Skip to content
返回搜索结果

回顾性队列研究

提出者
Systematic use attributed to early 20th-century occupational epidemiology; formalized in modern epidemiological theory by Brian MacMahon and others
年份
Mid-20th century (widely formalized 1950s–1970s)
类型
Observational analytic study
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?

回顾性队列研究汇集了一组具有共同起点的人群,并完全根据现有记录重建他们的暴露史和随后的结局。由于数据在研究开始前已经收集完毕,因此该设计比前瞻性队列研究更快、成本更低;然而,研究人员必须利用当时记录的任何信息,而不是收集专门的测量数据。

方法背后的直觉

设想一家工厂保留了长达30年的详细雇佣记录。流行病学家今天可以识别出1990年雇佣的所有工人,根据职位记录将每个人分类为接触或未接触某种化学物质,然后通过死亡登记追踪每位工人,以查明谁患上了肺部疾病。整个“随访”都发生在过去——研究人员只是从现有文件中重建它。这种“时间旅行”的特性使得回顾性队列研究在研究潜伏期长的结局方面效率独特,但这也意味着研究人员无法回去收集从未测量过的暴露数据。

历史学

通过历史记录追溯的队列研究自20世纪初以来就用于职业健康研究,特别是用于研究接触工业化学品的工人的死亡率。该设计通过世纪中叶的方法论著作获得了正式的流行病学地位,其中包括Brian MacMahon和Thomas Pugh于1970年出版的有影响力的教科书《流行病学:原理与方法》。Kenneth Rothman的《现代流行病学》连续版本(1986年、1998年、2008年)提供了区分前瞻性队列设计和回顾性队列设计的规范框架。从20世纪90年代开始,电子健康记录和行政数据库的爆炸式增长使得回顾性队列研究成为药物流行病学和比较效果研究中最常进行的设计之一。

何时使用

当您需要估计暴露与结局之间的关系但无法等待数年进行随访,并且当关于暴露和结局的高质量历史记录已经存在时,请使用回顾性队列研究。它特别适用于职业流行病学、药物流行病学和医疗保健数据库研究,这些领域常规收集行政或注册数据。当感兴趣的暴露未在历史记录中系统记录、记录质量差或在不同地点不标准化、个体层面的混杂因素在可用数据中大部分未测量,或者当结局足够罕见以至于病例对照设计更有效时,请避免使用它。

局限与注意事项

  • 完全依赖于现有记录的质量、完整性和详细程度——未历史记录的变量无法使用。
  • 暴露评估通常比前瞻性研究粗糙,增加了错误分类和偏向无效的风险。
  • 当历史数据不是为研究目的收集时,未测量的混杂更难解决。
  • 如果基线时队列成员资格受到结局早期症状的影响(职业环境中的健康工人效应),则可能出现选择偏倚。
  • 失访难以评估,如果患病个体较早离开记录系统,则可能存在差异。

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

  • 由于随访已经发生,因此比前瞻性队列研究快得多,成本也低得多。
  • 非常适合潜伏期长的结局——无需等待数十年即可研究数十年的随访。
  • 允许估计发病率和相对风险——这些测量在病例对照设计中不可用。
  • 通过关联常规收集的行政或注册数据库,通常可以实现大样本量。
  • 可以同时评估单个暴露队列的多个结局。

应用

  • 职业流行病学:利用雇佣和死亡率记录研究历史上接触石棉、二氧化硅或化学溶剂的工人的癌症或呼吸系统疾病风险。
  • 药物流行病学:利用保险索赔数据库,将处方记录与住院结局关联起来,估计药物的心血管风险。
  • 医疗保健质量研究:根据医院出院数据,比较接受不同治疗的患者的长期结局(再入院、死亡率)。
  • 传染病:利用接触者追踪记录和实验室结果重建感染爆发的传播模式和风险因素。
  • 癌症登记研究:将基于人群的癌症登记与多年前进行的 lifestyle 调查关联起来,以识别特定肿瘤类型的风险因素。

使用方式

使用方式

1

研究人员定义了一个源人群,并选择在历史基线日期(随访的“零时间”)时没有目标结局的个体。纳入和排除标准应用于现有记录,例如雇佣档案、住院记录或保险索赔。暴露组和未暴露组都必须来自同一源人群,以避免选择偏倚。

2

基线时的暴露状态根据历史记录重建:职业卫生测量、药房配药数据、实验室值、病历或环境监测日志。暴露分类的质量和完整性是研究有效性的最大决定因素;当记录在收集时未考虑结局时,暴露的错误分类通常是非差异性的(使结果偏向无效)。

3

通过与死亡登记、癌症登记、医院出院数据库或病理记录进行记录关联,识别随访期间发生的结局。结局确定方法应统一应用于暴露组和未暴露组。结局错误分类和失访必须量化并报告。

4

由于暴露不是随机分配的,因此必须通过分析控制混杂因素。分层、多变量回归(通常是Cox比例风险模型)、倾向评分匹配或逆概率加权用于调整历史数据中记录的变量。记录中未包含的因素造成的未测量混杂仍然是一个残余威胁。

5

关联的主要衡量指标是相对风险(风险比)或率比——暴露组的发病率除以未暴露组的发病率。当个体随访时间不同时,首选来自泊松模型或Cox模型的发病率比。置信区间以及适当的归因风险估计完成了分析。

公式
RR = (a/(a+b)) / (c/(c+d))

常见陷阱

  • 不朽时间偏倚——如果队列进入和暴露分类之间的时间段被错误地分配给暴露组的随访,则暴露组显得异常健康;人时必须分配到正确的暴露期。
  • 忽视健康工人效应——在职业记录中出现足够长时间的工人往往比一般人群更健康,当一般人群用作未暴露对照时,人为地降低了风险估计。
  • 将基于记录的暴露类别视为精确的,而它们反映的是宽泛的职位名称或剂量范围——应报告不同暴露临界点的敏感性分析。
  • 未能考虑时变暴露——将所有暴露在基线时分类会忽略随访期间暴露强度的变化,并可能产生有偏估计。

常见问题

回顾性队列研究与病例对照研究有何不同?

两种设计都使用现有数据,但它们的抽样逻辑不同。回顾性队列研究从暴露组和未暴露组开始,比较它们之间的结局发病率;它产生相对风险和发病率。病例对照研究从结局病例和无病对照开始,比较过去的暴露流行率;它产生优势比。当结局罕见时,病例对照设计更有效。当对多个结局感兴趣或当结局不罕见时,首选回顾性队列研究。

回顾性队列研究何时优于前瞻性队列研究?

当结局潜伏期长(数十年)、等待事件累积不切实际、或者需要快速回答研究问题且存在合适的历史记录时,回顾性队列研究更可取。当前瞻性测量必须精确和标准化、现有记录中没有相关的混杂因素、或者研究问题需要前瞻性收集生物样本时,前瞻性队列研究更可取。

什么是不朽时间偏倚,我该如何避免它?

不朽时间偏倚发生在受试者不可能经历结局的时间段——例如,队列进入和接受定义组别的暴露之间的时间段——被错误地分配给暴露组时。它使暴露组看起来人为地更健康。通过仔细对齐队列进入、暴露开始和随访开始,以及在生存模型中使用时变暴露编码而不是固定的基线暴露分类来避免它。

我应该如何处理历史记录中缺失的暴露数据?

首先,描述缺失的程度和可能的机制(完全随机缺失、随机缺失或非随机缺失)。如果缺失有限且可能是随机的,则使用敏感性分析进行完整病例分析是可接受的。对于较大比例的缺失数据,如果存在预测缺失所需的变量,则首选多重插补。最坏情况分析有助于限定不确定性。避免使用结局本身来插补暴露变量,因为这可能引入偏倚。

回顾性队列研究能否建立因果关系?

与所有观察性设计一样,回顾性队列研究可以证明暴露在结局之前的关联和时间优先性,但如果没有额外证据,它无法排除未测量的混杂。通过应用布拉德福德-希尔标准(强度、一致性、特异性、剂量反应、生物学合理性)、进行阴性对照分析以及通过与其他研究设计(包括可用的随机试验)进行三角验证,可以加强因果主张。

相关方法

参考文献

  1. Rothman, K. J., Greenland, S., & Lash, T. L. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.

    ISBN:978-0781755641
    已复制。
  2. Retrospective cohort study. Wikipedia.

    打开出版物文献
    已复制。