Skip to content
返回搜索结果

病例-交叉设计 — 瞬时暴露的自我匹配流行病学研究

提出者
Malcolm Maclure
年份
1991
类型
Observational epidemiological 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-交叉设计是一种观察性流行病学方法,通过将每个病例在事件发生前短暂危险窗口期内的暴露与其自身在先前对照期内的暴露进行比较,来估计瞬时暴露是否会触发急性事件。由于每个人都充当自己的对照,所有稳定的个人特征都会被自动调整,这使得该设计在研究间歇性暴露和突发性结局(如心肌梗死、中风或损伤)方面特别强大。

方法背后的直觉

假设您想知道剧烈体力活动是否会引发心脏病发作。病例-交叉设计不是将心脏病发作的患者与未发作的患者进行比较,而是提出这样的问题:与往常在类似时间段内的体力活动水平相比,该患者在心脏病发作前一小时内的体力活动是否更剧烈?每个患者都使用自己的病史作为参考来回答这个问题。这种个体内部的比较消除了所有关于该个体恒定不变的因素(如遗传、慢性病和生活方式)的混淆,使分析纯粹聚焦于感兴趣的瞬时暴露。

历史学

病例-交叉设计由 Malcolm Maclure 于 1991 年在美国流行病学杂志上发表的一篇论文提出,作为一种专门用于研究短暂暴露是否会触发急性发作事件的方法。该设计借鉴了交叉临床试验的逻辑,但将其应用于观察性研究:每个病例都从其先前的参考时期提供自己的对照数据。Murray Mittleman 及其同事于 1995 年改进了对照期选择策略,随后 Navidi (1998) 和 Lumley & Levy (2000) 的方法学工作解决了趋势偏倚以及双向与单向设计的争论。此后,该设计被广泛应用于心血管流行病学、环境健康研究和药物流行病学。

何时使用

当您的研究问题是瞬时、间歇性暴露是否会急性触发突发性事件时(例如,空气污染是否会在未来几小时内增加哮喘发作的风险?),请使用病例-交叉设计。当稳定混淆因素是主要关注点时,该设计非常理想,因为个体内部匹配会自动消除它们。该设计要求暴露在同一个人随短时间间隔内变化,并且暴露与事件之间的诱导时间短且易于理解。请勿在暴露稳定或仅随一生缓慢变化(例如,吸烟状况、遗传因素)时使用它——个体内部的变化将接近于零,使设计信息量不足。当事件罕见但结局潜伏期长,或当暴露的回忆偏倚无法充分控制时,也应避免使用。

局限与注意事项

  • 只能研究在相关时间尺度内个体内部变化的瞬时暴露——无法评估稳定暴露。
  • 当暴露确定依赖于参与者的记忆时,回忆偏倚是一个严重的问题,特别是当病例可能无意识地过度报告事件前暴露时。
  • 趋势偏倚(暴露随时间的世俗变化)会影响单向设计;双向设计可能会引入暴露依赖性偏倚,如果结局改变了后续暴露。
  • 诱导期——暴露与事件之间的滞后——必须预先指定;危险窗口期的错误指定会严重扭曲估计值。
  • 无法估计绝对事件发生率或人群归因风险;只能产生相对测量值(优势比)。

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

  • 通过设计完全控制所有固定的个体层面混淆因素(遗传、稳定的生活方式、社会经济地位)。
  • 高效——只需要病例;无需招募单独的对照组。
  • 特别适用于研究瞬时环境或行为触发因素对急性心血管、呼吸道或损伤事件的影响。
  • 与行政数据源(医院入院记录、环境监测数据)自然匹配,允许大规模分析。
  • 减少选择偏倚,这种偏倚源于选择合适的外部对照组。

应用

  • 估计与剧烈体力活动、愤怒或性活动相关的心肌梗死的短期触发风险。
  • 评估短期环境空气污染(PM2.5、臭氧)峰值是否会增加哮喘急诊就诊或心血管住院的每小时风险。
  • 调查交通事故前几小时的酒精摄入是否会作为触发因素。
  • 药物流行病学研究中,当药物间歇性服用且不良事件发作急性时,研究药物-事件关联。
  • 研究特定轮班或任务中的职业暴露是否会触发急性肌肉骨骼或心血管事件。
  • 环境流行病学利用个体匹配的时间窗口,将极端天气(热浪、寒潮)与急性结局联系起来。

使用方式

使用方式

1

在研究期间经历急性结局(例如,心肌梗死、跌倒、交通事故)的所有个体都被纳入为病例。只有实际经历过事件的人才提供数据;没有单独的非病例组需要招募,这使得该设计在存在病例登记的场合非常高效。

2

危险窗口期定义为事件发生前紧邻的短暂时间间隔——例如,症状发作前的一到两个小时。此窗口期内的暴露状态是关键变量:触发暴露(例如,剧烈运动、空气污染峰值、酒精摄入)是否存在?

3

对照期是同一受试者近期未发生事件的时间窗口。常见的策略是双向的(事件前后的时期)和单向的(仅事件前的时期)。对照期通常按一天中的时间和一周中的日期进行匹配,以避免昼夜节律或每周节律的混淆。

4

对危险期和所有对照期内的暴露进行确定——最好来自客观记录(电子健康数据、环境监测器、活动追踪器)或结构化访谈回忆。暴露必须是瞬时的,并且能够在同一个人随时间变化;该设计无法研究稳定的、随时间不变的暴露。

5

由于每个人贡献一个危险期和一个或多个对照期,因此使用以受试者身份为匹配的条件逻辑回归来分析数据。由此产生的优势比估计了与暴露相关的事件风险相对于同一受试者非暴露期的风险。

公式
OR = exp(beta), from conditional logistic regression matched on individual

常见陷阱

  • 危险窗口期长度的错误指定——如果窗口期太宽,会稀释瞬时效应;太窄则会错过真实的暴露。选择必须基于生物学原理,而非数据驱动。
  • 在单向设计中忽略趋势偏倚——如果一个人的基线暴露随时间呈上升趋势,过去的对照期将系统性地显示出比危险期更低的暴露,从而夸大优势比。
  • 将该设计用于缓慢变化的暴露——当暴露在同一个人身上几乎没有变化时(例如,体重指数、几周内的吸烟强度),条件逻辑回归将基于几乎没有个体内部对比,产生不稳定或无法解释的估计值。
  • 忽略暴露依赖性——在双向设计中,事件本身可能会改变后续暴露(例如,心脏病发作导致运动量减少),从而偏倚对照期暴露估计值。

常见问题

病例-交叉设计与标准病例对照研究有何不同?

在传统的病例对照研究中,病例(发生事件者)与单独招募的对照(未发生事件者)进行比较。年龄、性别、生活方式等稳定特征的混淆必须通过匹配或调整来处理。在病例-交叉设计中,每个病例通过提供其自身先前时间段的暴露数据来充当自己的对照。这会自动消除所有固定的个人混淆因素,但将该设计限制在瞬时暴露。

单向病例-交叉设计与双向病例-交叉设计有何区别?

在单向设计中,对照期仅从事件发生前的时间段抽取,以避免事件本身可能引起的任何暴露变化。然而,如果暴露随时间呈上升趋势,则会引入趋势偏倚。双向设计同时抽取事件发生前和事件发生后的对照期,这可以消除时间趋势,但如果事件改变了后续暴露,则可能引入暴露依赖性偏倚。选择取决于暴露趋势还是事件驱动的暴露变化是更大的担忧。

病例-交叉研究使用何种统计方法进行分析?

以个体身份为匹配的条件逻辑回归是标准方法。每个分层(一个危险期和一个或多个来自同一受试者的对照期)被联合分析,模型估计在排除所有个体内部稳定特征后,瞬时暴露效应的优势比。

我能否同时研究多种瞬时暴露?

可以。只要每种暴露在危险期和对照期内的个体内部变化足够大,就可以同时将多种瞬时暴露纳入条件逻辑回归模型。暴露之间的交互作用项(例如,体力活动结合愤怒)也可以进行检验,正如早期心血管触发因素研究所示。

病例-交叉设计是否适用于人群层面的环境时间序列数据?

经典的病例-交叉设计使用个体层面匹配。对于人群层面的环境数据(每日污染计数与每日住院人数),可以使用时间分层的病例-交叉分析;它与基于泊松分布的时间序列回归密切相关,并且在数学上常常等同。当个体层面的暴露数据可用时,首选个体层面的设计,因为它提供了直接的个体内部因果推断。

相关方法

参考文献

  1. Maclure, M. (1991). The case-crossover design: A method for studying transient effects on the risk of acute events. American Journal of Epidemiology, 133(2), 144–153.

    打开 DOI 文献
    已复制。
  2. Mittleman, M. A., Maclure, M., & Robins, J. M. (1995). Control sampling strategies for case-crossover studies: An assessment of relative efficiency. American Journal of Epidemiology, 142(1), 91–98.

    打开 DOI 文献
    已复制。