Skip to content
Назад к результатам поиска

Экологическое исследование — Агрегированное эпидемиологическое исследование

Автор метода
Various; foundational work by John Snow (1854) and systematised in modern form by Brian MacMahon and colleagues
Год
19th century (Snow 1854); formalised mid-20th century
Тип
Observational epidemiological study
Семейство
Clinical / epidemiology

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

Размер шрифта

Что он делает?

Экологическое исследование — это наблюдательный эпидемиологический дизайн, в котором единицей анализа является группа или популяция — страна, регион, город или период времени — а не индивид.

Воздействия и исходы измеряются как агрегаты (уровни, пропорции или средние значения), а затем коррелируют между группами для генерации или оценки гипотез о популяционных ассоциациях между факторами риска и заболеваниями.

Интуиция метода

Представьте сравнение показателей смертности от рака в разных странах с потреблением среднего количества жиров на душу населения. Ничья индивидуальная диета или медицинская карта не анализируются; вместо этого национальные средние показатели из реестров здравоохранения и данные о поставках продовольствия сопоставляются и наносятся на график. Сильная корреляция между странами предполагает ассоциацию на популяционном уровне, заслуживающую дальнейшего изучения — но поскольку данные агрегированы, нельзя сделать вывод, что именно те индивиды, которые потребляли больше жиров, заболели раком. Этот разрыв между выводами на уровне группы и на уровне индивида является определяющей проблемой экологического дизайна.

История

Экологический дизайн берет свое начало в работе Джона Сноу 1854 года по картированию смертей от холеры по районам водоснабжения в Лондоне — возможно, первом экологическом исследовании в эпидемиологии. Формальная методологическая литература значительно развилась в середине двадцатого века параллельно с ростом национальной статистики здравоохранения. Обзоры Хэла Моргенстерна 1982 и 1995 годов стали основополагающими ссылками, которые прояснили как полезность, так и фундаментальные ограничения дизайна, в частности экологическую ошибку, термин, приписываемый Уильяму С. Робинсону (1950). Метод остается широко используемым в экологической эпидемиологии, эпидемиологии питания и исследованиях политики в области здравоохранения.

Когда применять

Используйте экологическое исследование, когда данные на индивидуальном уровне недоступны, непомерно дороги или этически ограничены, и когда исследовательский вопрос касается воздействия на популяционном уровне — такого как национальная политика, загрязнение окружающей среды или социально-экономическая депривация — которое в большей степени варьируется между группами, чем внутри них. Дизайн эффективен для генерации гипотез о редких исходах или заболеваниях с длительным латентным периодом с использованием регулярно собираемых данных. Не используйте экологические исследования для выводов о причинно-следственной связи на индивидуальном уровне; экологическая ошибка делает такие выводы необоснованными. Избегайте этого дизайна, когда интересующее воздействие существенно варьируется внутри экологических единиц, когда искажающие факторы на уровне группы не могут быть измерены и скорректированы, или когда требуется установление причинно-следственной связи, а не гипотеза об ассоциации — в этих случаях необходимы когортные или случай-контроль исследования на индивидуальном уровне.

Ограничения и замечания

  • Уязвим для экологической ошибки: корреляция, наблюдаемая на уровне группы, может не сохраняться на индивидуальном уровне, а выводы об индивидах на основе групповых данных логически недействительны.
  • Искажение на уровне группы часто является серьезным и трудным для контроля, поскольку многие коррелированные факторы варьируются вместе в экологических единицах.
  • Измерение воздействия является косвенным и часто неточным — например, данные о национальных поставках продовольствия не отражают того, что фактически потребляли индивиды.
  • Обратная причинно-следственная связь трудно исключить, когда данные как о воздействии, так и об исходе получены за один и тот же период времени.
  • Зависит от доступности и качества рутинных данных, которые сильно варьируются между странами и периодами времени.

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

Сильные стороны

  • Чрезвычайно экономически эффективен: использует существующие данные рутинного надзора и административные данные без первичного сбора данных.
  • Хорошо подходит для воздействий, действующих на популяционном уровне (стандарты качества воздуха, политика продовольственного снабжения, индексы социально-экономического неравенства).
  • Может использоваться для изучения редких заболеваний или состояний с длительным латентным периодом, когда индивидуальное наблюдение было бы непрактичным.
  • Быстр в исполнении — результаты могут быть получены за несколько недель с использованием общедоступных наборов данных.
  • Ценен для генерации гипотез и для информирования о дизайне более дорогих исследований на индивидуальном уровне.

Применение

  • Изучение ассоциаций между национальными индексами потребления фруктов и овощей и показателями смертности от сердечно-сосудистых заболеваний в разных странах.
  • Исследование корреляции между потреблением алкоголя на душу населения на региональном уровне и показателями заболеваемости циррозом печени.
  • Сравнение концентраций загрязнения воздуха в городах или округах с популяционными показателями госпитализаций по поводу респираторных заболеваний.
  • Анализ временных тенденций — отслеживают ли светские увеличения распространенности ожирения изменения в средах физической активности в разных штатах.
  • Оценка ассоциации между индексами социально-экономической депривации на уровне района и показателями преждевременной смертности.
  • Генерация гипотез о бремени инфекционных заболеваний и охвате вакцинацией в национальных системах здравоохранения.

Как это работает

Как это работает

1

Выберите экологические единицы анализа — обычно географические или временные группировки, такие как страны, штаты, округа, города или календарные годы. Выбор единицы определяет доступность данных и возможность контроля за искажающими факторами; более мелкие единицы (например, переписные участки) позволяют проводить более точный анализ, но могут иметь меньшие, более шумные статистические показатели.

2

Соберите стандартные агрегированные данные для каждой единицы: уровни заболеваемости из реестров смертности или систем надзора, а также индексы воздействия из официальной статистики, баз данных о поставках продовольствия, мониторинга окружающей среды или данных переписи населения. Данные редко собираются заново для экологических исследований; дизайн обычно использует существующие административные данные и данные надзора.

3

Стандартизируйте показатели для получения сопоставимых уровней — обычно возраст-стандартизированные уровни заболеваемости или смертности на 100 000 населения — чтобы различия в возрастной структуре населения между единицами не искажали экологическую корреляцию.

4

Оцените ассоциацию между мерой воздействия на уровне группы и уровнем исхода на уровне группы. Стандартными методами являются линейная регрессия или корреляция Пирсона/Спирмена; многоуровневые модели или пространственная регрессия могут быть добавлены, если позволяют данные. Коэффициент корреляции r обобщает силу и направление экологической ассоциации.

Формула
r = \frac{\sum (X_i - \bar{X})(Y_i - \bar{Y})}{\sqrt{\sum (X_i-\bar{X})^2 \sum (Y_i-\bar{Y})^2}}
5

Интерпретируйте экологическую ассоциацию с осторожностью. Положительная корреляция генерирует гипотезы, но не является доказательством причинно-следственной связи. Оцените потенциальные искажающие факторы, измеримые на уровне группы, проверьте наличие экологической ошибки (корреляция на уровне группы не подразумевает корреляцию на уровне индивида) и обсудите, может ли ассоциация возникнуть из-за различий в качестве данных, методах отчетности или неизмеренных факторах на уровне группы.

Частые ошибки

  • Совершение экологической ошибки — заключение, что поскольку страны с высоким потреблением жиров имеют более высокие показатели рака, то индивиды, потребляющие больше жиров, имеют более высокий риск рака. Этот вывод не подтверждается данными на уровне группы.
  • Игнорирование внутригрупповой вариации — когда уровни воздействия существенно различаются среди индивидов внутри каждой единицы, среднее значение по группе является плохим прокси, и смещение затухания может маскировать или преувеличивать истинные ассоциации.
  • Выбор экологических единиц постфактум для получения желаемого результата (проблема модифицируемых площадных единиц): корреляция может существенно измениться в зависимости от того, как нарисованы географические границы.
  • Рассмотрение экологических ассоциаций как достаточного доказательства для политики без повторного изучения в исследованиях на индивидуальном уровне или экспериментальных данных.
  • Пренебрежение неоднородностью качества данных — недоотчетность о заболеваниях и несоответствия в классификации между единицами могут привести к ложным корреляциям.

Часто задаваемые вопросы

Что такое экологическая ошибка и почему она важна?

Экологическая ошибка (Robinson 1950) — это ошибка предположения, что корреляция, наблюдаемая на уровне группы, также сохраняется для индивидов внутри этих групп. Например, страны с более высоким средним доходом могут иметь более высокие показатели рака — но из этого не следует, что более богатые индивиды в любой стране с большей вероятностью заболеют раком. Для проверки гипотез на индивидуальном уровне требуются данные на индивидуальном уровне из когортных или случай-контроль исследований.

Чем экологическое исследование отличается от кросс-секционного исследования?

Кросс-секционное исследование собирает данные о воздействии и исходах от индивидуальных участников в один момент времени, позволяя проводить анализ на индивидуальном уровне. Экологическое исследование использует агрегированные данные на уровне группы — индивидуальные записи не задействованы. Экологический дизайн быстрее и дешевле, но подвержен экологической ошибке; кросс-секционный дизайн избегает этой ошибки, но требует первичного сбора данных.

Могут ли экологические исследования устанавливать причинно-следственную связь?

Нет. Экологические исследования генерируют гипотезы. Даже сильная межстрановая корреляция согласуется со многими причинными сценариями и многими искажающими механизмами. Установление причинно-следственной связи требует индивидуальных доказательств из когортных исследований или рандомизированных испытаний, желательно подкрепленных биологической правдоподобностью и градиентами доза-эффект.

Что такое проблема модифицируемых площадных единиц?

Проблема модифицируемых площадных единиц (MAUP) относится к выводу о том, что размер и форма выбранных географических единиц могут существенно изменять наблюдаемую экологическую корреляцию. Если вы агрегируете данные на национальном уровне, вы можете увидеть другую ассоциацию, чем на уровне штата или округа. Анализы чувствительности с использованием нескольких уровней агрегации помогают оценить надежность результатов.

Когда экологическое исследование предпочтительнее когортного исследования?

Когда воздействие является феноменом популяционного уровня — таким как национальная политика, общее воздействие на окружающую среду или светский тренд — которое по определению не может быть присвоено индивидам независимо от их групповой принадлежности. В таких ситуациях экологическая единица является естественной единицей анализа, и дизайны на индивидуальном уровне не могут уловить релевантную вариацию.

Похожие методы

Источники

  1. Morgenstern, H. (1995). Ecologic studies in epidemiology: concepts, principles, and methods. Annual Review of Public Health, 16(1), 61–81.

    Открыть ссылку DOI
    Скопировано.
  2. Ecological study. Wikipedia.

    Открыть ссылку на публикацию
    Скопировано.