Когортное исследование — продольный наблюдательный дизайн
- Автор метода
- Doll & Hill (British Doctors Study, 1951); Snow (cholera, 1854)
- Год
- Mid-20th century (formal epidemiological design codified ~1950s)
- Тип
- Observational longitudinal study design
- Семейство
- Clinical / epidemiology
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
Когортное исследование собирает группу индивидов, имеющих общую отправную точку — как правило, отсутствие интересующего исхода — и прослеживает их во времени, чтобы наблюдать, у кого разовьется этот исход.
Сравнивая частоту случаев между подвергшимися воздействию и не подвергшимися подгруппами, исследователи могут оценить относительный риск и абсолютные разницы в риске. Когортные исследования являются золотым стандартом наблюдательного дизайна для измерения частоты случаев заболеваний и установления временных связей между воздействием и исходом.
Интуиция метода
Представьте когортное исследование как проспективный документальный фильм: вы набираете группу участников до развертывания сюжета, фиксируете, кто подвергся воздействию определенного фактора, а затем наблюдаете в течение месяцев или лет, чтобы увидеть, кто заболеет. Поскольку вы наблюдаете воздействие до исхода, временная последовательность причинно-следственной связи более ясна, чем в исследовании «случай-контроль». Обратной стороной являются время и затраты — редкие заболевания могут потребовать огромных когорт, отслеживаемых десятилетиями, прежде чем накопится достаточно событий для получения надежных выводов.
История
Когортный дизайн берет начало в наблюдениях Джона Сноу за холерой в Лондоне в середине XIX века, но формальное эпидемиологическое когортное исследование было установлено в начале 1950-х годов благодаря знаковым исследованиям, таким как British Doctors Study Ричарда Долла и Остина Брэдфорда Хилла (1951–1954), которые продемонстрировали причинно-следственную связь между курением сигарет и раком легких. Framingham Heart Study, начатое в 1948 году, стало примером долгосрочного проспективного когортного подхода к факторам риска сердечно-сосудистых заболеваний. Методологические основы были кодифицированы Брайаном МакМахоном, Томасом Пафом и позже Кеннетом Ротманом.
Когда применять
Используйте когортное исследование, когда исследовательский вопрос касается частоты случаев заболеваний, временной последовательности между воздействием и исходом или естественной истории состояния — и когда рандомизация неэтична или непрактична. Когортные дизайны особенно хорошо подходят для изучения редких воздействий (поскольку участников можно отбирать на основе статуса воздействия), множественных исходов от одного воздействия и долгосрочных эффектов. Не используйте когортное исследование, когда исход очень редок (требуется огромная выборка для наблюдения достаточного количества событий), когда бюджет или сроки исследования не позволяют обеспечить длительное наблюдение, или когда исследование «случай-контроль» или поперечное исследование может ответить на вопрос более эффективно.
Ограничения и замечания
- Неэффективно для редких исходов — могут потребоваться огромные размеры выборки и длительные периоды наблюдения, прежде чем накопится достаточно событий.
- Потеря участников для наблюдения может привести к систематической ошибке отбора, если те, кто выбыл, отличаются от тех, кто остался.
- Длительность и большие требования к размеру выборки делают когортные исследования дорогостоящими и логистически сложными.
- Конфаундинг (смешивающие факторы) из-за неизмеренных переменных не может быть устранен только дизайном, в отличие от рандомизированных испытаний.
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Устанавливает временную последовательность — воздействие измеряется до исхода, что подтверждает причинно-следственную связь более убедительно, чем исследования «случай-контроль» или поперечные дизайны.
- Позволяет рассчитать абсолютные частоты случаев и относительный риск, а не только отношения шансов.
- Одна когорта может одновременно давать данные по множеству исходов.
- Проспективное измерение воздействия снижает ошибку воспоминания по сравнению с ретроспективными дизайнами.
- Хорошо подходит для изучения редких воздействий путем обогащения когорты подвергшимися воздействию индивидами.
Применение
- Количественная оценка долгосрочных сердечно-сосудистых эффектов диетических привычек, физической активности или терапии, снижающей уровень липидов.
- Оценка частоты профессиональных заболеваний (например, мезотелиомы у рабочих, подвергшихся воздействию асбеста).
- Изучение естественной истории хронических состояний, таких как диабет, ВИЧ или болезнь Альцгеймера.
- Оценка эффективности вакцин и побочных эффектов в постмаркетинговом надзоре.
- Исследование влияния воздействия окружающей среды (загрязнение воздуха, радиация) на здоровье населения в течение десятилетий.
Как это работает
Как это работает
Исследователь идентифицирует и набирает популяцию из группы риска — индивидов, у которых еще нет интересующего исхода. Критерии включения могут определяться возрастом, географией, родом занятий или участием в системе здравоохранения. Исходная когорта набирается в общую отправную точку, и фиксируются исходные характеристики.
Статус воздействия (например, курение, диета, прием лекарств, профессиональный агент) оценивается в начале исследования и, во многих дизайнах, повторно оценивается через регулярные промежутки времени в ходе наблюдения. Точное измерение воздействия на этом этапе определяет качество всего исследования; неправильная классификация здесь смещает оценки риска в сторону нуля.
Участники отслеживаются во времени посредством периодических оценок, связи с реестрами, административных данных или активного контакта. Потеря участников для наблюдения является главной угрозой внутренней валидности на этом этапе: если те, кто покидает исследование, систематически отличаются от тех, кто остается, оцениваемая частота случаев может быть смещена.
Инцидентные исходы (новые диагнозы, смерти, госпитализации) выявляются посредством клинического осмотра, медицинских записей, реестров заболеваний или связи с данными о смертности и рождаемости. Четкие, заранее определенные определения исходов минимизируют неправильную классификацию исходов.
Рассчитываются частоты случаев для подвергшихся воздействию и не подвергшихся групп. Основной показатель эффекта — относительный риск (ОР = частота случаев среди подвергшихся воздействию / частота случаев среди не подвергшихся воздействию) или, когда время наблюдения варьируется, отношение частот. Скорректированные оценки получаются с помощью многомерной регрессии (например, Пуассона, Кокса) для контроля конфаундинга.
Формула
RR = (Ie / Iu)
Частые ошибки
- Игнорирование изменяющихся во времени воздействий — рассмотрение исходного воздействия как фиксированного, когда оно меняется в ходе наблюдения (например, прекращение курения), может привести к неправильной классификации воздействия и смещению результатов; используйте обновляемые во времени анализы или маргинальные структурные модели.
- Неадекватный контроль времени наблюдения — сравнение сырых подсчетов событий вместо частот случаев на человеко-время приведет к вводящим в заблуждение результатам, когда продолжительность наблюдения варьируется у участников.
- Ошибка «бессмертного времени» — периоды наблюдения, в течение которых участник не может испытать исход (например, время до получения рецепта на лекарство), не должны быть отнесены к группе подвергшихся воздействию, иначе оценки риска будут искусственно благоприятными.
- Эффект здорового работника или здорового пользователя — когорты, набранные из профессиональных или клинических учреждений, могут быть систематически здоровее общей популяции, что ограничивает внешнюю обобщаемость.
Часто задаваемые вопросы
В чем разница между проспективным и ретроспективным когортным исследованием?
В проспективном когортном исследовании исследователи набирают участников, а затем отслеживают их вперед во времени, собирая данные о воздействии и исходах по мере возникновения событий. В ретроспективном (историческом) когортном исследовании и воздействие, и исход уже произошли; исследователь реконструирует когорту на основе имеющихся записей. Аналитическая логика идентична, но ретроспективные дизайны быстрее и дешевле, при этом более подвержены ошибке информации из-за неполных исторических записей.
Насколько большим должно быть когортное исследование?
Размер выборки зависит от ожидаемой частоты случаев исхода, величины эффекта, который вы хотите обнаружить, продолжительности наблюдения и желаемой статистической мощности. Для распространенных исходов может быть достаточно нескольких сотен участников; для редких исходов со скромными размерами эффекта могут потребоваться десятки тысяч участников, наблюдаемых в течение десятилетий. Расчеты мощности должны быть выполнены до начала набора.
Чем когортное исследование отличается от рандомизированного испытания?
В рандомизированном испытании исследователь контролирует назначение воздействия, что устраняет конфаундинг за счет дизайна и позволяет делать причинно-следственные выводы. В когортном исследовании воздействие определяется естественными обстоятельствами, поэтому неизмеренные конфаундеры могут исказить связь между воздействием и исходом. Когортные исследования являются наблюдательными и поэтому занимают более низкое место в иерархии доказательств для причинно-следственных вопросов, но они осуществимы, когда рандомизация была бы неэтичной или непрактичной.
Какой показатель эффекта дает когортное исследование?
Основным показателем эффекта является относительный риск (отношение рисков) при использовании кумулятивной частоты случаев или отношение частот случаев при использовании знаменателей человеко-времени. Когортные исследования также могут оценивать разницу в риске (атрибутивный риск), которая напрямую интерпретируема для воздействия на общественное здравоохранение. Отношения шансов из логистической регрессии иногда сообщаются для удобства, но приближают отношение рисков только тогда, когда исход редок.
Как следует обрабатывать потерю участников для наблюдения?
Во-первых, минимизируйте потери с помощью активных стратегий удержания. Сообщите о доле потерянных и сравните исходные характеристики завершивших исследование и не завершивших. Анализируйте, используя принципы намерения наблюдать, и проводите анализы чувствительности (например, наилучший и наихудший сценарии импутации) для оценки надежности результатов. Взвешивание по обратному вероятностному распределению может скорректировать информативное цензурирование, когда предсказатели выбытия измерены.
Похожие методы
Источники
Rothman, K. J., Greenland, S., & Lash, T. L. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN: 978-0781755641Скопировано.Doll, R., & Hill, A. B. (1954). The mortality of doctors in relation to their smoking habits: a preliminary report. British Medical Journal, 1(4877), 1451–1455.
Открыть ссылку DOIСкопировано.