Skip to content
返回搜索结果

横断面流行病学研究

提出者
Classical epidemiology tradition; systematized by Brian MacMahon and Thomas Pugh (1960s)
年份
1960s (formal codification); widely practiced since mid-20th century
类型
Observational, descriptive/analytic epidemiological 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?

横断面流行病学研究在特定时间点(或短时间内)同时测量一个既定人群的暴露因素和结局。由于没有随访,它是估计疾病患病率和就风险因素与健康结局之间关联性产生假设的最有效观察性设计。

方法背后的直觉

将横断面研究想象成在单一时刻拍摄的人群快照。快照中的每个人都会被评估其暴露状态(例如,吸烟、身体质量指数、职业)和当前的健康结局(例如,高血压、抑郁、糖尿病)。由于照片同时捕捉了整个场景,因此您可以快速计算出患有该疾病的人数以及某些暴露是否在患病者中更为常见。然而,您无法从照片中判断哪个先发生——因此,尽管该研究可以揭示模式和患病率,但它本身无法确定暴露导致了结局。

历史学

横断面设计作为一种正式的流行病学方法出现在二十世纪中叶,其发展受到基于人群的调查方法学以及 Brian MacMahon、Thomas Pugh 和后来的 Leon Gordis 的奠基性著作的塑造。诸如美国全国健康访谈调查(1957 年启动)和全国健康与营养检查调查等大型全国性健康调查将该方法制度化,用于持续的人群监测。抽样理论、复杂调查统计分析以及电子健康记录使用方面的方法学改进,已将该设计的应用范围扩展到临床流行病学、卫生服务研究和全球健康监测领域。

何时使用

当主要目标是估计人群中某种疾病的患病率、评估风险因素的分布或快速低成本地就暴露-结局关联产生假设时,请使用横断面研究。它特别适用于慢性病程长的疾病、卫生服务规划以及重复监测调查(例如,全国健康调查)。当研究问题需要确定因果时间顺序(请使用队列研究或实验设计)、结局罕见(病例对照研究更有效)或暴露或疾病状态随时间快速变化,导致单一快照信息不足或易受患病率-发病率偏倚影响时,应避免使用此设计。

局限与注意事项

  • 无法确定暴露与结局之间的时间顺序,因此无法直接支持因果推断。
  • 易受患病率-发病率(Neyman)偏倚的影响——病程短的疾病(快速死亡或快速康复)的代表性不足,因为受影响的个体不太可能被纳入快照。
  • 无应答偏倚可能很大;参与者可能与未参与者存在系统性差异。
  • 可能存在反向因果关系——观察到的疾病可能导致了测量的暴露,而非反之。

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

  • 无需随访——与队列研究或试验设计相比,数据收集速度快且成本相对较低。
  • 非常适合估计患病率以及规划和监测公共卫生项目。
  • 可以在单项研究中同时检查多种暴露和结局。
  • 使用现有的行政或调查数据大规模可行,可为常见结局提供高统计功效。

应用

  • 估计慢性病(如高血压、糖尿病、肥胖或精神健康障碍)的全国或区域患病率。
  • 评估人口统计学群体中行为风险因素(吸烟、缺乏运动、饮酒)的分布。
  • 重复的横断面调查,用于在不跟踪同一个体的情况下监测人群健康指标随时间的变化趋势。
  • 评估医疗保健利用模式并识别卫生服务规划的未满足需求。
  • 筛查项目评估——在引入筛查干预措施之前,确定疾病的基线患病率。
  • 为后续在队列研究或实验研究中检验的风险因素产生假设。

使用方式

使用方式

1

研究者指定目标人群和研究时期。定义了资格标准(年龄、地理位置、临床环境等),以确保样本能够代表其意图进行推断的人群。在数据收集开始之前,建立了清晰的病例定义和暴露定义。

2

从目标人群中抽取样本,最好通过概率抽样(简单随机、分层、整群或系统抽样)来最大化代表性并允许无偏的患病率估计。样本量是根据预期的患病率、所需的精度或功效以及整群抽样使用的设计效应预先计算的。

3

所有抽样个体在(大约)同一时间点接受暴露因素和结局的评估。数据来源包括标准化问卷、临床检查、生物样本或行政记录。由于暴露和结局是同时收集的,该设计无法确定时间顺序。

4

主要估计量是点患病率:患有结局的个体数量除以检查的总人数,以百分比或每千人表示。也可以报告时期患病率(在定义的短窗口内)。患病率 = (时间 T 的病例数) / (检查的总人数) x 100。

公式
Prevalence = (Number of cases at time T) / (Total population examined) x 100
5

使用患病率比(PR)或患病率比值比(POR)以及置信区间来量化暴露类别与结局之间的关联。多变量逻辑回归或泊松回归可以调整混杂因素。由于时间顺序未知,这些关联被解释为产生假设而非因果关系。PR = 暴露组的患病率 / 未暴露组的患病率。

公式
Prevalence Ratio (PR) = Prevalence in exposed / Prevalence in unexposed

常见陷阱

  • 混淆患病率与发病率——横断面研究测量的是现有病例(患病率),而不是新发病例(发病率);在没有额外假设的情况下,将患病率比解释为发病率比是不正确的。
  • 分析中忽略复杂的抽样设计——如果使用了整群或分层抽样,标准误必须考虑设计效应;否则会导致标准误低估和置信区间过于狭窄。
  • 患病率-发病率偏倚——病程短的疾病(快速康复或快速死亡)会显得异常罕见;研究者应认识到测得的患病率反映了生存率和病程,而不仅仅是发病率。
  • 得出因果结论——没有纵向数据,观察到的关联不能归因于暴露导致结局;报告中的措辞应反映该设计的描述性和产生假设的性质。
  • 亚组分析的样本量不足——总体样本量可能足以进行主要估计,但不足以检测临床重要亚组中的关联;应明确规划亚组的功效。

常见问题

我能从横断面研究中确定因果关系吗?

不能。由于暴露和结局在同一时间测量,您无法确定哪个先发生。横断面研究最适合描述患病率和产生假设。要检验因果假设,需要前瞻性队列研究或随机试验。

横断面研究的适当效应测量是什么?

通常首选患病率比(PR)而非患病率比值比(POR),因为它更直接可解释,尤其是在结局患病率超过 10% 时。PR 可使用具有稳健方差的泊松回归进行估计;POR 可通过逻辑回归获得。对于罕见的结局,两者趋于一致。

我的样本量应该多大?

样本量取决于预期的结局患病率、所需的精度(患病率估计的误差范围)或功效(用于检测关联性),以及抽样设计。仅用于患病率估计,n = Z^2 * p(1-p) / e^2(其中 p 是预期患病率,e 是可接受的误差范围)。如果使用整群抽样,则乘以设计效应,通常为 1.5–2.5。

横断面研究与队列研究有何区别?

队列研究随访参与者一段时间,可以直接测量发病率,确定时间顺序,并支持更强的因果推断。横断面研究收集一次快照,无需随访,因此更快更便宜,但无法确定时间顺序。队列研究更适合因果问题;横断面研究更适合患病率估计和产生假设。

什么是患病率-发病率偏倚以及如何解决?

患病率-发病率偏倚(Neyman 偏倚)发生是因为横断面样本过度代表了患有该疾病并存活足够长时间以被纳入调查的人。病程快速或短暂的疾病(如快速死亡或快速康复)的估计值偏低。为尽量减少这种情况,请使用全面的登记册或行政数据,明确承认局限性,并避免将患病率估计外推到发病率结论。

相关方法

参考文献

  1. Kelsey, J. L., Whittemore, A. S., Evans, A. S., & Thompson, W. D. (1996). Methods in Observational Epidemiology (2nd ed.). Oxford University Press.

    ISBN:978-0195080407
    已复制。
  2. Cross-sectional study. Wikipedia.

    打开出版物文献
    已复制。