hälsokunskap

introduktion

inlärningsmål:du kommer att lära dig om vanliga epidemiologiska mätningar för att beskriva förekomsten av sjukdom.

kärnan i epidemiologi är att mäta sjukdomshändelser och göra jämförelser mellan befolkningsgrupper. Det aktuella avsnittet introducerar dig till de vanliga åtgärderna som underlättar förståelsen av sjukdomsfördelning i en given population.

detta avsnitt omfattar även följande områden:

1. Frågor i utformningen av tvärsnittsstudier
2. Potentiell bias i tvärsnittsstudier
3. Analys av tvärsnittsstudier
4. Styrkor och svagheter i tvärsnittsstudier

Läs resurstexten nedan.

Resurstext

en tvärsnittsstudie undersöker förhållandet mellan sjukdom (eller annat hälsorelaterat tillstånd) och andra variabler av intresse som de finns i en definierad population vid en enda tidpunkt eller under en kort tidsperiod (t.ex. kalenderår).

tvärsnittsstudier kan anses ge en ögonblicksbild av frekvensen av en sjukdom eller andra hälsorelaterade egenskaper (t.ex. exponeringsvariabler) i en population vid en given tidpunkt. Tvärsnittsstudier används för att bedöma sjukdomsbördan eller hälsobehovet hos en befolkning och är särskilt användbara för att informera planering och fördelning av hälsoresurser.

typer av tvärsnittsstudier

beskrivande

en tvärsnittsundersökning kan vara rent beskrivande och användas för att bedöma bördan av en viss sjukdom i en definierad population. Till exempel kan ett slumpmässigt urval av skolor över London användas för att bedöma förekomsten av astma bland 12-14-åringar.

analytisk

analytiska tvärsnittsundersökningar kan också användas för att undersöka sambandet mellan en förmodad riskfaktor och ett hälsoutfall. Men denna typ av studie är begränsad i sin förmåga att dra giltiga slutsatser om sambandet mellan en riskfaktor och hälsoutfall. I en tvärsnittsundersökning mäts riskfaktorerna och utfallet samtidigt, och därför kan det vara svårt att avgöra om exponeringen fortsatte eller följde sjukdomen.

i praktiken kommer tvärsnittsstudier att innehålla ett element i båda typerna av design.

frågor i utformningen av tvärsnittsundersökningar

välja ett representativt urval

en tvärsnittsstudie bör vara representativ för befolkningen om generaliseringar från resultaten ska ha någon giltighet. Till exempel bör en studie av förekomsten av diabetes bland kvinnor i åldern 40-60 år I Stad A omfatta ett slumpmässigt urval av alla kvinnor i åldern 40-60 år i den staden.

provstorlek

provstorleken ska vara tillräckligt stor för att uppskatta förekomsten av intressebetingelserna med tillräcklig precision. Provstorleksberäkningar kan utföras med hjälp av provstorlekstabeller eller statistiska paket som Epi-Info.

potentiell bias i tvärsnittsstudier

icke-svar är ett särskilt problem som påverkar tvärsnittsstudier och kan resultera i bias av måtten på resultatet. Detta är ett särskilt problem när egenskaperna hos icke-svarande skiljer sig från svarande.

analys av tvärsnittsstudier

i en tvärsnittsstudie mäts alla faktorer (exponering, utfall och förvirring) samtidigt. Det huvudsakliga utfallsmåttet som erhållits från en tvärsnittsstudie är prevalens, det vill säga:

Observera att för kontinuerliga variabler som blodtryck eller vikt kan prevalensen endast beräknas när variabeln är uppdelad i de som faller under eller över en viss förutbestämd nivå. Alternativt kan medel-eller mediannivåer beräknas.

i analytiska tvärsnittsstudier kan oddsförhållandet användas för att bedöma styrkan i en koppling mellan en riskfaktor och hälsoutfall av intresse, förutsatt att den aktuella exponeringen korrekt återspeglar den tidigare exponeringen.

styrkor och svagheter i tvärsnittsstudier

styrkor

• relativt snabbt och enkelt att genomföra (inga långa uppföljningsperioder).
• Data om alla variabler samlas bara in en gång.
• kunna mäta prevalens för alla faktorer som undersöks.
• flera resultat och exponeringar kan studeras.
• förekomsten av sjukdom eller andra hälsorelaterade egenskaper är viktiga för folkhälsan för att bedöma sjukdomsbördan i en viss population och vid planering och fördelning av hälsoresurser.
• bra för beskrivande analyser och för att generera hypoteser.

svagheter

• svårt att avgöra om resultatet följde exponering i tid eller exponering berodde på resultatet.
• Ej lämplig för studier av sällsynta sjukdomar eller sjukdomar med kort varaktighet.
• som tvärsnittsstudier mäter vanliga snarare än incidentfall, kommer data alltid att återspegla determinanter för överlevnad såväl som etiologi1.
• kan inte mäta incidens.
• identifierade föreningar kan vara svåra att tolka.
• känslig för bias på grund av lågt svar och felklassificering på grund av återkallande bias.