирает случаи и контроли из проспективной когорты. Все члены когорты идентифицируются как случаи по мере возникновения исходов; контроли случайным образом отбираются из не-случаев в когорте, часто сопоставляются со случаями по возрасту и полу. Вложенное «случай-контроль» сочетает сильные стороны когорты и «случай-контроль»: доступны временная последовательность и данные об инцидентности (как в когортах), но стоимость ниже, поскольку только подмножества случаев и контролей измеряются для дорогостоящих экспозиций (например, биомаркеры, генетическое тестирование). Отношение шансов из вложенного «случай-контроль» приближается к относительному риску когорты, даже если заболевание не редкое.
Как выбрать между сопоставленными и несопоставленными контролями?
Сопоставленные контроли (сопоставленные 1:1 со случаями по возрасту, полу и т. д.) повышают точность и снижают искажение, вызванное сопоставленными переменными. Однако сопоставление статистически «дорого»: необходимо использовать условную логистическую регрессию, и вы не можете оценить независимые эффекты сопоставленных переменных. Несопоставленные контроли позволяют корректировать множество искажающих факторов в логистической регрессии и могут быть более экономически эффективными. Сопоставление наиболее полезно для сильных искажающих факторов (возраст, пол, календарный год) и когда контроли трудно найти. Если потенциальных искажающих факторов много, рассмотрите несопоставленный дизайн с регрессионной корректировкой.
Как отличить смещение отбора от информационного смещения в исследованиях «случай-контроль»?
Смещение отбора возникает из-за того, как вы выбираете случаи и контроли. Если случаи и контроли происходят из разных исходных популяций (например, госпитализированные случаи против контролей из сообщества), OR искажается. Информационное смещение (неправильная классификация) возникает из-за ошибок в измерении экспозиции или исхода. Смещение воспоминаний — это тип информационного смещения: случаи с серьезным заболеванием могут вспоминать прошлые экспозиции иначе, чем контроли. Оба смещения искажают OR, но по-разному. Чтобы минимизировать смещение отбора, убедитесь, что случаи и контроли происходят из одной и той же исходной популяции. Чтобы минимизировать информационное смещение, используйте объективные записи (медицинские карты, биомаркеры) вместо воспоминаний.
Похожие методы
Источники
Schlesselman, J. J. (1982). Case-Control Studies: Design, Conduct, Analysis. Oxford University Press.
ISBN: 978-0195027815Скопировано.Rothman, K. J., Lash, T. L., & Greenland, S. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN: 978-0781755657Скопировано.Greenland, S., & Thomas, D. C. (1990). On the need for the rare disease assumption in case-control studies. American Journal of Epidemiology, 132(2), 374–375.
Открыть ссылку на публикациюСкопировано.