Skip to content
กลับไปยังผลการค้นหา

การศึกษาเชิงนิเวศ — การศึกษาทางระบาดวิทยาแบบกลุ่ม

ผู้เสนอ
Various; foundational work by John Snow (1854) and systematised in modern form by Brian MacMahon and colleagues
ปี
19th century (Snow 1854); formalised mid-20th century
ประเภท
Observational epidemiological study
กลุ่มวิธี
Clinical / epidemiology

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

การศึกษาเชิงนิเวศ (Ecological study) เป็นการออกแบบการศึกษาทางระบาดวิทยาเชิงสังเกต (observational epidemiological design) ซึ่งหน่วยของการวิเคราะห์คือกลุ่มหรือประชากร — เช่น ประเทศ ภูมิภาค เมือง หรือช่วงเวลา — แทนที่จะเป็นรายบุคคล การสัมผัส (exposures) และผลลัพธ์ (outcomes) จะถูกวัดเป็นข้อมูลรวม (aggregate) (เช่น อัตรา สัดส่วน หรือค่าเฉลี่ย) จากนั้นจึงนำมาหาความสัมพันธ์ระหว่างกลุ่มต่างๆ เพื่อสร้างหรือประเมินสมมติฐานเกี่ยวกับการเชื่อมโยงในระดับประชากรระหว่างปัจจัยเสี่ยงและโรค

แนวคิดเบื้องหลังวิธีการ

ลองนึกภาพการเปรียบเทียบอัตราการตายด้วยโรคมะเร็งในแต่ละประเทศกับปริมาณการบริโภคไขมันเฉลี่ยต่อหัวของประชากรในประเทศนั้นๆ ไม่มีการเข้าถึงข้อมูลการบริโภคหรือบันทึกสุขภาพของบุคคลใดบุคคลหนึ่ง แต่จะใช้ข้อมูลเฉลี่ยระดับประเทศจากทะเบียนสุขภาพและข้อมูลอุปทานอาหารมาจับคู่และพล็อต ความสัมพันธ์ที่แข็งแกร่งระหว่างประเทศต่างๆ บ่งชี้ถึงความเชื่อมโยงในระดับประชากรที่ควรค่าแก่การตรวจสอบเพิ่มเติม — แต่เนื่องจากข้อมูลเป็นข้อมูลรวม จึงไม่สามารถสรุปได้ว่าบุคคลที่บริโภคไขมันมากกว่าเป็นผู้ที่ป่วยเป็นมะเร็ง ช่องว่างระหว่างการอนุมานในระดับกลุ่มและระดับบุคคลนี้คือความท้าทายที่สำคัญของการออกแบบเชิงนิเวศ

ประวัติศาสตร์

การออกแบบเชิงนิเวศมีรากฐานมาจากการศึกษาของ John Snow ในปี 1854 ที่ทำแผนที่ผู้เสียชีวิตจากอหิวาตกโรคตามเขตจ่ายน้ำในลอนดอน — ซึ่งอาจถือได้ว่าเป็นการศึกษาเชิงนิเวศครั้งแรกในระบาดวิทยา วรรณกรรมระเบียบวิธีที่เป็นทางการได้พัฒนาขึ้นอย่างมากในช่วงกลางศตวรรษที่ยี่สิบ ควบคู่ไปกับการเติบโตของสถิติสุขภาพแห่งชาติ การทบทวนของ Hal Morgenstern ในปี 1982 และ 1995 กลายเป็นเอกสารอ้างอิงพื้นฐานที่ชี้แจงทั้งประโยชน์และข้อจำกัดพื้นฐานของการออกแบบ โดยเฉพาะอย่างยิ่งความผิดพลาดเชิงนิเวศ (ecological fallacy) ซึ่งเป็นคำที่อ้างถึง William S. Robinson (1950) วิธีการนี้ยังคงถูกใช้อย่างแพร่หลายในการศึกษาทางระบาดวิทยาด้านสิ่งแวดล้อม ทางระบาดวิทยาด้านโภชนาการ และการวิจัยนโยบายสุขภาพ

ควรใช้เมื่อใด

ใช้การศึกษาเชิงนิเวศเมื่อข้อมูลระดับบุคคลไม่พร้อมใช้งาน มีค่าใช้จ่ายสูงเกินไป หรือมีข้อจำกัดทางจริยธรรม และเมื่อคำถามวิจัยเกี่ยวข้องกับการสัมผัสในระดับประชากร — เช่น นโยบายระดับชาติ การปนเปื้อนสิ่งแวดล้อม หรือความขาดแคลนทางเศรษฐกิจและสังคม — ซึ่งมีความแปรปรวนระหว่างกลุ่มมากกว่าภายในกลุ่ม การออกแบบนี้มีประสิทธิภาพในการสร้างสมมติฐานเกี่ยวกับผลลัพธ์ที่หายากหรือโรคที่มีระยะฟักตัวยาวนานโดยใช้ข้อมูลที่รวบรวมตามปกติ อย่าใช้การศึกษาเชิงนิเวศเพื่อสรุปเกี่ยวกับสาเหตุระดับบุคคล ความผิดพลาดเชิงนิเวศทำให้การอนุมานดังกล่าวไม่น่าเชื่อถือ หลีกเลี่ยงการออกแบบนี้เมื่อการสัมผัสที่สนใจมีความแปรปรวนอย่างมากภายในหน่วยเชิงนิเวศ เมื่อไม่สามารถวัดและปรับปัจจัยกวนระดับกลุ่มได้ หรือเมื่อต้องการข้อสรุปเชิงสาเหตุมากกว่าสมมติฐานเชิงความสัมพันธ์ — ในกรณีเหล่านั้น การออกแบบตามกลุ่ม (cohort) หรือกรณี-ควบคุม (case-control) ในระดับบุคคลจึงจำเป็น

ข้อจำกัดและข้อควรพิจารณา

  • มีความเสี่ยงต่อความผิดพลาดเชิงนิเวศ (ecological fallacy): สหสัมพันธ์ที่สังเกตได้ในระดับกลุ่มอาจไม่เป็นจริงในระดับบุคคล และการอนุมานเกี่ยวกับบุคคลจากข้อมูลกลุ่มนั้นไม่สมเหตุสมผลตามหลักตรรกะ
  • ปัจจัยกวนระดับกลุ่มมักจะรุนแรงและควบคุมได้ยาก เนื่องจากปัจจัยที่สัมพันธ์กันหลายอย่างมีความแปรปรวนร่วมกันระหว่างหน่วยเชิงนิเวศ
  • การวัดการสัมผัสเป็นแบบทางอ้อมและมักไม่แม่นยำ — ตัวอย่างเช่น ข้อมูลอุปทานอาหารระดับชาติไม่ได้จับสิ่งที่บุคคลบริโภคจริง
  • การระบุสาเหตุย้อนกลับ (reverse causation) ทำได้ยากเมื่อทั้งข้อมูลการสัมผัสและข้อมูลผลลัพธ์มาจากช่วงเวลาเดียวกัน
  • ขึ้นอยู่กับความพร้อมใช้งานและคุณภาพของข้อมูลตามปกติ ซึ่งแตกต่างกันอย่างมากในแต่ละประเทศและช่วงเวลา

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • ประหยัดค่าใช้จ่ายอย่างยิ่ง: ใช้ประโยชน์จากข้อมูลการเฝ้าระวังและการบริหารที่มีอยู่ตามปกติโดยไม่ต้องเก็บข้อมูลปฐมภูมิ
  • เหมาะสมอย่างยิ่งกับการสัมผัสที่ส่งผลในระดับประชากร (มาตรฐานคุณภาพอากาศ นโยบายอุปทานอาหาร ดัชนีความไม่เท่าเทียมกันทางเศรษฐกิจและสังคม)
  • สามารถตรวจสอบโรคที่หายากหรือภาวะที่มีระยะฟักตัวยาวนานซึ่งการติดตามผลรายบุคคลจะทำได้ไม่สะดวก
  • ดำเนินการได้อย่างรวดเร็ว — สามารถสร้างผลลัพธ์ได้ภายในไม่กี่สัปดาห์โดยใช้ชุดข้อมูลสาธารณะ
  • มีคุณค่าสำหรับการสร้างสมมติฐานและสำหรับการแจ้งการออกแบบการศึกษาในระดับบุคคลที่มีค่าใช้จ่ายสูงกว่า

การประยุกต์ใช้

  • การตรวจสอบความสัมพันธ์ระหว่างดัชนีการบริโภคผักและผลไม้ระดับประเทศกับอัตราการตายด้วยโรคหัวใจและหลอดเลือดในแต่ละประเทศ
  • การตรวจสอบว่าการบริโภคเครื่องดื่มแอลกอฮอล์ต่อหัวในระดับภูมิภาคสัมพันธ์กับอัตราการเกิดโรคตับแข็งหรือไม่
  • การเปรียบเทียบความเข้มข้นของมลพิษทางอากาศในเมืองหรือเคาน์ตีต่างๆ กับอัตราการเข้ารับการรักษาในโรงพยาบาลด้วยโรคระบบทางเดินหายใจของประชากร
  • การวิเคราะห์แนวโน้มตามช่วงเวลา — ว่าการเพิ่มขึ้นของความชุกของโรคอ้วนตามช่วงเวลาสอดคล้องกับการเปลี่ยนแปลงในสภาพแวดล้อมการทำกิจกรรมทางกายในแต่ละรัฐหรือไม่
  • การประเมินความสัมพันธ์ระหว่างดัชนีความขาดแคลนทางเศรษฐกิจและสังคมในระดับละแวกบ้านกับอัตราการเสียชีวิตก่อนวัยอันควร
  • การสร้างสมมติฐานเกี่ยวกับภาระโรคติดเชื้อและอัตราความครอบคลุมของการฉีดวัคซีนในระบบสุขภาพของประเทศต่างๆ

วิธีการทำงาน

วิธีการทำงาน

1

ขั้นตอนที่ 1 — เลือกหน่วยวิเคราะห์เชิงนิเวศ — โดยทั่วไปคือการจัดกลุ่มทางภูมิศาสตร์หรือทางเวลา เช่น ประเทศ รัฐ เคาน์ตี เมือง หรือปีปฏิทิน การเลือกหน่วยจะกำหนดข้อมูลที่สามารถเข้าถึงได้และปัจจัยกวน (confounders) ที่สามารถควบคุมได้ หน่วยที่ละเอียดกว่า (เช่น เขตสำมะโนประชากร) ช่วยให้การวิเคราะห์แม่นยำยิ่งขึ้น แต่สถิติอาจมีขนาดเล็กและมีสัญญาณรบกวนสูง

2

ขั้นตอนที่ 2 — รวบรวมข้อมูลรวมตามปกติสำหรับแต่ละหน่วย: อัตราการเกิดโรคจากทะเบียนการตายหรือระบบเฝ้าระวัง และดัชนีการสัมผัสจากสถิติทางการ ฐานข้อมูลอุปทานอาหาร การตรวจวัดสิ่งแวดล้อม หรือบันทึกสำมะโนประชากร ข้อมูลมักไม่ได้ถูกเก็บรวบรวมใหม่สำหรับการศึกษาเชิงนิเวศ การออกแบบนี้มักใช้ประโยชน์จากข้อมูลการบริหารและข้อมูลการเฝ้าระวังที่มีอยู่

3

ขั้นตอนที่ 3 — ปรับมาตรฐานจำนวนให้เป็นอัตราที่เปรียบเทียบได้ — โดยทั่วไปคืออัตราอุบัติการณ์หรืออัตราการตายที่ปรับตามอายุ (age-standardised incidence or mortality rates) ต่อประชากร 100,000 คน — เพื่อให้ความแตกต่างของโครงสร้างอายุประชากรระหว่างหน่วยต่างๆ ไม่ก่อให้เกิดความสับสนในการหาความสัมพันธ์เชิงนิเวศ

4

ขั้นตอนที่ 4 — ประมาณค่าความสัมพันธ์ระหว่างตัววัดการสัมผัสในระดับกลุ่มและอัตราผลลัพธ์ในระดับกลุ่ม การถดถอยเชิงเส้น (Linear regression) หรือสหสัมพันธ์ของเพียร์สัน/สเปียร์แมน (Pearson/Spearman correlation) เป็นวิธีมาตรฐาน อาจมีการเพิ่มแบบจำลองหลายระดับ (multi-level models) หรือการถดถอยเชิงพื้นที่ (spatial regression) เมื่อข้อมูลเอื้ออำนวย ค่าสัมประสิทธิ์สหสัมพันธ์ r สรุปความแข็งแกร่งและทิศทางของความสัมพันธ์เชิงนิเวศ

สูตร
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

ขั้นตอนที่ 5 — ตีความความสัมพันธ์เชิงนิเวศอย่างระมัดระวัง ความสัมพันธ์เชิงบวกเป็นการสร้างสมมติฐาน ไม่ใช่ข้อพิสูจน์เชิงสาเหตุ ประเมินปัจจัยกวนที่อาจเกิดขึ้นซึ่งสามารถวัดได้ในระดับกลุ่ม ตรวจสอบความผิดพลาดเชิงนิเวศ (ecological fallacy) (สหสัมพันธ์ระดับกลุ่มไม่ได้บ่งบอกถึงสหสัมพันธ์ระดับบุคคล) และอภิปรายว่าความสัมพันธ์อาจเกิดจากความแตกต่างของคุณภาพข้อมูล แนวทางการรายงาน หรือปัจจัยระดับกลุ่มที่ไม่ได้วัดหรือไม่

ข้อผิดพลาดที่พบบ่อย

  • การกระทำผิดพลาดเชิงนิเวศ — การสรุปว่าเนื่องจากประเทศที่มีการบริโภคไขมันสูงมีอัตราการเกิดมะเร็งสูงกว่า ดังนั้นบุคคลที่บริโภคไขมันมากกว่าจึงมีความเสี่ยงเป็นมะเร็งสูงขึ้น การอนุมานนี้ไม่ได้รับการรับรองจากข้อมูลระดับกลุ่ม
  • การละเลยความแปรปรวนภายในกลุ่ม — เมื่อระดับการสัมผัสแตกต่างกันอย่างมากในหมู่บุคคลภายในแต่ละหน่วย ค่าเฉลี่ยของกลุ่มเป็นตัวแทนที่ไม่ดี และความเอนเอียงจากการลดทอน (attenuation bias) อาจบดบังหรือขยายความสัมพันธ์ที่แท้จริง
  • การเลือกหน่วยเชิงนิเวศหลังเหตุการณ์ (post hoc) เพื่อให้ได้ผลลัพธ์ที่ต้องการ (ปัญหาหน่วยพื้นที่ที่ปรับเปลี่ยนได้ - modifiable areal unit problem): สหสัมพันธ์อาจเปลี่ยนแปลงอย่างมาก ขึ้นอยู่กับว่าขอบเขตทางภูมิศาสตร์ถูกกำหนดไว้อย่างไร
  • การปฏิบัติต่อความสัมพันธ์เชิงนิเวศว่าเป็นหลักฐานเพียงพอสำหรับนโยบายโดยไม่มีการทำซ้ำในการศึกษาในระดับบุคคลหรือหลักฐานจากการทดลอง
  • การละเลยความแตกต่างของคุณภาพข้อมูล — การรายงานโรคไม่ครบถ้วนและความไม่สอดคล้องกันในการจำแนกประเภทระหว่างหน่วยต่างๆ สามารถสร้างความสัมพันธ์ที่ผิดพลาดได้

คำถามที่พบบ่อย

ความผิดพลาดเชิงนิเวศคืออะไรและเหตุใดจึงมีความสำคัญ?

ความผิดพลาดเชิงนิเวศ (ecological fallacy) (Robinson 1950) คือข้อผิดพลาดในการสันนิษฐานว่าสหสัมพันธ์ที่สังเกตได้ในระดับกลุ่มนั้นใช้ได้กับบุคคลภายในกลุ่มเหล่านั้นด้วย ตัวอย่างเช่น ประเทศที่มีรายได้เฉลี่ยสูงกว่าอาจมีอัตราการเกิดมะเร็งสูงกว่า — แต่ไม่ได้หมายความว่าบุคคลที่ร่ำรวยกว่าภายในประเทศใดๆ มีแนวโน้มที่จะเป็นมะเร็งมากขึ้น จำเป็นต้องใช้ข้อมูลระดับบุคคลจากการศึกษาตามกลุ่มหรือกรณี-ควบคุมเพื่อทดสอบสมมติฐานระดับบุคคล

การศึกษาเชิงนิเวศแตกต่างจากการศึกษาภาคตัดขวาง (cross-sectional study) อย่างไร?

การศึกษาภาคตัดขวางรวบรวมข้อมูลการสัมผัสและผลลัพธ์จากผู้เข้าร่วมแต่ละราย ณ จุดเวลาเดียว ทำให้สามารถวิเคราะห์ในระดับบุคคลได้ การศึกษาเชิงนิเวศใช้ข้อมูลรวมในระดับกลุ่ม — ไม่มีการเกี่ยวข้องกับบันทึกของบุคคล การออกแบบเชิงนิเวศทำได้เร็วกว่าและถูกกว่า แต่มีความเสี่ยงต่อความผิดพลาดเชิงนิเวศ การออกแบบภาคตัดขวางหลีกเลี่ยงความผิดพลาดนั้น แต่ต้องมีการเก็บข้อมูลปฐมภูมิ

การศึกษาเชิงนิเวศสามารถสร้างความเป็นสาเหตุได้หรือไม่?

ไม่ได้ การศึกษาเชิงนิเวศเป็นการสร้างสมมติฐาน แม้แต่ความสัมพันธ์ข้ามชาติที่แข็งแกร่งก็สอดคล้องกับเรื่องราวเชิงสาเหตุหลายอย่างและกลไกการกวนหลายอย่าง การสร้างความเป็นสาเหตุต้องใช้หลักฐานระดับบุคคลจากการศึกษาตามกลุ่มหรือการทดลองแบบสุ่ม โดยได้รับการสนับสนุนจากความเป็นไปได้ทางชีววิทยาและระดับปริมาณ-ผลตอบสนอง (dose-response gradients)

ปัญหาหน่วยพื้นที่ที่ปรับเปลี่ยนได้ (modifiable areal unit problem) คืออะไร?

ปัญหาหน่วยพื้นที่ที่ปรับเปลี่ยนได้ (MAUP) หมายถึงการค้นพบว่าขนาดและรูปร่างของหน่วยทางภูมิศาสตร์ที่เลือกสามารถเปลี่ยนแปลงสหสัมพันธ์เชิงนิเวศที่สังเกตได้อย่างมาก หากคุณรวบรวมข้อมูลในระดับประเทศ คุณอาจเห็นความสัมพันธ์ที่แตกต่างจากระดับรัฐหรือเคาน์ตี การวิเคราะห์ความไว (sensitivity analyses) โดยใช้ระดับการรวมกลุ่มหลายระดับช่วยประเมินความแข็งแกร่งของผลการวิจัย

เมื่อใดที่การศึกษาเชิงนิเวศจะดีกว่าการศึกษาตามกลุ่ม (cohort study)?

เมื่อการสัมผัสเป็นปรากฏการณ์ระดับประชากร — เช่น นโยบายระดับชาติ การสัมผัสสิ่งแวดล้อมร่วมกัน หรือแนวโน้มตามช่วงเวลา — ซึ่งโดยนิยามแล้วไม่สามารถกำหนดให้กับบุคคลได้โดยไม่ขึ้นกับสังกัดกลุ่ม ในสถานการณ์เหล่านั้น หน่วยเชิงนิเวศเป็นหน่วยวิเคราะห์ตามธรรมชาติ และการออกแบบในระดับบุคคลไม่สามารถจับความแปรปรวนที่เกี่ยวข้องได้

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

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

    เปิดเอกสารอ้างอิง DOI
    คัดลอกแล้ว
  2. Ecological study. Wikipedia.

    เปิดเอกสารอ้างอิงสิ่งพิมพ์
    คัดลอกแล้ว