การศึกษาแบบกลุ่ม (Cohort Study) — การออกแบบเชิงสังเกตตามระยะเวลา
- ผู้เสนอ
- Doll & Hill (British Doctors Study, 1951); Snow (cholera, 1854)
- ปี
- Mid-20th century (formal epidemiological design codified ~1950s)
- ประเภท
- Observational longitudinal study design
- กลุ่มวิธี
- Clinical / epidemiology
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การศึกษาแบบกลุ่มจะรวบรวมกลุ่มบุคคลที่มีจุดเริ่มต้นร่วมกัน ซึ่งโดยทั่วไปคือการปลอดจากผลลัพธ์ที่สนใจ และติดตามพวกเขาไปตามกาลเวลาเพื่อสังเกตว่าใครจะเกิดผลลัพธ์นั้นขึ้น โดยการเปรียบเทียบอัตราอุบัติการณ์ระหว่างกลุ่มย่อยที่ได้รับสัมผัสและไม่ได้รับสัมผัส ผู้วิจัยสามารถประมาณความเสี่ยงสัมพัทธ์และความแตกต่างของความเสี่ยงสัมบูรณ์ได้ การศึกษาแบบกลุ่มถือเป็นการออกแบบเชิงสังเกตที่เป็นมาตรฐานทองคำสำหรับการวัดอุบัติการณ์ของโรคและการสร้างความสัมพันธ์เชิงเวลา (temporal relationships) ระหว่างการสัมผัสและผลลัพธ์
แนวคิดเบื้องหลังวิธีการ
ลองนึกถึงการศึกษาแบบกลุ่มเสมือนเป็นสารคดีเชิงรุก (prospective documentary): คุณคัดเลือกกลุ่มผู้เข้าร่วมก่อนที่เรื่องราวจะดำเนินไป บันทึกว่าใครได้รับปัจจัยเฉพาะบางอย่าง แล้วเฝ้าดูเป็นเวลาหลายเดือนหรือหลายปีเพื่อดูว่าใครป่วย เนื่องจากคุณสังเกตการสัมผัสก่อนผลลัพธ์ ลำดับเวลาของสาเหตุจึงชัดเจนกว่าในการศึกษาแบบกรณี-ควบคุม (case-control study) ข้อแลกเปลี่ยนคือเวลาและค่าใช้จ่าย — โรคที่พบได้ยากอาจต้องใช้กลุ่มตัวอย่างขนาดใหญ่มากที่ติดตามเป็นเวลาหลายสิบปี ก่อนที่เหตุการณ์จะสะสมเพียงพอที่จะสรุปผลได้อย่างน่าเชื่อถือ
ประวัติศาสตร์
การออกแบบแบบกลุ่มมีรากฐานมาจากการสังเกตอหิวาตกโรคของ John Snow ในลอนดอนช่วงกลางศตวรรษที่ 19 แต่การศึกษาแบบกลุ่มทางระบาดวิทยาอย่างเป็นทางการได้ก่อตั้งขึ้นในช่วงต้นทศวรรษ 1950 ผ่านการสืบสวนที่สำคัญ เช่น British Doctors Study โดย Richard Doll และ Austin Bradford Hill (1951–1954) ซึ่งแสดงให้เห็นความสัมพันธ์เชิงสาเหตุระหว่างการสูบบุหรี่กับมะเร็งปอด Framingham Heart Study ซึ่งเริ่มขึ้นในปี 1948 เป็นตัวอย่างของแนวทางกลุ่มตัวอย่างเชิงรุกระยะยาวสำหรับปัจจัยเสี่ยงโรคหัวใจและหลอดเลือด รากฐานทางระเบียบวิธีได้รับการประมวลกฎหมายโดย Brian MacMahon, Thomas Pugh และต่อมาโดย Kenneth Rothman
ควรใช้เมื่อใด
ใช้การศึกษาแบบกลุ่มเมื่อคำถามวิจัยเกี่ยวข้องกับอุบัติการณ์ของโรค ลำดับเวลาเชิงสาเหตุระหว่างการสัมผัสและผลลัพธ์ หรือประวัติทางธรรมชาติของภาวะโรค — และเมื่อการสุ่ม (randomisation) ผิดจรรยาบรรณหรือไม่สามารถปฏิบัติได้ การออกแบบแบบกลุ่มเหมาะสมอย่างยิ่งสำหรับการศึกษาการสัมผัสที่พบได้ยาก (เนื่องจากสามารถคัดเลือกผู้เข้าร่วมตามสถานะการสัมผัส) ผลลัพธ์หลายอย่างจากการสัมผัสครั้งเดียว และผลกระทบระยะยาว อย่าใช้การศึกษาแบบกลุ่มเมื่อผลลัพธ์หายากมาก (ต้องใช้กลุ่มตัวอย่างขนาดใหญ่มากเพื่อสังเกตเหตุการณ์ให้เพียงพอ) เมื่องบประมาณหรือกรอบเวลาของโครงการไม่สามารถรองรับการติดตามระยะยาวได้ หรือเมื่อการศึกษาแบบกรณี-ควบคุมหรือแบบตัดขวาง (cross-sectional design) สามารถตอบคำถามได้อย่างมีประสิทธิภาพมากกว่า
ข้อจำกัดและข้อควรพิจารณา
- ไม่มีประสิทธิภาพสำหรับผลลัพธ์ที่หายาก — อาจต้องใช้ขนาดกลุ่มตัวอย่างขนาดใหญ่และระยะเวลาติดตามนาน ก่อนที่เหตุการณ์จะสะสมเพียงพอ
- การสูญเสียผู้เข้าร่วมจากการติดตามอาจนำไปสู่ความเอนเอียงจากการเลือก (selection bias) หากผู้ที่หลุดออกไปแตกต่างจากผู้ที่ยังคงอยู่
- ระยะเวลาที่ยาวนานและความต้องการกลุ่มตัวอย่างขนาดใหญ่ทำให้การศึกษาแบบกลุ่มมีค่าใช้จ่ายสูงและมีความต้องการด้านการจัดการที่ซับซ้อน
- ไม่สามารถกำจัดปัจจัยกวนจากตัวแปรที่ไม่ได้วัดได้ด้วยการออกแบบเพียงอย่างเดียว ซึ่งแตกต่างจากการทดลองแบบสุ่ม (randomised trials)
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- สร้างลำดับเวลาเชิงสาเหตุ — การสัมผัสจะถูกวัดก่อนผลลัพธ์ ซึ่งสนับสนุนการอนุมานเชิงสาเหตุได้น่าเชื่อถือกว่าการศึกษาแบบกรณี-ควบคุมหรือแบบตัดขวาง
- ช่วยให้สามารถคำนวณอัตราอุบัติการณ์สัมบูรณ์และความเสี่ยงสัมพัทธ์ ไม่ใช่แค่อัตราต่อรอง (odds ratio)
- กลุ่มตัวอย่างกลุ่มเดียวสามารถให้ข้อมูลเกี่ยวกับผลลัพธ์หลายอย่างพร้อมกันได้
- การวัดค่าการสัมผัสเชิงรุกช่วยลดความเอนเอียงจากการระลึก (recall bias) เมื่อเทียบกับการออกแบบเชิงรับ (retrospective designs)
- เหมาะสมอย่างยิ่งสำหรับการศึกษาการสัมผัสที่พบได้ยาก โดยการเพิ่มจำนวนผู้เข้าร่วมที่ได้รับสัมผัสในกลุ่มตัวอย่าง
การประยุกต์ใช้
- การวัดผลกระทบระยะยาวของรูปแบบการรับประทานอาหาร การออกกำลังกาย หรือการรักษาด้วยยาลดไขมันต่อโรคหัวใจและหลอดเลือด
- การประมาณอุบัติการณ์ของโรคจากการประกอบอาชีพ (เช่น โรคเยื่อหุ้มปอดอักเสบในคนงานที่สัมผัสใยหิน)
- การศึกษาประวัติทางธรรมชาติของภาวะเรื้อรัง เช่น โรคเบาหวาน เอชไอวี หรือโรคอัลไซเมอร์
- การประเมินประสิทธิผลของวัคซีนและเหตุการณ์ไม่พึงประสงค์ในการเฝ้าระวังหลังการอนุญาต
- การสืบสวนผลกระทบของการสัมผัสกับสิ่งแวดล้อม (มลพิษทางอากาศ รังสี) ต่อสุขภาพประชากรในระยะเวลาหลายทศวรรษ
วิธีการทำงาน
วิธีการทำงาน
ผู้วิจัยระบุและคัดเลือกประชากรที่มีความเสี่ยง ซึ่งคือบุคคลที่ยังไม่เกิดผลลัพธ์ที่สนใจ เกณฑ์การเข้าร่วมอาจกำหนดโดยอายุ ภูมิศาสตร์ อาชีพ หรือการลงทะเบียนในระบบสุขภาพ กลุ่มตัวอย่างเริ่มต้น (inception cohort) จะถูกรวบรวม ณ จุดเริ่มต้นร่วมกัน และบันทึกลักษณะพื้นฐาน
สถานะการสัมผัส (เช่น การสูบบุหรี่ อาหาร การใช้ยา สารเคมีในที่ทำงาน) จะถูกประเมิน ณ จุดเริ่มต้น และในหลายๆ การออกแบบ จะมีการประเมินซ้ำเป็นระยะๆ ตลอดช่วงการติดตาม การวัดค่าการสัมผัสที่แม่นยำในขั้นตอนนี้เป็นตัวกำหนดคุณภาพของการศึกษาทั้งหมด การจำแนกประเภทผิด (misclassification) ในขั้นตอนนี้จะทำให้การประมาณค่าความเสี่ยงเอนเอียงเข้าหาค่าศูนย์ (bias toward the null)
ผู้เข้าร่วมจะได้รับการติดตามตามกาลเวลาผ่านการประเมินเป็นระยะๆ การเชื่อมโยงกับทะเบียนข้อมูล (registry linkage) ข้อมูลจากการบริหาร หรือการติดต่ออย่างแข็งขัน การสูญเสียผู้เข้าร่วมจากการติดตาม (loss to follow-up) เป็นภัยคุกคามหลักต่อความตรงภายใน (internal validity) ในขั้นตอนนี้: หากผู้ที่ออกจากกลุ่มการศึกษาแตกต่างอย่างเป็นระบบจากผู้ที่ยังคงอยู่ อุบัติการณ์ที่ประมาณได้อาจเอนเอียง
เหตุการณ์ผลลัพธ์ที่เกิดขึ้นใหม่ (การวินิจฉัยใหม่ การเสียชีวิต การเข้ารับการรักษาในโรงพยาบาล) จะถูกระบุผ่านการตรวจทางคลินิก เวชระเบียน ทะเบียนโรค หรือการเชื่อมโยงกับสถิติชีพ (vital statistics) คำจำกัดความของผลลัพธ์ที่ชัดเจนและกำหนดไว้ล่วงหน้าจะช่วยลดการจำแนกประเภทผลลัพธ์ผิด (outcome misclassification) ให้เหลือน้อยที่สุด
คำนวณอัตราอุบัติการณ์สำหรับกลุ่มที่ได้รับสัมผัสและไม่ได้รับสัมผัส มาตรวัดผลกระทบหลักคือความเสี่ยงสัมพัทธ์ (RR = อุบัติการณ์ในกลุ่มที่ได้รับสัมผัส / อุบัติการณ์ในกลุ่มที่ไม่ได้รับสัมผัส) หรือเมื่อเวลาในการติดตามแตกต่างกัน คือ อัตราส่วนอัตรา (rate ratio) การประมาณค่าที่ปรับแล้วจะได้จากการถดถอยพหุคูณ (multivariable regression) (เช่น Poisson, Cox) เพื่อควบคุมปัจจัยกวน (confounding)
สูตร
RR = (Ie / Iu)
ข้อผิดพลาดที่พบบ่อย
- การละเลยการสัมผัสที่เปลี่ยนแปลงตามเวลา — การปฏิบัติต่อการสัมผัส ณ จุดเริ่มต้นเสมือนเป็นค่าคงที่เมื่อมีการเปลี่ยนแปลงระหว่างการติดตาม (เช่น การเลิกสูบบุหรี่) อาจทำให้การจำแนกประเภทการสัมผัสผิดและทำให้ผลลัพธ์เอนเอียง ควรใช้การวิเคราะห์ที่อัปเดตตามเวลา (time-updated analyses) หรือแบบจำลองโครงสร้างส่วนกลาง (marginal structural models)
- การควบคุมเวลาในการติดตามไม่เพียงพอ — การเปรียบเทียบจำนวนเหตุการณ์ดิบแทนที่จะเป็นอัตราอุบัติการณ์ต่อเวลาของบุคคล (person-time incidence rates) จะทำให้ได้ผลลัพธ์ที่ทำให้เข้าใจผิดเมื่อระยะเวลาการติดตามแตกต่างกันไปในแต่ละผู้เข้าร่วม
- ความเอนเอียงจากเวลาอมตะ (Immortal time bias) — ช่วงเวลาในการติดตามที่ผู้เข้าร่วมไม่สามารถประสบผลลัพธ์ได้ (เช่น เวลาก่อนที่ใบสั่งยาจะถูกเติม) จะต้องไม่ถูกกำหนดให้กับกลุ่มที่ได้รับสัมผัส มิฉะนั้นการประมาณค่าความเสี่ยงจะเอื้อประโยชน์อย่างผิดๆ
- ผลกระทบจากคนงานที่แข็งแรง (healthy worker effect) หรือผู้ใช้ที่แข็งแรง (healthy user effect) — กลุ่มตัวอย่างที่คัดเลือกจากสถานประกอบการหรือสถานพยาบาลอาจมีสุขภาพดีกว่าประชากรทั่วไปอย่างเป็นระบบ ซึ่งจำกัดความสามารถในการสรุปผลไปยังประชากรภายนอก (external generalisability)
คำถามที่พบบ่อย
อะไรคือความแตกต่างระหว่างการศึกษาแบบกลุ่มเชิงรุกและการศึกษาแบบกลุ่มเชิงรับ?
ในการศึกษาแบบกลุ่มเชิงรุก ผู้วิจัยจะคัดเลือกผู้เข้าร่วมแล้วติดตามพวกเขาไปข้างหน้าตามกาลเวลา รวบรวมข้อมูลการสัมผัสและผลลัพธ์เมื่อเหตุการณ์เกิดขึ้น ในการศึกษาแบบกลุ่มเชิงรับ (หรือประวัติศาสตร์) ทั้งการสัมผัสและผลลัพธ์ได้เกิดขึ้นแล้ว ผู้วิจัยจะสร้างกลุ่มตัวอย่างขึ้นใหม่จากบันทึกที่มีอยู่ ตรรกะการวิเคราะห์เหมือนกัน แต่การออกแบบเชิงรับจะเร็วกว่าและถูกกว่า ในขณะที่ไวต่อความเอนเอียงของข้อมูลจากบันทึกประวัติศาสตร์ที่ไม่สมบูรณ์มากกว่า
การศึกษาแบบกลุ่มต้องมีขนาดเท่าใด?
ขนาดกลุ่มตัวอย่างขึ้นอยู่กับอุบัติการณ์ที่คาดหวังของผลลัพธ์ ขนาดของผลกระทบที่ต้องการตรวจจับ ระยะเวลาในการติดตาม และอำนาจทางสถิติที่ต้องการ สำหรับผลลัพธ์ที่พบบ่อย อาจมีผู้เข้าร่วมเพียงไม่กี่ร้อยคนก็เพียงพอ สำหรับผลลัพธ์ที่หายากและมีขนาดผลกระทบปานกลาง อาจต้องใช้ผู้เข้าร่วมหลายหมื่นคนติดตามเป็นเวลาหลายสิบปี ควรทำการคำนวณอำนาจ (power calculations) ก่อนเริ่มการคัดเลือก
การศึกษาแบบกลุ่มแตกต่างจากการทดลองแบบสุ่มอย่างไร?
ในการทดลองแบบสุ่ม ผู้วิจัยจะควบคุมการกำหนดการสัมผัส ซึ่งจะกำจัดปัจจัยกวนด้วยการออกแบบและช่วยให้สามารถสรุปเชิงสาเหตุได้ ในการศึกษาแบบกลุ่ม การสัมผัสจะถูกกำหนดโดยสถานการณ์ตามธรรมชาติ ดังนั้นปัจจัยกวนที่ไม่ได้วัดอาจบิดเบือนความสัมพันธ์ระหว่างการสัมผัสและผลลัพธ์ การศึกษาแบบกลุ่มเป็นการสังเกตการณ์ ดังนั้นจึงอยู่ในลำดับชั้นของหลักฐานสำหรับคำถามเชิงสาเหตุที่ต่ำกว่า แต่ก็สามารถทำได้เมื่อการสุ่มผิดจรรยาบรรณหรือไม่สามารถปฏิบัติได้
การศึกษาแบบกลุ่มให้มาตรวัดผลกระทบใด?
มาตรวัดผลกระทบหลักคือความเสี่ยงสัมพัทธ์ (อัตราความเสี่ยง) เมื่อใช้อุบัติการณ์สะสม หรืออัตราส่วนอุบัติการณ์เมื่อใช้ส่วนของผู้เข้าร่วม-เวลา (person-time denominators) การศึกษาแบบกลุ่มยังสามารถประมาณความแตกต่างของความเสี่ยง (ความเสี่ยงที่สามารถระบุได้ - attributable risk) ซึ่งสามารถตีความได้โดยตรงสำหรับผลกระทบต่อสาธารณสุข อัตราต่อรองจากแบบจำลองโลจิสติกส์ (logistic regression) บางครั้งมีการรายงานเพื่อความสะดวก แต่จะประมาณค่าความเสี่ยงสัมพัทธ์ได้ก็ต่อเมื่อผลลัพธ์นั้นหายาก
ควรจัดการกับการสูญเสียผู้เข้าร่วมจากการติดตามอย่างไร?
ประการแรก ลดการสูญเสียให้น้อยที่สุดด้วยกลยุทธ์การรักษาผู้เข้าร่วมอย่างแข็งขัน รายงานสัดส่วนของผู้ที่สูญเสียไป และเปรียบเทียบลักษณะพื้นฐานของผู้ที่ทำครบถ้วนกับผู้ที่ไม่ครบถ้วน วิเคราะห์โดยใช้หลักการเจตนาที่จะติดตาม (intention-to-follow-up) และทำการวิเคราะห์ความไว (sensitivity analyses) (เช่น การประมาณค่ากรณีดีที่สุดและกรณีเลวร้ายที่สุด) เพื่อประเมินความแข็งแกร่งของผลการวิจัย การถ่วงน้ำหนักผกผันตามความน่าจะเป็น (Inverse probability weighting) สามารถแก้ไขการตัดออกที่มีข้อมูล (informative censoring) ได้เมื่อมีการวัดตัวทำนายการหลุดออก
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Rothman, K. J., Greenland, S., & Lash, T. L. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN: 978-0781755641คัดลอกแล้วDoll, R., & Hill, A. B. (1954). The mortality of doctors in relation to their smoking habits: a preliminary report. British Medical Journal, 1(4877), 1451–1455.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้ว