sundhedsviden

introduktion

læringsmål:du vil lære om almindeligt anvendte epidemiologiske målinger til at beskrive forekomsten af sygdom.

essensen af epidemiologi er at måle sygdomsforekomst og foretage sammenligninger mellem befolkningsgrupper. Det nuværende afsnit introducerer dig til de almindeligt anvendte foranstaltninger, der letter forståelsen af sygdomsfordeling i en given population.

dette afsnit dækker også følgende områder:

1. Spørgsmål i udformningen af tværsnitsstudier
2. Potentiel bias i tværsnitsstudier
3. Analyse af tværsnitsstudier
4. Styrker og svagheder ved tværsnitsstudier

Læs ressourceteksten nedenfor.

Ressourcetekst

en tværsnitsundersøgelse undersøger forholdet mellem sygdom (eller anden sundhedsrelateret tilstand) og andre variabler af interesse, som de findes i en defineret population på et enkelt tidspunkt eller over en kort periode (f.eks. kalenderår).

Tværsnitsstudier kan betragtes som et øjebliksbillede af hyppigheden af en sygdom eller andre sundhedsrelaterede egenskaber (f.eks. eksponeringsvariabler) i en population på et givet tidspunkt. Tværsnitsundersøgelser bruges til at vurdere byrden af sygdom eller sundhedsbehov hos en befolkning og er især nyttige til at informere om planlægning og tildeling af sundhedsressourcer.

typer af tværsnitsstudie

beskrivende

en tværsnitsundersøgelse kan være rent beskrivende og bruges til at vurdere byrden af en bestemt sygdom i en defineret population. For eksempel kan en tilfældig stikprøve af skoler i hele London bruges til at vurdere forekomsten af astma blandt 12-14-årige.

analytisk

analytiske tværsnitsundersøgelser kan også bruges til at undersøge sammenhængen mellem en formodet risikofaktor og et sundhedsresultat. Denne type undersøgelse er imidlertid begrænset i sin evne til at drage gyldige konklusioner om sammenhængen mellem en risikofaktor og et sundhedsresultat. I en tværsnitsundersøgelse måles risikofaktorerne og resultatet samtidigt, og det kan derfor være vanskeligt at afgøre, om eksponeringen fortsatte eller fulgte sygdommen.

i praksis vil tværsnitsstudier omfatte et element af begge typer design.

problemer i udformningen af tværsnitsundersøgelser

valg af en repræsentativ prøve

en tværsnitsundersøgelse skal være repræsentativ for befolkningen, hvis generaliseringer fra resultaterne skal have nogen gyldighed. For eksempel bør en undersøgelse af forekomsten af diabetes blandt kvinder i alderen 40-60 år i by a omfatte en tilfældig stikprøve af alle kvinder i alderen 40-60 år i den by.

stikprøvestørrelse

stikprøvestørrelsen skal være tilstrækkelig stor til at estimere prævalensen af de interesserede forhold med tilstrækkelig præcision. Prøvestørrelsesberegninger kan udføres ved hjælp af prøvestørrelsestabeller eller statistiske pakker såsom Epi Info.

potentiel bias i tværsnitsstudier

manglende respons er et særligt problem, der påvirker tværsnitsstudier og kan resultere i bias af målingerne af resultatet. Dette er et særligt problem, når egenskaberne hos ikke-respondenter adskiller sig fra respondenter.

analyse af tværsnitsstudier

i et tværsnitsstudie måles alle faktorer (eksponering, resultat og konfundere) samtidigt. Det vigtigste resultatmål opnået fra en tværsnitsundersøgelse er prævalens, det vil sige:

Bemærk, at for kontinuerlige variabler såsom blodtryk eller vægt, prævalens kan kun beregnes, når variablen er opdelt i dem, der falder under eller over et bestemt forudbestemt niveau. Alternativt kan gennemsnits-eller medianniveauer beregnes.

i analytiske tværsnitsundersøgelser kan oddsforholdet bruges til at vurdere styrken af en sammenhæng mellem en risikofaktor og et sundhedsresultat af interesse, forudsat at den aktuelle eksponering nøjagtigt afspejler den tidligere eksponering.

styrker og svagheder ved tværsnitsstudier

styrker

• relativt hurtig og nem at gennemføre (ingen lange opfølgningsperioder).
• Data om alle variabler indsamles kun en gang.
• i stand til at måle prævalens for alle faktorer, der undersøges.
• flere resultater og eksponeringer kan undersøges.
• forekomsten af sygdom eller andre sundhedsrelaterede egenskaber er vigtig for folkesundheden for at vurdere sygdomsbyrden i en bestemt population og i planlægning og tildeling af sundhedsressourcer.
• god til beskrivende analyser og til generering af hypoteser.

svagheder

• vanskeligt at afgøre, om resultatet fulgte eksponering i tid eller eksponering skyldtes resultatet.
• ikke egnet til at studere sjældne sygdomme eller sygdomme med kort varighed.
• da tværsnitsstudier måler fremherskende snarere end hændelsestilfælde, vil dataene altid afspejle determinanter for overlevelse såvel som ætiologi1.
• kan ikke måle incidens.
• identificerede foreninger kan være vanskelige at fortolke.
• modtagelig for bias på grund af lav respons og fejlklassificering på grund af tilbagekaldelsesforstyrrelse.