การศึกษาแบบกรณี-ควบคุม — การออกแบบเชิงสังเกตทางระบาดวิทยา
- ผู้เสนอ
- Janet Lane-Claypon (early precursors, 1926); formalized by Brian MacMahon and Jerome Cornfield in the 1950s–1960s
- ปี
- 1950s (formal methodology); precursors in the 1920s
- ประเภท
- Observational analytic study design
- กลุ่มวิธี
- Clinical / epidemiology
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การศึกษาแบบกรณี-ควบคุม (case-control study) เป็นการออกแบบเชิงสังเกตแบบย้อนหลัง (retrospective) ซึ่งเปรียบเทียบระหว่างบุคคลที่เกิดโรคร่วมหรือผลลัพธ์ที่สนใจ (กรณีศึกษา - cases) กับบุคคลที่ไม่เกิดโรคร่วม (กลุ่มควบคุม - controls) เพื่อพิจารณาว่าการสัมผัสปัจจัยเสี่ยงที่สงสัยก่อนหน้านี้มีความแตกต่างกันระหว่างสองกลุ่มหรือไม่ มาตรวัดหลักของความสัมพันธ์คืออัตราต่อรอง (odds ratio) ซึ่งประมาณค่าความเสี่ยงสัมพัทธ์ (relative risk) ได้เมื่อผลลัพธ์นั้นหายาก การศึกษาแบบกรณี-ควบคุมมีประสิทธิภาพอย่างยิ่งในการตรวจสอบโรคที่หายากและการสร้างสมมติฐานทางระบาดวิทยา
แนวคิดเบื้องหลังวิธีการ
สมมติว่าคุณต้องการทราบว่าการสัมผัสสารกำจัดศัตรูพืชชนิดหนึ่งก่อให้เกิดมะเร็งที่หายากหรือไม่ การดำเนินการศึกษาแบบกลุ่มตามรุ่นไปข้างหน้า (prospective cohort study) จะต้องติดตามผู้คนหลายแสนคนเป็นเวลาหลายสิบปี ซึ่งไม่สามารถปฏิบัติได้จริงและมีค่าใช้จ่ายสูง การศึกษาแบบกรณี-ควบคุมจะย้อนกลับลำดับเวลา: เริ่มต้นด้วยผู้ป่วยที่มะเร็งแล้ว (กรณีศึกษา) และกลุ่มที่จับคู่กันโดยไม่มีมะเร็ง (กลุ่มควบคุม) จากนั้นจึงย้อนกลับไปดูว่าใครเคยสัมผัสปัจจัยดังกล่าวบ้าง โดยการเปรียบเทียบความถี่ของการสัมผัสในอดีตระหว่างสองกลุ่ม คุณสามารถประเมินได้ว่าการสัมผัสนั้นมีความสัมพันธ์กับโรคมากน้อยเพียงใด ตรรกะก็เหมือนกับการทำงานของนักสืบ — ผลลัพธ์เป็นที่ทราบแล้ว และคุณทำงานย้อนกลับเพื่อระบุสาเหตุที่เป็นไปได้
ประวัติศาสตร์
การออกแบบแบบกรณี-ควบคุมมีรากฐานมาจากการระบาดวิทยาทางคลินิกในช่วงต้นศตวรรษที่ยี่สิบ การศึกษาปัจจัยเสี่ยงของมะเร็งเต้านมของ Janet Lane-Claypon ในปี 1926 มักถูกอ้างว่าเป็นต้นแบบ รากฐานทางระเบียบวิธีที่เป็นทางการถูกวางไว้ในทศวรรษที่ 1950 โดย Brian MacMahon, Jerome Cornfield, Nathan Mantel และ William Haenszel ซึ่งบทความปี 1959 ของพวกเขาเกี่ยวกับการจับคู่และการแบ่งชั้นยังคงเป็นหลักสำคัญ การศึกษาแบบกรณี-ควบคุมที่มีชื่อเสียงของ Richard Doll และ Bradford Hill ในปี 1950 ซึ่งเชื่อมโยงการสูบบุหรี่กับมะเร็งปอด ได้นำการออกแบบนี้มาสู่ความโดดเด่นในระดับนานาชาติ ตำราเรียนปี 1982 ของ James Schlesselman ได้รวบรวมวิธีการต่าง ๆ และทศวรรษต่อมาได้เห็นการบูรณาการการถดถอยโลจิสติกหลายตัวแปรและการออกแบบแบบฝัง (nested designs) เข้ากับการปฏิบัติมาตรฐาน
ควรใช้เมื่อใด
ใช้การศึกษาแบบกรณี-ควบคุมเมื่อผลลัพธ์หายากหรือมีระยะฟักตัวยาวนาน (ทำให้การติดตามผลไปข้างหน้าไม่สามารถปฏิบัติได้) เมื่อต้องประเมินการสัมผัสหลายอย่างพร้อมกันสำหรับผลลัพธ์เดียว หรือเมื่อทรัพยากรมีจำกัด เป็นการออกแบบที่เลือกใช้สำหรับการสร้างสมมติฐานในระบาดวิทยาของโรค อย่าใช้การศึกษาแบบกรณี-ควบคุมเมื่อการสัมผัสหายาก (การศึกษาแบบกลุ่มมีประสิทธิภาพมากกว่า) เมื่อต้องการข้อมูลอุบัติการณ์ (การศึกษาแบบกรณี-ควบคุมให้ค่าอัตราต่อรอง ไม่ใช่อัตราอุบัติการณ์) หรือเมื่อไม่สามารถสร้างลำดับเวลาที่น่าเชื่อถือระหว่างการสัมผัสและผลลัพธ์จากบันทึกที่มีอยู่ได้ — ซึ่งจะขัดขวางการอนุมานเชิงสาเหตุ
ข้อจำกัดและข้อควรพิจารณา
- อ่อนไหวต่อความเอนเอียงจากการระลึกถึง (recall bias): ผู้ป่วยอาจจำการสัมผัสในอดีตได้แม่นยำกว่า (หรือน้อยกว่า) กลุ่มควบคุม ทำให้ประมาณค่าความสัมพันธ์สูงเกินจริงหรือต่ำเกินจริง
- ความเอนเอียงจากการเลือก (selection bias) อาจเกิดขึ้นหากกรณีศึกษาและกลุ่มควบคุมไม่ได้มาจากประชากรแหล่งเดียวกัน ทำให้การเลือกกลุ่มควบคุมเป็นการตัดสินใจที่สำคัญที่สุดในเชิงระเบียบวิธี
- ไม่สามารถประมาณอัตราอุบัติการณ์หรือความเสี่ยงสัมบูรณ์ได้โดยตรง — ให้เฉพาะอัตราต่อรอง ซึ่งประมาณค่าความเสี่ยงสัมพัทธ์ได้ก็ต่อเมื่อความชุกของโรคต่ำ
- ลำดับเวลาของความสัมพันธ์ระหว่างการสัมผัสและผลลัพธ์อาจเป็นเรื่องยากที่จะสร้างขึ้นจากข้อมูลย้อนหลัง ซึ่งจำกัดการอนุมานเชิงสาเหตุ
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- มีประสิทธิภาพสูงสำหรับโรคที่หายาก: แม้จะมีกลุ่มตัวอย่างขนาดเล็ก ก็สามารถประมาณค่าความสัมพันธ์ที่มีความหมายได้
- ค่อนข้างรวดเร็วและราคาไม่แพงเมื่อเทียบกับการศึกษาแบบกลุ่มตามรุ่นไปข้างหน้า เนื่องจากไม่ต้องใช้เวลาติดตามผล
- ช่วยให้สามารถประเมินการสัมผัสหรือปัจจัยเสี่ยงหลายอย่างพร้อมกันสำหรับผลลัพธ์เดียว
- เหมาะสมสำหรับการศึกษาโรคที่มีระยะฟักตัวยาวนานซึ่งการออกแบบตามรุ่นไปข้างหน้าจะทำได้ยาก
การประยุกต์ใช้
- การตรวจสอบปัจจัยเสี่ยงด้านสิ่งแวดล้อมหรืออาชีวอนามัยสำหรับมะเร็งที่หายาก (เช่น แอสเบสทอสและมะเร็งเยื่อหุ้มปอด, เรดอนและมะเร็งปอด)
- การระบุปัจจัยเสี่ยงของการระบาดของโรคติดเชื้อระหว่างการสอบสวนด้านสาธารณสุขอย่างรวดเร็ว
- การศึกษาผลข้างเคียงที่ไม่พึงประสงค์จากยาหรือวัคซีนซึ่งอัตราการเกิดต่ำเกินกว่าจะให้กำลัง (power) แก่การทดลองแบบสุ่ม
- การสำรวจปัจจัยเสี่ยงทางพันธุกรรม วิถีชีวิต และอาหารสำหรับโรคหัวใจและหลอดเลือด เบาหวาน หรือโรคทางระบบประสาท
- การประเมินการสัมผัสของมารดาที่เกี่ยวข้องกับความผิดปกติแต่กำเนิดหรือผลลัพธ์การคลอดที่ไม่พึงประสงค์
วิธีการทำงาน
วิธีการทำงาน
กำหนดกลุ่มกรณีศึกษาให้ชัดเจนโดยใช้เกณฑ์การวินิจฉัยที่ชัดเจนและสามารถทำซ้ำได้ (เช่น การวินิจฉัยทางจุลพยาธิวิทยาที่ยืนยันแล้ว) กำหนดกลุ่มควบคุมให้เป็นตัวแทนของประชากรแหล่งเดียวกันที่กรณีศึกษามีต้นกำเนิด — กลุ่มควบคุมควรเป็นบุคคลที่จะกลายเป็นกรณีศึกษาหากพวกเขาเกิดผลลัพธ์ดังกล่าว ความคลุมเครือในการกำหนดใด ๆ ถือเป็นแหล่งสำคัญของความเอนเอียง (bias)
สรรหากรณีศึกษา (ทั้งที่เกิดขึ้นใหม่หรือที่เป็นอยู่แล้ว ขึ้นอยู่กับคำถามวิจัย) และกลุ่มควบคุมจากประชากรแหล่งที่เหมาะสม กลุ่มควบคุมอาจเป็นประชากรทั่วไป (สุ่มตัวอย่าง) ประชากรโรงพยาบาล หรือจับคู่กับกรณีศึกษาตามปัจจัยกวน (confounders) ที่สำคัญ เช่น อายุ เพศ หรือพื้นที่ทางภูมิศาสตร์ การจับคู่ช่วยเพิ่มประสิทธิภาพ แต่ต้องมีการวิเคราะห์แบบจับคู่
รวบรวมประวัติการสัมผัสสำหรับทั้งสองกลุ่มโดยใช้วิธีการเดียวกัน — การสัมภาษณ์ที่มีโครงสร้าง บันทึกทางการแพทย์ ตัวอย่างทางชีวภาพ หรือการเชื่อมโยงกับฐานข้อมูลการบริหาร การปิดบังข้อมูลผู้สัมภาษณ์เกี่ยวกับสถานะกรณีศึกษา/กลุ่มควบคุม ช่วยลดความเอนเอียงจากการระลึกถึงที่แตกต่างกันและความเอนเอียงของผู้สัมภาษณ์ ตรวจสอบความถูกต้องของมาตรวัดการสัมผัสเท่าที่ทำได้
สร้างตารางความถี่ 2×2 (สัมผัส/ไม่สัมผัส × กรณีศึกษา/กลุ่มควบคุม) คำนวณอัตราต่อรอง: OR = (a × d) / (b × c) โดยที่ a = กรณีศึกษาที่สัมผัส, b = กรณีศึกษาที่ไม่สัมผัส, c = กลุ่มควบคุมที่สัมผัส, d = กลุ่มควบคุมที่ไม่สัมผัส ใช้การถดถอยโลจิสติก (logistic regression) เพื่อปรับแก้ปัจจัยกวน และเพื่อหาช่วงความเชื่อมั่น (confidence intervals) และค่า p (p-values)
สูตร
OR = (a/b) / (c/d) = (a \times d) / (b \times c)
ระบุปัจจัยกวนที่อาจเกิดขึ้นล่วงหน้าและจัดการกับปัจจัยเหล่านั้นผ่านการออกแบบการศึกษา (การจับคู่ การจำกัด) หรือการวิเคราะห์ (การถดถอยโลจิสติกหลายตัวแปร การแบ่งชั้น) ประเมินการปรับเปลี่ยนผลกระทบ (effect modification) โดยการตรวจสอบว่า OR แตกต่างกันหรือไม่ในแต่ละชั้นของตัวแปรที่สาม การวิเคราะห์ความไว (sensitivity analyses) ทดสอบว่าผลการศึกษาแข็งแกร่งเพียงใดต่อปัจจัยกวนที่ไม่ได้วัด
OR > 1 บ่งชี้ความสัมพันธ์เชิงบวกระหว่างการสัมผัสและผลลัพธ์; OR < 1 บ่งชี้ความสัมพันธ์เชิงป้องกัน ตีความ OR ในบริบทของช่วงความเชื่อมั่น ความมีนัยสำคัญทางสถิติ ความสมเหตุสมผลทางชีววิทยา หลักฐานการตอบสนองตามปริมาณ (dose-response) และความสอดคล้องกับการศึกษาอื่น ๆ โปรดจำไว้ว่า OR จะประมาณค่าความเสี่ยงสัมพัทธ์ได้ก็ต่อเมื่อโรคหายาก (ความชุกต่ำกว่า 10%)
ข้อผิดพลาดที่พบบ่อย
- กลุ่มควบคุมที่ไม่เหมาะสม: การเลือกกลุ่มควบคุมจากโรงพยาบาลเมื่อกรณีศึกษามาจากประชากรทั่วไป (หรือกลับกัน) จะทำให้เกิดความเอนเอียงจากการเลือกและบิดเบือนอัตราต่อรอง — กลุ่มควบคุมต้องเป็นตัวแทนของประชากรแหล่งเดียวกันกับกรณีศึกษา
- การละเลยความเอนเอียงจากการระลึกถึง: การใช้การสัมผัสที่รายงานด้วยตนเองโดยไม่มีการปิดบัง การตรวจสอบความถูกต้อง หรือการตรวจสอบกับบันทึกที่เป็นวัตถุ จะทำให้ความสัมพันธ์ที่ปรากฏสูงเกินจริงเมื่อกรณีศึกษานึกถึงสาเหตุที่เป็นไปได้ของอาการป่วยของตนเองมากขึ้น
- การจับคู่มากเกินไป (Over-matching): การจับคู่กรณีศึกษาและกลุ่มควบคุมในตัวแปรที่อยู่บนเส้นทางของสาเหตุ (ตัวกลาง) จะขจัดความแปรปรวนของการสัมผัส-ผลลัพธ์ที่คุณพยายามตรวจจับ ทำให้ความสัมพันธ์ที่แท้จริงถูกบดบัง
- การปฏิบัติต่อกรณีที่เป็นอยู่แล้วเสมือนว่าเป็นกรณีที่เกิดขึ้นใหม่: กรณีที่เป็นอยู่แล้วมีชีวิตอยู่กับโรคของตนเอง ทำให้เกิดความเอนเอียงของผู้รอดชีวิต (survivor bias) — กรณีที่เกิดขึ้นใหม่ (วินิจฉัยใหม่) เป็นที่ต้องการอย่างยิ่ง
- การใช้อัตราต่อรองเสมือนว่าเท่ากับความเสี่ยงสัมพัทธ์เมื่อความชุกของผลลัพธ์สูง (> 10%): ในสถานการณ์เช่นนี้ OR จะประมาณค่าความเสี่ยงสัมพัทธ์สูงเกินจริงอย่างมาก และควรใช้มาตรวัดอื่น ๆ
คำถามที่พบบ่อย
อะไรคือความแตกต่างระหว่างการศึกษาแบบกรณี-ควบคุมและการศึกษาแบบกลุ่มตามรุ่น?
การศึกษาแบบกลุ่มตามรุ่นเริ่มต้นด้วยสถานะการสัมผัสและติดตามผู้เข้าร่วมไปข้างหน้าตามเวลาเพื่อดูว่าใครเกิดผลลัพธ์นั้นบ้าง สามารถประมาณอัตราอุบัติการณ์และความเสี่ยงสัมพัทธ์ได้โดยตรง การศึกษาแบบกรณี-ควบคุมเริ่มต้นด้วยสถานะผลลัพธ์ (กรณีศึกษาเทียบกับกลุ่มควบคุม) และย้อนกลับไปดูการสัมผัสในอดีต ให้ค่าอัตราต่อรอง และมีประสิทธิภาพมากกว่าสำหรับผลลัพธ์ที่หายาก แต่ไม่สามารถประมาณอุบัติการณ์ได้ การออกแบบทั้งสองมีความสมบูรณ์ซึ่งกันและกัน: การศึกษาแบบกลุ่มดีกว่าสำหรับผลลัพธ์ที่พบบ่อยพร้อมการติดตามผลระยะสั้น การศึกษาแบบกรณี-ควบคุมดีกว่าสำหรับโรคที่หายากหรือภาวะที่มีระยะฟักตัวยาวนาน
เมื่อใดที่อัตราต่อรองจะประมาณค่าความเสี่ยงสัมพัทธ์?
อัตราต่อรอง (OR) เป็นค่าประมาณที่ถูกต้องของความเสี่ยงสัมพัทธ์ (RR) เมื่อโรคหรือผลลัพธ์หายาก — โดยทั่วไปถือว่ามีความชุกต่ำกว่า 10% เมื่อผลลัพธ์เป็นที่แพร่หลาย OR จะเบี่ยงเบนไปจาก RR และประมาณค่าสูงเกินจริง ในสภาพแวดล้อมที่มีความชุกสูง ให้พิจารณาใช้การถดถอยแบบ log-binomial หรือ Poisson เพื่อประมาณค่า RR โดยตรง หรือรายงาน OR พร้อมการยอมรับอย่างชัดเจนว่าไม่เทียบเท่ากับ RR
ฉันควรเลือกกลุ่มควบคุมอย่างไร?
กลุ่มควบคุมควรเป็นตัวแทนของประชากรแหล่งที่มาที่กรณีศึกษามีต้นกำเนิด — กล่าวคือ หากกลุ่มควบคุมเกิดผลลัพธ์นั้น พวกเขาควรมีสิทธิ์ที่จะกลายเป็นกรณีศึกษา กลุ่มควบคุมที่เป็นประชากรทั่วไป (สุ่มตัวอย่างจากชุมชน) เป็นที่ต้องการในเชิงระเบียบวิธี แต่ดำเนินการได้ยาก กลุ่มควบคุมจากโรงพยาบาลสะดวก แต่สามารถนำไปสู่ความเอนเอียงได้หากการเข้ารับการรักษาในโรงพยาบาลนั้นสัมพันธ์กับการสัมผัสที่กำลังศึกษา การเลือกต้องมีเหตุผลและผลกระทบต้องได้รับการประเมินผ่านการวิเคราะห์ความไว
การศึกษาแบบกรณี-ควบคุมแบบฝังคืออะไร?
การศึกษาแบบกรณี-ควบคุมแบบฝัง (nested case-control study) จะถูกรวมอยู่ภายในกลุ่มตามรุ่นที่กำหนด กรณีศึกษาคือบุคคลที่เกิดผลลัพธ์ระหว่างการติดตามผล กลุ่มควบคุมจะถูกสุ่มตัวอย่างจากสมาชิกกลุ่มตามรุ่นที่ยังไม่เกิดผลลัพธ์ ณ เวลาที่ระบุแต่ละกรณีศึกษา (การสุ่มตัวอย่างชุดความเสี่ยง - risk-set sampling) การออกแบบนี้ยังคงรักษาประสิทธิภาพของแนวทางแบบกรณี-ควบคุม ในขณะที่ช่วยให้สามารถประมาณความหนาแน่นของอุบัติการณ์ และลดความเอนเอียงจากการระลึกถึงและการเลือกได้อย่างมาก เนื่องจากการสัมผัสมักถูกวัดล่วงหน้าก่อนที่ผลลัพธ์จะเกิดขึ้น
ฉันจะจัดการกับการเปรียบเทียบหลายครั้งเมื่อทดสอบการสัมผัสจำนวนมากได้อย่างไร?
การทดสอบการสัมผัสหลายอย่างพร้อมกันจะเพิ่มอัตราผลบวกลวง (false-positive rate) กำหนดสมมติฐานหลักและรองล่วงหน้า ใช้การแก้ไขที่เหมาะสม (Bonferroni, อัตราการค้นพบที่ผิดพลาด - false discovery rate) สำหรับการวิเคราะห์รอง และตีความความสัมพันธ์ที่มีนัยสำคัญตามปกติในหมู่การสัมผัสหลายอย่างด้วยความระมัดระวัง การลงทะเบียนล่วงหน้าของระเบียบวิธีวิจัย — พร้อมการระบุการสัมผัสหลักอย่างชัดเจน — จะช่วยเพิ่มความน่าเชื่อถืออย่างมาก
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Schlesselman, J.J. (1982). Case-Control Studies: Design, Conduct, Analysis. Oxford University Press.
ISBN: 978-0195027860คัดลอกแล้วRothman, K.J., Greenland, S., & Lash, T.L. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN: 978-0781755641คัดลอกแล้ว