건강 지식

BY admin
|

소개

학습 목표:질병의 발생을 설명하기 위해 일반적으로 사용되는 역학 측정에 대해 배우게됩니다.

역학의 본질은 질병 발생을 측정하고 인구 집단 간의 비교를하는 것입니다. 현재 섹션에서는 주어진 인구에서 질병의 분포의 이해를 용이하게 일반적으로 사용되는 조치를 소개합니다.

이 섹션에서는 다음 영역도 다룹니다:

1. 횡단면 연구 설계 문제
2. 횡단면 연구에서 잠재적 편향
3. 횡단면 연구 분석
4. 횡단면 연구의 강점과 약점

아래의 리소스 텍스트를 읽으십시오.

자료 텍스트

횡단면 연구는 질병(또는 다른 건강 관련 상태)과 다른 관심 변수 사이의 관계를 단일 시점 또는 짧은 기간(예:달력 연도)에 걸쳐 정의 된 집단에 존재하는 것으로 조사합니다.

횡단면 연구는 주어진 시점에서 인구의 질병 또는 기타 건강 관련 특성(예:노출 변수)의 빈도에 대한 스냅 샷을 제공하는 것으로 생각할 수 있습니다. 횡단면 연구는 인구의 질병이나 건강 요구의 부담을 평가하는 데 사용되며 건강 자원의 계획 및 할당을 알리는 데 특히 유용합니다.

횡단면 연구의 유형

설명 적

횡단면 조사는 순전히 설명 적이며 정의 된 집단에서 특정 질병의 부담을 평가하는 데 사용될 수 있습니다. 예를 들면 런던의 맞은편에 학교의 무작위 견본은 12-14 세 중 천식의 보급 평가하기 위하여 이용될 수 있습니다.

분석

분석 횡단면 조사는 또한 추정 위험 인자와 건강 결과 사이의 연관성을 조사하는 데 사용될 수 있습니다. 그러나 이러한 유형의 연구는 위험 요소와 건강 결과 사이의 연관성에 대해 유효한 결론을 도출 할 수있는 능력이 제한됩니다. 횡단면 조사에서는 위험 요소 및 결과는 동시에 측정되고,그러므로 노출이 질병을 진행하거나 따랐다는 것을 결정하는 것은 어려울 수 있습니다.

실제로 횡단면 연구에는 두 가지 유형의 설계 요소가 포함됩니다.

횡단면 조사 설계 문제

대표 샘플 선택

연구 결과의 일반화가 타당성을 가질 경우 횡단면 연구는 인구를 대표해야합니다. 예를 들면,도시에 있는 40-60 년을 나이 든 여자 중 당뇨병의 유행의 학문은 그 도시에 있는 40-60 년을 나이 든 모든 여자의 무작위 표본을 함유해야 합니다.

표본 크기

표본 크기는 적절한 정밀도로 관심 조건의 유병률을 추정 할 수있을만큼 충분히 커야합니다. 표본 크기 계산은 표본 크기 표 또는 에피 정보와 같은 통계 패키지를 사용하여 수행 할 수 있습니다.

횡단면 연구에서 잠재적 편향

무응답은 횡단면 연구에 영향을 미치는 특정 문제이며 결과 측정의 편향을 초래할 수 있습니다. 이는 응답자의 특성이 응답자와 다를 때 특정 문제입니다.

횡단면 연구 분석

횡단면 연구에서 모든 요인(노출,결과 및 혼란)을 동시에 측정합니다. 횡단면 연구에서 얻은 주요 결과 측정은 보급,즉:

혈압이나 체중과 같은 연속 변수의 경우 유병률은 변수가 특정 사전 결정된 수준 이하 또는 그 이상으로 나눌 때만 계산 될 수 있습니다. 대안적으로,평균 또는 중앙값 레벨이 계산될 수 있다.

분석 횡단면 연구에서 확률 비율을 사용하여 현재 노출이 과거 노출을 정확하게 반영한다면 관심 위험 요소와 건강 결과 사이의 연관성을 평가할 수 있습니다.

횡단면 연구의 강점과 약점

강점

  • 비교적 빠르고 쉽게 수행 할 수 있습니다(장기간 추적 관찰 없음).
  • 모든 변수에 대한 데이터는 한 번만 수집됩니다.
  • 조사중인 모든 요인에 대한 유병률을 측정 할 수 있습니다.
  • 여러 결과 및 노출을 연구 할 수 있습니다.
  • 질병 또는 기타 건강 관련 특성의 유병률은 특정 인구에서 질병의 부담을 평가하고 건강 자원을 계획하고 할당하는 데 공중 보건에 중요합니다.
  • 설명 분석 및 가설 생성에 적합합니다.

약점

  • 결과가 제 시간에 노출되었는지 또는 노출이 결과에서 발생했는지 여부를 결정하기가 어렵습니다.
  • 희귀 질환이나 짧은 기간의 질병을 연구하는 데 적합하지 않습니다.
  • 횡단면 연구가 사건 사례보다는 널리 퍼져 있기 때문에 데이터는 항상 생존 결정 요인과 병인학을 반영합니다 1.
  • 발생률을 측정 할 수 없습니다.
  • 확인 된 연관성은 해석하기 어려울 수 있습니다.
  • 낮은 응답으로 인한 편향 및 리콜 편향으로 인한 오 분류에 취약합니다.