Skip to content
กลับไปยังผลการค้นหา

การศึกษาทางระบาดวิทยาภาคตัดขวาง

ผู้เสนอ
Classical epidemiology tradition; systematized by Brian MacMahon and Thomas Pugh (1960s)
ปี
1960s (formal codification); widely practiced since mid-20th century
ประเภท
Observational, descriptive/analytic epidemiological design
กลุ่มวิธี
Clinical / epidemiology

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

การศึกษาทางระบาดวิทยาภาคตัดขวางเป็นการวัดปัจจัยเสี่ยง (exposure) และผลลัพธ์ (outcome) ที่สนใจพร้อมกันในประชากรที่กำหนด ณ จุดเวลาเดียว (หรือในช่วงเวลาสั้นๆ) เนื่องจากไม่มีการติดตามผล จึงเป็นการออกแบบการศึกษาเชิงสังเกตที่มีประสิทธิภาพที่สุดสำหรับการประมาณค่าความชุกของโรค และสำหรับการสร้างสมมติฐานเกี่ยวกับความสัมพันธ์ระหว่างปัจจัยเสี่ยงกับผลลัพธ์ทางสุขภาพ

แนวคิดเบื้องหลังวิธีการ

ลองนึกถึงการศึกษาภาคตัดขวางเหมือนภาพถ่ายของประชากร ณ ช่วงเวลาใดเวลาหนึ่ง ทุกคนในภาพจะถูกประเมินทั้งสถานะปัจจัยเสี่ยง (เช่น การสูบบุหรี่, ดัชนีมวลกาย, อาชีพ) และผลลัพธ์ทางสุขภาพปัจจุบัน (เช่น ความดันโลหิตสูง, ภาวะซึมเศร้า, เบาหวาน) เนื่องจากภาพถ่ายจับภาพรวมทั้งหมดในคราวเดียว คุณจึงสามารถนับจำนวนผู้ที่เป็นโรคได้อย่างรวดเร็ว และดูว่าปัจจัยเสี่ยงบางอย่างพบได้บ่อยในกลุ่มผู้ที่เป็นโรคหรือไม่ อย่างไรก็ตาม คุณไม่สามารถบอกได้จากภาพถ่ายว่าสิ่งใดเกิดขึ้นก่อน ดังนั้น แม้ว่าการศึกษานี้จะสามารถเปิดเผยรูปแบบและความชุกได้ แต่ก็ไม่สามารถสรุปได้ว่าปัจจัยเสี่ยงเป็นสาเหตุของผลลัพธ์ด้วยตัวมันเอง

ประวัติศาสตร์

การออกแบบภาคตัดขวางได้ปรากฏขึ้นในฐานะวิธีการทางระบาดวิทยาที่เป็นทางการในช่วงกลางศตวรรษที่ยี่สิบ โดยได้รับอิทธิพลจากการพัฒนาวิธีการสำรวจประชากร และถูกรวบรวมไว้ในตำราพื้นฐานโดย Brian MacMahon, Thomas Pugh และต่อมาโดย Leon Gordis การสำรวจสุขภาพแห่งชาติขนาดใหญ่ เช่น US National Health Interview Survey (เริ่มปี 1957) และ National Health and Nutrition Examination Survey ได้ทำให้วิธีการนี้เป็นที่ยอมรับสำหรับการเฝ้าระวังประชากรอย่างต่อเนื่อง การปรับปรุงวิธีการในทฤษฎีการสุ่มตัวอย่าง, การวิเคราะห์ทางสถิติสำหรับการสำรวจที่ซับซ้อน, และการใช้เวชระเบียนอิเล็กทรอนิกส์ ได้ขยายขอบเขตของการออกแบบนี้ไปสู่ระบาดวิทยาทางคลินิก, การวิจัยบริการสุขภาพ และการติดตามสุขภาพทั่วโลก

ควรใช้เมื่อใด

ใช้การศึกษาภาคตัดขวางเมื่อเป้าหมายหลักคือการประมาณค่าความชุกของภาวะใดภาวะหนึ่งในประชากร, การประเมินการกระจายของปัจจัยเสี่ยง, หรือการสร้างสมมติฐานเกี่ยวกับความสัมพันธ์ระหว่างปัจจัยเสี่ยงและผลลัพธ์อย่างรวดเร็วและด้วยต้นทุนต่ำ เหมาะอย่างยิ่งสำหรับโรคเรื้อรังที่มีระยะเวลานาน, สำหรับการวางแผนบริการสุขภาพ และสำหรับการสำรวจติดตามผลเป็นประจำ (เช่น การสำรวจสุขภาพแห่งชาติ) หลีกเลี่ยงการออกแบบนี้เมื่อคำถามวิจัยต้องการพิสูจน์ลำดับเวลาเชิงสาเหตุ (ควรใช้การศึกษาแบบติดตามระยะยาว (cohort study) หรือการทดลอง) เมื่อผลลัพธ์นั้นหายาก (การศึกษาแบบกรณี-กลุ่มควบคุม (case-control study) มีประสิทธิภาพมากกว่า) หรือเมื่อสถานะปัจจัยเสี่ยงหรือโรคเปลี่ยนแปลงอย่างรวดเร็ว ทำให้ภาพถ่ายเดียวไม่ให้ข้อมูลเพียงพอหรือมีแนวโน้มที่จะเกิดอคติความชุก-อุบัติการณ์ (prevalence-incidence bias)

ข้อจำกัดและข้อควรพิจารณา

  • ไม่สามารถพิสูจน์ลำดับเวลาได้ระหว่างปัจจัยเสี่ยงและผลลัพธ์ ดังนั้นจึงไม่สามารถอนุมานเชิงสาเหตุได้โดยตรง
  • มีแนวโน้มที่จะเกิดอคติความชุก-อุบัติการณ์ (Neyman bias) — ภาวะที่มีอัตราการตายอย่างรวดเร็วหรือหายเร็วจะถูกประมาณค่าต่ำเกินไป เนื่องจากผู้ที่มีภาวะดังกล่าวมีโอกาสน้อยที่จะถูกจับภาพได้ในการสำรวจ
  • อคติจากการไม่ตอบสนอง (Non-response bias) อาจมีนัยสำคัญ ผู้ที่เข้าร่วมอาจแตกต่างอย่างเป็นระบบจากผู้ที่ไม่เข้าร่วม
  • มีความเป็นไปได้ที่จะเกิดสาเหตุผกผัน (reverse causality) — โรคที่สังเกตได้อาจเป็นสาเหตุของปัจจัยเสี่ยงที่วัดได้ แทนที่จะเป็นในทางกลับกัน

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • ไม่ต้องมีการติดตามผล — การเก็บข้อมูลรวดเร็วและมีค่าใช้จ่ายค่อนข้างต่ำเมื่อเทียบกับการศึกษาแบบติดตามระยะยาวหรือการทดลอง
  • เหมาะสมอย่างยิ่งสำหรับการประมาณค่าความชุกและการวางแผนและติดตามโครงการสาธารณสุข
  • สามารถตรวจสอบปัจจัยเสี่ยงและผลลัพธ์หลายอย่างพร้อมกันในการศึกษาเดียว
  • สามารถทำได้ในวงกว้างโดยใช้ข้อมูลจากการบริหารหรือการสำรวจที่มีอยู่ ทำให้มีอำนาจการทดสอบทางสถิติสูงสำหรับผลลัพธ์ที่พบบ่อย

การประยุกต์ใช้

  • การประมาณค่าความชุกของโรคเรื้อรัง เช่น ความดันโลหิตสูง, เบาหวาน, โรคอ้วน หรือความผิดปกติทางสุขภาพจิต ในระดับชาติหรือระดับภูมิภาค
  • การประเมินการกระจายของปัจจัยเสี่ยงทางพฤติกรรม (การสูบบุหรี่, การไม่ออกกำลังกาย, การดื่มแอลกอฮอล์) ในกลุ่มประชากรต่างๆ
  • การสำรวจภาคตัดขวางซ้ำๆ เพื่อติดตามแนวโน้มของตัวชี้วัดสุขภาพประชากรเมื่อเวลาผ่านไป โดยไม่ต้องติดตามบุคคลเดิม
  • การประเมินรูปแบบการใช้บริการสุขภาพและระบุความต้องการบริการสุขภาพที่ยังไม่ได้รับการตอบสนองสำหรับการวางแผนบริการสุขภาพ
  • การประเมินโครงการคัดกรอง — การกำหนดความชุกพื้นฐานของภาวะใดภาวะหนึ่งก่อนที่จะมีการนำการแทรกแซงการคัดกรองมาใช้
  • การสร้างสมมติฐานสำหรับปัจจัยเสี่ยงที่จะทดสอบต่อไปในการศึกษาแบบติดตามระยะยาวหรือการทดลอง

วิธีการทำงาน

วิธีการทำงาน

1

ผู้วิจัยกำหนดประชากรเป้าหมายและช่วงเวลาศึกษา เกณฑ์การคัดเลือก (อายุ, ภูมิศาสตร์, สถานพยาบาล ฯลฯ) จะถูกกำหนดเพื่อให้แน่ใจว่ากลุ่มตัวอย่างจะเป็นตัวแทนของประชากรที่ต้องการทำการอนุมาน คำจำกัดความของกรณี (case definition) และคำจำกัดความของปัจจัยเสี่ยง (exposure definition) ที่ชัดเจนจะถูกกำหนดก่อนเริ่มการเก็บข้อมูล

2

มีการสุ่มตัวอย่างจากประชากรเป้าหมาย โดยควรใช้วิธีการสุ่มตัวอย่างแบบใช้ความน่าจะเป็น (simple random, stratified, cluster, or systematic sampling) เพื่อให้ได้ตัวแทนที่ดีที่สุดและประมาณค่าความชุกได้อย่างไม่เอนเอียง ขนาดตัวอย่างจะถูกคำนวณล่วงหน้าโดยใช้ความชุกที่คาดการณ์ไว้, ความแม่นยำที่ต้องการ หรืออำนาจการทดสอบ (power), และผลกระทบจากการออกแบบ (design effect) หากใช้การสุ่มตัวอย่างแบบกลุ่ม

3

บุคคลตัวอย่างทั้งหมดจะถูกประเมิน ณ (ประมาณ) จุดเวลาเดียวกัน ทั้งปัจจัยเสี่ยงและผลลัพธ์ แหล่งข้อมูลรวมถึงแบบสอบถามมาตรฐาน, การตรวจร่างกาย, ตัวอย่างทางชีวภาพ หรือบันทึกทางการบริหาร เนื่องจากปัจจัยเสี่ยงและผลลัพธ์ถูกเก็บรวบรวมพร้อมกัน การออกแบบนี้จึงไม่สามารถกำหนดลำดับเวลาได้

4

ตัวประมาณค่าหลักคือสัดส่วนความชุก ณ จุดเวลา (point prevalence proportion): จำนวนบุคคลที่มีผลลัพธ์หารด้วยจำนวนทั้งหมดที่ได้รับการตรวจ วัดเป็นเปอร์เซ็นต์หรือต่อ 1,000 อาจมีการรายงานความชุกในช่วงเวลา (period prevalence) ด้วย (ในช่วงเวลาสั้นๆ ที่กำหนด) ความชุก = (จำนวนผู้ป่วย ณ เวลา T) / (ประชากรทั้งหมดที่ได้รับการตรวจ) x 100

สูตร
Prevalence = (Number of cases at time T) / (Total population examined) x 100
5

ความสัมพันธ์ระหว่างกลุ่มปัจจัยเสี่ยงและผลลัพธ์จะถูกวัดปริมาณโดยใช้สัดส่วนความชุก (Prevalence Ratio - PR) หรือสัดส่วนอ๊อดส์ความชุก (Prevalence Odds Ratio - POR) พร้อมช่วงความเชื่อมั่น การถดถอยโลจิสติกส์ (logistic regression) หรือปัวซง (Poisson regression) แบบหลายตัวแปรสามารถปรับแก้สำหรับตัวแปรกวน (confounders) ได้ เนื่องจากลำดับเวลาไม่เป็นที่ทราบ ความสัมพันธ์เหล่านี้จึงถูกตีความว่าเป็นการสร้างสมมติฐานมากกว่าเป็นสาเหตุ PR = ความชุกในกลุ่มที่ได้รับปัจจัยเสี่ยง / ความชุกในกลุ่มที่ไม่ได้รับปัจจัยเสี่ยง

สูตร
Prevalence Ratio (PR) = Prevalence in exposed / Prevalence in unexposed

ข้อผิดพลาดที่พบบ่อย

  • การสับสนระหว่างความชุกกับอุบัติการณ์ — การศึกษาภาคตัดขวางวัดกรณีที่มีอยู่ (ความชุก) ไม่ใช่วิธีการวัดกรณีใหม่ (อุบัติการณ์) การตีความสัดส่วนความชุกว่าเป็นสัดส่วนอัตราอุบัติการณ์นั้นไม่ถูกต้องหากไม่มีข้อสมมติฐานเพิ่มเติม
  • การละเลยการออกแบบการสุ่มตัวอย่างที่ซับซ้อนในการวิเคราะห์ — หากใช้การสุ่มตัวอย่างแบบกลุ่มหรือแบบแบ่งชั้น (stratified sampling) ค่าความคลาดเคลื่อนมาตรฐาน (standard errors) ต้องคำนึงถึงผลกระทบจากการออกแบบ การไม่ทำเช่นนั้นจะทำให้ค่าความคลาดเคลื่อนมาตรฐานต่ำกว่าความเป็นจริงและช่วงความเชื่อมั่นแคบเกินไป
  • อคติความชุก-อุบัติการณ์ — ภาวะที่มีระยะเวลาสั้น (ทั้งการหายเร็วหรือการตายเร็ว) จะปรากฏว่าหายากเกินจริง ผู้วิจัยควรถือว่าความชุกที่วัดได้สะท้อนถึงการรอดชีวิตและระยะเวลา ไม่ใช่แค่อุบัติการณ์
  • การสรุปผลเชิงสาเหตุ — หากไม่มีข้อมูลระยะยาว ความสัมพันธ์ที่สังเกตได้ไม่สามารถอ้างว่าเป็นผลมาจากปัจจัยเสี่ยงที่ก่อให้เกิดผลลัพธ์ได้ ภาษาที่ใช้ในการรายงานควรสะท้อนถึงลักษณะการอธิบายและการสร้างสมมติฐานของการออกแบบ
  • ขนาดตัวอย่างไม่เพียงพอสำหรับการวิเคราะห์กลุ่มย่อย — ขนาดตัวอย่างโดยรวมอาจเพียงพอสำหรับการประมาณค่าหลัก แต่เล็กเกินไปสำหรับการตรวจจับความสัมพันธ์ในกลุ่มย่อยที่มีความสำคัญทางคลินิก ควรมีการวางแผนอำนาจการทดสอบสำหรับกลุ่มย่อยอย่างชัดเจน

คำถามที่พบบ่อย

ฉันสามารถสรุปความเป็นสาเหตุจากการศึกษาภาคตัดขวางได้หรือไม่?

ไม่ได้ เนื่องจากปัจจัยเสี่ยงและผลลัพธ์ถูกวัดในเวลาเดียวกัน คุณจึงไม่สามารถระบุได้ว่าสิ่งใดเกิดขึ้นก่อน การศึกษาภาคตัดขวางเหมาะที่สุดสำหรับการอธิบายความชุกและการสร้างสมมติฐาน หากต้องการทดสอบสมมติฐานเชิงสาเหตุ จำเป็นต้องมีการศึกษาแบบติดตามระยะยาว (prospective cohort study) หรือการทดลองแบบสุ่ม (randomized trial)

มาตรวัดผลกระทบที่เหมาะสมสำหรับการศึกษาภาคตัดขวางคืออะไร?

โดยทั่วไปแล้ว สัดส่วนความชุก (Prevalence Ratio - PR) จะเป็นที่นิยมมากกว่าสัดส่วนอ๊อดส์ความชุก (Prevalence Odds Ratio - POR) เนื่องจากสามารถตีความได้โดยตรงมากกว่า โดยเฉพาะอย่างยิ่งเมื่อความชุกของผลลัพธ์เกิน 10% PR สามารถประมาณได้โดยใช้การถดถอยแบบปัวซง (Poisson regression) ที่มีความแปรปรวนที่แข็งแกร่ง (robust variance); POR ได้มาจากการถดถอยโลจิสติกส์ (logistic regression) สำหรับผลลัพธ์ที่หายาก ทั้งสองค่าจะใกล้เคียงกัน

ขนาดตัวอย่างของฉันควรมีขนาดเท่าใด?

ขนาดตัวอย่างขึ้นอยู่กับความชุกที่คาดการณ์ไว้ของผลลัพธ์, ความแม่นยำที่ต้องการ (margin of error สำหรับการประมาณค่าความชุก) หรืออำนาจการทดสอบ (power) (สำหรับการตรวจจับความสัมพันธ์) และการออกแบบการสุ่มตัวอย่าง สำหรับการประมาณค่าความชุกเพียงอย่างเดียว n = Z^2 * p(1-p) / e^2 (โดยที่ p คือความชุกที่คาดการณ์ และ e คือขอบเขตข้อผิดพลาดที่ยอมรับได้) หากใช้การสุ่มตัวอย่างแบบกลุ่ม ให้คูณด้วยผลกระทบจากการออกแบบ (design effect) ซึ่งโดยทั่วไปคือ 1.5–2.5

การศึกษาภาคตัดขวางแตกต่างจากการศึกษาแบบติดตามระยะยาว (cohort study) อย่างไร?

การศึกษาแบบติดตามระยะยาวจะติดตามผู้เข้าร่วมตลอดเวลาและสามารถวัดอุบัติการณ์ได้โดยตรง, พิสูจน์ลำดับเวลา และสนับสนุนการอนุมานเชิงสาเหตุที่แข็งแกร่งกว่า การศึกษาภาคตัดขวางจะเก็บข้อมูล ณ จุดเวลาเดียวโดยไม่มีการติดตามผล ทำให้รวดเร็วและถูกกว่า แต่ไม่สามารถพิสูจน์ลำดับเวลาได้ การศึกษาแบบติดตามระยะยาวเป็นที่ต้องการสำหรับคำถามเชิงสาเหตุ; การศึกษาภาคตัดขวางเป็นที่ต้องการสำหรับการประมาณค่าความชุกและการสร้างสมมติฐาน

อคติความชุก-อุบัติการณ์คืออะไร และจะจัดการกับมันได้อย่างไร?

อคติความชุก-อุบัติการณ์ (Neyman bias) เกิดขึ้นเนื่องจากกลุ่มตัวอย่างภาคตัดขวางมีแนวโน้มที่จะแสดงถึงผู้ที่รอดชีวิตนานพอที่จะถูกจับภาพในการสำรวจ ภาวะที่เสียชีวิตอย่างรวดเร็วหรือมีระยะเวลาสั้นจะถูกประมาณค่าต่ำเกินไป เพื่อลดปัญหานี้ ให้ใช้ทะเบียนหรือข้อมูลทางการบริหารที่ครอบคลุม, ยอมรับข้อจำกัดอย่างชัดเจน และหลีกเลี่ยงการสรุปค่าประมาณความชุกไปสู่ข้อสรุปเกี่ยวกับอุบัติการณ์

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

  1. Kelsey, J. L., Whittemore, A. S., Evans, A. S., & Thompson, W. D. (1996). Methods in Observational Epidemiology (2nd ed.). Oxford University Press.

    ISBN: 978-0195080407
    คัดลอกแล้ว
  2. Cross-sectional study. Wikipedia.

    เปิดเอกสารอ้างอิงสิ่งพิมพ์
    คัดลอกแล้ว