Skip to content
Назад к результатам поиска

Поперечное эпидемиологическое исследование

Автор метода
Classical epidemiology tradition; systematized by Brian MacMahon and Thomas Pugh (1960s)
Год
1960s (formal codification); widely practiced since mid-20th century
Тип
Observational, descriptive/analytic epidemiological design
Семейство
Clinical / epidemiology

Этот текст переведён машинным способом и ещё не проверен. Читать оригинал на английском

Размер шрифта

Что он делает?

Поперечное эпидемиологическое исследование одновременно измеряет интересующие факторы воздействия (экспозиции) и исходы в определенной популяции в один момент времени (или за короткий период).

Поскольку последующего наблюдения не проводится, это наиболее эффективный наблюдательный дизайн для оценки распространенности заболевания и для генерации гипотез об ассоциациях между факторами риска и исходами для здоровья.

Интуиция метода

Представьте поперечное исследование как фотографию популяции, сделанную в один момент времени. Каждый человек на снимке оценивается как по статусу воздействия (например, курение, ИМТ, профессия), так и по текущему исходу для здоровья (например, гипертония, депрессия, диабет). Поскольку снимок охватывает всю сцену одновременно, вы можете быстро подсчитать, у кого есть заболевание и встречаются ли определенные воздействия чаще среди тех, кто им подвержен. Однако по одной лишь фотографии вы не можете определить, что было раньше — таким образом, хотя исследование может выявить закономерности и распространенность, оно само по себе не может установить, что воздействие вызвало исход.

История

Поперечный дизайн возник как формальный эпидемиологический метод в середине двадцатого века, сформированный развитием методологии популяционных обследований и кодифицированный в основополагающих трудах Брайана МакМахона, Томаса Паффа и позже Леона Гордиса. Крупные национальные обследования здоровья, такие как Национальное обследование здоровья США (начато в 1957 г.) и Национальное обследование здоровья и питания, институционализировали этот метод для постоянного наблюдения за популяцией. Методологические усовершенствования в теории выборки, статистическом анализе сложных обследований и использовании электронных медицинских карт расширили охват дизайна в клинической эпидемиологии, исследованиях медицинских услуг и мониторинге глобального здравоохранения.

Когда применять

Используйте поперечное исследование, когда основная цель состоит в оценке распространенности состояния в популяции, оценке распределения факторов риска или быстрой и недорогой генерации гипотез об ассоциациях воздействия-исхода. Оно особенно подходит для хронических состояний с длительным течением, для планирования медицинских услуг и для повторных мониторинговых обследований (например, национальных обследований здоровья). Избегайте этого дизайна, когда исследовательский вопрос требует установления причинно-следственного временного порядка (используйте когортный или экспериментальный дизайн вместо этого), когда исход редок (более эффективен случай-контроль) или когда статус воздействия или заболевания быстро меняется со временем, делая единичный снимок неинформативным или подверженным смещению распространенности-заболеваемости.

Ограничения и замечания

  • Не может установить временной порядок между воздействием и исходом, поэтому причинно-следственный вывод напрямую не поддерживается.
  • Подвержен смещению распространенности-заболеваемости (смещение Неймана) — быстро смертельные или быстро разрешающиеся состояния недопредставлены, поскольку затронутые индивиды с меньшей вероятностью будут охвачены снимком.
  • Смещение из-за неответа может быть существенным; участвующие индивиды могут систематически отличаться от тех, кто не участвует.
  • Возможна обратная причинно-следственная связь — наблюдаемое заболевание могло вызвать измеренное воздействие, а не наоборот.

Условия из источника не заменяют независимую научную проверку или валидацию аналитическим движком.

Сильные стороны

  • Не требуется последующее наблюдение — сбор данных быстрый и относительно недорогой по сравнению с когортными или испытательными дизайнами.
  • Хорошо подходит для оценки распространенности, а также для планирования и мониторинга программ общественного здравоохранения.
  • Несколько воздействий и исходов могут быть исследованы одновременно в одном исследовании.
  • Осуществимо в большом масштабе с использованием существующих административных или опросных данных, что обеспечивает высокую статистическую мощность для распространенных исходов.

Применение

  • Оценка национальной или региональной распространенности хронических заболеваний, таких как гипертония, диабет, ожирение или расстройства психического здоровья.
  • Оценка распределения поведенческих факторов риска (курение, низкая физическая активность, употребление алкоголя) по демографическим группам.
  • Повторные поперечные обследования для мониторинга тенденций в показателях здоровья населения с течением времени без наблюдения за одними и теми же индивидами.
  • Оценка моделей использования медицинских услуг и выявление неудовлетворенных потребностей для планирования медицинских услуг.
  • Оценка программы скрининга — установление базовой распространенности состояния до введения скринингового вмешательства.
  • Генерация гипотез о факторах риска, которые впоследствии проверяются в когортных или экспериментальных исследованиях.

Как это работает

Как это работает

1

Исследователь определяет целевую популяцию и период исследования. Критерии включения (возраст, география, клиническая обстановка и т. д.) устанавливаются для обеспечения репрезентативности выборки для той популяции, к которой предполагается делать выводы. Четкое определение случая и определение воздействия устанавливаются до начала сбора данных.

2

Из целевой популяции извлекается выборка, в идеале с использованием вероятностной выборки (простой случайной, стратифицированной, кластерной или систематической выборки) для максимальной репрезентативности и получения несмещенных оценок распространенности. Размер выборки рассчитывается априори с использованием ожидаемой распространенности, желаемой точности или мощности и эффекта дизайна, если используется кластерная выборка.

3

Все отобранные индивиды оцениваются (приблизительно) в один и тот же момент времени как по воздействию(ям), так и по исходам. Источники данных включают стандартизированные опросники, клинические осмотры, биологические образцы или административные записи. Поскольку воздействие и исход собираются одновременно, дизайн не может определить временной порядок.

4

Основным оценщиком является доля точечной распространенности: количество индивидов с исходом, деленное на общее число обследованных, выраженное в процентах или на 1000. Может также сообщаться периодическая распространенность (за определенный короткий промежуток времени). Распространенность = (Число случаев в момент времени T) / (Общая обследованная популяция) x 100.

Формула
Prevalence = (Number of cases at time T) / (Total population examined) x 100
5

Ассоциации между категориями воздействия и исходом количественно оцениваются с использованием отношения распространенности (PR) или отношения шансов распространенности (POR) с доверительными интервалами. Многомерная логистическая или пуассоновская регрессия может корректировать конфаундеры. Поскольку временная последовательность неизвестна, эти ассоциации интерпретируются как генерирующие гипотезы, а не как причинно-следственные. PR = Распространенность среди подвергшихся воздействию / Распространенность среди не подвергшихся воздействию.

Формула
Prevalence Ratio (PR) = Prevalence in exposed / Prevalence in unexposed

Частые ошибки

  • Путаница между распространенностью и заболеваемостью — поперечное исследование измеряет существующие случаи (распространенность), а не новые (заболеваемость); интерпретация отношений распространенности как отношений частоты заболеваемости некорректна без дополнительных предположений.
  • Игнорирование сложного плана выборки при анализе — если использовалась кластерная или стратифицированная выборка, стандартные ошибки должны учитывать эффект дизайна; несоблюдение этого требования приводит к заниженным стандартным ошибкам и обманчиво узким доверительным интервалам.
  • Смещение распространенности-заболеваемости — состояния с коротким сроком течения (быстрое выздоровление или быстрая смерть) будут искусственно недооценены; исследователи должны признать, что измеренная распространенность отражает выживаемость и продолжительность, а не только заболеваемость.
  • Построение причинно-следственных выводов — без продольных данных наблюдаемые ассоциации нельзя отнести к тому, что воздействие вызвало исход; язык отчета должен отражать описательный, генерирующий гипотезы характер дизайна.
  • Неадекватный размер выборки для подгруппового анализа — общий размер выборки может быть достаточным для основной оценки, но недостаточным для выявления ассоциаций в клинически значимых подгруппах; мощность для подгрупп должна быть запланирована явно.

Часто задаваемые вопросы

Могу ли я установить причинно-следственную связь на основе поперечного исследования?

Нет. Поскольку воздействие и исход измеряются одновременно, вы не можете определить, что было раньше. Поперечные исследования лучше всего использовать для описания распространенности и генерации гипотез. Для проверки причинно-следственных гипотез требуется проспективное когортное исследование или рандомизированное испытание.

Какова соответствующая мера эффекта для поперечного исследования?

Отношение распространенности (PR) обычно предпочтительнее отношения шансов распространенности (POR), поскольку оно более непосредственно интерпретируемо, особенно когда распространенность исхода превышает 10%. PR может быть оценен с использованием пуассоновской регрессии с робастной дисперсией; POR получается из логистической регрессии. Для редких исходов эти два значения сходятся.

Насколько большой должна быть моя выборка?

Размер выборки зависит от ожидаемой распространенности исхода, желаемой точности (предел погрешности для оценки распространенности) или мощности (для выявления ассоциаций) и плана выборки. Только для оценки распространенности n = Z^2 * p(1-p) / e^2 (где p — ожидаемая распространенность, а e — допустимый предел погрешности). Если используется кластерная выборка, умножьте на эффект дизайна, обычно 1,5–2,5.

Чем поперечное исследование отличается от когортного исследования?

Когортное исследование отслеживает участников с течением времени и может напрямую измерять заболеваемость, устанавливать временной порядок и поддерживать более сильные причинно-следственные выводы. Поперечное исследование собирает один снимок без последующего наблюдения, что делает его быстрее и дешевле, но не позволяет установить временную последовательность. Когортные исследования предпочтительны для причинно-следственных вопросов; поперечные исследования предпочтительны для оценки распространенности и генерации гипотез.

Что такое смещение распространенности-заболеваемости и как его можно устранить?

Смещение распространенности-заболеваемости (смещение Неймана) возникает потому, что поперечная выборка чрезмерно представляет людей, которые достаточно долго живут с заболеванием, чтобы попасть в обследование. Состояния, которые быстро приводят к смерти или быстро разрешаются, недооцениваются. Чтобы минимизировать это, используйте полные реестры или административные данные, явно признайте ограничение и избегайте экстраполяции оценок распространенности на выводы о заболеваемости.

Похожие методы

Источники

  1. Kelsey, J. L., Whittemore, A. S., Evans, A. S., & Thompson, W. D. (1996). Methods in Observational Epidemiology (2nd ed.). Oxford University Press.

    ISBN: 978-0195080407
    Скопировано.
  2. Cross-sectional study. Wikipedia.

    Открыть ссылку на публикацию
    Скопировано.