การออกแบบการศึกษาแบบกลุ่ม (Cohort Study Design)
- ผู้เสนอ
- Donald Acheson, Olli Miettinen, and others in modern epidemiology
- ปี
- 1970s-1980s
- ประเภท
- Research Design
- กลุ่มวิธี
- observational design
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การศึกษาแบบกลุ่มจะติดตามกลุ่มบุคคลไปข้างหน้าตามเวลาตั้งแต่การได้รับสัมผัสจนถึงผลลัพธ์ ผู้เข้าร่วมที่ได้รับสัมผัสและไม่ได้รับสัมผัส (หรือผู้เข้าร่วมที่มีระดับการสัมผัสแตกต่างกัน) จะถูกคัดเลือกเข้าร่วมตั้งแต่เริ่มต้น มีการระบุลักษณะ และสังเกตการณ์ในอนาคตจนกว่าจะเกิดผลลัพธ์หรือสิ้นสุดการศึกษา การศึกษาแบบกลุ่มเป็นพื้นฐานของการระบาดวิทยา และเป็นการออกแบบที่เลือกใช้สำหรับการสร้างความสัมพันธ์เชิงสาเหตุเมื่อการทดลองแบบสุ่มไม่สามารถทำได้หรือผิดจรรยาบรรณ
แนวคิดเบื้องหลังวิธีการ
ลองนึกภาพการติดตามกลุ่มผู้สูบบุหรี่และผู้ไม่สูบบุหรี่สองกลุ่มเป็นเวลา 10 ปี และนับจำนวนผู้เป็นมะเร็งปอดในแต่ละกลุ่ม อัตราเสี่ยงสัมพัทธ์ (Relative Risk - RR) = (ผู้เป็นมะเร็งปอดในกลุ่มผู้สูบบุหรี่) / (ผู้เป็นมะเร็งปอดในกลุ่มผู้ไม่สูบบุหรี่) จะบอกคุณว่าผู้สูบบุหรี่มีแนวโน้มที่จะเป็นมะเร็งมากกว่าเพียงใด การศึกษาแบบกลุ่มรักษาลำดับเวลา (การสัมผัสก่อนผลลัพธ์) ได้ตามธรรมชาติ หลีกเลี่ยงความเอนเอียงจากการระลึก (การสัมผัสถูกบันทึกตั้งแต่เริ่มต้น ไม่ได้จำหลังจากโรคพัฒนาขึ้น) และสามารถศึกษาผลลัพธ์หลายอย่างจากการสัมผัสเพียงครั้งเดียว ข้อแลกเปลี่ยนหลักคือต้นทุนและเวลา: คุณต้องติดตามผู้คนเป็นเวลาหลายปี ซึ่งมักจะมีค่าใช้จ่ายสูง การสับสน (ปัจจัยอื่นที่สัมพันธ์กับการสัมผัสและผลลัพธ์) ยังคงเป็นภัยคุกคาม เว้นแต่จะได้รับการควบคุม
ประวัติศาสตร์
การศึกษาแบบกลุ่มมีความโดดเด่นในการระบาดวิทยาในช่วงทศวรรษที่ 1950-1970 โดยมีตัวอย่างที่สำคัญคือ Framingham Heart Study (1948-ปัจจุบัน) ซึ่งเป็นผู้บุกเบิกปัจจัยเสี่ยงต่อโรคหัวใจและหลอดเลือดแบบไปข้างหน้า Olli Miettinen และคณะได้วางรากฐานทางสถิติอย่างเป็นทางการ โดยแยกความแตกต่างระหว่างแนวทางแบบกลุ่ม (อิงตามอุบัติการณ์) กับแบบกรณี-ควบคุม (อิงตามอัตราต่อรอง) การศึกษาแบบกลุ่มสมัยใหม่ใช้ประโยชน์จากเวชระเบียนอิเล็กทรอนิกส์ ทะเบียนโรค และคลังชีวภาพ (biobanks) เพื่อเพิ่มประสิทธิภาพ กลุ่มแบบพลวัต (dynamic cohorts - การรับสมัครต่อเนื่อง) และการออกแบบกรณี-ควบคุมที่ซ้อนอยู่ (nested case-control designs - การเลือกกรณีและกลุ่มควบคุมจากภายในกลุ่ม) ได้ขยายชุดเครื่องมือทางระเบียบวิธีวิจัย
ควรใช้เมื่อใด
ใช้การศึกษาแบบกลุ่มเมื่อ: (1) ศึกษาการสัมผัสที่หายาก (เช่น อันตรายจากการทำงานที่ส่งผลกระทบต่อคนจำนวนน้อย) (2) สร้างความสัมพันธ์เชิงเวลา (temporal relationships) ระหว่างการสัมผัสและผลลัพธ์ (3) ศึกษาผลลัพธ์หลายอย่างจากการสัมผัสครั้งเดียว (เช่น การสูบบุหรี่ → มะเร็ง โรคหัวใจ COPD) (4) ประเมินผลกระทบระยะยาวตลอดหลายปีหรือหลายทศวรรษ (5) ประเมินประวัติธรรมชาติและอุบัติการณ์ของโรค (6) การทดลองแบบสุ่มผิดจรรยาบรรณ (เช่น การให้ผู้คนสัมผัสกับสารอันตราย) (7) ผลลัพธ์เป็นที่แพร่หลาย ทำให้การศึกษาแบบกรณี-ควบคุมมีประสิทธิภาพน้อยกว่า
ข้อจำกัดและข้อควรพิจารณา
- เวลาและต้นทุน: การติดตามกลุ่มเป็นเวลาหลายปีหรือหลายทศวรรษต้องใช้เงินทุน บุคลากร และโครงสร้างพื้นฐานอย่างต่อเนื่อง การสูญเสีย (loss to follow-up) เป็นเรื่องปกติ
- ความเอนเอียงจากการสูญเสียจากการติดตาม: หากผู้เข้าร่วมที่สูญเสียไปมีความแตกต่างอย่างเป็นระบบในด้านการสัมผัสหรือปัจจัยสับสน การประมาณค่า RR จะเอนเอียง จำเป็นต้องมีอัตราการติดตามสูง (>80%)
- ผลลัพธ์ที่หายาก: หากอุบัติการณ์ของผลลัพธ์ต่ำมาก จำเป็นต้องมีกลุ่มขนาดใหญ่ ซึ่งเพิ่มต้นทุน การศึกษาแบบกรณี-ควบคุมอาจมีประสิทธิภาพมากกว่า
- ปัจจัยสับสน: ปัจจัยสับสนที่ไม่ได้วัดหรือไม่ได้รับการวัดอย่างดีสามารถทำให้ RR เอนเอียง การปรับทำได้เฉพาะกับตัวแปรที่วัดได้
- ผลกระทบของกลุ่ม (Cohort effects): ผู้เข้าร่วมที่ถูกคัดเลือกเข้าร่วมในช่วงเวลาที่ต่างกันอาจมีลักษณะพื้นฐาน การพยากรณ์โรค หรือแนวโน้มตามช่วงเวลาที่แตกต่างกัน ซึ่งส่งผลต่อความสามารถในการเปรียบเทียบ
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- ลำดับเวลาที่ชัดเจน: การสัมผัสถูกบันทึกก่อนผลลัพธ์ สร้างทิศทางและความเป็นสาเหตุได้น่าเชื่อถือกว่าการออกแบบภาคตัดขวาง
- ผลลัพธ์หลายอย่าง: การสัมผัสครั้งเดียวสามารถเกี่ยวข้องกับผลลัพธ์หลายอย่าง ประหยัดสำหรับการสร้างสมมติฐานที่กว้างขวาง
- อุบัติการณ์และความเสี่ยงสัมบูรณ์: ประมาณการความเสี่ยงในกลุ่มที่ได้รับสัมผัสและไม่ได้รับสัมผัสโดยตรง ทำให้สามารถคำนวณจำนวนที่ต้องรักษาได้
- หลีกเลี่ยงการเลือกตัวอย่างที่ขึ้นอยู่กับผลลัพธ์: กลุ่มถูกกำหนดโดยการสัมผัส ไม่ใช่ผลลัพธ์ ป้องกันความเอนเอียงจากการเลือกตัวอย่างที่มีอยู่ในงานวิจัยแบบกรณี-ควบคุม
- อัตราอุบัติการณ์: ตัวหารเวลาต่อคนคำนึงถึงระยะเวลาการติดตามที่แตกต่างกัน ทำให้สามารถเปรียบเทียบระหว่างการศึกษาที่มีระยะเวลาการติดตามต่างกันได้
การประยุกต์ใช้
- ระบาดวิทยาอาชีวอนามัย: การติดตามคนงานในอุตสาหกรรมที่มีความเสี่ยงสูง (แร่ใยหิน การทำเหมือง การผลิตสารเคมี) เพื่อวัดปริมาณความเสี่ยงของโรคที่เกิดจากการสัมผัสในสถานที่ทำงาน
- การศึกษาด้านอาหารและวิถีชีวิต: การคัดเลือกผู้เข้าร่วม การวัดอาหารและกิจกรรมทางกายตั้งแต่เริ่มต้น จากนั้นติดตามโรคหัวใจและหลอดเลือด มะเร็ง หรือการเสียชีวิต (เช่น Nurses' Health Study)
- อุบัติการณ์และพยากรณ์โรคของมะเร็ง: การคัดเลือกผู้เข้าร่วมที่ไม่มีโรคและติดตามการวินิจฉัยมะเร็งเมื่อเวลาผ่านไป หรือการคัดเลือกผู้ป่วยมะเร็งและติดตามการรอดชีวิต
- กลุ่มการเกิด (Birth cohorts) และพัฒนาการเด็ก: การคัดเลือกสตรีมีครรภ์หรือทารกแรกเกิด การวัดการสัมผัสในช่วงต้น (เช่น การสูบบุหรี่ของมารดา มลพิษทางอากาศ ความยากจน) และการประเมินผลลัพธ์ด้านสุขภาพและพัฒนาการในระยะยาว
- ความปลอดภัยของยาและผลลัพธ์ไม่พึงประสงค์: การคัดเลือกผู้ป่วยที่เริ่มใช้ยาใหม่และติดตามเหตุการณ์ไม่พึงประสงค์ การเข้ารับการรักษาในโรงพยาบาล หรือการเสียชีวิต เปรียบเทียบกับการรักษาทางเลือก
วิธีการทำงาน
วิธีการทำงาน
กำหนดแหล่งที่มาของกลุ่ม (เช่น ผู้ใหญ่ที่ไม่มีโรคอายุ 40-70 ปี พนักงานโรงงาน ผู้ป่วยในคลินิก) กำหนดการสัมผัส: เป็นแบบทวิภาค (ใช่/ไม่ใช่) แบบจำแนกประเภท (ต่ำ/ปานกลาง/สูง) หรือแบบต่อเนื่อง (ปีของการใช้) คัดเลือกผู้เข้าร่วมที่ไม่มีโรคตั้งแต่เริ่มต้น วัดและบันทึกสถานะการสัมผัสและปัจจัยสับสนตั้งแต่เริ่มต้น (อายุ เพศ เชื้อชาติ สถานะทางเศรษฐกิจและสังคม โรคร่วม ฯลฯ) ติดตามผู้เข้าร่วมในช่วงระยะเวลาที่กำหนดไว้ล่วงหน้า (หลายเดือนถึงหลายทศวรรษ) ใช้การติดตามผลแบบเชิงรุก (การสัมภาษณ์ การตรวจคลินิก แบบสำรวจทางไปรษณีย์) หรือการติดตามผลแบบเชิงรับ (เวชระเบียน ทะเบียนโรค การเรียกร้องค่าสินไหมทดแทน) บันทึกเหตุการณ์ผลลัพธ์ (การวินิจฉัย การเข้ารับการรักษาในโรงพยาบาล การเสียชีวิต) พร้อมวันที่ บันทึกการสูญเสียจากการติดตาม การถอนตัว และการตัดออก (เมื่อผู้เข้าร่วมยังมีชีวิตอยู่/ไม่มีโรคเมื่อสิ้นสุดการศึกษา แต่สถานะผลลัพธ์ไม่ทราบ) กำหนดมาตรฐานการนิยามผลลัพธ์สำหรับผู้เข้าร่วมทุกคน
สูตร
Define cohort (exposed and unexposed groups); enroll eligible participants; establish baseline characteristics and exposure status; follow participants forward in time; record outcome events.
คำนวณอุบัติการณ์ในแต่ละกลุ่มการสัมผัส: อุบัติการณ์ = (จำนวนเหตุการณ์ผลลัพธ์ในกลุ่ม) / (เวลาต่อคนที่มีความเสี่ยงในกลุ่ม) เวลาต่อคนจะคำนึงถึงระยะเวลาการติดตามที่แตกต่างกัน: หากบุคคลหนึ่งถูกติดตาม 5 ปี และอีกคนหนึ่ง 2 ปี เวลาต่อคนจะรวมเป็น 7 ปีต่อคน คำนวณอัตราเสี่ยงสัมพัทธ์ (RR) = อุบัติการณ์_ผู้ได้รับสัมผัส / อุบัติการณ์_ผู้ไม่ได้รับสัมผัส RR > 1 บ่งชี้ความเสี่ยงที่เพิ่มขึ้น; RR < 1 บ่งชี้ความเสี่ยงที่ลดลง (หรือผลในการป้องกัน); RR = 1 บ่งชี้ว่าไม่มีความสัมพันธ์ คำนวณช่วงความเชื่อมั่น 95% (อิงตามปัวซง หรือวิธีเดลต้า) ปรับสำหรับปัจจัยสับสนโดยใช้การแบ่งชั้น (Mantel-Haenszel) หรือการถดถอย (Cox proportional hazards, Poisson regression) ตรวจสอบข้อสมมติฐานสัดส่วนอันตรายในแบบจำลอง Cox
สูตร
Calculate incidence (risk) in exposed and unexposed groups; compute Relative Risk (RR) = Incidence_{\text{exposed}} / Incidence_{\text{unexposed}}.RR เท่ากับ 2 หมายความว่ากลุ่มที่ได้รับสัมผัสมีความถี่ของเหตุการณ์เป็นสองเท่าเมื่อเทียบกับกลุ่มที่ไม่ได้รับสัมผัส RR เท่ากับ 0.5 หมายความว่ากลุ่มที่ได้รับสัมผัสมีความถี่เป็นครึ่งหนึ่ง (ผลในการป้องกัน) ช่วงความเชื่อมั่นที่ไม่รวม 1.0 บ่งชี้ความสัมพันธ์ที่มีนัยสำคัญทางสถิติ (ที่ระดับ α=0.05) ประเมินความเป็นสาเหตุ: ความสัมพันธ์แข็งแกร่งหรือไม่ (RR > 2–3)? มีความสัมพันธ์ตามปริมาณ (การสัมผัสที่เพิ่มขึ้น → ความเสี่ยงที่เพิ่มขึ้น)? สอดคล้องกันในกลุ่มย่อยหรือไม่? สอดคล้องกับลำดับเวลาหรือไม่? พิจารณาปัจจัยสับสนที่ไม่ได้วัด: ตัวแปรที่ไม่ได้วัด (เช่น พันธุกรรม อาหาร) สามารถอธิบาย RR ที่สังเกตได้หรือไม่? สรุปผลไปยังประชากรที่คล้ายคลึงกับกลุ่มของคุณ รายงานการลดความเสี่ยงสัมบูรณ์หรือจำนวนที่ต้องรักษา (NNT) ควบคู่ไปกับ RR สำหรับบริบททางคลินิก
สูตร
Interpret RR in context of follow-up duration, loss to follow-up, and confounding; assess temporality; generalize to source population.
ข้อผิดพลาดที่พบบ่อย
- เอกสารการติดตามที่ไม่เพียงพอ: วันที่ผลลัพธ์ขาดหายไปหรือคลุมเครือ หรือการนิยามผลลัพธ์ที่ไม่สอดคล้องกันในหมู่ผู้เข้าร่วม ทำให้การอนุมานเชิงเวลาไม่ถูกต้อง
- การละเลยการสูญเสียจากการติดตาม: การละทิ้งผู้ที่สูญเสียไปโดยไม่มีการวิเคราะห์จะเพิ่มความเอนเอียงจากการเลือกตัวอย่าง ใช้หลักการเจตนาในการรักษา (intention-to-treat); ทำการวิเคราะห์ความไวภายใต้กลไกข้อมูลที่ขาดหายไปที่แตกต่างกัน
- ปัจจัยสับสนที่ไม่ได้วัด: ปัจจัยที่ไม่ได้วัด (เช่น ความไวทางพันธุกรรม) อาจอธิบายความสัมพันธ์ระหว่างการสัมผัสกับผลลัพธ์ ควรกล่าวถึงปัจจัยสับสนที่ไม่ได้วัดเสมอ
- การแบ่งชั้นหลังการวิเคราะห์ (Post-hoc stratification): การแบ่งกลุ่มออกเป็นกลุ่มย่อยหลังจากเห็นผลลัพธ์ นำไปสู่การเปรียบเทียบหลายครั้ง การค้นพบที่ผิดพลาด และการปรับมากเกินไป (overfitting) กำหนดสมมติฐานกลุ่มย่อยล่วงหน้า
- การสมมติฐานความเป็นเชิงเส้น: ในการวิเคราะห์ปริมาณ-ผล (dose-response) การสมมติฐานความสัมพันธ์เชิงเส้นระหว่างระดับการสัมผัสและผลลัพธ์อาจบดบังผลกระทบของจุดตัด (threshold) หรือผลกระทบที่คงที่ (plateau) ควรพล็อตข้อมูลและทดสอบความเหมาะสมแบบไม่เชิงเส้น
คำถามที่พบบ่อย
อะไรคือความแตกต่างระหว่างอัตราเสี่ยงสัมพัทธ์ (RR) และอัตราต่อรอง (OR) ในการศึกษาแบบกลุ่ม?
ในการศึกษาแบบกลุ่ม คุณวัดอุบัติการณ์ (ความน่าจะเป็นของผลลัพธ์เมื่อเวลาผ่านไป) โดยตรง ดังนั้น อัตราเสี่ยงสัมพัทธ์ (RR) จึงเป็นการประมาณค่าตามธรรมชาติ: RR = อุบัติการณ์_ผู้ได้รับสัมผัส / อุบัติการณ์_ผู้ไม่ได้รับสัมผัส อัตราต่อรอง (OR) คืออัตราส่วนของอัตราต่อรองของผลลัพธ์ ซึ่งเกิดขึ้นในการศึกษาแบบกรณี-ควบคุมที่คุณไม่สามารถวัดอุบัติการณ์ได้ ในกลุ่มที่มีผลลัพธ์หายาก (อุบัติการณ์ <10%) RR และ OR จะใกล้เคียงกัน เมื่อผลลัพธ์เป็นที่แพร่หลาย ทั้งสองจะแตกต่างกัน: OR จะประเมินผลกระทบสูงกว่าเมื่อเทียบกับ RR ควรรายงาน RR เสมอในการศึกษาแบบกลุ่ม; สงวน OR ไว้สำหรับการออกแบบแบบกรณี-ควบคุม
เวลาต่อคน (person-time) คืออะไร และทำไมจึงสำคัญ?
เวลาต่อคน (หรือเวลาติดตาม) คือผลรวมของระยะเวลาการติดตามของแต่ละบุคคล หากคุณติดตามคน 100 คน เป็นเวลา 10 ปีต่อคน นั่นคือ 1000 ปีต่อคน หากติดตามคน 50 คน เป็นเวลา 5 ปี และอีก 50 คน เป็นเวลา 10 ปี นั่นก็คือ 750 ปีต่อคน อัตราอุบัติการณ์คำนวณต่อหน่วยเวลาต่อคน (เช่น ต่อ 1000 ปีต่อคน) เวลาต่อคนคำนึงถึงข้อเท็จจริงที่ว่าผู้เข้าร่วมบางคนเลิกเข้าร่วม เสียชีวิต หรือถูกตัดออกก่อนกำหนด การใช้เวลาต่อคนเป็นตัวหาร (แทนที่จะเป็นเพียงจำนวนคน) ให้ค่าประมาณที่ไม่เอนเอียงเมื่อการติดตามมีความแปรปรวน
ฉันจะจัดการกับการสูญเสียจากการติดตามได้อย่างไร?
การสูญเสียจากการติดตามเป็นแหล่งที่มาหลักของความเอนเอียง ตั้งเป้าหมายการติดตาม >80% ในการวิเคราะห์ อย่าเพียงแค่ตัดผู้ที่สูญเสียออก ซึ่งจะทำให้เกิดความเอนเอียงจากการเลือกตัวอย่าง แต่ให้ใช้หลักการเจตนาในการรักษา (intention-to-treat): จำแนกผู้ที่สูญเสียตามสถานะล่าสุดที่ทราบ และทำการวิเคราะห์ความไวโดยสมมติสถานการณ์ผลลัพธ์ที่แตกต่างกัน (เช่น ผู้ที่สูญเสียทั้งหมดไม่มีโรค ผู้ที่สูญเสียทั้งหมดเป็นโรค หรือข้อมูลขาดหายไปแบบสุ่ม) หากการสูญเสียจากการติดตามแตกต่างอย่างมากระหว่างกลุ่มที่ได้รับสัมผัสและไม่ได้รับสัมผัส ให้ตีความผลลัพธ์ด้วยความระมัดระวัง การถ่วงน้ำหนักด้วยความน่าจะเป็นผกผัน (Inverse Probability Weighting - IPW) หรือการแทนที่หลายครั้ง (multiple imputation) สามารถปรับสำหรับข้อมูลที่ขาดหายไปอย่างเป็นระบบภายใต้ข้อสมมติฐาน 'ข้อมูลขาดหายไปแบบสุ่ม'
ฉันจะแยกความแตกต่างระหว่างการศึกษาแบบกลุ่มและการศึกษาภาคตัดขวางได้อย่างไร?
การศึกษาแบบกลุ่มจะคัดเลือกผู้เข้าร่วมที่ไม่มีโรค (หรือไม่มีผลลัพธ์) วัดการสัมผัสตั้งแต่เริ่มต้น และติดตามพวกเขาไปข้างหน้าจนกว่าจะเกิดผลลัพธ์ การศึกษาภาคตัดขวางวัดการสัมผัสและผลลัพธ์พร้อมกัน ณ จุดเวลาเดียว ซึ่งจับความชุก (prevalence) การศึกษาแบบกลุ่มมีลำดับเวลาที่ชัดเจน (การสัมผัส → ผลลัพธ์) ทำให้สามารถอนุมานความเป็นสาเหตุได้ การศึกษาภาคตัดขวางไม่สามารถสร้างทิศทางได้: การสัมผัสทำให้เกิดผลลัพธ์ หรือผลลัพธ์มีอิทธิพลต่อการรับรู้การสัมผัส? การศึกษาแบบกลุ่มมีค่าใช้จ่ายและใช้เวลานานกว่า แต่ให้หลักฐานที่แข็งแกร่งกว่าสำหรับความเป็นสาเหตุ
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Miettinen, O. S. (1976). Estimability and estimation in case-referent studies. American Journal of Epidemiology, 103(2), 226–235.
เปิดเอกสารอ้างอิง DOIคัดลอกแล้วRothman, K. J., Lash, T. L., & Greenland, S. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN: 978-0781755657คัดลอกแล้วVeierød, M. B., Lydersen, S., & Laake, P. (2012). Medical Statistics in Clinical and Epidemiological Research. Gyldendal Akademisk.
ISBN: 978-8205418627คัดลอกแล้ว