مطالعات مقطعي تجزیه و تحلیل مطالعات مقطعي تجزیه و تحلیل A. A. Keshtkar; MD, MPH, PhD
اهداف آنالیز مطالعه مقطعي: برآورد شیوع یا فراوانی یک پیامد (بیماری) بعد توصیفی مطالعات مقطعی ارزیابی رابطه بین عوامل خطر یا تعیین کننده ها با پیامد بعد تحلیلی مطالعات مقطعی ارزیابی شاخصهای روایی یا اعتبار آزمونهای تشخیصی مطالعات ارزش تشخیصی A. A. Keshtkar; MD, MPH, PhD
برآورد شیوع یک پیامد(1): همواره برآورد شیوع باید به دو صورت نقطه ای و فاصله ای باشد. در پیامدهای غیرنادر (شیوع بالاتر از 5 درصد)، برآورد فاصله ای میتواند با تقریب توزیع نرمال باشد. در پیامدهای نادر (شیوع کمتر از 5 درصد)، برآورد فاصله ای باید با روش توزیع دو جمله ای دقیق (binomial exact method) انجام شود. (فرمان cii در stata) با توجه به مستعد بودن مطالعات مقطعی به سوگرایی انتخاب، ارزیابی این سوگرایی و میزان آن یک اولویت است. بهترین راهکار عملی برای ارزیابی این سوگرایی، مقایسه توزیع متغیرهای زمینه ای (سن، جنس، قومیت و ...) بین نمونه مورد مطالعه با جامعه میباشد. در صورت تفاوت توزیع متغیرهای زمینه ای بین نمونه با جامعه (وجود سوگرایی انتخاب)، لازم است از روشهای تطبیق سازی یا Adjustment استفاده نماییم. تطبیق سازی برای بیش از یک متغیر، ساده نبوده و میتوان از روشهای Survey Data Analysis استفاده نمود. A. A. Keshtkar; MD, MPH, PhD
برآورد شیوع یک پیامد(2): در صورتیکه، روش نمونه گیری مطالعه، روشی غیر از نمونه گیری تصادفی ساده باشد (طبقه ای، خوشه ای، مرکب، چند مرحله ای و ...) باشد، برآورد نقطه ای و فاصله ای شیوع پیامد مورد مطالعه باید با در نظر گرفتن این شرایط، صورت پذیرد. در این شرایط استفاده از روشهای Survey Data Analysis یک راهکار مناسب میباشد. در این روش در نرم افزار Stata ابتدا باید مولفه های survey setting را مشخص نمود (شامل مراحل نمونه گیری در نمونه گیری چند مرحله ای، وزن یا weight، طبقه یا strata، PSU یا primary sampling unit برای نمونه گیری خوشه ای و ...) سپس با استفاده از فرمانهای svy میتوان شیوع پیامد مربوطه را برآورد نمود. A. A. Keshtkar; MD, MPH, PhD
ارزیابی رابطه: در Univariate analysis همانند مطالعات مشاهده ای تحلیلی میتوان از اندازه های ارتباط استفاده نمود. اگر چه در مطالعات مورد شاهدی تیپیک، اندازه مورد استفاده Odds ratio و در مطالعات کوهورت تیپیک، اندازه مورد استفاده Risk Ratio است، لیکن در یک مطالعه مقطعی که بدرستی طراحی و اجراء شده باشد، میتوان هر دو این اندازه ها را محاسبه نمود. علت ؟؟؟؟ در صورت نیاز به Multivariable analysis میتوان از روشهای این تجزیه و تحلیل (مانند روش رگرسیون لجستیک) استفاده نمود. در این حالت نیز مشابه شرایط قبل، لازم است این روشهای چند متغیره با استفاده از شیوه survey data analysis انجام شود. A. A. Keshtkar; MD, MPH, PhD
تحلیل مطالعات ارزش تشخیصی: در این مطالعات معمولا محاسبه شاخصهای اعتبار (حساسیت، ویژگی، ارزش اخباری مثبت و منفی و ...) در مرکز توجه قرار دارد. در یک مطالعه مقطعی ارزش تشخیصی بدون سوگرایی انتخاب، میتوان به دو گروه شاخصهای intrinsic و extrinsic اعتماد نمود. در صورتیکه، تست یا آزمون مورد نظر، کمی باشد، میتوان از آنالیز منحنی ROC استفاده نمود. (فرمان roctab در stata) در صورتیکه، هدف از این مطالعات، ارزیابی اعتبار یک نظام scoring برای پیش بینی یک پیامد باشد، معمولا نیاز به Multivariable analysis داریم. برای این منظور میتوان از روشهای پارامتریک تحلیل چند متغیره مانند روشهای رگرسیونی (با توجه به توزیع متغیر وابسته و ماهیت آن) و یا روشهای ناپارامتری (روش CART و ...) استفاده نمود. در این شرایط معولا برای اثبات کارآیی یا قدرت پیش بینی مدل، به اعتبار سنجی این نظام scoring در یک نمونه خارجی (مطالعه دیگر) نیاز داریم. A. A. Keshtkar; MD, MPH, PhD
سایر ملاحظات در آنالیز مطالعات مقطعي: گاهی اوقات با اجرای حداقل سه مطالعه مقطعی (در سه مقطع زمانی) میتوان به تحلیل روند تغییرات وقوع بیماریها در طول زمان پی برد. به این دسته از تحلیلها، APC analysis یا Age Period Cohort Effect analysis میگویند. در آنالیزهایی که با هدف ارزیابی رابطه در این مطالعات صورت میگیرد، همواره باید به محدودیت رعایت اصل temporality توجه داشت (همزمانی علت و معلول) این مطالعات نیز همانند مطالعات مشاهده ای تحلیلی میتوانند مستعد سوء طبقه بندی باشند (پیامد، مواجهه، مخدوش کننده) A. A. Keshtkar; MD, MPH, PhD