Skip to content
Назад к результатам поиска

Дизайн поперечного исследования

Автор метода
Epidemiologists in the mid-20th century; formalized by Kelsey, Rothman, and others
Год
1950s-1970s
Тип
Research Design
Семейство
observational design

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

Размер шрифта

Что он делает?

Поперечное исследование (или исследование распространенности) одновременно измеряет воздействие и исход в единый момент времени, создавая «снимок» популяции.

Респонденты набираются и опрашиваются (или осматриваются) в один и тот же момент, что позволяет зафиксировать текущую распространенность как воздействия, так и заболевания. Поперечные исследования просты, быстры и недороги, что делает их популярными для оценки потребностей, эпидемиологического надзора и генерации гипотез, хотя они и не могут установить причинно-следственную связь из-за отсутствия временной последовательности.

Интуиция метода

Представьте, что вы приходите на фабрику одним утром и опрашиваете всех 500 рабочих: «У вас болит спина? Сколько часов в день вы тратите на подъем тяжестей?» Вы подсчитываете, сколько рабочих в целом имеют боли в спине (распространенность), а затем сравниваете тех, кто подвергался воздействию тяжелого подъема, с теми, кто выполнял легкие задачи. Вы обнаруживаете, что у 30% работников, поднимающих тяжести, болит спина, по сравнению с 10% работников, выполняющих легкие задачи. Отношение распространенности составляет 3:1. Но вот в чем загвоздка: вы не знаете, вызвало ли поднятие тяжестей боли в спине, или рабочие с болями в спине перешли на более легкую работу. Вы измерили воздействие и исход в одно и то же время, поэтому временная последовательность неоднозначна. Поперечные исследования отлично подходят для быстрой оценки и оценки распространенности, но слабы для причинно-следственного вывода.

История

Поперечные опросы берут начало в эпидемиологическом надзоре и переписи населения в начале 20-го века. В современной эпидемиологии они были формализованы как исследования распространенности в середине 20-го века. Известные примеры включают National Health and Nutrition Examination Survey (NHANES, начат в 1960-х годах, США), который проводил поперечные опросы состояния здоровья, питания и факторов риска американцев. Поперечные дизайны теперь являются стандартом для эпидемиологического надзора (например, Behavioral Risk Factor Surveillance System, BRFSS, CDC) и для международного мониторинга здоровья (например, Demographic and Health Surveys, DHS). Рост электронных медицинских карт и административных данных позволил проводить крупные ретроспективные поперечные исследования.

Когда применять

Используйте поперечные исследования для: (1) оценки распространенности заболевания или состояния в популяции (эпидемиологический надзор, мониторинг общественного здравоохранения), (2) оценки потребностей: сколько пациентов нуждаются в услуге?, (3) генерации гипотез: какие факторы связаны с исходом?, (4) быстрой оценки: быстрый оборот (недели до месяцев), (5) изучения хронических состояний, где заболеваемость трудно измерить, но распространенность стабильна, (6) оценки множественных исходов от одного воздействия за один раз, (7) пилотных исследований перед запуском дорогостоящих когортных или случай-контроль исследований.

Ограничения и замечания

  • Невозможно установить причинно-следственную связь: отсутствует временная последовательность; поперечные данные не могут доказать, что воздействие предшествовало исходу.
  • Только распространенные случаи: фиксирует существующие случаи в один момент времени; упускает новые случаи и тех, кто выздоровел или умер. Ассоциации могут отличаться между распространенными и новыми случаями.
  • Смещение выживших: если исход является фатальным или приводит к эмиграции/госпитализации, пострадавшие лица могут быть недопредставлены в поперечной выборке.
  • Неоднозначность воздействия-исхода: вызывает ли воздействие исход, или исход изменяет сообщаемое воздействие? Обратная причинно-следственная связь не может быть исключена.
  • Искажение памяти: если воздействие является историческим (вопросы о прошлых воздействиях), точность воспоминаний зависит от памяти и мотивации, особенно у больных людей.

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

Сильные стороны

  • Скорость и эффективность: сбор данных происходит в короткий период (недели до месяцев), а не годы наблюдения.
  • Низкая стоимость: нет необходимости в продольном отслеживании или повторном контакте; достаточно одного опроса/осмотра.
  • Простота и практичность: легко проводить в клиниках, школах, на рабочих местах или в общественных местах.
  • Оценка распространенности: напрямую оценивает распространенность (бремя болезни), полезна для планирования общественного здравоохранения и эпидемиологического надзора.
  • Множественные воздействия и исходы: один поперечный опрос может одновременно измерять множество воздействий и исходов, что эффективно для генерации гипотез.

Применение

  • Распространенность хронических заболеваний: национальные опросы оценивают распространенность гипертонии, диабета, ожирения в популяции; результаты информируют политику общественного здравоохранения и распределение ресурсов.
  • Надзор за профессиональным здоровьем: фабрики или рабочие места опрашивают сотрудников о симптомах (респираторных, костно-мышечных) и воздействиях, оценивая распространенность профессиональных заболеваний.
  • Здоровье учащихся и рискованное поведение: школы опрашивают учащихся о психическом здоровье, употреблении психоактивных веществ, физической активности, буллинге; результаты направляют программы школьного здравоохранения.
  • Опросы пациентов больниц: при поступлении или выписке опрашивали пациентов о симптомах, инвалидности, удовлетворенности; это помогает оценить пациентоориентированные исходы и пробелы в обслуживании.
  • Общественные исследования с участием сообщества: поперечные опросы в районах оценивают неравенство в здоровье, грамотность в области здравоохранения, социальные факторы; результаты определяют цели вмешательства.

Как это работает

Как это работает

1

Определите целевую популяцию (например, взрослые в возрасте 18–65 лет в муниципалитете, сотрудники компании, пациенты в больнице). Выберите репрезентативную выборку, используя случайную выборку, стратифицированную выборку (отдельная выборка по возрасту, полу, региону для обеспечения баланса) или кластерную выборку (выборка кластеров, таких как школы или районы, затем выборка отдельных лиц внутри кластеров). Наберите участников и проведите опрос (анкета, интервью) или клиническое обследование для одновременного измерения воздействия и исхода. Стандартизируйте сбор данных: одинаковая подготовка интервьюеров, одинаковые инструменты, последовательные протоколы. Запишите демографические характеристики и потенциальные искажающие факторы (возраст, пол, образование, сопутствующие заболевания и т. д.). Завершите сбор данных в узком временном окне, чтобы сохранить «снимочный» характер.

Формула
Define target population; select representative sample via random, stratified, or cluster sampling; enroll participants and administer survey or examination.
2

Рассчитайте распространенность: Распространенность = (число с исходом) / (общий размер выборки). Выразите в виде доли или процента. Для анализа, стратифицированного по воздействию, рассчитайте распространенность в группе воздействия = (с исходом среди подвергшихся воздействию) / (общее число подвергшихся воздействию); аналогично для неподвергшихся. Вычислите отношение распространенности (PR): PR = Распространенность_подвергшихся / Распространенность_неподвергшихся. PR > 1 предполагает, что воздействие связано с более высокой распространенностью (может указывать на фактор риска, но временная последовательность неясна). PR < 1 предполагает более низкую распространенность среди подвергшихся воздействию (защитное воздействие, но опять же временная неоднозначность). Рассчитайте 95% доверительный интервал (ДИ) для распространенности и PR, используя биномиальные или пуассоновские методы. Скорректируйте на искажающие факторы: используйте логистическую регрессию для оценки скорректированного PR (или используйте лог-биномиальную регрессию, которая напрямую моделирует PR); сообщите скорректированный PR с ДИ.

Формула
Calculate prevalence (proportion with outcome); compute Prevalence Ratio (PR) = Prevalence_{\text{exposed}} / Prevalence_{\text{unexposed}}; adjust for confounders using logistic regression.
3

PR, равный 2, означает, что в группе воздействия распространенность исхода в два раза выше, чем в группе неподвергшихся. Однако интерпретируйте с осторожностью: воздействие может вызывать исход, исход может вызывать восприятие воздействия, или оба могут быть результатом третьего фактора. Временная неоднозначность ограничивает причинно-следственный вывод; поперечные данные не могут доказать причинно-следственную связь. Распространенность полезна для характеристики бремени болезней в популяциях (эпидемиологический надзор, оценка потребностей, планирование ресурсов), но не для количественной оценки риска или установления этиологии. Если исход редок в популяции и выборка поперечная, наблюдаемая ассоциация может отражать распространенные случаи (выжившие), которые отличаются от новых случаев по воздействиям. Обобщите результаты на целевую популяцию, из которой была взята выборка.

Формула
Interpret PR; note temporal ambiguity (cannot establish exposure preceded outcome); generalize to target population; discuss confounding and selection bias.

Частые ошибки

  • Путаница распространенности с заболеваемостью: распространенность = существующие случаи в один момент времени; заболеваемость = новые случаи за период. Поперечные исследования измеряют распространенность, а не заболеваемость.
  • Выбор нерепрезентативных выборок: удобная выборка (например, опрос только посетителей клиники или добровольцев) вносит систематическую ошибку отбора. Используйте случайную или стратифицированную выборку из определенной популяции.
  • Интерпретация PR как отношения рисков: в когортных исследованиях RR = заболеваемость среди подвергшихся / заболеваемость среди неподвергшихся. В поперечных исследованиях PR = распространенность среди подвергшихся / распространенность среди неподвергшихся. Они не эквивалентны; не смешивайте.
  • Игнорирование пропущенных данных: если многие участники не отвечают на вопросы о воздействии или имеют неполные измерения исхода, оценки искажены. Сообщайте о пропущенных данных и проводите анализ чувствительности.
  • Чрезмерная интерпретация слабых ассоциаций: поперечные PR могут быть малыми и неточными; слабые ассоциации могут возникать из-за искажающих факторов. Установите заранее определенные гипотезы и скорректируйте на известные искажающие факторы.

Часто задаваемые вопросы

В чем разница между распространенностью и заболеваемостью?

Распространенность — это доля населения с заболеванием (или состоянием) в определенный момент времени: Распространенность = (существующие случаи) / (общее население). Заболеваемость — это частота новых случаев, развивающихся за определенный период времени: Заболеваемость = (новые случаи) / (человеко-время в зоне риска). Поперечные исследования измеряют распространенность. Когортные исследования измеряют заболеваемость. Распространенность зависит как от заболеваемости, так и от продолжительности болезни: если лечение продлевает выживаемость, распространенность растет без изменения заболеваемости. Распространенность полезна для оценки бремени болезней и потребностей; заболеваемость количественно определяет риск заболевания.

Почему я не могу установить причинно-следственную связь по данным поперечного исследования?

Причинно-следственная связь требует временной последовательности: причина должна предшествовать следствию. Поперечное исследование измеряет воздействие и исход в одно и то же время, поэтому вы не можете определить, что произошло раньше. Например, в опросе работников обнаружение того, что у тех, кто сообщает о болях в спине, также сообщается о подъеме тяжестей, не говорит о том, вызвал ли подъем боли, или рабочие с болями перешли на более легкую работу. Это обратная причинно-следственная связь или двунаправленная ассоциация. Когортные исследования устанавливают временную последовательность, сначала измеряя воздействие, а затем наблюдая за исходом; они гораздо сильнее для причинно-следственного вывода, чем поперечные исследования.

Как рассчитать размер выборки для поперечного исследования распространенности?

Для оценки одной распространенности используйте: n = (Z²/2 × p × (1 − p)) / d², где p — ожидаемая распространенность, d — допустимая погрешность (например, ±0,05), а Z — критическое значение (1,96 для 95% ДИ). Например, если ожидаемая распространенность составляет 20%, допустимая погрешность — ±5%, то n ≈ (1,96² × 0,20 × 0,80) / 0,05² ≈ 246. Для сравнения двух групп воздействия используйте формулы для сравнения распространенности в двух группах (аналогично тестам пропорций для двух групп). Учитывайте кластеризацию (если выборка кластеров, таких как школы) с использованием эффекта дизайна. Учитывайте ожидаемую неотвечаемость или выбывание (увеличьте n на долю ответа).

Что такое смещение выживших и как оно влияет на поперечные исследования?

Смещение выживших возникает, когда поперечная выборка включает только тех, кто жив и находится в популяции на момент опроса, исключая тех, кто умер или эмигрировал из-за исхода. Например, поперечное исследование жителей с инсультом может упустить тех, кто умер от инсульта до даты опроса, или тех, кто переехал из-за инвалидности. Оставшиеся (выжившие) случаи могут отличаться от всех случаев по воздействиям или тяжести. Это искажает ассоциацию между воздействием и исходом. Чтобы минимизировать это, поперечные исследования должны измерять исходы на ранней стадии (новые случаи), а не на поздней (выжившие распространенные случаи), или использовать случаи, основанные на больницах или реестрах, чтобы охватить более широкие популяции случаев.

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: 978-0195083299
    Скопировано.
  2. Rothman, K. J., Lash, T. L., & Greenland, S. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.

    ISBN: 978-0781755657
    Скопировано.
  3. Lynn, P. (2009). Methodology of longitudinal surveys. Wiley Interdisciplinary Reviews: Computational Statistics, 1(3), 369–379.

    Открыть ссылку на публикацию
    Скопировано.