Epidemioloogia uuringud ja uuringu kavandamise tähtsus

Armastan tervist, netisaateid ja andmeid. Teisel päeval kuulasin Joe Rogani podcasti, kus ta on dr Joel Khani ja Chris Kresseri saatel. Dr Joel Kahn on vegankardioloog, kes usub, et taimepõhine toitumine on kõige tõhusam ennetava meditsiini allikas planeedil. Chris Kresser juhib California funktsionaalse meditsiini keskust ja on paleo- või esivanemate dieedi propageerija. Joe Rogani modereerimisega on see minu jaoks peaaegu 4 tundi puhast vingeid.

Taskuhäälingusaade, mis vastutas mulle epidemioloogia küülikuaugu alla saatmise eest.

Arutelu ajal osutasid nad väidete toetuseks sageli erinevatele epidemioloogia-uuringutele. Kuid mitu korda kogu taskuhäälingusaate jooksul mainis keegi midagi nende uuringute ebausaldusväärsuse kohta ja loetles mitu põhjust. Niisiis tahtsin uurida epidemioloogia valdkonda ja uurida eri tüüpi epidemioloogilisi uuringuid, nende lõkse ja miks me ei saa alati usaldada tulemuste tõlgendamist kellegi poolt.

Mis on epidemioloogia?

Epidemioloogia on teadus, mille eesmärk on mõista, kuidas see, mida me kokku puutume või mida teeme, võib mõjutada ühiskonna üldist tervist. Epidemioloogid uurivad kõiki haigusi ja otsivad suundumusi. Epidemioloogidelt küsitakse sageli järgmisi küsimusi: kes haiguse sai? Miks nad selle said? Kust on nendel inimrühmadel sarnasusi ja erinevusi? Kuidas saaksime seda haigust ära hoida? Epidemioloogid tegutsevad detektiividena; nad uurivad andmeid ja püüavad leida tegeliku allika, mis põhjustab elanikkonnas haigust.

Andmeid on aga sageli väga raske mõtestada. See, et keegi oli millegagi kokku puutunud ja haigestus, ei tähenda veel, et need kaks on omavahel seotud. Epidemioloogidel on väga raske põhjuslikku seost näidata ja sageli peavad nad järeldama, et kokkupuute ja tulemuse vahel on lihtsalt seos.

Riskipositsioon on mis tahes tegur, mida saab huvitava tulemuse saavutamisele kaasa aidata. Näiteks kui uurite suhkruhaigust, võib mõni kokkupuude sisaldada söödavaid toite, treenimistaset, pestitsiide ja keskkonnategureid. Vahepeal oleks tulemuseks diabeet.

Enne andmete töötlemise ja analüüsimise alustamist on uskumatult oluline veenduda, et mõõdate korralikult ja kasutate õigeid metoodikaid.

Tavaliselt on viis erinevat seletust, miks midagi võib olla statistiliselt oluline:

  1. Võimalus
  2. Eelarvamus
  3. Segadust tekitav
  4. Pöördpõhjus
  5. Põhjuslik seos

Võimalus on siis, kui saame konkreetse tulemuse, kuid tegelikult pole seda üldse seostatud. Statistikat kasutatakse selleks, et vähendada võimalike võimaluste hulka.

Eelarvamused ilmnevad siis, kui ilmneb, et seal on seos, kuid seos tuleneb uuringu läbiviimise süstemaatilisest veast. Teil võib olla valiku- või teabehälve.

Valiku kallutatuse põhjustab see, kuidas osalejaid valitakse või osalemist otsustatakse. See on siis, kui valimi rühm ei esinda elanikkonda. Selle näiteks on tervisliku kasutaja eelarvamused: terved inimesed on üldiselt tervise vastu rohkem huvitatud ja osalevad suurema tõenäosusega terviseuuringus.

Teabepõhisus: tuleneb mõõtmisveast. Selle näiteks on tagasikutsumise kallutamine, see juhtub siis, kui ebasoodsa tulemuse saanud osalejad võivad oma haiguse võimalike põhjuste üle järele mõelda ja tuletavad seetõttu kokkupuudet erinevalt kontrollist meelde. Muud vormid hõlmavad küsitleja eelarvamusi, vaatlejate eelarvamusi ja vastajate eelarvamusi. Seal on isegi lõppnumbrite kallutamine, see on vaatleja eelarvamuste vorm, mis ilmneb sageli vererõhu võtmise ajal; sageli ümardab teie vererõhku langetav inimene numbrid 0-ni või 5-ni.

Segadusttekitav: kas kokkupuute ja tulemuse vahelise seose uuringu tulemusi moonutab mõni muu muutuja. Chris Kresser jagab selle kohta suurepärast näidet:

Oletame, et soovisite uurida punase liha ja vähi seost. Andmeid on lihtne vaadata ja teha järeldus, et nende kahe vahel on selge seos. Kuid pikka aega arvati, et punase liha söömine on teie jaoks halb ja inimestel, kes teevad halba, on tavaliselt ka muid ebatervislikke harjumusi, näiteks suitsetamine, vähem toodete söömine, kõrgem KMI, vähem füüsiliselt aktiivne jne. . Kuidas me siis teame, et vähki põhjustas punane liha?

Need lisamuutujad on segaja ja neid tuleb arvestada. Segajatel on seos nii kokkupuute kui ka tulemuse vahel. Segadust tekitavateks viisideks on kontrollrühma loomine, mille abil saate võrrelda andmeid, neid randomiseerida, stratifitseerida oma andmeid, jagades elanikkonna homogeenseteks alarühmadeks või seades piiranguid. Statistiliste meetoditega saab esile tuua ka segajaid.

Pöördpõhjus: on täpselt selline, nagu see kõlab, see on siis, kui saame seost vaadata mõlemal viisil. On märgitud, et põlvevaludega inimesed on rasvunud, nii et võib järeldada, et rasvumine põhjustab põlvevalu, kuid põlvevalu võib tegelikult põhjustada inimeste aktiivsuse vähenemist ja seejärel rasvumist.

Põhjuslik seos: Võimalik, et võime põhjusliku seose väita pärast seda, kui oleme välistanud kõik juhuslikkuse, eelarvamuste, sekelduste ja vastupidise põhjuslikkuse võimalused.

Hästi läbimõeldud uuringu omamine on oluline, et vältida juhuslikku sattumist, eelarvamusi ja segadusse sattumist. Enne analüüsi alustamist peate suutma need välistada. Statistilised meetodid ei suuda korvata uuringu kavandamisel esinevaid vigu.

Millised on mõned epidemioloogia uuringu kavandid?

Katse saamiseks või vaatluse teel on andmete saamiseks kaks peamist viisi.

Vaatlusuuringud on uuringud, mille puhul teadlane vaatleb, kuid ei sega.

Juhtumikontrolli uuring: on uuring, milles võrreldakse kahte rühma, teie juhtumigruppi ja kontrollrühma. Mõlemad rühmad on väga sarnased, kuid teie juhtumiga patsientidel on konkreetne haigus ja kontrollrühmal mitte. Mõlemale rühmale küsitakse nende varasema kokkupuute kohta konkreetsete riskiteguritega. Kontrollrühm annab kokkupuute lähteolukorra hinnangu. Kui juhtumigrupil on teatava riskifaktoriga kokkupuude suurem kui arvatakse, võime arvata, et selle teguri ja haiguse vahel on seos. Haigusjuhtumite uuringud sobivad suurepäraselt toidust põhjustatud haiguse puhangu põhjuste leidmiseks.

2003. aastal toimus Pennsylvanias A-hepatiidi puhang. Nad mõistsid kiiresti, et kõik juhtumiga patsiendid sõid samas restoranis, kuid sellest ei piisanud, et piirduda toidu saastumisega. Nii tutvustasid nad kontrollrühma inimestele, kes samal ajal ka seal sõid, kuid ei haigestunud. Menüü 100+ elemendist suutsid nad kindlaks teha, et 94% juhtudest patsientidest sõi salsa, 39% kontrollrühmast. Pärast edasist detektiivitööd leiti, et tegemist on rohelise sibulaga. Nüüd saab FDA edasi minna ja avaldada korralikke avalikke hoiatusi.

Kohortuuring: alustab huviga kokkupuudet. Seejärel võtate rühma selle kokkupuutega inimesi. Leidke teine ​​rühm, mis on igas mõttes sarnane esimese rühmaga, välja arvatud juhul, kui uuritavat kokkupuudet ei esine. Siis jälgid neid aja jooksul. Kohortuuringuid saab läbi viia ka tagasiulatuvalt, kui teil on kaks rühma ja uurite nende minevikku. Retrospektiivsed kohordi uuringud on toredad, kui uurite haigust, mille arendamine võtab kaua aega. Tõeliselt hea andmekogum, mis võtab piisavalt aega, võiks anda kohordi uuringu tegemiseks vajalikku teavet.

Ristlõikeuuring: annab ülevaate konkreetsest ajahetkest pärit elanikkonnast. Võtame natuke aega või läbilõiget ja uurime seda. Nende eesmärk on esitada andmeid kogu elanikkonna kohta. Läbilõikeuuringutega kontrollitakse uuritava haiguse levimust. Levimus on haiguse juhtumite koguarv konkreetses populatsioonis konkreetsel ajavahemikul. Läbilõikeuuringuid kasutatakse juhul, kui ressursid ja aeg on piiratud.

Juhtumite seeria

Uurib rühma inimesi, kellel on sama haigus või kokkupuude, ja otsib nende hulgast muid sarnaseid tunnuseid. 1983. aastal avastati HIV pärast haruldaste kopsupõletiku ja vähi esinemise uurimist arsti ettekannetes, mis käsitlesid nende meespatsiente, kes olid seksinud teiste meestega. Juhtumiste seeriad on valiku kallutatuse suhtes uskumatult haavatavad.

Juhuslikud kontrollkatsed

Oskavad segadusse ajamisega tõesti hästi hakkama saada. Alustame vabatahtlike osalejate grupiga ja jaotame nad siis juhuslikult kahte rühma.

Sekkumisrühm: rühm, kes saab uuritavat ravi.

Kontrollrühm: võtab vastu platseebot.

Seejärel jälgitakse kahte rühma aja jooksul ja andmeid võrreldakse.

Randomiseeritud kontrollkatsed on tõepoolest head segavate muutujate eest hoolitsemisel. Võib eeldada, et ka segav muutuja jaotub mõlemas rühmas ühtlaselt. Mõju on põhimõtteliselt neutraliseeritud, tegelikult ei pea te isegi teadma, mis on segav muutuja.

Pimendamist kasutatakse sageli orgaaniliste tulemuste saavutamiseks. Pimestatud on see, kui osalejad ei tea, millisesse rühma nad kuuluvad, topeltpimedaks, kui nii osalejad kui ka teadlased ei tea, millisesse rühma kõik kuuluvad, Triple Blinded on topeltpime, kuid analüüse läbi viivad statistikud testist ka ei tea ja Unblinded on siis, kui kõik teavad.

Mõned randomiseeritud uuringute probleemid on läbiviimiseks kuluv aeg ja aeg, huvide konfliktid ja eetilised probleemid.

Minu peamised võtmed

Uuringu ülesehitus on ülioluline. Kui teil on usaldusväärne õppekujundus, on saadud tulemused märkimisväärsed ja tähendusrikkad. Vastasel juhul võite teha valesid järeldusi ja tekitada potentsiaalselt veelgi suuremaid probleeme. Seda ei pea mitte ainult tulevaste uuringute korral meeles pidama, vaid pidage seda meeles ka teiste inimeste uurimusi lugedes. Andmeid on vale jutustada väga lihtne.

Ma ei taha olla see tüüp, Ancel Keys. Kuid see on lugu veel üheks päevaks ...

Ancel Keys