Meta-description

Οι μελέτες ασθενών–μαρτύρων αποτελούν βασικό παρατηρησιακό σχεδιασμό για τη διερεύνηση παραγόντων που σχετίζονται με σπάνια νοσήματα. Παρουσιάζονται η επιλογή cases και controls, το odds ratio, το matching, οι συγχυτικοί παράγοντες, οι βασικές μεροληψίες και οι σύγχρονες αναλυτικές προσεγγίσεις.

Λέξεις-κλειδιά

μελέτες ασθενών μαρτύρων, case-control study, odds ratio, cases, controls, matching, confounding, recall bias, selection bias, logistic regression, nested case-control, επιδημιολογία

Εισαγωγή

Οι μελέτες ασθενών–μαρτύρων (case-control studies) αποτελούν έναν από τους βασικότερους παρατηρησιακούς σχεδιασμούς στην επιδημιολογία. Χρησιμοποιούνται κυρίως για τη διερεύνηση πιθανών σχέσεων μεταξύ προηγούμενων εκθέσεων και ενός συγκεκριμένου νοσήματος ή άλλου αποτελέσματος.

Ο σχεδιασμός ξεκινά από το αποτέλεσμα. Αρχικά επιλέγονται άτομα που παρουσιάζουν το υπό μελέτη νόσημα, οι ασθενείς ή cases, και συγκρίνονται με άτομα που δεν παρουσιάζουν το συγκεκριμένο αποτέλεσμα, τους μάρτυρες ή controls.

Στη συνέχεια εξετάζεται εάν η προηγούμενη έκθεση σε έναν παράγοντα ήταν συχνότερη στους ασθενείς από ό,τι στους μάρτυρες.

Η προσέγγιση αυτή είναι ιδιαίτερα αποτελεσματική όταν το νόσημα είναι σπάνιο ή όταν η εμφάνισή του απαιτεί μεγάλο χρονικό διάστημα.

Βασική Λογική του Σχεδιασμού

Σε μια cohort study οι συμμετέχοντες ταξινομούνται αρχικά με βάση την έκθεση και στη συνέχεια παρακολουθούνται ως προς την εμφάνιση του αποτελέσματος.

Στη μελέτη ασθενών–μαρτύρων συμβαίνει το αντίστροφο.

Η επιλογή γίνεται με βάση την κατάσταση του αποτελέσματος και στη συνέχεια διερευνάται το ιστορικό έκθεσης.

Επομένως:

Cases → έχουν το αποτέλεσμα

Controls → δεν έχουν το αποτέλεσμα

και στη συνέχεια συγκρίνεται η συχνότητα της προηγούμενης έκθεσης στις δύο ομάδες.

Επιλογή των Cases

Ο ορισμός των cases πρέπει να είναι σαφής και να εφαρμόζεται με τον ίδιο τρόπο σε όλους τους συμμετέχοντες.

Ιδανικά χρησιμοποιούνται τυποποιημένα διαγνωστικά κριτήρια, εργαστηριακές εξετάσεις ή άλλες αξιόπιστες μέθοδοι ταξινόμησης.

Η εσφαλμένη ταξινόμηση της νόσου μπορεί να προκαλέσει misclassification bias και να αλλοιώσει την εκτίμηση της σχέσης μεταξύ έκθεσης και αποτελέσματος.

Όπου είναι δυνατό, συχνά προτιμώνται incident cases, δηλαδή νέες περιπτώσεις, επειδή οι prevalent cases μπορεί να επηρεάζονται από παράγοντες που σχετίζονται όχι μόνο με την εμφάνιση αλλά και με τη διάρκεια ή την επιβίωση με το νόσημα.

Επιλογή των Controls

Η σωστή επιλογή των controls είναι ένα από τα σημαντικότερα σημεία του σχεδιασμού.

Οι μάρτυρες πρέπει να προέρχονται από τον ίδιο πληθυσμό από τον οποίο προέκυψαν τα cases και να αντιπροσωπεύουν την κατανομή της έκθεσης στον πληθυσμό που θα μπορούσε να είχε αποτελέσει case.

Δεν είναι απαραίτητο οι controls να είναι «υγιείς» από κάθε άποψη. Αρκεί να μην παρουσιάζουν το συγκεκριμένο αποτέλεσμα που μελετάται.

Μπορούν να επιλεγούν από τον γενικό πληθυσμό, από υπηρεσίες υγείας ή από άλλα κατάλληλα πλαίσια, αρκεί η διαδικασία επιλογής να μην σχετίζεται με την έκθεση που διερευνάται.

Matching

Σε αρκετές case-control studies εφαρμόζεται matching, δηλαδή αντιστοίχιση cases και controls ως προς συγκεκριμένα χαρακτηριστικά, όπως ηλικία ή φύλο.

Το matching μπορεί να γίνει ατομικά ή κατά συχνότητες.

Ο στόχος είναι να περιοριστεί η επίδραση συγκεκριμένων συγχυτικών παραγόντων.

Ωστόσο, το matching πρέπει να χρησιμοποιείται προσεκτικά. Η υπερβολική αντιστοίχιση (overmatching) μπορεί να μειώσει την ικανότητα της μελέτης να εντοπίσει πραγματικές σχέσεις.

Επιπλέον, όταν έχει εφαρμοστεί matching, πρέπει να χρησιμοποιείται και η κατάλληλη στατιστική ανάλυση.

Odds Ratio

Το κύριο μέτρο συσχέτισης στις κλασικές μελέτες ασθενών–μαρτύρων είναι ο λόγος πιθανοτήτων ή odds ratio (OR).

Το OR συγκρίνει τα odds προηγούμενης έκθεσης μεταξύ cases και controls.

Για έναν κλασικό πίνακα 2×2 υπολογίζεται ως:

OR = ad / bc

Εάν:

OR = 1, δεν παρατηρείται συσχέτιση.

OR > 1, η έκθεση σχετίζεται με υψηλότερα odds του αποτελέσματος.

OR < 1, η έκθεση μπορεί να σχετίζεται με χαμηλότερα odds του αποτελέσματος.

Για παράδειγμα:

OR = 2,0

σημαίνει ότι τα odds προηγούμενης έκθεσης είναι διπλάσια στα cases σε σχέση με τα controls, με ισοδύναμη διατύπωση ως προς τα odds του αποτελέσματος υπό τις προϋποθέσεις του μοντέλου.

Odds Ratio και Relative Risk

Το odds ratio δεν είναι “ασθενέστερο” στατιστικό μέτρο από το relative risk.

Είναι διαφορετικό μέτρο και είναι φυσικό να χρησιμοποιείται στις case-control studies επειδή ο αριθμός cases και controls καθορίζεται από τον ερευνητικό σχεδιασμό και συνήθως δεν μπορεί να υπολογιστεί άμεσα ο κίνδυνος εμφάνισης της νόσου στον πληθυσμό.

Όταν το αποτέλεσμα είναι σπάνιο, το OR μπορεί αριθμητικά να προσεγγίζει το relative risk (RR).

Όταν όμως το αποτέλεσμα είναι συχνό, το OR μπορεί να βρίσκεται αισθητά πιο μακριά από το 1 σε σχέση με το RR και δεν πρέπει να παρουσιάζεται ως «κίνδυνος» χωρίς προσοχή.

Διαστήματα Εμπιστοσύνης

Η ερμηνεία του OR πρέπει να συνοδεύεται από 95% διάστημα εμπιστοσύνης.

Για παράδειγμα:

OR = 2,10, 95% CI: 1,35–3,27

Η εκτίμηση υποδηλώνει θετική συσχέτιση και το διάστημα εμπιστοσύνης παρέχει πληροφορία για την αβεβαιότητα της εκτίμησης.

Η παρουσίαση μόνο του p-value είναι ανεπαρκής.

Συγχυτικοί Παράγοντες

Ένας συγχυτικός παράγοντας (confounder) σχετίζεται τόσο με την έκθεση όσο και με το αποτέλεσμα και μπορεί να δημιουργήσει ή να αλλοιώσει μια παρατηρούμενη σχέση.

Για παράδειγμα, εάν εξετάζεται η σχέση ενός διατροφικού παράγοντα με καρδιαγγειακή νόσο, η ηλικία, το κάπνισμα ή άλλοι παράγοντες μπορεί να λειτουργούν ως confounders.

Η αντιμετώπιση μπορεί να γίνει στο στάδιο του σχεδιασμού μέσω matching ή restriction και στο στάδιο της ανάλυσης με πολυμεταβλητά μοντέλα.

Logistic Regression

Η λογιστική παλινδρόμηση (logistic regression) αποτελεί βασική μέθοδο ανάλυσης case-control δεδομένων.

Επιτρέπει την εκτίμηση adjusted odds ratios, δηλαδή OR μετά τον στατιστικό έλεγχο πιθανών συγχυτικών παραγόντων.

Για matched case-control designs μπορεί να απαιτείται conditional logistic regression.

Η επιλογή των μεταβλητών που θα ελεγχθούν πρέπει να βασίζεται στο ερευνητικό ερώτημα και στην αιτιολογική γνώση και όχι μόνο σε αυτόματες στατιστικές διαδικασίες.

Recall Bias

Το recall bias αποτελεί κλασικό πρόβλημα των case-control studies.

Τα cases ενδέχεται να θυμούνται προηγούμενες εκθέσεις διαφορετικά από τους controls, ιδιαίτερα όταν θεωρούν ότι κάποιος παράγοντας μπορεί να σχετίζεται με την ασθένειά τους.

Το πρόβλημα μπορεί να περιοριστεί με τη χρήση αντικειμενικών αρχείων, ηλεκτρονικών μητρώων, βιολογικών δεικτών ή τυποποιημένων ερωτηματολογίων όπου είναι διαθέσιμα.

Selection Bias

Το selection bias εμφανίζεται όταν ο τρόπος επιλογής cases ή controls σχετίζεται με την έκθεση.

Το αποτέλεσμα μπορεί να είναι μια συστηματικά λανθασμένη εκτίμηση του OR.

Η επιλογή κατάλληλης ομάδας controls είναι επομένως συχνά πιο σημαντική από την απλή αύξηση του μεγέθους του δείγματος.

Ένα μεγάλο αλλά μεροληπτικό δείγμα μπορεί να δώσει πολύ ακριβή εκτίμηση μιας λανθασμένης σχέσης.

Information Bias

Εάν η προηγούμενη έκθεση μετράται διαφορετικά στα cases και στους controls, μπορεί να προκύψει information bias.

Η χρήση των ίδιων διαδικασιών συλλογής δεδομένων και, όπου είναι δυνατό, η τυφλοποίηση του αξιολογητή ως προς την κατάσταση case/control μπορούν να περιορίσουν το πρόβλημα.

Nested Case-Control Studies

Μια σύγχρονη παραλλαγή είναι η nested case-control study.

Η μελέτη πραγματοποιείται μέσα σε μια ήδη υπάρχουσα cohort. Όταν εμφανίζεται ένα case, επιλέγονται ένας ή περισσότεροι controls από τα άτομα της cohort που βρίσκονται ακόμη σε κίνδυνο.

Η προσέγγιση συνδυάζει αρκετά πλεονεκτήματα της cohort study με μικρότερο κόστος, ιδιαίτερα όταν απαιτούνται ακριβές εργαστηριακές αναλύσεις σε αποθηκευμένα βιολογικά δείγματα.

Πλεονεκτήματα

Οι case-control studies είναι ιδιαίτερα αποτελεσματικές για σπάνια νοσήματα και νοσήματα με μεγάλη λανθάνουσα περίοδο.

Απαιτούν συνήθως μικρότερο δείγμα, λιγότερο χρόνο και χαμηλότερο κόστος σε σχέση με μεγάλες προοπτικές cohorts.

Επιτρέπουν επίσης την ταυτόχρονη διερεύνηση πολλών πιθανών εκθέσεων για ένα συγκεκριμένο αποτέλεσμα.

Περιορισμοί

Δεν είναι ιδιαίτερα αποτελεσματικές για τη μελέτη πολύ σπάνιων εκθέσεων.

Η αναδρομική συλλογή πληροφοριών μπορεί να οδηγήσει σε recall και information bias, ενώ η επιλογή των controls μπορεί να δημιουργήσει σοβαρό selection bias.

Επιπλέον, ο κλασικός case-control σχεδιασμός συνήθως δεν επιτρέπει άμεσο υπολογισμό επίπτωσης ή απόλυτου κινδύνου.

Τέλος, η ύπαρξη στατιστικής συσχέτισης δεν αποτελεί από μόνη της απόδειξη αιτιότητας.

Συμπέρασμα

Οι μελέτες ασθενών–μαρτύρων αποτελούν ισχυρό και αποδοτικό παρατηρησιακό σχεδιασμό, ιδιαίτερα για τη μελέτη σπάνιων νοσημάτων ή αποτελεσμάτων με μεγάλη περίοδο εμφάνισης.

Η εγκυρότητά τους εξαρτάται κυρίως από τον σωστό ορισμό των cases, την επιλογή κατάλληλων controls, την αξιόπιστη μέτρηση της προηγούμενης έκθεσης και τον έλεγχο των συγχυτικών παραγόντων.

Το odds ratio αποτελεί το βασικό μέτρο συσχέτισης και πρέπει να παρουσιάζεται μαζί με το 95% διάστημα εμπιστοσύνης. Η χρήση logistic regression επιτρέπει τον υπολογισμό adjusted OR και την αντιμετώπιση σημαντικών confounders.

Η σύγχρονη ερμηνεία μιας case-control study απαιτεί επομένως μεγαλύτερη έμφαση όχι μόνο στη στατιστική σημαντικότητα, αλλά και στην ποιότητα της επιλογής των συμμετεχόντων, στις πιθανές μεροληψίες, στο μέγεθος της συσχέτισης και στην ακρίβεια της εκτίμησης.

Ενδεικτική Βιβλιογραφία

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

Gordis, L. (2014). Epidemiology (5th ed.). Elsevier Saunders.

Vandenbroucke, J. P., & Pearce, N. (2012). Case-control studies: Basic concepts. International Journal of Epidemiology, 41(5), 1480–1489.

Mann, C. J. (2003). Observational research methods. Research design II: Cohort, cross sectional, and case-control studies. Emergency Medicine Journal, 20(1), 54–60.