การศึกษาแบบจับคู่กรณี-ควบคุม
- ผู้เสนอ
- Brian MacMahon and others; systematised by Schlesselman (1982)
- ปี
- 1950s–1970s
- ประเภท
- Observational analytic design
- กลุ่มวิธี
- Clinical / epidemiology
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การศึกษาแบบจับคู่กรณี-ควบคุม (matched case-control study) เป็นการออกแบบการศึกษาเชิงสังเกตทางระบาดวิทยา ซึ่งผู้ป่วยแต่ละราย (กรณี คือ บุคคลที่มีโรคหรือผลลัพธ์ที่สนใจ) จะถูกจับคู่กับผู้ควบคุม (control คือ บุคคลที่ไม่มีผลลัพธ์) หนึ่งคนหรือมากกว่า ที่มีลักษณะร่วมกันอย่างน้อยหนึ่งอย่าง เช่น อายุ เพศ หรือบริบททางคลินิก เพื่อควบคุมปัจจัยกวน (confounding) จากนั้นจึงเปรียบเทียบลักษณะการได้รับสัมผัส (exposure) ระหว่างกรณีและผู้ควบคุมที่จับคู่กัน เพื่อประเมินอัตราต่อรอง (odds ratio) ของความสัมพันธ์ระหว่างการได้รับสัมผัสกับโรค
แนวคิดเบื้องหลังวิธีการ
ลองนึกภาพเหมือนนักสืบที่จับคู่ผู้ต้องสงสัยกับบุคคลที่มีลักษณะคล้ายคลึงกัน หากคุณต้องการทราบว่าการได้รับสัมผัสบางอย่างเป็นสาเหตุของโรคหรือไม่ คุณจะหาผู้ป่วยที่เป็นโรค แล้วตามหาบุคคลที่มีลักษณะคล้ายคลึงกัน เช่น อายุ เพศ โรงพยาบาลเดียวกัน ที่ไม่ได้เป็นโรค การรักษาลักษณะพื้นฐานเหล่านี้ให้เหมือนกัน ทำให้ความแตกต่างในประวัติการได้รับสัมผัสระหว่างคู่มีความเป็นไปได้สูงที่จะสะท้อนถึงความเชื่อมโยงที่แท้จริง แทนที่จะเป็นปัจจัยกวน การจับคู่ช่วยให้การเปรียบเทียบมีความแม่นยำมากขึ้น ทำให้สัญญาณชัดเจนขึ้น แต่ก็แลกมาด้วยความยืดหยุ่นในการวิเคราะห์ที่ลดลง
ประวัติศาสตร์
การศึกษาแบบกรณี-ควบคุมได้รับการจัดรูปแบบอย่างเป็นทางการในระบาดวิทยาในช่วงทศวรรษที่ 1950 โดยมีการศึกษาที่สำคัญของ Doll และ Hill (1950) เกี่ยวกับการสูบบุหรี่และมะเร็งปอด โดยใช้ผู้ควบคุมที่มาจากโรงพยาบาล หลักการของการจับคู่เพื่อปรับปรุงความสามารถในการเปรียบเทียบถูกนำมาใช้ตั้งแต่ต้นและถูกกำหนดโดย Brian MacMahon และคณะ หนังสือ Case-Control Studies ของ James Schlesselman ในปี 1982 ได้วางกรอบการวิเคราะห์สำหรับการออกแบบแบบจับคู่ รวมถึงอัตราต่อรองที่จับคู่กันและการถดถอยโลจิสติกแบบมีเงื่อนไข บทความของ Nathan Mantel และ William Haenszel ในปี 1959 ได้เสนอวิธีการแบ่งชั้น (stratified methods) ที่เป็นรากฐานซึ่งรองรับการวิเคราะห์แบบจับคู่ และแนวทางการถดถอยโลจิสติกแบบมีเงื่อนไขได้รับการพัฒนาในช่วงทศวรรษที่ 1970-1980 กลายเป็นเครื่องมือวิเคราะห์มาตรฐานสำหรับข้อมูลกรณี-ควบคุมที่จับคู่กันแบบรายบุคคล
ควรใช้เมื่อใด
ใช้การศึกษาแบบจับคู่กรณี-ควบคุม เมื่อศึกษาโรคหรือผลลัพธ์ที่หายาก ซึ่งการศึกษาแบบกลุ่มประชากร (cohort study) เต็มรูปแบบจะต้องใช้กลุ่มตัวอย่างขนาดใหญ่เกินจริง หรือต้องติดตามผลเป็นเวลานานมาก เมื่อต้องการควบคุมปัจจัยกวนที่เฉพาะเจาะจง (เช่น อายุ เพศ หรือศูนย์กลางทางคลินิก) อย่างเข้มงวด และเมื่อทรัพยากรเพียงพอสำหรับการจับคู่รายบุคคลและการวิเคราะห์แบบมีเงื่อนไข การศึกษานี้มีคุณค่าอย่างยิ่งในการศึกษาที่อิงโรงพยาบาลและการสอบสวนการระบาด อย่าใช้การจับคู่เมื่อตัวแปรที่ใช้ในการจับคู่อาจเป็นตัวกลางในเส้นทางสาเหตุระหว่างการได้รับสัมผัสและโรค (over-matching) เมื่อจำนวนกรณีมีน้อยมากและไม่สามารถหาคู่ควบคุมที่จับคู่ได้ หรือเมื่อการได้รับสัมผัสที่เปลี่ยนแปลงตามเวลาทำให้การจับคู่แบบคงที่ (static matching) ไม่เหมาะสม ในสถานการณ์เหล่านั้น การศึกษาแบบกรณี-ครอสโอเวอร์ (case-crossover) หรือการศึกษาแบบกลุ่มประชากรอาจเหมาะสมกว่า การจับคู่ไม่สามารถขจัดปัจจัยกวนที่ไม่ได้วัดได้ (unmeasured confounding)
ข้อจำกัดและข้อควรพิจารณา
- ไม่สามารถประเมินความชุก (prevalence) หรืออุบัติการณ์ (incidence) ของผลลัพธ์ได้ - ทำได้เพียงประมาณค่าอัตราต่อรองสำหรับความสัมพันธ์ระหว่างการได้รับสัมผัสและผลลัพธ์
- ตัวแปรที่ใช้ในการจับคู่ไม่สามารถนำมาศึกษาเป็นการได้รับสัมผัสได้ เว้นแต่จะใช้วิธีการวิเคราะห์ที่ซับซ้อน
- การจับคู่ที่มากเกินไป (over-matching) คือ การเลือกตัวแปรที่ใช้ในการจับคู่ซึ่งมีความสัมพันธ์กับการได้รับสัมผัส แต่ไม่ได้สัมพันธ์กับโรคอย่างอิสระ (หรือเป็นตัวกลางในเส้นทางสาเหตุ) จะทำให้ขนาดตัวอย่างที่ต้องการเพิ่มขึ้น และทำให้อัตราต่อรองเอนเอียงเข้าหาค่าศูนย์ (null)
- การหาคู่ควบคุมที่จับคู่ได้เพียงพออาจเป็นเรื่องยาก โดยเฉพาะอย่างยิ่งสำหรับชุดเกณฑ์การจับคู่ที่หายาก ซึ่งนำไปสู่กรณีที่ไม่ได้รับการจับคู่ที่ต้องถูกคัดออก
- โครงสร้างการจับคู่จะต้องได้รับการรักษาไว้ในการวิเคราะห์ การละเลย (เช่น ใช้การถดถอยโลจิสติกแบบไม่มีเงื่อนไข) จะทำให้การประมาณค่าเอนเอียง - ต้องใช้การถดถอยโลจิสติกแบบมีเงื่อนไข หรือการทดสอบของ McNemar เสมอ
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- ควบคุมปัจจัยกวนที่สำคัญ (อายุ เพศ ศูนย์กลางทางคลินิก) ได้อย่างมีประสิทธิภาพโดยการออกแบบ แทนที่จะอาศัยการปรับทางสถิติเพียงอย่างเดียว
- เหมาะสมอย่างยิ่งสำหรับผลลัพธ์ที่หายากซึ่งการศึกษาแบบกลุ่มประชากรเต็มรูปแบบไม่สามารถทำได้ สามารถใช้กลุ่มตัวอย่างเพียงเศษเสี้ยวของกลุ่มตัวอย่างที่ไม่ได้จับคู่เพื่อให้ได้ความแม่นยำที่เทียบเคียงได้
- ลดความแปรปรวนภายในชุดที่จับคู่กัน ซึ่งมักจะเพิ่มประสิทธิภาพทางสถิติสำหรับขนาดตัวอย่างที่กำหนด
- ได้รับการยอมรับอย่างกว้างขวางและเป็นที่เข้าใจกันดีในวารสารทางการแพทย์และระบาดวิทยา การถดถอยโลจิสติกแบบมีเงื่อนไขเป็นมาตรฐานและมีอยู่ในโปรแกรมทางสถิติหลักทั้งหมด
การประยุกต์ใช้
- การสอบสวนปัจจัยเสี่ยงของมะเร็งหายาก โดยการจับคู่ผู้ป่วยมะเร็งในโรงพยาบาลกับผู้ควบคุมจากโรงพยาบาลเดียวกันตามอายุ เพศ และหอผู้ป่วยที่เข้ารับการรักษา
- การสอบสวนการระบาด ซึ่งกรณีของโรคที่เกิดจากอาหารถูกจับคู่กับผู้ควบคุมในละแวกใกล้เคียงตามที่ตั้งทางภูมิศาสตร์และโอกาสในการรับประทานอาหาร
- การศึกษาเภสัชระบาดวิทยา (Pharmacoepidemiological studies) เพื่อตรวจสอบอาการไม่พึงประสงค์จากยา โดยจับคู่กรณีกับผู้ควบคุมที่ได้รับยาตามข้อบ่งใช้ อายุ และโรคร่วม
- การศึกษาอาชีวระบาดวิทยา (Occupational epidemiology) ของการได้รับสัมผัสที่หายาก (เช่น สารเคมีเฉพาะ) โดยจับคู่กับผู้ควบคุมในอุตสาหกรรมเดียวกัน เพื่อขจัดปัจจัยกวนจากการทำงาน
- พันธุระบาดวิทยา (Genetic epidemiology) ซึ่งกรณีและผู้ควบคุมจะถูกจับคู่ตามชาติพันธุ์ เพื่อลดการแบ่งชั้นประชากร (population stratification) ก่อนการตรวจหาจีโนไทป์
- การศึกษาภาวะฉุกเฉินและศัลยกรรม ซึ่งการเข้ารับการรักษาในโรงพยาบาลเป็นกรอบการจับคู่ตามธรรมชาติสำหรับคำถามเกี่ยวกับความสัมพันธ์ระหว่างการได้รับสัมผัสเฉียบพลันและผลลัพธ์
วิธีการทำงาน
วิธีการทำงาน
กำหนดนิยามกรณี (case definition) ที่แม่นยำ โดยระบุโรคหรือผลลัพธ์ เกณฑ์การวินิจฉัย ประชากรที่มีสิทธิ์เข้าร่วม (source population) และกรอบเวลา ระบุการได้รับสัมผัสที่สนใจ และปัจจัยกวนที่ต้องการควบคุมด้วยการจับคู่ กำหนดอัตราส่วนการจับคู่ (1:1, 1:2 เป็นต้น) และตัวแปรที่ใช้ในการจับคู่ล่วงหน้า
คัดเลือกผู้ป่วยรายใหม่ (incident cases) หรือผู้ป่วยที่มีอยู่ (prevalent cases) จากแหล่งที่กำหนด เช่น เวชระเบียนโรงพยาบาล ทะเบียนโรค หรือระบบเฝ้าระวัง ยืนยันว่าผู้ป่วยแต่ละรายมีคุณสมบัติตรงตามนิยามกรณี เลือกผู้ควบคุมจากประชากรแหล่งเดียวกัน โดยเป็นบุคคลที่มีสิทธิ์ที่จะกลายเป็นกรณี โดยใช้วิธีการสุ่มตัวอย่างแบบอิงโรงพยาบาล อิงประชากร หรือแบบความหนาแน่น (density sampling)
สำหรับผู้ป่วยแต่ละราย ให้เลือกผู้ควบคุมหนึ่งคนหรือมากกว่า ที่มีค่าของตัวแปรที่ใช้ในการจับคู่เหมือนกัน (เช่น ช่วงอายุ 5 ปี และเพศเดียวกัน) การจับคู่แบบรายบุคคล (1:1 หรือ 1:หลาย) จะผูกผู้ควบคุมแต่ละคนกับผู้ป่วยเฉพาะราย ในขณะที่การจับคู่แบบความถี่ (frequency matching) จะปรับสมดุลการกระจายของตัวแปรที่ใช้ในการจับคู่ระหว่างกลุ่มโดยรวม บันทึกอัตราส่วนการจับคู่และช่วงค่า (caliper widths) ที่ใช้
ประเมินสถานะการได้รับสัมผัสทั้งในกลุ่มกรณีและกลุ่มผู้ควบคุมที่จับคู่กัน โดยใช้วิธีการวัดเดียวกันสำหรับทั้งสองกลุ่ม เพื่อหลีกเลี่ยงการจำแนกผิดพลาดที่แตกต่างกัน แหล่งข้อมูลทั่วไป ได้แก่ การสัมภาษณ์ เวชระเบียน ข้อมูลจากธนาคารชีวภาพ หรือฐานข้อมูลบริหาร การปิดบังข้อมูลผู้ประเมินผลลัพธ์เกี่ยวกับสถานะกรณี/ผู้ควบคุม จะช่วยลดอคติจากการได้รับข้อมูล (information bias)
วิเคราะห์ข้อมูลที่จับคู่กันด้วยการถดถอยโลจิสติกแบบมีเงื่อนไข (conditional logistic regression) (หรือการทดสอบของ McNemar สำหรับคู่ที่จับคู่กันแบบ 1:1) เพื่อรักษาโครงสร้างการจับคู่ สำหรับการออกแบบแบบจับคู่ 1:1 อย่างง่าย อัตราต่อรองที่จับคู่กันจะถูกประมาณค่าเป็น OR = b/c โดยที่ b = จำนวนคู่ที่ไม่สอดคล้องกัน (discordant pairs) ที่กรณีได้รับสัมผัสและผู้ควบคุมไม่ได้รับสัมผัส และ c = จำนวนคู่ที่ไม่สอดคล้องกันที่กรณีไม่ได้รับสัมผัสและผู้ควบคุมได้รับสัมผัส ปรับค่าสำหรับตัวแปรร่วม (covariates) เพิ่มเติมภายในแบบจำลองแบบมีเงื่อนไข
สูตร
OR = (b / c)
แสดงผลลัพธ์เป็นอัตราต่อรองที่จับคู่กัน พร้อมช่วงความเชื่อมั่น 95% ประเมินว่าตัวแปรที่ใช้ในการจับคู่มีความเหมาะสมหรือไม่ ตรวจสอบการจับคู่ที่มากเกินไป (over-matching คือ การจับคู่กับตัวแปรที่เป็นตัวกลางในเส้นทางสาเหตุ) และประเมินปัจจัยกวนที่หลงเหลือ (residual confounding) อภิปรายความตรงภายนอก (external validity) ที่เกี่ยวข้องกับประชากรแหล่งที่มา
ข้อผิดพลาดที่พบบ่อย
- การจับคู่ที่มากเกินไป (Over-matching): การเลือกตัวแปรที่ใช้ในการจับคู่ซึ่งอยู่บนเส้นทางสาเหตุระหว่างการได้รับสัมผัสและโรค (ตัวกลาง) จะกำจัดความแปรปรวนที่จำเป็นในการตรวจจับความสัมพันธ์ และทำให้อัตราต่อรองเอนเอียงเข้าหา 1.0
- การละเลยการจับคู่ในการวิเคราะห์ (Breaking the match in analysis): การวิเคราะห์ข้อมูลที่จับคู่กันด้วยการถดถอยโลจิสติกแบบไม่มีเงื่อนไข (standard unconditional logistic regression) มาตรฐาน จะสูญเสียประโยชน์ด้านประสิทธิภาพของการจับคู่ และอาจก่อให้เกิดความเอนเอียง - ควรใช้การถดถอยโลจิสติกแบบมีเงื่อนไข หรือการทดสอบของ McNemar เสมอ
- อคติจากการระลึก (Recall bias): หากกรณีจำการได้รับสัมผัสได้ชัดเจนกว่าผู้ควบคุม (differential recall) อัตราต่อรองจะถูกประเมินสูงเกินไป ควรใช้บันทึกที่เป็นวัตถุประสงค์ หรือตัวบ่งชี้ทางชีวภาพ (biomarkers) หากเป็นไปได้
- การละเลยกรณีที่ไม่ได้รับการจับคู่ (Ignoring unmatched cases): การคัดกรองกรณีที่ไม่พบคู่ควบคุมที่จับคู่ได้ อาจก่อให้เกิดอคติจากการเลือก (selection bias) หากการถูกคัดออกนั้นสัมพันธ์กับการได้รับสัมผัส
- การควบคุมปัจจัยกวนที่หลงเหลือไม่เพียงพอ (Insufficient control for residual confounding): การจับคู่โดยใช้กลุ่มกว้างๆ (เช่น ช่วงอายุ 10 ปี) จะทำให้ปัจจัยกวนภายในกลุ่มยังคงอยู่ ควรปรับปรุงกลุ่มให้ละเอียดขึ้น หรือปรับค่าอายุอย่างต่อเนื่องในแบบจำลอง
คำถามที่พบบ่อย
เหตุใดฉันจึงต้องใช้การถดถอยโลจิสติกแบบมีเงื่อนไข แทนที่จะใช้การถดถอยโลจิสติกแบบปกติ
ในการศึกษาแบบจับคู่รายบุคคล กรณีและผู้ควบคุมที่จับคู่กันจะประกอบกันเป็นชั้น (stratum) การถดถอยโลจิสติกแบบไม่มีเงื่อนไข (unconditional logistic regression) จะปฏิบัติต่อทุกชั้นเสมือนเป็นกลุ่มตัวอย่างรวมกลุ่มเดียว ซึ่งจะให้ค่าประมาณที่เอนเอียง เนื่องจากค่าตัดขวาง (intercepts) ของแต่ละชุดที่จับคู่กันถูกปฏิบัติต่อเป็นพารามิเตอร์คงที่ ซึ่งนำไปสู่ปัญหาพารามิเตอร์ที่เกิดขึ้นชั่วคราว (incidental parameters problem) ในทางตรงกันข้าม การถดถอยโลจิสติกแบบมีเงื่อนไขจะพิจารณาจากสถิติเพียงพอ (sufficient statistic) ของแต่ละชุดที่จับคู่กัน ซึ่งจะกำจัดค่าตัดขวางเฉพาะชั้น และให้ค่าอัตราต่อรองที่จับคู่กันโดยไม่เอนเอียง
การจับคู่ที่มากเกินไป (over-matching) คืออะไร และทำไมจึงเป็นอันตราย
การจับคู่ที่มากเกินไปเกิดขึ้นเมื่อคุณจับคู่กับตัวแปรที่มีความสัมพันธ์กับการได้รับสัมผัส แต่ไม่ได้สัมพันธ์กับโรคอย่างอิสระ (หรือเป็นตัวกลางในเส้นทางสาเหตุ) เนื่องจากกรณีและผู้ควบคุมจะมีประวัติการได้รับสัมผัสที่คล้ายคลึงกันโดยการออกแบบ ความแตกต่างระหว่างกลุ่มจะลดลง อัตราต่อรองจะเอนเอียงเข้าหา 1 และต้องใช้ขนาดตัวอย่างที่ใหญ่ขึ้นเพื่อให้ได้กำลังการทดสอบ (power) เท่าเดิม ควรหลีกเลี่ยงการจับคู่กับตัวแปรที่อาจเป็นผลสืบเนื่องจากการได้รับสัมผัส
ฉันจะเลือกรอัตราส่วนการจับคู่ได้อย่างไร
อัตราส่วน 1:1 เป็นอัตราส่วนที่พบบ่อยที่สุดและจัดการได้ง่ายที่สุด การเพิ่มเป็น 1:2 หรือ 1:3 ของผู้ควบคุมต่อกรณี จะช่วยเพิ่มความแม่นยำเมื่อกรณีหายากแต่ผู้ควบคุมมีจำนวนมาก ประโยชน์ด้านประสิทธิภาพจะลดลงหลังจาก 1:4 และแทบไม่คุ้มค่ากับความซับซ้อนที่เพิ่มขึ้น หากกรณีหายากมากและผู้ควบคุมมีจำนวนมาก อัตราส่วน 1:4 มักถือเป็นค่าสูงสุดที่ปฏิบัติได้
ฉันสามารถศึกษาการได้รับสัมผัสหลายอย่างในการศึกษาแบบจับคู่กรณี-ควบคุมเดียวกันได้หรือไม่
ได้ แบบจำลองการถดถอยโลจิสติกแบบมีเงื่อนไขสามารถรวมตัวแปรการได้รับสัมผัสหลายตัวพร้อมกันได้ ทำให้สามารถประเมินปัจจัยเสี่ยงหลายอย่างได้ โดยยังคงรักษาโครงสร้างการจับคู่ไว้ อย่างไรก็ตาม การได้รับสัมผัสเพิ่มเติมแต่ละอย่างจะเพิ่มพารามิเตอร์และต้องการขนาดตัวอย่างที่เพียงพอ ควรหลีกเลี่ยงการขุดข้อมูล (data dredging) โดยการกำหนดการได้รับสัมผัสหลักและรองไว้ล่วงหน้าในระเบียบวิธีวิจัย
ความแตกต่างระหว่างการจับคู่รายบุคคลและการจับคู่ความถี่คืออะไร
การจับคู่รายบุคคล (pair matching) จะผูกกรณีเฉพาะแต่ละรายกับผู้ควบคุมเฉพาะหนึ่งคนหรือมากกว่าตามตัวแปรที่ใช้ในการจับคู่ ซึ่งต้องใช้การวิเคราะห์แบบมีเงื่อนไข ในขณะที่การจับคู่ความถี่ (frequency matching) จะทำให้แน่ใจว่าการกระจายโดยรวมของตัวแปรที่ใช้ในการจับคู่มีความสมดุลระหว่างกรณีและผู้ควบคุม แต่ไม่ได้สร้างคู่เฉพาะกรณี การจับคู่ความถี่สามารถวิเคราะห์ได้ด้วยการถดถอยโลจิสติกแบบไม่มีเงื่อนไข โดยปรับค่าสำหรับตัวแปรที่ใช้ในการจับคู่ การจับคู่รายบุคคลให้การควบคุมที่เข้มงวดกว่า แต่มีความต้องการด้านการจัดการมากกว่า และจำกัดการวิเคราะห์
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Rothman, K. J., Greenland, S., & Lash, T. L. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN: 978-0781755474คัดลอกแล้วSchlesselman, J. J. (1982). Case-Control Studies: Design, Conduct, Analysis. Oxford University Press.
ISBN: 978-0195029338คัดลอกแล้ว