Kohort Çalışma Tasarımı
- Ortaya koyan
- Donald Acheson, Olli Miettinen, and others in modern epidemiology
- Yıl
- 1970s-1980s
- Tür
- Research Design
- Aile
- observational design
Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku
Ne işe yarar?
Bir kohort çalışması, bir grup bireyi maruziyetten sonuca doğru zaman içinde takip eder.
Maruz kalan ve maruz kalmayan katılımcılar (veya farklı maruziyet düzeylerine sahip katılımcılar) başlangıçta dahil edilir, karakterize edilir ve sonuç ortaya çıkana veya çalışma bitene kadar prospektif olarak gözlemlenir. Kohort çalışmaları epidemiyolojinin temelini oluşturur ve randomize denemelerin uygulanamaz veya etik olmadığı durumlarda nedensel ilişkiler kurmak için tercih edilen tasarımdır.
Yöntemin mantığı
10 yıl boyunca sigara içenler ve içmeyenler olmak üzere iki grubu takip ettiğinizi ve her gruptaki akciğer kanseri vakalarını saydığınızı hayal edin. Göreceli Risk (GR) = (sigara içenlerde akciğer kanseri) / (sigara içmeyenlerde akciğer kanseri), sigara içenlerin kanser geliştirme olasılığının ne kadar daha fazla olduğunu size söyler. Kohort çalışmaları zamansal diziyi (sonuçtan önce maruziyet) doğal olarak korur, hatırlama yanlılığını önler (maruziyet başlangıçta kaydedilir, hastalık geliştikten sonra hatırlanmaz) ve tek bir maruziyetten birden çok sonucu inceleyebilir. Ana ödünleşme maliyet ve zamandır: insanları yıllarca, genellikle büyük masraflarla takip etmeniz gerekir. Karıştırıcı faktörler (confounding)—hem maruziyet hem de sonuç ile ilişkili diğer faktörler—kontrol edilmediği sürece bir tehdit olmaya devam eder.
Tarih
Kohort çalışmaları, 1950'ler-1970'lerde epidemiyolojide öne çıkmış, prospektif kardiyovasküler risk faktörlerine öncülük eden Framingham Kalp Çalışması (1948-günümüz) ile örneklendirilmiştir. Olli Miettinen ve diğerleri, istatistiksel temelleri biçimlendirerek, kohort (insidans tabanlı) ile vaka-kontrol (olasılık tabanlı) yaklaşımlarını ayırt etmişlerdir. Modern kohort çalışmaları, verimlilik için elektronik sağlık kayıtlarından, hastalık kayıtlarından ve biyobankalardan yararlanmaktadır. Dinamik kohortlar (kayan kayıt) ve iç içe geçmiş vaka-kontrol tasarımları (bir kohort içinden vaka ve kontrol seçimi), metodolojik araç setini genişletmiştir.
Ne zaman kullanılır?
Kohort çalışmalarını şu durumlarda kullanın: (1) nadir maruziyetleri incelemek (örneğin, az sayıda insanı etkileyen mesleki tehlikeler), (2) maruziyet ve sonuç arasındaki zamansal ilişkileri kurmak, (3) tek bir maruziyetten birden çok sonucu incelemek (örneğin, sigara → kanser, kalp hastalığı, KOAH), (4) yıllar veya on yıllar boyunca uzun vadeli etkileri değerlendirmek, (5) hastalığın doğal seyrini ve insidansını değerlendirmek, (6) randomize denemeler etik olmadığında (örneğin, insanları zararlı maddelere maruz bırakmak), (7) sonuçlar yaygın olduğunda, vaka-kontrol çalışmalarını daha az verimli hale getirdiğinde.
Sınırlar ve dikkat edilmesi gerekenler
- Zaman ve maliyet: kohortları yıllarca veya on yıllarca takip etmek sürekli fon, personel ve altyapı gerektirir; aşınma (takip kaybı) yaygındır.
- Takip kaybı yanlılığı: kaybedilen katılımcılar maruziyet veya karıştırıcı faktörler açısından sistematik olarak farklıysa, GR tahminleri yanlı olur. %80'in üzerinde takip oranları gerektirir.
- Nadir sonuçlar: sonuç insidansı çok düşükse, büyük kohortlar gerekir, bu da maliyeti artırır. Vaka-kontrol daha verimli olabilir.
- Karıştırıcı faktörler: ölçülmemiş veya yetersiz ölçülmüş karıştırıcı faktörler GR'yi yanlı hale getirebilir. Ayarlama, ölçülen değişkenlerle sınırlıdır.
- Kohort etkileri: zaman içinde dahil edilen katılımcılar başlangıçtaki özellikler, prognoz veya genel eğilimler açısından farklılık gösterebilir, bu da karşılaştırılabilirliği etkiler.
Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.
Güçlü yönleri
- Açık zamansal sıra: maruziyet sonuçtan önce kaydedilir, bu da kesitsel tasarımlardan daha ikna edici bir şekilde yönliliği ve nedenselliği kurar.
- Birden çok sonuç: tek bir maruziyet birçok sonuçla ilişkili olabilir, geniş hipotez üretimi için ekonomiktir.
- İnsidans ve mutlak risk: maruz kalan ve maruz kalmayan gruplardaki riski doğrudan tahmin eder, tedavi edilmesi gereken kişi sayısının hesaplanmasını sağlar.
- Sonuç bağımlı seçimi önler: kohort maruziyete göre tanımlanır, sonuca göre değil, vaka-kontrol çalışmalarında bulunan seçilim yanlılığını önler.
- İnsidans oranları: kişi-zamanı paydaları değişken takibi hesaba katar, farklı takip sürelerine sahip çalışmalar arasında karşılaştırmaya olanak tanır.
Uygulama alanları
- Mesleki epidemiyoloji: tehlikeli endüstrilerdeki (asbest, madencilik, kimyasal üretim) işçileri takip ederek işyeri maruziyetlerine atfedilebilen hastalık riskini ölçmek.
- Beslenme ve yaşam tarzı çalışmaları: katılımcıları dahil etmek, başlangıçtaki beslenmeyi ve fiziksel aktiviteyi ölçmek, ardından kardiyovasküler hastalık, kanser veya mortalite için takip etmek (örneğin, Hemşirelerin Sağlık Çalışması).
- Kanser insidansı ve prognozu: hastalıksız katılımcıları dahil etmek ve zaman içinde kanser tanısını izlemek; veya kanser hastalarını dahil etmek ve sağkalımı takip etmek.
- Doğum kohortları ve çocuk gelişimi: hamile kadınları veya yenidoğanları dahil etmek, erken maruziyetleri (örneğin, anne sigara içmesi, hava kirliliği, yoksulluk) ölçmek ve uzun vadeli sağlık ve gelişim sonuçlarını değerlendirmek.
- İlaç güvenliği ve olumsuz sonuçlar: yeni bir ilaç başlatan hastaları dahil etmek ve alternatif tedavilere kıyasla yan etkiler, hastaneye yatışlar veya mortalite için izlemek.
Nasıl çalışır?
Nasıl çalışır?
Kohort kaynağını tanımlayın (örneğin, 40-70 yaş arası hastalıksız yetişkinler, bir fabrikanın çalışanları, bir klinikteki hastalar). Maruziyeti tanımlayın: ikili (evet/hayır), kategorik (düşük/orta/yüksek) veya sürekli (kullanım yılı) mi? Başlangıçta hastalıksız katılımcıları dahil edin; maruziyet durumunu ve başlangıçtaki karıştırıcı faktörleri (yaş, cinsiyet, ırk, sosyoekonomik durum, komorbiditeler vb.) ölçün ve kaydedin. Katılımcıları önceden belirlenmiş bir süre (aylar ila on yıllar) boyunca takip edin. Aktif takip (görüşmeler, klinik ziyaretleri, posta anketleri) veya pasif takip (sağlık kayıtları, hastalık kayıtları, sigorta talepleri) kullanın. Sonuç olaylarını (tanı, hastaneye yatış, ölüm) tarihlerle birlikte kaydedin. Takip kaybını, ayrılmaları ve sansürlenmeyi (katılımcıların çalışma sonunda canlı/hastalıksız olduğu ancak sonuç durumunun bilinmediği durumlar) belgeleyin. Tüm katılımcılar arasında sonuç tanımını standartlaştırın.
Formül
Define cohort (exposed and unexposed groups); enroll eligible participants; establish baseline characteristics and exposure status; follow participants forward in time; record outcome events.
Her maruziyet grubundaki insidansı hesaplayın: İnsidans = (gruptaki sonuç olaylarının sayısı) / (risk altındaki kişi-zamanı). Kişi-zamanı, değişken takip süresini hesaba katar: biri 5 yıl, diğeri 2 yıl takip edilirse, kişi-zamanı 7 kişi-yıl toplamını verir. Göreceli Riski (GR) hesaplayın = İnsidans_maruz_kalan / İnsidans_maruz_kalmayan. GR > 1 artan riski; GR < 1 azalan riski (veya koruyucu etkiyi); GR = 1 ilişki olmadığını gösterir. %95 güven aralıklarını (Poisson tabanlı veya delta yöntemi) hesaplayın. Karıştırıcı faktörleri stratifikasyon (Mantel-Haenszel) veya regresyon (Cox orantılı tehlikeler, Poisson regresyonu) kullanarak ayarlayın. Cox modellerinde orantılı tehlikeler varsayımını kontrol edin.
Formül
Calculate incidence (risk) in exposed and unexposed groups; compute Relative Risk (RR) = Incidence_{\text{exposed}} / Incidence_{\text{unexposed}}.GR'nin 2 olması, maruz kalan grubun maruz kalmayan gruba göre iki kat insidansa sahip olduğu anlamına gelir. GR'nin 0.5 olması, maruz kalan grubun yarı insidansa sahip olduğu (koruyucu etki) anlamına gelir. 1.0'ı dışlayan güven aralıkları istatistiksel olarak anlamlı ilişkileri (α=0.05'te) gösterir. Nedenselliği değerlendirin: İlişki güçlü mü (GR > 2–3)? Doz-yanıtlı mı (artan maruziyet → artan risk)? Alt gruplar arasında tutarlı mı? Zamansal olarak tutarlı mı? Ölçülmemiş karıştırıcı faktörleri göz önünde bulundurun: ölçülmemiş bir değişken (örneğin, genetik yatkınlık, diyet) gözlemlenen GR'yi açıklayabilir mi? Sonuçları kohortunuza benzer popülasyonlara genelleştirin. GR'nin yanı sıra mutlak risk azalmasını veya tedavi edilmesi gereken kişi sayısını (NNT) klinik bağlam için raporlayın.
Formül
Interpret RR in context of follow-up duration, loss to follow-up, and confounding; assess temporality; generalize to source population.
Sık yapılan hatalar
- Yetersiz takip belgelemesi: eksik veya belirsiz sonuç tarihleri veya katılımcılar arasında tutarsız sonuç tanımları, zamansal çıkarımı geçersiz kılar.
- Takip kaybını göz ardı etmek: kaybedilen katılımcıları analiz yapmadan dışlamak seçilim yanlılığını artırır. Niyetine göre tedavi mantığını kullanın; farklı eksik veri mekanizmaları altında hassasiyet analizleri yapın.
- Ölçülmemiş karıştırıcı faktörler: ölçülmemiş bir faktör (örneğin, genetik yatkınlık) maruziyet-sonuç ilişkisini açıklayabilir. Her zaman potansiyel ölçülmemiş karıştırıcı faktörleri tartışın.
- Post-hoc stratifikasyon: sonuçları gördükten sonra kohortu alt gruplara ayırmak, çoklu karşılaştırmalara, yanlış keşiflere ve aşırı uyuma yol açar. Alt grup hipotezlerini önceden belirleyin.
- Doğrusallığı varsaymak: doz-yanıt analizlerinde, maruziyet düzeyi ile sonuç arasındaki ilişkinin doğrusal olduğunu varsaymak, eşik veya plato etkilerini maskeleyebilir. Verileri çizin ve doğrusal olmayan uyumları test edin.
Sık sorulan sorular
Bir kohort çalışmasında Göreceli Risk (GR) ile Oran Oranı (OO) arasındaki fark nedir?
Kohort çalışmalarında, doğrudan insidansı (zaman içindeki sonuç olasılığı) ölçersiniz, bu nedenle Göreceli Risk (GR) doğal tahmindir: GR = İnsidans_maruz_kalan / İnsidans_maruz_kalmayan. Oran Oranı (OO), sonuç olasılığının oranıdır; insidansı ölçemediğiniz vaka-kontrol çalışmalarında ortaya çıkar. Nadir sonuçları olan kohortlarda (insidans <%10), GR ve OO birbirine yaklaşır. Sonuçlar yaygın olduğunda, farklılaşırlar: OO, GR'ye kıyasla etkiyi abartır. Kohort çalışmalarında her zaman GR'yi raporlayın; OO'yu vaka-kontrol tasarımları için saklayın.
Kişi-zamanı nedir ve neden önemlidir?
Kişi-zamanı (veya takip süresi), bireysel takip sürelerinin toplamıdır. Her birini 10 yıl boyunca takip ettiğiniz 100 kişi varsa, bu 1000 kişi-yıldır. 50 kişi 5 yıl ve 50 kişi 10 yıl takip edilirse, bu da 750 kişi-yıl olur. İnsidans oranı kişi-zamanı birimi başına (örneğin, 1000 kişi-yıl başına) hesaplanır. Kişi-zamanı, bazı katılımcıların ayrılması, ölmesi veya erken sansürlenmesi gerçeğini hesaba katar. Kişi-zamanını payda olarak kullanmak (sadece kişi sayısı yerine), takip süresi değişken olduğunda yanlı olmayan tahminler verir.
Takip kaybıyla nasıl başa çıkarım?
Takip kaybı, yanlılığın önemli bir kaynağıdır. %80'in üzerinde takip hedefleyin. Analizde, kaybedilenleri basitçe dışlamayın; bu seçilim yanlılığına neden olur. Bunun yerine, niyetine göre tedavi mantığını kullanın: kaybedilen katılımcıları bilinen son durumlarına göre sınıflandırın ve farklı sonuç senaryolarını varsayarak hassasiyet analizleri yapın (örneğin, kaybedilenlerin hepsi sonuçsuz, kaybedilenlerin hepsi sonuç geliştirdi veya rastgele eksik). Takip kaybı maruz kalan ve maruz kalmayan gruplar arasında belirgin şekilde farklıysa, sonuçları dikkatli yorumlayın. Ters olasılık ağırlıklandırma (IPW) veya çoklu atama, 'rastgele eksik' varsayımı altında sistematik eksiklikleri ayarlayabilir.
Kohort ve kesitsel çalışmalar arasındaki farkı nasıl ayırt ederim?
Bir kohort çalışması, hastalıksız (veya sonuçsuz) katılımcıları dahil eder, başlangıçta maruziyeti ölçer ve sonuç ortaya çıkana kadar onları ileriye doğru takip eder. Kesitsel bir çalışma, tek bir zaman noktasında maruziyeti ve sonucu eş zamanlı olarak ölçer, prevalansı yakalar. Kohortlar açık zamansal sıraya (maruziyet → sonuç) sahiptir, bu da nedensel çıkarıma olanak tanır. Kesitsel çalışmalar yönliliği kuramaz: maruziyet sonuca mı neden oldu, yoksa sonuç maruziyet algısını mı etkiledi? Kohortlar daha maliyetli ve zaman alıcıdır ancak nedensellik için daha güçlü kanıtlar sağlar.
İlgili yöntemler
Kaynaklar
Miettinen, O. S. (1976). Estimability and estimation in case-referent studies. American Journal of Epidemiology, 103(2), 226–235.
DOI kaynağını açKopyalandı.Rothman, K. J., Lash, T. L., & Greenland, S. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
ISBN: 978-0781755657Kopyalandı.Veierød, M. B., Lydersen, S., & Laake, P. (2012). Medical Statistics in Clinical and Epidemiological Research. Gyldendal Akademisk.
ISBN: 978-8205418627Kopyalandı.