Vaka-Kontrol Çalışma Tasarımı
- Ortaya koyan
- Jerome L. Schlesselman, Brian MacMahon, Thomas Pugh
- Yıl
- 1950s-1970s
- Tür
- Research Design
- Aile
- observational design
Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku
Ne işe yarar?
Bir vaka-kontrol çalışması, bir hastalığı veya sonucu olan bireyleri (vakalar) ve sonuç olmadan bir karşılaştırma grubunu (kontrol) belirler, ardından geçmiş maruziyeti geriye dönük olarak ölçer. 1950'ler-1970'lerde Schlesselman ve MacMahon gibi epidemiyologlar tarafından geliştirilen vaka-kontrol çalışmaları, nadir hastalıklar için özellikle verimlidir, çünkü sonuç açısından zengin vakaları örnekler ve devasa kohortlara olan ihtiyacı ortadan kaldırır.
Klinik epidemiyoloji, gözlemsel araştırma ve salgın araştırmalarının temelini oluştururlar.
Yöntemin mantığı
Vaka-kontrol çalışmaları geriye doğru çalışır: hastalığı olan kişilerle başlar, ardından 'Hastalanmadan önce neye maruz kaldınız?' diye sorar. Hastalığı olmayan kontrollerle karşılaştırılır. Vakaların, kontrollerden daha olası bir geçmiş maruziyeti bildirmesi durumunda, maruziyet muhtemelen bir risk faktörüdür. Anahtar istatistik, yalnızca vaka-kontrol örneğinden hesaplanabilen Oran Oranıdır (OR). Ana zorluklar hatırlama yanlılığı (vakalar maruziyetleri kontrollerden farklı hatırlayabilir) ve seçim yanlılığıdır (kontrol seçimi sonuçlarınızı etkiler). Nadir hastalıklar için vaka-kontrol, kohorttan çok daha verimlidir: yıllarca takip edilen 100.000 hastalıksız kişi yerine 100 vaka ve 100 kontrol kaydedilir.
Tarih
Vaka-kontrol metodolojisi, epidemiyologların nadir hastalıkları verimli bir şekilde incelemeye çalıştığı 1950'lerde ortaya çıktı. Jerome Schlesselman'ın monografisi (1982) istatistiksel temeli resmileştirdi. Vaka-kontrol tasarımları, nedensel bağlantıları kurmada belirleyici oldu: talidomid ve doğum kusurları (1960'lar) ve sigara ve akciğer kanseri (Doll & Hill) üzerine klasik vaka-kontrol çalışması, maruziyetleri hızlı bir şekilde tespit etme tasarımının gücünü örneklendirir. Yuvalanmış vaka-kontrol çalışmaları (bir kohort içinden kontrol seçimi) ve eşleştirilmiş vaka-kontrol tasarımları, hassasiyeti artırmak için gelişti. Bugün, vaka-kontrol çalışmaları, özellikle salgınları, mesleki tehlikeleri ve nadir olumsuz olayları araştırmak için epidemiyolojide temel olmaya devam etmektedir.
Ne zaman kullanılır?
Vaka-kontrol çalışmaları şu durumlarda kullanılır: (1) hastalık veya sonuç nadirdir (örn. nadir kanserler, doğum kusurları), bu da kohort çalışmalarını aşırı pahalı hale getirir, (2) maruziyet ile sonuç arasında uzun bir gizli dönem vardır (yıllar ila on yıllar), (3) tek bir sonuç için birden fazla maruziyet incelenmesi, (4) salgın veya epidemi araştırmaları yürütülmesi (maruz kalanlara karşı maruz kalmayanların karşılaştırılması), (5) mevcut verilerden (tıbbi kayıtlar, hastalık kayıtları) hipotez üretilmesi, (6) kaynakların sınırlı olması (vaka-kontrol, kohorttan daha ucuz ve daha hızlıdır), (7) takip edilemeyen geçmiş maruziyetlerin incelenmesi.
Sınırlar ve dikkat edilmesi gerekenler
- Hatırlama yanlılığı: sonucu yaşamış olan vakalar, kontrollerden farklı olarak geçmiş maruziyetleri hatırlayabilir. Vakalar maruziyet bildirimini abartır veya küçümserse, OR yanlı olur.
- Seçim yanlılığı: kontrollerin nasıl seçildiği OR'yi kritik olarak etkiler. Kontroller, vakaları oluşturan aynı kaynak popülasyonundan gelmelidir; toplum kaynaklı vakalar kullanıldığında hastaneye yatırılmış kontroller kullanmak yanlılığa neden olur.
- Zamansal belirsizlik: geriye dönük maruziyet ölçümü nedenselliği gizleyebilir. Maruziyet sonuca mı öncülük etti, yoksa sonuç maruziyet hatırlamasını mı etkiledi?
- İnsidans hesaplanamaz: vaka-kontrol örnekleri sonuç açısından zengindir, bu nedenle hastalık insidansını veya mutlak riski doğrudan tahmin edemezsiniz. OR, tahmin edilebilir tek ilişki ölçüsüdür.
- Maruziyet yanlış sınıflandırılması: geriye dönük maruziyet değerlendirmesi (özellikle uzak maruziyetler için) hataya açıktır ve OR'yi sıfıra doğru yanlı hale getirir.
Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.
Güçlü yönleri
- Nadir sonuçlar için verimlilik: sonuç açısından zengin örnekleme, vaka-kontrol çalışmalarını nadir hastalıklar için kohort çalışmalarından çok daha verimli hale getirir. Nadir bir kanser çalışması, yıllarca takip edilen 100.000 kişi yerine 300 vaka ve 300 kontrol kaydedebilir.
- Hız ve maliyet: geriye dönük veri toplama, prospektif takipten daha hızlı ve daha ucuzdur.
- Birden fazla maruziyet: tek bir vaka-kontrol çalışması birden fazla maruziyeti aynı anda inceleyebilir ve yeni risk faktörleri belirleyebilir.
- Yerleşik hastalık kayıtları: birçok hastalığın (kanser, doğum kusurları) kayıtları vardır, bu da iyi karakterize edilmiş vakalara hazır erişim sağlar.
- Gizli dönem: vaka-kontrol, maruziyet ile sonuç tanısı arasındaki uzun indüksiyon-gizli dönemlerini doğal olarak ele alır.
Uygulama alanları
- Salgın araştırması: gıda kaynaklı bir hastalık salgını sırasında, vakaları (hasta kişiler) ve kontrolleri (maruz kalan ancak hasta olmayanlar) belirleyin, tüketilen gıdaları karşılaştırın ve kaynağı tespit edin.
- Doğum kusurları epidemiyolojisi: konjenital anomalili bebekleri vaka olarak kaydedin, popülasyon tabanlı kontroller seçin, annelere hamilelik sırasında ilaç kullanımı, enfeksiyonlar veya maruziyetler hakkında sorun.
- Mesleki sağlık: mezotelyoma (nadir sonuç) olan işçiler vakalardır; kontroller asbestle ilişkili hastalığı olmayan işçilerdir; istihdam kayıtlarından asbest maruziyetini geriye dönük olarak değerlendirin.
- İlaç olumsuz etkileri: karaciğer yetmezliği nedeniyle hastaneye yatırılmış hastalar (vakalar), hastaneye yatırılmış kontrollerle (karaciğer yetmezliği olmayan) karşılaştırılır; hepatotoksik ilaçları belirlemek için ilaç geçmişi gözden geçirilir.
- Kanser etiyolojisi: yeni teşhis edilmiş kanser hastaları (vakalar), yaş/cinsiyete göre sıklıkla eşleştirilmiş kansersiz kontrollerle eşleştirilir; risk faktörlerini belirlemek için diyet, sigara ve üreme geçmişleri toplanır.
Nasıl çalışır?
Nasıl çalışır?
Vakaları tanımlayın: ilgilenilen sonuca sahip bireyler (örn. diyabet, miyokard enfarktüsü, konjenital anomali). Vakalar yeni teşhis edilmiş (insidan) veya belirli bir dönemdeki hastalığı olan tüm kişiler (prevalan) olabilir. Vakaları net bir şekilde tanımlayın: tanı kriterleri, tanı tarihi, tıbbi kayıtlarla doğrulanmış hastalık durumu. Vakaları oluşturan kaynak popülasyondan kontrol seçin—kontroller, vakaları üreten popülasyondaki maruziyet dağılımını temsil eder. Kontroller hastalıksız olmalıdır (en azından belirli sonuç için). Eşleştirme: yaş, cinsiyet, ırk veya diğer karıştırıcı faktörlere göre 1:1 veya 1:k oranında vakalarla eşleştirilebilirler; eşleştirme gücü artırır ancak istatistiksel ayarlama gerektirir (eşleştirilmiş çiftler için McNemar). Alternatif olarak, eşleştirilmemiş kontroller kullanın ve regresyonda karıştırıcı faktörler için ayarlama yapın. Tıbbi kayıtlardan, görüşmelerden, anketlerden veya biyobankalanmış örneklerden geçmiş maruziyeti ölçün. Tarihsel maruziyet (uzak geçmiş) için tıbbi kayıtları veya mesleki geçmişleri kullanın; yakın maruziyet için görüşmeler yapılabilir.
Formül
Identify cases (with outcome) and controls (without outcome); measure prior exposure retrospectively from medical records, interviews, or surveys; match controls to cases on age, sex, or other variables if needed.
2x2'lik bir olasılık tablosu oluşturun: satırlar = maruziyet durumu (evet/hayır), sütunlar = vaka/kontrol durumu. Oran Oranını hesaplayın: OR = (a × d) / (b × c), burada a = maruz kalan vakalar, b = maruz kalmayan vakalar, c = maruz kalan kontroller, d = maruz kalmayan kontroller. Logaritmik ölçek kullanarak %95 GA'yı hesaplayın. Eşleştirilmiş veriler (n eşleştirilmiş çift) için McNemar testini kullanın: χ² = ((b − c)²) / (b + c), bu da uyumsuz çiftlerin dengeli olup olmadığını test eder. Eşleştirilmemiş veriler için, karıştırıcı faktörleri ayarlamak ve ayarlanmış OR'yi hesaplamak üzere lojistik regresyon kullanın. Ayarlanmış OR'yi GA ve p-değeri ile raporlayın. Maruziyet ve karıştırıcı faktörler arasındaki etkileşim için kontrol edin.
Formül
Tabulate 2×2 table (exposure × outcome); compute Odds Ratio (OR) = (a×d)/(b×c); apply McNemar's test for matched data or logistic regression for unmatched data with confounders.
OR = 1: maruziyet ve sonuç arasında ilişki yok. OR > 1: maruziyet, sonuç olasılığında artışla ilişkilidir (risk faktörü). OR < 1: maruziyet, azalmış olasılıkla ilişkilidir (koruyucu faktör). Örneğin, OR = 3, vakalar arasındaki maruziyet olasılığının kontroller arasındaki olasılığın 3 katı olduğu anlamına gelir. Hastalık nadir olduğunda (prevalans <%10), OR Bağıl Riski yaklaşık olarak verir. Hastalık yaygın olduğunda, OR etkiyi abartır. 1.0'ı dışlayan güven aralıkları istatistiksel anlamlılık önerir. Nedensellik, istatistiksel ilişkiden daha fazlasını gerektirir: gücü (OR >2–3), çalışmalar arasındaki tutarlılığı, doz-yanıtı, zamansal makullüğü ve biyolojik mekanizmayı göz önünde bulundurun. Alternatif açıklamaları değerlendirin: seçim yanlılığı, hatırlama yanlılığı veya ölçülmemiş karıştırma gözlemlenen ilişkiyi açıklayabilir mi?
Formül
Interpret OR: OR=1 no association, OR>1 increased odds of exposure in cases, OR<1 decreased odds. In rare outcomes, OR approximates Relative Risk. Consider recall bias, selection bias, and unmeasured confounding.
Sık yapılan hatalar
- Kötü kontrol seçimi: hastaneye yatırılmış hastalardan (toplum vakaları iken) seçilen veya ilgili hastalığı olan kontroller seçim yanlılığına neden olur. Kontroller hastalıksız ve kaynak popülasyonunu temsil etmelidir.
- Analizde eşleştirmeyi göz ardı etme: vakalar ve kontroller yaş/cinsiyet gibi faktörlere göre eşleştirilmişse, standart lojistik regresyon uygun değildir; eşleştirilmiş analiz için koşullu lojistik regresyon veya McNemar testini kullanın.
- Farklılaştırılmış hatırlama yanlılığı: vakalar maruziyetleri kontrollerden daha kapsamlı hatırlayabilir veya onları daha fazla çarpıtabilir. Objektif kayıtlar (örn. tıbbi kayıtlar, istihdam kayıtları) yerine hatırlama anketleri kullanarak en aza indirin.
- Kontrollerin sonradan seçimi: verileri gördükten sonra kontrol seçimini ayarlamak (örn. belirli bir kovaryantı dengelemek için ek kontroller seçmek) yanlılığa neden olur. Önceden kontrol kriterlerini tanımlayın.
- Prevalans-insidans yanlılığı: insidan vakalar (yeni teşhis edilmiş) yerine prevalan vakalar (popülasyondaki tüm hastalık vakaları) kaydedilirse, şiddetli hastalığın hayatta kalanları zenginleşebilir ve OR'yi bozabilir.
Sık sorulan sorular
Oran Oranı (OR) Ne Zaman Bağıl Risk (RR) İçin İyi Bir Yaklaşım Olur?
Oran Oranı (OR), hastalık popülasyonda nadir olduğunda (genellikle <%10 prevalans) Bağıl Riski (RR) yaklaşık olarak verir. Düşük prevalansta, hastalık olasılığı ≈ hastalık riski, bu nedenle OR ≈ RR. Prevalans >%10 olduğunda, OR etkiyi RR'ye göre abartır. Örneğin, RR = 2 ise, OR daha yüksek prevalansta 2.5 veya daha yüksek olabilir. Her zaman vaka-kontrol çalışmalarının RR değil, OR verdiğini açıklayın. Klinik yorumlama RR gerektiriyorsa, OR'yi temel risk (kaynak popülasyondaki hastalık prevalansı) kullanarak dönüştürmeniz gerekir.
Yuvalanmış vaka-kontrol çalışması nedir ve neden kullanılır?
Yuvalanmış vaka-kontrol çalışması, prospektif bir kohort içinden vaka ve kontrol seçer. Tüm vaka üyeleri, sonuçlar ortaya çıktıkça kohorttan belirlenir; kontroller, kohorttaki vakası olmayanlar arasından rastgele örneklenir, genellikle yaş ve cinsiyete göre vakalarla eşleştirilir. Yuvalanmış vaka-kontrol, kohort ve vaka-kontrol güçlü yönlerini birleştirir: zamansal sıra ve insidans verileri mevcuttur (kohortlarda olduğu gibi), ancak pahalı maruziyetler (örn. biyobelirteçler, genetik testler) için yalnızca vaka ve kontrol alt kümeleri ölçüldüğü için maliyet daha düşüktür. Yuvalanmış vaka-kontrol çalışmasından elde edilen Oran Oranı, hastalık nadir olmasa bile kohort Bağıl Riskini yaklaşık olarak verir.
Eşleştirilmiş ve eşleştirilmemiş kontroller arasında nasıl seçim yapmalıyım?
Eşleştirilmiş kontroller (yaş, cinsiyet vb.ne göre vakalarla 1:1 eşleştirilmiş) hassasiyeti artırır ve eşleştirilmiş değişkenler tarafından karıştırmayı azaltır. Ancak, eşleştirme istatistiksel olarak 'pahalıdır': koşullu lojistik regresyon kullanmanız gerekir ve eşleştirilmiş değişkenlerin bağımsız etkilerini tahmin edemezsiniz. Eşleştirilmemiş kontroller, lojistik regresyonda birçok karıştırıcı faktör için ayarlamaya izin verir ve daha uygun maliyetli olabilir. Eşleştirme, güçlü karıştırıcı faktörler (yaş, cinsiyet, takvim yılı) için ve kontrol bulmak zor olduğunda en kullanışlıdır. Potansiyel karıştırıcı faktörler çok sayıda ise, regresyon ayarlamalı eşleştirilmemiş tasarımı düşünün.
Vaka-kontrol çalışmalarında seçim yanlılığı ile bilgi yanlılığını nasıl ayırt ederim?
Seçim yanlılığı, vaka ve kontrol seçimi şeklinizden kaynaklanır. Vakalar ve kontroller farklı kaynak popülasyonlarından gelirse (örn. hastaneye yatırılmış vakalar vs. toplum kontrolleri), OR yanlı olur. Bilgi yanlılığı (yanlış sınıflandırma), maruziyet veya sonucu ölçmedeki hatalardan kaynaklanır. Hatırlama yanlılığı bir bilgi yanlılığı türüdür: ciddi bir hastalığı olan vakalar, kontrollerden farklı olarak geçmiş maruziyetleri hatırlayabilir. Her ikisi de OR'yi yanlı hale getirir, ancak farklı şekillerde. Seçim yanlılığını en aza indirmek için, vakaların ve kontrollerin aynı kaynak popülasyonundan geldiğinden emin olun. Bilgi yanlılığını en aza indirmek için, hatırlama yerine objektif kayıtlar (tıbbi kayıtlar, biyobelirteçler) kullanın.
İlgili yöntemler
Kaynaklar
Schlesselman, J. J. (1982). Case-Control Studies: Design, Conduct, Analysis. Oxford University Press.
ISBN: 978-0195027815Kopyalandı.Rothman, K. J., Lash, T. L., & Greenland, S. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN: 978-0781755657Kopyalandı.Greenland, S., & Thomas, D. C. (1990). On the need for the rare disease assumption in case-control studies. American Journal of Epidemiology, 132(2), 374–375.
Yayın kaynağını açKopyalandı.