Меры воздействия в исследованиях распространенности

По-прежнему существует значительная путаница и споры о подходящих методах анализа исследований распространенности, и в ряде недавних публикаций утверждается, что коэффициенты распространенности являются предпочтительным методом и что отношения шансов распространенности не должны использоваться.

По-прежнему существует значительная путаница и споры о подходящих методах анализа исследований распространенности, и в ряде недавних публикаций утверждается, что коэффициенты распространенности являются предпочтительным методом и что отношения шансов распространенности не должны использоваться. Эти аргументы утверждают, что коэффициент распространенности, очевидно, является лучшим показателем, а отношение шансов «непонятно». Они часто сопровождались демонстрацией того, что, когда заболевание является обычным явлением, соотношение распространенности и соотношение шансов распространенности могут существенно различаться. Однако это не говорит нам, какая мера более подходящая для использования. Фактически, отношение шансов распространенности: а ) оценивает коэффициент заболеваемости с меньшим количеством допущений, чем требуется для коэффициента распространенности; б) можно оценить с помощью тех же методов, что и для отношения шансов в исследованиях случай – контроль, а именно с помощью метода Мантеля – Хензеля и логистической регрессии; и c ) обеспечивает практическую, аналитическую и теоретическую согласованность между анализами исследования распространенности и анализами случай-контроль распространенности, основанными на одной и той же исследуемой популяции. По этим причинам отношение шансов распространенности останется одним из стандартных методов анализа исследований распространенности и исследований случай-контроль распространенности.

Хотя методы анализа исследований заболеваемости (и исследований случай-контроль заболеваемости) в настоящее время хорошо известны, все еще существует значительная путаница и споры о подходящих методах анализа исследований распространенности (и исследований распространенности случай-контроль). В частности, утверждалось, что предпочтительным методом являются коэффициенты распространенности и что не следует использовать отношения шансов распространенности (POR). В этой статье я утверждаю, что POR должны оставаться одним из стандартных методов анализа таких исследований. Я кратко рассматриваю взаимосвязь между исследованиями заболеваемости и распространенности, а затем обсуждаю относительные преимущества использования POR и коэффициентов распространенности.

Исследования заболеваемости

Таблица 1 показывает результаты гипотетического исследования заболеваемости 20 000 человек, за которым наблюдали в течение 10 лет (Pearce 2003). В исследованиях заболеваемости обычно используются три показателя заболеваемости (Pearce, 1993): показатель заболеваемости в одночасье, доля заболеваемости и вероятность заболеваемости. Все они включают один и тот же числитель: количество случаев заболевания ( b ). Они различаются тем, представляют ли их знаменатели человеко-годы в группе риска ( Y 0 ), людей в группе риска ( N 0 ) или выживших ( d ).

Таблица 1

Результаты гипотетического когортного исследования с участием 20 000 человек отслеживались в течение 10 лет.

Незащищенный Неэкспонировано Соотношение
Случаи1,813 ( а )952 ( б )
Noncases8 187 ( в )9 048 ( г )
Всего населения10 000 ( N 1 )10 000 ( N 0 )
Человеко-лет90 635 ( Y 1 )95163 ( Y 0 )
Уровень заболеваемости0,0200 ( I 1 )0,0100 ( I 0 )2,00
Доля заболеваемости (средний риск)0,1813 ( R 1 )0,0952 ( R 0 )1,90
Коэффициенты заболеваемости0,2214 ( O 1 )0,1052 ( О 0 )2.11

Уровень заболеваемости человеко-время является мерой возникновения заболевания на единицу времени в популяции и имеет обратное время в качестве своего измерения. В этом примере (Таблица 1) было 952 случая заболевания, диагностированных в группе, не подвергавшейся воздействию, в течение 10 лет наблюдения, в которых участвовало в общей сложности 95 163 человеко-года, а уровень заболеваемости в человеко-время, b / Y 0 = I 0 , было 952/95 163 = 0,0100 (или 1000 на 100000 человеко-лет).

Доля заболеваемости, или средний риск, является вторым показателем возникновения заболевания и представляет собой долю субъектов исследования, которые испытывают интересующий результат в любое время в течение периода последующего наблюдения. В этом случае было 952 случая инцидента среди 10 000 человек в группе, не подвергавшейся воздействию, и соотношение заболеваемости, b / N 0 = R 0 , было, таким образом, 952/10 000 = 0,0952 за 10-летний период наблюдения. Если интересующий результат является редким в течение периода наблюдения (например, доля заболеваемости

Третий возможный показатель возникновения заболевания - это вероятность заболеваемости (Гренландия, 1987), которая представляет собой отношение количества людей, испытавших исход ( b ), к количеству людей, не испытавших исход ( d ). Что касается доли заболеваемости, то вероятность заболеваемости безразмерна, но необходимо указать период времени, в течение которого она измеряется. В этом примере коэффициент заболеваемости, b / d = O 0 , составляет 952/9 048 = 0,1052. Если в течение периода наблюдения результат является редким, вероятность заболеваемости приблизительно равна доле заболеваемости.

В соответствии с этими тремя показателями возникновения заболевания существуют три основных показателя отношения эффекта, которые можно использовать в исследованиях заболеваемости (Pearce, 1993): отношение частот, отношение рисков и отношение шансов заболеваемости.

Коэффициент заболеваемости - это отношение уровня заболеваемости в группе, подвергшейся воздействию ( a / Y 1 ), к таковой в группе, не подвергавшейся воздействию ( b / Y 0 ). В примере, приведенном в таблице 1, показатели заболеваемости составляют 0,02 на человека в год в группе, подвергшейся воздействию, и 0,01 на человека в год в группе, не подвергавшейся воздействию, и, следовательно, коэффициент заболеваемости составляет 2,00. Вторым часто используемым показателем воздействия является коэффициент риска, который представляет собой отношение доли заболеваемости в группе, подвергшейся воздействию ( a / N 1 ), к таковой в группе, не подвергавшейся воздействию ( b / N 0 ). В этом примере коэффициент риска составляет 0,1813 / 0,0952 = 1,90. Третьей возможной мерой воздействия является отношение шансов заболеваемости, которое представляет собой отношение шансов заболеваемости в группе, подвергшейся воздействию ( a / c) к группе, не подвергавшейся воздействию ( б / д ). В этом примере отношение шансов составляет 0,2214 / 0,1052 = 2,11.

Эти три показателя мультипликативного эффекта иногда называют общим термином относительный риск. В этом примере все они показывают, что скорость (или риск, или вероятность) развития изучаемого заболевания примерно в два раза выше в группе, подвергшейся воздействию, чем в группе, не подвергавшейся воздействию, но их точные оценки различаются (2,00, 1,90 и 2,11). , соответственно). Таким образом, все они примерно равны, если заболевание встречается редко в течение периода последующего наблюдения (например, доля заболеваемости

Исследования распространенности

Исследования заболеваемости - идеальный метод изучения возникновения заболеваний, поскольку они включают сбор и анализ всей соответствующей информации об исходной популяции, и мы можем получить более точную информацию о том, когда произошло заражение и болезнь. Однако эти типы исследований включают длительные периоды наблюдения и много ресурсов с точки зрения как времени, так и финансирования, и может быть трудно выявить отдельные случаи нефатальных хронических состояний, таких как диабет или астма. Кроме того, в некоторых случаях нас могут больше интересовать факторы, влияющие на текущее бремя болезней среди населения. Следовательно, хотя исследования заболеваемости обычно предпочтительнее, исследования распространенности также играют важную роль.по практическим соображениям и потому, что такие исследования позволяют оценить уровень заболеваемости и «бремя болезней» населения в отношении нефатальных состояний (Pearce 2003; Thompson et al. 1998).

Меры воздействия в исследованиях распространенности.

На рисунке 1 показана взаимосвязь между заболеваемостью и распространенностью заболевания в «стабильной» популяции. Предположим, мы обозначаем распространенность заболевания в исследуемой популяции буквой P и предполагаем, что популяция находится в устойчивом состоянии (стационарном) с течением времени (в том смысле, что числа внутри каждой субпопуляции, определяемые воздействием, заболеванием и ковариатами, не изменяются с время) - для этого обычно требуется, чтобы уровни заболеваемости, подверженности и статус заболевания не были связаны с темпами иммиграции и эмиграции и размером населения, и чтобы средняя продолжительность заболевания ( D ) не изменялась с течением времени. Тогда шансы распространенности равны коэффициенту заболеваемости ( I ), умноженному на D (Alho, 1992):

Теперь предположим, что мы сравниваем две популяции (с индексом 1 = подвергались и 0 = не подвергались воздействию), которые удовлетворяют указанным выше условиям. Тогда шансы распространенности прямо пропорциональны заболеваемости, а POR удовлетворяет уравнению

Таким образом, повышенный POR может отражать влияние факторов, увеличивающих продолжительность заболевания, а также факторов, увеличивающих заболеваемость. Разница в распространенности между двумя группами может полностью зависеть от различий в продолжительности заболевания (например, из-за факторов, продлевающих или усугубляющих симптомы), а не от различий в заболеваемости. Однако в особом случае, когда средняя продолжительность заболевания одинакова в группах, подвергшихся и не подвергавшихся воздействию (т. Е. Воздействие не влияет на продолжительность), POR удовлетворяет уравнению

То есть, согласно приведенным выше предположениям, POR непосредственно оценивает коэффициент заболеваемости. Однако коэффициент распространенности ( P 1 / P 0 ) только приблизительно удовлетворяет этому уравнению при условии, что заболевание встречается редко и, следовательно, (1 - P 1 ) и (1 - P 0 ) близки к 1,0.

Конечно, такая стабильная популяция редко будет существовать на практике, но она будет приближенной в ситуациях, когда заболеваемость и соответствующие экспозиции не меняются заметно с течением времени (при условии выполнения других допущений, указанных выше). Это также зависит от других факторов риска (например, возраста), потому что даже когда заболеваемость не зависит от возраста, распространенность часто будет зависеть от возраста (Keiding 1991, 2000), и поэтому эти другие факторы риска необходимо учитывать при анализе.

В таблице 2 показаны данные исследования распространенности среди 20 000 человек, а данные получены из таблицы 1 с использованием уравнения 2 выше. Это основано на предположении, что для обеих популяций уровень заболеваемости и размер популяции постоянны во времени, что средняя продолжительность болезни составляет 5 лет и что нет миграции людей с этим заболеванием в популяцию или из нее. (такие предположения могут быть нереалистичными, но они сделаны здесь в целях иллюстрации). В этой ситуации количество заболевших, ежегодно «теряющих» болезнь, уравновешивается количеством новых случаев, генерируемых исходным населением. Например, в группе, не подвергавшейся воздействию, преобладает 476 случаев, из которых 95 (20%) ежегодно «теряют» болезнь; это уравновешивается 95 людьми, у которых заболевание развивается каждый год (0,0100 из 9 восприимчивых людей,524 человека). Одним из примеров такого состояния может быть детская астма, когда большинство детей «теряют» состояние через несколько лет (в среднем 5 лет в этом гипотетическом примере), тогда как другие дети заболевают этим заболеванием впервые; в то же время повозрастная распространенность остается относительно постоянной. При дополнительном предположении, что средняя продолжительность заболевания одинакова в группах, подвергшихся и не подвергавшихся воздействию, тогда POR (2,00) достоверно оценивает коэффициент заболеваемости (Таблица 1).При дополнительном предположении, что средняя продолжительность заболевания одинакова в группах, подвергшихся и не подвергавшихся воздействию, тогда POR (2,00) достоверно оценивает коэффициент заболеваемости (Таблица 1).При дополнительном предположении, что средняя продолжительность заболевания одинакова в группах, подвергшихся и не подвергавшихся воздействию, тогда POR (2,00) достоверно оценивает коэффициент заболеваемости (Таблица 1).

Таблица 2

Результаты исследования гипотетической распространенности среди 20 000 человек.

Незащищенный Неэкспонировано Соотношение
Случаи909 ( а )476 ( б )
Noncases9 091 ( в )9 524 ( г )
Всего населения10 000 ( N 1 )10 000 ( N 0 )
Распространенность0,0909 ( P 1 )0,0476 ( P 0 )1,91
Коэффициенты распространенности0,1000 ( O 1 )0,0500 ( О 0 )2,00

Данные получены из таблицы 1 с использованием уравнения 2 на основе предположений о том, что для обеих популяций уровень заболеваемости и размер популяции постоянны во времени, что средняя продолжительность болезни составляет 5 лет и что нет миграции людей с болезнь в или из населения.

Конечно, когда вышеприведенные допущения о стабильном состоянии не выполняются, что часто имеет место, тогда как POR, так и коэффициент распространенности будут отличаться от коэффициента заболеваемости (Thompson et al. 1998), и какой показатель более « действительно »будет очень специфичным для населения, воздействия и болезни. Однако по мере того, как популяционная структура приближается к устойчивому состоянию, POR все больше оценивает коэффициент заболеваемости с большей достоверностью, чем коэффициент распространенности.

Исследования распространенности случай – контроль.

Подобно тому, как исследование случай-контроль заболеваемости может использоваться для получения тех же результатов, что и полное исследование заболеваемости, исследование распространенности случай-контроль может использоваться для получения тех же результатов, что и полное исследование распространенности, более эффективным образом. В частности, если получение информации о воздействии является трудным или дорогостоящим (например, если оно включает в себя длительные интервью или образцы сыворотки), то может быть более эффективным провести исследование распространенности случай – контроль, получив информацию о воздействии по всем распространенным случаям и выборка элементов управления, выбранных случайным образом из других случаев. Например, предположим, что в исследуемой популяции проводится вложенное исследование случай – контроль (таблица 2), в котором участвуют все из 1385 распространенных случаев и группа из 1385 контрольных случаев, выбранных из других случаев (таблица 3). Соотношение подверженных воздействию неэкспонированных средств контроля оценивает шансы воздействия (b / d ) не случаев, и отношение шансов, полученное в исследовании распространенности случай-контроль, будет поэтому оценивать POR в исходной популяции (2,00), которая, в свою очередь, оценивает коэффициент заболеваемости, при условии, что вышеуказанные предположения выполняются в облученное и не подвергшееся воздействию население.

Таблица 3

Результаты исследования гипотетической распространенности «случай – контроль», основанного на популяции, представленной в Таблице 1.

Незащищенный Неэкспонировано Соотношение
Случаи909 ( а )476 ( б )
Органы управления676 ( в )709 ( г )
Коэффициенты распространенности1,34 ( О 1 )0,67 ( О 0 )2,00

Какую меру эффекта мы должны использовать?

Итак, какую меру эффекта мы должны использовать для анализа исследования распространенности?

Причины использования ПОР.

Есть ряд причин, по которым использование POR является привлекательным. Во-первых, хотя это не всегда так, часто проводятся исследования распространенности, чтобы узнать больше о факторах риска заболевания; то есть они проводятся, чтобы выяснить, как предотвратить распространение болезни. В этой ситуации интересующей мерой воздействия является заболеваемость. Как показано выше, при соблюдении определенных (по общему признанию ограничительных) предположений, POR обеспечивает несмещенную оценку коэффициента заболеваемости. С другой стороны, для того, чтобы коэффициент распространенности обеспечивал такую ​​объективную оценку, необходимо выполнение всех тех же предположений, а также дополнительное предположение о том, что заболевание является редким. Таким образом, когда коэффициент заболеваемости является реальной мерой представляющего интерес эффекта,POR оценит это с меньшим количеством допущений, чем требуется для коэффициента распространенности.

Вторая причина, по которой часто используется POR, - это простота вычислений, поскольку POR можно рассчитать с использованием стандартных методов для исследований «случай – контроль», таких как метод Mantel – Haenszel (1959) или логистическая регрессия (Rothman and Greenland, 1998). Это имеет очевидные практические преимущества из-за широкой доступности и использования соответствующих компьютерных пакетов. Логистическая регрессия или модель пропорциональных рисков также могут использоваться для оценки коэффициента распространенности, но это непросто, и оценка может оказаться неразрешимой при наличии многих ковариат (Thompson et al. 1998). Однако эта «проблема» с использованием коэффициента распространенности более мнимая, чем реальная, потому что стандартные методы могут использоваться для моделирования распространенности точно так же, как они могут использоваться для моделирования рисков (и распространенность, и риск выражены в виде пропорции; таблицы 1 и и 2).2). К ним относятся метод Mantel – Haenszel для оценки риска / распространенности (чистые данные подсчета; Rothman and Greenland, 1998) и (экспоненциальная) регрессия риска (Zocchetti et al. 1995). Иногда утверждают, что (экспоненциальная) регрессия риска неуместна, поскольку она может давать прогнозируемые значения распространенности 1 (Lee 1995), но на практике это редко является проблемой (Rothman and Greenland 1998). Также утверждается, что можно использовать только несколько объясняющих переменных, потому что перекрестная классификация даст много клеток без хотя бы одного случая распространенности (Lee 1995). Однако метод Mantel – Haenszel для отношений риска: распространенности относительно надежен, как и метод Mantel – Haenszel для отношений шансов (Rothman and Greenland, 1998). Сходным образом,(экспоненциальная) регрессия риска с использованием методов максимального правдоподобия работает так же хорошо, как и логистическая регрессия для оценки отношения шансов. Таким образом, этот «вычислительный» аргумент в пользу использования POR, а не коэффициентов распространенности, неверен.

Однако есть третья причина для использования POR, которая редко упоминается: это обеспечивает согласованность между исследованиями распространенности и исследованиями случай-контроль распространенности, основанными на одной и той же популяции. Часто бывает, что исследование распространенности сначала проводится для выявления случаев и других случаев хронического состояния, такого как астма или диабет, а затем все идентифицированные случаи и контрольная выборка (выбранная из других случаев) отбираются для дальнейшего исследования. . Например, фаза I Международного исследования астмы и аллергии у детей (Asher et al. 1995; Pearce et al. 1993) включала исследования распространенности астмы у детей в 155 центрах в 56 странах (Beasley et al. 1998), а также Первоначальные исследования распространенности во многих случаях использовались в качестве основы для более подробных исследований распространенности случай – контроль (например, Wickens et al. 1999).Такой подход практичен и логичен, поскольку нет необходимости получать подробную информацию (например, более подробные анкеты, кожные уколы, анализы крови) для всей исследуемой популяции; скорее, более эффективно получить его для всех случаев и для выборки неслучайных случаев. В исследованиях распространенности случай-контроль отношение шансов распространенности является стандартной мерой эффекта, так же как в исследовании заболеваемости случай-контроль отношение шансов (заболеваемости) является стандартной мерой эффекта (Morgenstern and Thomas 1993; Pearce 1998). Кроме того, при условии, что контрольная выборка отбирается без предвзятости, POR в исследовании распространенности случай – контроль обеспечит беспристрастную оценку POR, которая была бы получена в полном исследовании распространенности, основанном на той же исходной популяции. Таким образом, есть очевидные преимущества, как с практической, так и с концептуальной точки зрения.с использованием POR в полном исследовании распространенности, чтобы обеспечить теоретическую и аналитическую согласованность между анализом полного исследования распространенности и любыми анализами случай-контроль распространенности, которые могут проводиться в той же популяции.

Причины использования коэффициента распространенности.

Так почему же не все используют POR? Один аргумент состоит в том, что, когда заболевание является обычным, тогда POR и коэффициент распространенности могут сильно различаться, а также могут быть различия в природе и степени искажения и модификации эффекта (Thompson et al. 1998). Однако тот факт, что эти два метода дают разные результаты при распространенном заболевании (они дают очень похожие результаты при редком заболевании), не говорит нам, какой показатель более уместен. Скорее, он подчеркивает важность использования меры, наиболее подходящей для задачи.

Второй аргумент заключается в том, что «отношение шансов непостижимо» (Ли, 1994). Однако это утверждение основано на неправильном цитировании литературы (например, Гренландия, 1987 г.), которая показывает, что отношение шансов не является значимой мерой эффекта в когортном исследовании. Это ничего не говорит нам об использовании отношения шансов в других контекстах. В частности, отношение шансов является стандартной мерой эффекта в исследовании (заболеваемости) «случай – контроль» и, при условии, что средства контроля были выбраны надлежащим образом, позволяет оценить отношение заболеваемости без необходимости делать какие-либо предположения о редких заболеваниях (Pearce, 1993). Точно так же, как показано выше, при условии, что сделан ряд более ограничительных предположений, POR является не только значимой мерой воздействия в исследовании распространенности,но также будет оценивать коэффициент заболеваемости с меньшим количеством допущений, чем требуется для коэффициента распространенности. То, что непонятно и неприемлемо для использования в когортном исследовании, может быть вполне понятным и подходящим для использования в исследовании «случай – контроль» или в исследовании распространенности.

Третий и связанный с этим аргумент заключается в том, что коэффициент распространенности имеет большую «естественную разборчивость» (Axelson et al. 1994; Lee and Chia 1993; Thompson et al. 1998). Например, Ли и Чиа (1993) утверждают, что «в то время как PR [коэффициент распространенности] легко интерпретировать и сообщать, POR не обладает разборчивостью». Однако то, что наиболее понятно и интерпретируемо для одного человека, может не быть таковым для другого. Более того, самые внятные меры могут оказаться не самыми действенными. Например, используя ту же логику, можно было бы утверждать, что соотношение процента случаев, подвергшихся воздействию, к проценту контрольных групп, выявленных в (заболеваемости) исследовании случай-контроль (коэффициент воздействия), более понятен и легче сообщается, чем (экспозиция) отношение шансов. Более того, можно утверждать, что этому есть веские доказательства, учитывая путаницу в отношении отношения шансов,и то, что он оценивает в исследовании случай-контроль (заболеваемости), которое насчитывает почти 50 лет (Pearce 1993). Тем не менее, отношение шансов является стандартной мерой эффекта для использования в исследовании случай-контроль (заболеваемости), несмотря на его отсутствие «естественной разборчивости».

Последний аргумент в пользу использования коэффициента распространенности заключается в том, что иногда нас интересует сама распространенность, а не заболеваемость, и что в этой ситуации коэффициент распространенности, несомненно, представляет собой представляющую интерес меру воздействия - например, когда нас беспокоит бремя общественного здравоохранения. болезни. Этот аргумент явно заслуживает внимания, хотя и с оговоркой, что в данной ситуации наибольший интерес часто представляют абсолютное значение распространенности и разница в распространенности, а не коэффициент распространенности.

Вывод

Ряд авторов утверждали, что коэффициент распространенности является предпочтительной мерой эффекта для использования в исследованиях распространенности. Аргументы в пользу использования коэффициента распространенности по существу сводятся к утверждению, что это, очевидно, лучший показатель, тогда как отношение шансов «неразборчиво», и что, когда болезнь является обычным явлением, соотношение распространенности и POR могут существенно различаться. Однако, несмотря на то, что такой анализ ценен тем, что показывает, насколько эти две меры могут отличаться и при каких обстоятельствах, они не решают проблемы, какой из показателей является наиболее подходящим для использования. Более веский аргумент состоит в том, что коэффициент распространенности является мерой воздействия, представляющей интерес, когда мы интересуемся бременем болезней для общественного здравоохранения, хотя в этой ситуации абсолютная распространенность и разница в распространенности обычно представляют больший интерес. Однако,когда нас интересует этиология заболевания, PORa ) оценивает коэффициент заболеваемости с меньшим количеством допущений, чем требуется для коэффициента распространенности; б ) могут быть оценены с использованием тех же методов, что и для отношения шансов в исследованиях случай – контроль, а именно с использованием метода Мантеля – Хензеля и логистической регрессии; и c ) обеспечивает практическую, аналитическую и теоретическую согласованность между анализами исследования распространенности и анализами случай-контроль распространенности, основанными на одной и той же исследуемой популяции. По этим причинам POR останется одним из стандартных методов анализа исследований распространенности и исследований случай-контроль распространенности.