生态学研究 — 聚合流行病学研究
- 提出者
- Various; foundational work by John Snow (1854) and systematised in modern form by Brian MacMahon and colleagues
- 年份
- 19th century (Snow 1854); formalised mid-20th century
- 类型
- Observational epidemiological study
- 类别
- Clinical / epidemiology
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
生态学研究是一种观察性流行病学设计,其中分析单位是群体或人群——例如国家、地区、城市或时间段——而不是个体。暴露和结局以聚合形式(率、比例或均值)进行测量,然后跨群体进行相关性分析,以生成或评估关于风险因素与疾病之间人群水平关联的假设。
方法背后的直觉
可以设想比较不同国家/地区的癌症死亡率与人均平均膳食脂肪摄入量。研究不访问任何个体的饮食或健康记录;相反,将来自健康登记处和食品供应数据的全国平均值进行配对和绘图。跨国家/地区的强相关性表明存在值得进一步研究的人群水平关联——但由于数据是聚合的,因此无法得出结论认为摄入脂肪较多的个体就是患上癌症的个体。群体水平推断与个体水平推断之间的这种差距是生态学设计的决定性挑战。
历史学
生态学设计可以追溯到约翰·斯诺(John Snow)在1854年绘制的伦敦供水区霍乱死亡地图——这可以说是流行病学中的第一个生态学研究。正式的方法学文献在20世纪中叶随着国家卫生统计的增长而得到实质性发展。Hal Morgenstern在1982年和1995年的评论成为基础参考,阐明了该设计的效用和根本局限性,特别是生态学谬误,这个术语归功于William S. Robinson(1950)。该方法在环境流行病学、营养流行病学和卫生政策研究中仍然被广泛使用。
何时使用
当个体水平数据不可用、成本过高或受到伦理限制,并且研究问题涉及人群水平暴露——如国家政策、环境污染或社会经济剥夺——且该暴露在群体间的差异大于群体内的差异时,应使用生态学研究。该设计对于利用常规收集的数据生成关于罕见结局或长潜伏期疾病的假设是有效的。不要使用生态学研究来得出关于个体水平因果关系的结论;生态学谬误使此类推断不合理。当感兴趣的暴露在生态学单位内存在显著差异,当无法测量和调整群体水平混杂因素,或者当需要因果声明而非关联性假设时,应避免使用该设计——在这些情况下,个体水平的队列研究或病例对照研究是必要的。
局限与注意事项
- 容易受到生态学谬误的影响:在群体水平上观察到的相关性可能不适用于个体,并且从群体数据推断个体在逻辑上是无效的。
- 群体水平混杂因素通常很严重且难以控制,因为许多相关因素在生态学单位中共同变化。
- 暴露测量是间接的且通常不精确——例如,国家食品供应数据无法捕捉个体实际的消费量。
- 当暴露和结局数据来自同一时间段时,很难排除反向因果关系。
- 依赖于常规数据的可用性和质量,这些数据在不同国家和时间段差异很大。
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
- 成本效益极高:利用现有的常规监测和行政数据,无需进行初步数据收集。
- 非常适合作用于人群水平的暴露(空气质量标准、食品供应政策、社会经济不平等指数)。
- 可以研究个体随访不切实际的罕见疾病或长潜伏期疾病。
- 执行速度快——使用公开可用的数据集可在数周内生成结果。
- 对于产生假设和为更昂贵的个体水平研究设计提供信息非常有价值。
应用
- 检查国家水果和蔬菜消费指数与国家心血管疾病死亡率之间的关联。
- 调查区域人均酒精消费量与肝硬化发病率之间的相关性。
- 比较城市或县的空气污染浓度与呼吸道住院人口率。
- 分析时间趋势——肥胖患病率的长期增长是否与各州体力活动环境的变化同步。
- 评估邻里社会经济剥夺指数与过早死亡率之间的关联。
- 就传染病负担和疫苗接种覆盖率在各国卫生系统之间的关联产生假设。
使用方式
使用方式
选择生态学分析单位——通常是地理或时间分组,如国家、州、县、市或日历年。单位的选择决定了可获得的数据以及可以控制的混杂因素;更精细的单位(例如,普查区)允许更精确的分析,但可能具有较小、较嘈杂的统计数据。
为每个单位组装常规的聚合数据:来自死亡率登记处或监测系统的疾病率,以及来自官方统计、食品供应数据库、环境监测或人口普查记录的暴露指数。生态学研究很少从头开始收集数据;该设计通常利用现有的行政和监测数据。
将计数标准化为可比率——通常是每10万人口的年龄标准化发病率或死亡率——以便群体间人口年龄结构差异不会混淆生态学相关性。
估计群体水平暴露测量与群体水平结局率之间的关联。线性回归或 Pearson/Spearman 相关性是标准方法;当数据允许时,可以添加多层次模型或空间回归。相关系数 r 总结了生态学关联的强度和方向。
公式
r = \frac{\sum (X_i - \bar{X})(Y_i - \bar{Y})}{\sqrt{\sum (X_i-\bar{X})^2 \sum (Y_i-\bar{Y})^2}}谨慎解释生态学关联。正相关是产生假设的,而不是因果证明。评估在群体水平上可测量的潜在混杂因素,检查生态学谬误(群体相关性不意味着个体相关性),并讨论该关联是否可能源于数据质量、报告实践或未测量的群体水平因素的差异。
常见陷阱
- 犯生态学谬误——得出结论认为,由于高脂肪饮食国家癌症发病率更高,因此摄入更多脂肪的个体患癌症的风险更高。这种推断不能由群体水平数据证明。
- 忽略群体内变异——当每个单位内的个体暴露水平存在显著差异时,群体均值是糟糕的代理指标,并且衰减偏差可能掩盖或夸大真实关联。
- 事后选择生态学单位以获得期望结果(可变区域单位问题):相关性可能因地理边界的绘制方式而发生显著变化。
- 将生态学关联视为制定政策的充分证据,而未在个体水平研究或实验证据中进行复制。
- 忽视数据质量异质性——不同单位的疾病漏报和分类不一致可能产生虚假相关性。
常见问题
什么是生态学谬误及其重要性?
生态学谬误(Robinson 1950)是指假设在群体水平上观察到的相关性也适用于群体内的个体,从而产生的错误。例如,平均收入较高的国家可能癌症发病率较高——但这并不意味着任何国家内收入较高的个体更有可能患上癌症。需要来自队列研究或病例对照研究的个体水平数据来检验个体水平的假设。
生态学研究与横断面研究有何区别?
横断面研究在单个时间点从个体参与者那里收集暴露和结局数据,从而能够进行个体水平的分析。生态学研究使用聚合的群体水平数据——不涉及个体记录。生态学设计更快、更便宜,但容易发生生态学谬误;横断面设计避免了这种谬误,但需要初步数据收集。
生态学研究能否确立因果关系?
不能。生态学研究是产生假设的。即使是强烈的跨国相关性也与许多因果故事和许多混杂机制一致。确立因果关系需要来自队列研究或随机试验的个体水平证据,并最好有生物学合理性和剂量-反应梯度支持。
什么是可变区域单位问题?
可变区域单位问题(MAUP)是指所选地理单位的大小和形状会显著改变观察到的生态学相关性的发现。如果在国家层面聚合数据,您可能会看到与州或县层面不同的关联。使用多个聚合级别的敏感性分析有助于评估研究结果的稳健性。
何时生态学研究优于队列研究?
当暴露是人群水平现象时——例如国家政策、共同的环境暴露或长期趋势——根据定义,该现象不能独立于其群体成员身份分配给个体。在这些情况下,生态学单位是自然的分析单位,个体水平设计无法捕捉相关的变异。