Skip to content
返回搜索结果

病例对照研究 — 观察性流行病学设计

提出者
Janet Lane-Claypon (early precursors, 1926); formalized by Brian MacMahon and Jerome Cornfield in the 1950s–1960s
年份
1950s (formal methodology); precursors in the 1920s
类型
Observational analytic study design
类别
Clinical / epidemiology

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

病例对照研究是一种回顾性观察设计,旨在比较已患有疾病或感兴趣结局的个体(病例)与未患病个体(对照),以确定两组之间对假定风险因素的既往暴露是否存在差异。主要的关联度量是优势比(odds ratio),当结局罕见时,优势比近似于相对风险。病例对照研究对于调查罕见疾病和生成病因学假设特别有效。

方法背后的直觉

假设您想了解某种特定农药暴露是否会导致一种罕见癌症。进行一项前瞻性队列研究将需要追踪数十万人长达数十年——这既不切实际又成本高昂。病例对照研究则逆转了时间线:从已经患有癌症的患者(病例)和一组匹配的未患癌人群(对照)开始,然后回顾性地调查谁曾暴露于农药。通过比较两组过去的暴露频率,您可以估计暴露与疾病之间的关联强度。其逻辑类似于侦探工作——结局已知,您需要回溯以找出其可能的病因。

历史学

病例对照设计起源于20世纪早期的临床流行病学。Janet Lane-Claypon于1926年对乳腺癌风险因素的研究常被引作先驱。正式的方法学基础由Brian MacMahon、Jerome Cornfield、Nathan Mantel和William Haenszel在20世纪50年代奠定,其中Haenszel于1959年发表的关于匹配和分层的论文至今仍是里程碑。Richard Doll和Bradford Hill于1950年发表的将吸烟与肺癌联系起来的开创性病例对照研究使该设计享誉国际。James Schlesselman于1982年出版的教科书将这些方法系统化,随后的几十年中,多变量逻辑回归和巢式设计被整合到标准实践中。

何时使用

当结局罕见或潜伏期长(使得前瞻性随访不切实际)、当需要同时评估单一结局的多种暴露、或当资源有限时,使用病例对照研究。它是疾病病因学中假设生成的首选设计。当暴露罕见时(队列研究更有效)、当需要发病率数据时(病例对照研究产生优势比而非发病率)、或当无法从现有记录中可靠地确定暴露与结局之间的时间顺序时(这将妨碍因果推断),不应使用病例对照设计。

局限与注意事项

  • 易受回忆偏倚影响:病例可能比对照更准确(或更不准确)地回忆过去的暴露,从而夸大或缩小估计的关联。
  • 如果病例和对照不是来自同一来源人群,可能会产生选择偏倚,使得对照选择成为方法学上最关键的决策。
  • 不能直接估计发病率或绝对风险——只能估计优势比,只有当疾病患病率低时,优势比才近似于相对风险。
  • 从回顾性数据中难以确定暴露-结局关系的时间顺序,限制了因果推断。

来源中的条件不能替代独立的科学审查或分析引擎的验证。

优势

  • 对罕见疾病高效:即使样本量小,也能获得有意义的关联估计。
  • 与前瞻性队列研究相比,相对快速且经济,因为消除了随访时间。
  • 允许同时评估单一结局的多种暴露或风险因素。
  • 适用于研究潜伏期长的疾病,而前瞻性设计不切实际。

应用

  • 调查罕见癌症的环境或职业风险因素(例如,石棉与间皮瘤,氡与肺癌)。
  • 在快速公共卫生调查期间识别传染病暴发的风险因素。
  • 研究药物或疫苗的不良反应,其中事件发生率过低,无法支持随机试验。
  • 探索心血管疾病、糖尿病或神经系统疾病的遗传、生活方式和饮食风险因素。
  • 评估与先天性异常或不良出生结局相关的母体暴露。

使用方式

使用方式

1

使用清晰、可重现的诊断标准(例如,经组织学确诊)精确定义病例组。对照组的定义应代表病例来源的同一人群——对照组应是如果他们发展出该结局,就会成为病例的人。这两种定义中的任何模糊性都是偏倚的主要来源。

2

根据研究问题,从适当的来源人群中招募病例(新发或现患)和对照。对照可以是基于人群的(随机抽样)、基于医院的,或与病例在关键潜在混杂因素(如年龄、性别或地理区域)上进行匹配。匹配可以提高效率,但需要进行匹配分析。

3

使用相同的方法收集两组的暴露史——结构化访谈、医疗记录、生物样本或与行政数据库的链接。对访谈者隐瞒病例/对照状态可以减少回忆偏倚和访谈者偏倚。在可能的情况下,验证暴露测量。

4

构建一个2×2列联表(暴露/未暴露 × 病例/对照)。计算优势比:OR = (a × d) / (b × c),其中 a = 暴露病例,b = 未暴露病例,c = 暴露对照,d = 未暴露对照。应用逻辑回归调整混杂因素,并获得置信区间和p值。

公式
OR = (a/b) / (c/d) = (a \times d) / (b \times c)
5

预先识别潜在混杂因素,并通过研究设计(匹配、限制)或分析(多变量逻辑回归、分层)来解决。通过检查OR在第三个变量的不同分层中是否存在差异来评估效应修饰。敏感性分析检验结果对未测量混杂因素的稳健性。

6

OR > 1 表明暴露与结局之间存在正向关联;OR < 1 表明存在保护性关联。在置信区间、统计显著性、生物学合理性、剂量-反应证据以及与其他研究的一致性背景下解释OR。请记住,只有当疾病罕见(患病率 < 10%)时,OR才近似于相对风险。

常见陷阱

  • 不适当的对照组:当病例是基于人群时,选择医院对照(反之亦然)会引入选择偏倚并扭曲优势比——对照必须代表与病例相同的来源人群。
  • 忽视回忆偏倚:在不进行盲法、验证或与客观记录进行三角测量的情况下使用自我报告的暴露,当病例更多地思考其疾病的潜在原因时,会夸大表观关联。
  • 过度匹配:在因果路径上的变量(中间变量)上匹配病例和对照,会消除您试图检测的暴露-结局变异,从而掩盖真实的关联。
  • 将现患病例视为新发病例:现患病例是带着疾病生存下来的,引入了生存偏倚——强烈建议使用新发(新诊断)病例。
  • 当结局患病率高(> 10%)时,将OR视为等于相对风险:在这种情况下,OR会大大高估相对风险,应使用替代度量。

常见问题

病例对照研究和队列研究有什么区别?

队列研究从暴露状态开始,向前随访参与者以观察谁发展出结局;它可以直接估计发病率和相对风险。病例对照研究从结局状态(病例 vs. 对照)开始,回顾性地查看过去的暴露;它产生优势比,对罕见结局更有效,但不能估计发病率。这两种设计是互补的:队列研究更适用于常见结局和短期随访;病例对照研究更适用于罕见疾病或长潜伏期疾病。

优势比何时近似于相对风险?

当疾病或结局罕见时——通常认为患病率低于10%——优势比(OR)是相对风险(RR)的有效近似值。当结局常见时,OR与RR会发生偏离并高估RR。在高患病率情况下,可以考虑使用对数二项式回归或泊松回归直接估计RR,或在报告OR时明确承认其与RR的不等价性。

我应该如何选择对照?

对照应代表病例来源的同一人群——也就是说,如果一个对照发展出该结局,他们本应有资格成为病例。基于人群的对照(从社区随机抽样)在方法学上更受青睐,但在操作上要求较高。基于医院的对照很方便,但如果住院本身与研究中的暴露相关,可能会引入偏倚。必须对选择进行论证,并通过敏感性分析评估其影响。

什么是巢式病例对照研究?

巢式病例对照研究是嵌入在已定义队列中的研究。病例是在随访期间发展出结局的个体;对照是从队列成员中抽样而来,这些成员在每个病例被识别时尚未发展出结局(风险集抽样)。这种设计保留了病例对照方法的效率,同时允许估计发病密度,并大大减少了回忆偏倚和选择偏倚,因为暴露通常在结局发生之前就已前瞻性测量。

当检验多种暴露时,如何处理多重比较?

同时检验多种暴露会增加假阳性率。预先指定主要和次要假设,对次要分析应用适当的校正(Bonferroni校正、错误发现率),并谨慎解释多重暴露中名义上显著的关联。研究方案的预注册——明确声明主要暴露——大大增强了可信度。

相关方法

参考文献

  1. Schlesselman, J.J. (1982). Case-Control Studies: Design, Conduct, Analysis. Oxford University Press.

    ISBN:978-0195027860
    已复制。
  2. Rothman, K.J., Greenland, S., & Lash, T.L. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.

    ISBN:978-0781755641
    已复制。