Дизайн когортного исследования
- Автор метода
- Donald Acheson, Olli Miettinen, and others in modern epidemiology
- Год
- 1970s-1980s
- Тип
- Research Design
- Семейство
- observational design
Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском
Что он делает?
Когортное исследование отслеживает группу индивидов во времени от воздействия до исхода.
Участники, подвергшиеся воздействию, и не подвергшиеся воздействию (или участники с различными уровнями воздействия) набираются на исходном этапе, характеризуются и проспективно наблюдаются до наступления исхода или окончания исследования. Когортные исследования являются основополагающими для эпидемиологии и представляют собой предпочтительный дизайн для установления причинно-следственных связей, когда рандомизированные испытания неосуществимы или неэтичны.
Интуиция метода
Представьте, что вы наблюдаете за двумя группами — курильщиков и некурящих — в течение 10 лет и подсчитываете количество случаев рака легких в каждой. Относительный риск (ОР) = (рак легких у курильщиков) / (рак легких у некурящих) показывает, насколько выше вероятность развития рака у курильщиков. Когортные исследования естественным образом сохраняют временную последовательность (воздействие до исхода), избегают систематической ошибки отзыва (воздействие регистрируется на исходном этапе, а не вспоминается после развития заболевания) и могут изучать множественные исходы от одного воздействия. Основной компромисс — это стоимость и время: необходимо наблюдать за людьми годами, часто с большими затратами. Смешивающие факторы — другие факторы, коррелирующие как с воздействием, так и с исходом — остаются угрозой, если их не контролировать.
История
Когортные исследования стали заметными в эпидемиологии в 1950–1970-х годах, примером чего является Фрамингемское исследование сердца (1948–настоящее время), которое впервые применило проспективное изучение факторов риска сердечно-сосудистых заболеваний. Олли Миеттинен и другие формализовали статистические основы, разграничив когортные (основанные на заболеваемости) и случай-контроль (основанные на шансах) подходы. Современные когортные исследования используют электронные медицинские карты, регистры заболеваний и биобанки для повышения эффективности. Динамические когорты (постоянный набор) и вложенные дизайны случай-контроль (отбор случаев и контролей из когорты) расширили методологический инструментарий.
Когда применять
Используйте когортные исследования, когда: (1) изучаются редкие воздействия (например, профессиональные риски, затрагивающие небольшое число людей), (2) устанавливаются временные связи между воздействием и исходом, (3) изучаются множественные исходы от одного воздействия (например, курение → рак, болезни сердца, ХОБЛ), (4) оцениваются долгосрочные эффекты в течение многих лет или десятилетий, (5) оценивается естественное течение и заболеваемость, (6) рандомизированные испытания неэтичны (например, подвергать людей воздействию вредных веществ), (7) исходы распространены, что делает исследования случай-контроль менее эффективными.
Ограничения и замечания
- Время и стоимость: наблюдение за когортами в течение многих лет или десятилетий требует постоянного финансирования, персонала и инфраструктуры; выбывание (потери при наблюдении) является обычным явлением.
- Систематическая ошибка из-за потерь при наблюдении: если потерянные участники систематически отличаются по воздействию или смешивающим факторам, оценки ОР становятся смещенными. Требуется высокий процент наблюдения (>80%).
- Редкие исходы: если заболеваемость очень низка, требуются огромные когорты, что увеличивает стоимость. Исследования случай-контроль могут быть более эффективными.
- Смешивающие факторы: неучтенные или плохо измеренные смешивающие факторы могут смещать ОР. Корректировка ограничена измеренными переменными.
- Когортные эффекты: участники, набираемые с течением времени, могут отличаться по исходным характеристикам, прогнозу или секулярным тенденциям, что влияет на сопоставимость.
Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.
Сильные стороны
- Четкая временная последовательность: воздействие регистрируется до исхода, что более убедительно устанавливает направленность и причинность, чем кросс-секционные дизайны.
- Множественные исходы: одно воздействие может быть связано со многими исходами, что экономично для широкой генерации гипотез.
- Заболеваемость и абсолютный риск: напрямую оценивает риск в группах, подвергшихся и не подвергшихся воздействию, что позволяет рассчитать число, которое необходимо лечить.
- Избегает отбора, зависящего от исхода: когорта определяется воздействием, а не исходом, что предотвращает систематическую ошибку отбора, присущую исследованиям случай-контроль.
- Показатели заболеваемости: знаменатели человеко-времени учитывают переменную продолжительность наблюдения, что позволяет сравнивать исследования с различной продолжительностью наблюдения.
Применение
- Профессиональная эпидемиология: наблюдение за работниками опасных отраслей (асбест, горнодобывающая промышленность, химическое производство) для количественной оценки риска заболеваний, связанных с воздействием на рабочем месте.
- Исследования диеты и образа жизни: набор участников, измерение исходной диеты и физической активности, затем наблюдение за сердечно-сосудистыми заболеваниями, раком или смертностью (например, Исследование здоровья медсестер).
- Заболеваемость раком и прогноз: набор здоровых участников и отслеживание диагноза рака с течением времени; или набор онкологических пациентов и наблюдение за выживаемостью.
- Когорты рождений и развитие ребенка: набор беременных женщин или новорожденных, измерение ранних воздействий (например, курение матери, загрязнение воздуха, бедность) и оценка долгосрочных результатов здоровья и развития.
- Безопасность лекарств и неблагоприятные исходы: набор пациентов, начинающих прием нового лекарства, и мониторинг неблагоприятных событий, госпитализаций или смертности по сравнению с альтернативными методами лечения.
Как это работает
Как это работает
Определите источник когорты (например, здоровые взрослые в возрасте 40–70 лет, сотрудники фабрики, пациенты клиники). Определите воздействие: является ли оно бинарным (да/нет), категориальным (низкий/средний/высокий) или непрерывным (годы использования)? Наберите участников, не имеющих заболевания на исходном этапе; измерьте и зафиксируйте статус воздействия и исходные смешивающие факторы (возраст, пол, раса, социально-экономический статус, сопутствующие заболевания и т. д.). Наблюдайте за участниками в течение заранее определенного периода (от месяцев до десятилетий). Используйте активное наблюдение (интервью, посещения клиники, почтовые опросы) или пассивное наблюдение (медицинские записи, регистры заболеваний, страховые претензии). Регистрируйте события исхода (диагноз, госпитализация, смерть) с датами. Документируйте потери при наблюдении, выбывание и цензурирование (когда участники живы/здоровы на момент окончания исследования, но статус исхода неизвестен). Стандартизируйте определение исхода для всех участников.
Формула
Define cohort (exposed and unexposed groups); enroll eligible participants; establish baseline characteristics and exposure status; follow participants forward in time; record outcome events.
Рассчитайте заболеваемость в каждой группе воздействия: Заболеваемость = (количество событий исхода в группе) / (человеко-время риска в группе). Человеко-время учитывает различную продолжительность наблюдения: если за одним человеком наблюдают 5 лет, а за другим 2 года, человеко-время составляет 7 человеко-лет. Вычислите относительный риск (ОР) = Заболеваемость_подвергшихся_воздействию / Заболеваемость_не_подвергшихся_воздействию. ОР > 1 указывает на повышенный риск; ОР < 1 указывает на сниженный риск (или защитный эффект); ОР = 1 указывает на отсутствие связи. Рассчитайте 95% доверительные интервалы (на основе распределения Пуассона или дельта-метода). Скорректируйте на смешивающие факторы с использованием стратификации (Мантель-Хензель) или регрессии (пропорциональные риски Кокса, регрессия Пуассона). Проверьте предположение о пропорциональных рисках в моделях Кокса.
Формула
Calculate incidence (risk) in exposed and unexposed groups; compute Relative Risk (RR) = Incidence_{\text{exposed}} / Incidence_{\text{unexposed}}.ОР, равный 2, означает, что группа, подвергшаяся воздействию, имеет вдвое большую заболеваемость по сравнению с группой, не подвергшейся воздействию. ОР, равный 0,5, означает, что группа, подвергшаяся воздействию, имеет вдвое меньшую заболеваемость (защитный эффект). Доверительные интервалы, не включающие 1,0, указывают на статистически значимые ассоциации (при α=0,05). Оцените причинность: является ли ассоциация сильной (ОР > 2–3)? Зависит ли от дозы (увеличение воздействия → увеличение риска)? Согласуется ли в различных подгруппах? Временно когерентна ли? Рассмотрите неучтенные смешивающие факторы: может ли неучтенная переменная (например, генетическая предрасположенность, диета) объяснить наблюдаемый ОР? Обобщите результаты на популяции, аналогичные вашей когорте. Сообщайте абсолютное снижение риска или число, которое необходимо лечить (ЧНЛ), наряду с ОР для клинического контекста.
Формула
Interpret RR in context of follow-up duration, loss to follow-up, and confounding; assess temporality; generalize to source population.
Частые ошибки
- Недостаточная документация наблюдения: отсутствующие или расплывчатые даты исхода, или непоследовательные определения исхода для разных участников, делают недействительным временной вывод.
- Игнорирование потерь при наблюдении: исключение потерянных участников без анализа увеличивает систематическую ошибку отбора. Используйте логику намерения лечить; проводите анализ чувствительности при различных механизмах отсутствия данных.
- Неучтенные смешивающие факторы: неучтенный фактор (например, генетическая предрасположенность) может объяснить связь между воздействием и исходом. Всегда обсуждайте потенциальные неучтенные смешивающие факторы.
- Пост-хок стратификация: деление когорты на подгруппы после получения результатов приводит к множественным сравнениям, ложным открытиям и переобучению. Заранее специфицируйте гипотезы подгрупп.
- Предположение о линейности: в анализе доза-реакция предположение о линейной зависимости между уровнем воздействия и исходом может маскировать пороговые или плато-эффекты. Постройте данные и проверьте нелинейные аппроксимации.
Часто задаваемые вопросы
В чем разница между относительным риском (ОР) и отношением шансов (ОШ) в когортном исследовании?
В когортных исследованиях вы напрямую измеряете заболеваемость (вероятность исхода с течением времени), поэтому относительный риск (ОР) является естественной оценкой: ОР = Заболеваемость_подвергшихся_воздействию / Заболеваемость_не_подвергшихся_воздействию. Отношение шансов (ОШ) — это отношение шансов исхода; оно возникает в исследованиях случай-контроль, где вы не можете измерить заболеваемость. В когортах с редкими исходами (заболеваемость <10%) ОР и ОШ аппроксимируют друг друга. Когда исходы распространены, они расходятся: ОШ переоценивает эффект по сравнению с ОР. Всегда сообщайте ОР в когортных исследованиях; ОШ оставляйте для дизайнов случай-контроль.
Что такое человеко-время и почему оно важно?
Человеко-время (или время наблюдения) — это сумма индивидуальных продолжительностей наблюдения. Если вы наблюдаете за 100 людьми в течение 10 лет каждый, это 1000 человеко-лет. Если за 50 людьми наблюдают 5 лет, а за 50 людьми 10 лет, это также 750 человеко-лет. Показатель заболеваемости рассчитывается на единицу человеко-времени (например, на 1000 человеко-лет). Человеко-время учитывает тот факт, что некоторые участники выбывают, умирают или цензурируются раньше. Использование человеко-времени в качестве знаменателя (а не просто числа людей) дает несмещенные оценки, когда наблюдение является переменным.
Как мне справиться с потерями при наблюдении?
Потери при наблюдении являются основным источником систематической ошибки. Стремитесь к >80% наблюдению. При анализе не исключайте просто потерянных; это вносит систематическую ошибку отбора. Вместо этого используйте логику намерения лечить: классифицируйте потерянных участников по их последнему известному статусу и проводите анализ чувствительности, предполагая различные сценарии исхода (например, все потерянные не имеют исхода, у всех потерянных развился исход или пропущены случайным образом). Если потери при наблюдении значительно различаются между группами, подвергшимися и не подвергшимися воздействию, интерпретируйте результаты с осторожностью. Взвешивание по обратной вероятности (IPW) или множественная импутация могут скорректировать систематическое отсутствие данных при предположении «пропущены случайным образом».
Как отличить когортные исследования от кросс-секционных?
Когортное исследование набирает участников, не имеющих заболевания (или исхода), измеряет воздействие на исходном этапе и наблюдает за ними до наступления исхода. Кросс-секционное исследование измеряет воздействие и исход одновременно в один момент времени, фиксируя распространенность. Когорты имеют четкую временную последовательность (воздействие → исход), что позволяет делать причинно-следственные выводы. Кросс-секционные исследования не могут установить направленность: вызвало ли воздействие исход, или исход повлиял на восприятие воздействия? Когорты более затратны по времени и средствам, но предоставляют более убедительные доказательства причинности.
Похожие методы
Источники
Miettinen, O. S. (1976). Estimability and estimation in case-referent studies. American Journal of Epidemiology, 103(2), 226–235.
Открыть ссылку DOIСкопировано.Rothman, K. J., Lash, T. L., & Greenland, S. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN: 978-0781755657Скопировано.Veierød, M. B., Lydersen, S., & Laake, P. (2012). Medical Statistics in Clinical and Epidemiological Research. Gyldendal Akademisk.
ISBN: 978-8205418627Скопировано.