队列研究是一种研究设计,通过对一组明确界定的人群进行持续随访,观察结局的发生情况,以及结局与先前暴露或特征之间的关系。在流行病学中,队列研究常用于探究疾病的病因、描述预后、评价治疗的安全性和有效性,以及衡量整个生命历程中健康状况的变化。随访既可以采用前瞻性方式,在事件发生的过程中收集信息,也可以利用已有记录重建随访过程。
队列研究的核心特征是以存在发生结局风险的人群为基础,按照从暴露评估到结局发生的时间顺序组织观察。病例对照研究根据结局状态选择参与者,而队列研究则不以参与者随后是否发生结局来确定其是否纳入队列。因此,在具备所需的人群资料和随访信息时,队列研究可以直接测量发病率。
在随机分配不可行或不符合伦理要求的情况下,例如研究吸烟、职业危害或许多社会状况时,队列研究尤为重要。不过,对研究结果的解释仍取决于参与者的选择方式、时间与暴露的界定方式,以及比较组在影响结局的其他致病因素上是否存在差异。大样本和长期随访可以在某些方面增强证据,但其本身并不能消除偏倚。
定义特征与主要设计类型
队列是依据明确标准确定成员的一组人,这些标准可以是在特定时期出生、居住于某一地理区域、在某一行业就业、被诊断患有某种疾病,或开始接受某种治疗。出生队列可以包含具有多种不同暴露的人;职业队列则可能专门因其成员曾接触某种特定物质而组建。因此,队列一词描述的是人群的组织方式,并不一定指具有同一种暴露的一组人。
在病因学研究中,参与者在随访开始时通常尚未发生所研究的结局。这一要求针对的是特定结局,而不是笼统地要求参与者身体健康。研究首次心肌梗死时,如果研究定义有此规定,就会排除既往发生过心肌梗死的人;而研究心肌梗死复发时,则会特意纳入已经发生过心肌梗死的人。预后队列的随访可以从确诊、入院或其他具有临床意义的时间点开始。
前瞻性队列研究招募参与者,并随着时间推移收集其后续结局信息。回顾性队列研究又称历史性队列研究,利用已有记录重建暴露与随访过程。例如,就业档案可以确定1980年在职的工人,而此后的癌症登记资料则可用于确定截至2020年的结局。尽管研究者开始分析时许多事件已经发生,但重建的时间顺序仍然是从暴露到结局。双向性队列设计则将历史性随访与后续的前瞻性观察相结合。
封闭队列在规定的招募期结束后不再接纳新成员。其观察人群可因死亡、失访,或发生导致观察终止的结局而减少。开放队列又称动态队列,允许成员随日历时间推移加入或退出,例如在某一医疗卫生系统登记的人群。这一区别会影响分母的选择:对于随访充分的封闭队列,直接计算固定时段内的发病风险较为合适;而对于动态人群,基于累计观察时间计算的发病率尤为有用。
流行病学中的大多数队列研究属于观察性研究:研究者记录暴露,而不是分配暴露。随机对照试验同样随时间追踪各组人群,但随机分配使其成为实验性设计,其控制混杂的依据也有所不同。同样,并非所有纵向数据集都天然构成关于疾病发生的队列研究。反复测量态度的面板调查可以是纵向研究,却未必界定了有发生风险的人群或新发健康结局。研究问题、抽样方案以及对时间的处理方式,共同决定了该设计在流行病学上的意义。
历史发展与具有重要影响的队列
现代队列研究随着可靠的人口记录、临床测量技术以及疾病随时间发生情况的分析方法的发展而兴起。20世纪,研究者开始探寻潜伏期较长的慢性疾病的病因,队列研究因而产生了尤为深远的影响。对起初尚未患病的人群进行随访,使研究者能够判断血压、吸烟或职业暴露等因素是否先于疾病出现,而不仅仅是与疾病同时存在。
弗雷明汉心脏研究于1948年在美国马萨诸塞州弗雷明汉启动,最初的队列由5,209名年龄为30—62岁的男性和女性组成。通过反复检查,研究者将血压、胆固醇、吸烟及其他特征与随后发生的心血管疾病联系起来。这项研究的重要性部分在于,它同时测量了多项预测因素,并在多年间观察新发事件。后来建立的子代队列及其他队列,将研究拓展至家族性模式、暴露的变化以及更多结局。这类研究衍生的风险方程也表明,预测工具在用于不同于其开发人群的其他人群之前,必须经过评估。
英国医生研究由理查德·多尔和奥斯汀·布拉德福德·希尔于1951年发起,为吸烟与死亡之间的关系提供了具有重要影响的前瞻性证据。其主要男性队列包括34,439名交回吸烟情况问卷的英国医生。研究通过随访,将吸烟史与包括肺癌在内的各类死因联系起来,并持续了约半个世纪。2004年发表的50年观察报告指出,持续吸卷烟者与终生不吸烟者的生存状况存在显著差异。以职业界定研究人群有利于开展随访,但并不意味着其成员能够代表所有社会群体。
护士健康研究于1976年在美国建立,招募了121,700名年龄为30—55岁的女性注册护士。反复开展的问卷调查,以及从部分参与者中采集的生物样本,为饮食、生殖因素、药物及多种慢性疾病的研究提供了支持。这项研究体现了持续随访队列的一大优势:暴露信息可以不断更新,而不必被视为固定不变的基线特征。它也体现了一项局限:职业和人口学特征受到限制的人群,其暴露分布或疾病绝对风险可能与更广泛的人群不同。
其他队列拓展了研究问题和数据来源的范围。针对原子弹幸存者开展的寿命研究(原子弹幸存者队列),成为辐射长期效应的重要证据来源。英国生物样本库于2006—2010年间招募了约50万名年龄为40—69岁的参与者,整合了问卷调查、体格测量、生物样本、遗传数据以及关联的健康记录。这些实例代表了不同的抽样策略和科学研究目的。它们的证据价值取决于具体分析:适合研究暴露与结局之间关联的队列,并不一定适合估计全国的疾病发生频率。
组建研究人群与界定随访
构建队列首先要确定目标人群、纳入标准和明确的起始时间点。目标人群是研究希望据以作出推断的人群;研究人群则是实际接受观察的人群。两者可能存在很大差异。例如,以医院为基础组建的心力衰竭患者队列,其患者病情可能比以社区为基础组建的队列更为严重。有关年龄、既往治疗、现患疾病或可用记录的纳入规定,既影响研究所要回答的科学问题,也决定研究结果适用于哪些人群。
随访的起点通常称为时间零点,必须与资格评估和暴露分类的时间相一致。在比较两种治疗的研究中,两组都可以在开始各自指定的治疗策略时进入随访。如果一组从确诊时开始随访,另一组却从开始治疗时才进入随访,就会使两组经历事件的机会不等。若要求接受治疗的参与者必须存活到较晚的处方开具时间,同时又将此前的生存时间计为暴露时间,就可能引入不死时间偏倚。
起始队列在疾病病程中一个共同的早期节点纳入研究对象,例如首次确诊或首次治疗时。这可以减少疾病持续时间的不确定性,并有助于解释预后。相比之下,纳入已经患病较长时间的人,会使那些存活时间足够长、能够等到招募的人更容易进入队列。他们此后的经历未必能反映新近确诊患者将面临的病程。区分药物的新使用者与现用者,也是出于同样的考虑。
随访可以结合定期检查、访谈、邮寄或电子问卷、医疗记录、登记系统及死亡记录等多种方式。主动随访直接从参与者或临床评估中获取信息;被动随访则主要依靠与现有数据源进行记录关联。两者都不能天然保证信息完整。参与者搬迁或不再回应时,主动联系可能失败;而记录关联则可能遗漏所覆盖的医疗系统或管辖区域之外发生的事件。即使参与者不再参加研究访视,研究者仍可能继续获取其死亡或住院信息。
研究者必须明确观察何时结束:发生结局事件、死亡、迁出、退出研究、不再被记录系统覆盖,或到达预定的研究截止日期。只有当参与者符合资格、处于观察之中,并且按研究定义仍有可能发生所关注的结局时,才累积人时。参与者可能在不同日期进入研究,贡献的观察时长也各不相同。如果研究对象加入观察队列时,相关的基础时间尺度已经开始,分析可能需要采用延迟进入方法。例如,对60岁时入组的人群进行以年龄为时间尺度的分析,不能将其视为从出生起就已接受观察。这些决定界定了每个风险集包含哪些人,是进行有效比较的基础。
暴露、结局及随时间变化的特征的测量
暴露测量是将宽泛的科学概念转化为可观测变量的过程。“吸烟”可以指入组时是否吸烟、累积吸烟包年数、开始吸烟的年龄,也可以指反复更新的吸烟史。职业暴露可根据工种、从业年限、工业环境监测数据或职业—暴露矩阵进行估计。每种定义反映的暴露侧面不同,所探讨的生物学假设也可能不同。仅采用一次基线测量值虽然方便,却可能无法充分反映数十年随访期间不断变化的情况。
重复测量可以揭示暴露的变化,减少某些形式的随机误差,并区分近期暴露与累积暴露的影响,但也会使结果的解释更加复杂。体重下降、饮酒减少或停止工作,可能是尚未确诊的早期疾病所致,而不是后来确诊疾病的原因。对暴露测量采用滞后处理,或排除随访早期发生的结局事件,可以探查这种可能性,但合适的滞后时长取决于疾病的发生发展过程。随意剔除随访早期的数据,并不能保证已消除反向因果关系。
生物样本和生物标志物有助于更准确地描述暴露或生理通路。保存的血液样本日后可用于检测血脂、激素、炎症标志物或遗传变异。然而,测得的生物标志物并不一定就是致病暴露的直接度量。实验室批次效应、储存条件、个体内变异以及采样时间,都可能影响结果的解释。校准研究和重复采样有助于量化其中一些问题。对于膳食等方面的测量,将问卷与选定的客观测量方法相结合,有助于明确测量误差的程度。
结局需要有明确的病例定义、发生日期或时间区间,以及确认方法。研究者可能需要区分自报诊断与经医学确认的事件、首次事件与复发事件,以及致死性与非致死性疾病。采用国际疾病分类编码,有助于依据记录进行标准化识别,但某一编码并不总是等同于经过验证的临床诊断。诊断标准、编码惯例以及检测可及性的变化,可能造成发病率表面上的变化,而疾病的实际发生情况并未相应改变。
当不同暴露组采用可比的程序时,结局评估最为可靠。如果某一组接受检测的频率更高,即使其实际的生物学发病率没有变化,也可能检出更多疾病。独立判定、标准化诊断规则,以及让评估人员不知晓暴露状态,都有助于减少部分结局确认方面的差异。研究者还会测量潜在的混杂因素、效应修饰因素和中介因素,但必须在概念上区分这些因素各自的作用。能够预测结局的变量,并不一定适合作为调整变量:它在时间顺序和因果关系中的位置,与其统计关联同样重要。
风险、率及其他发生频率指标
队列研究的一项核心优势是能够以明确的分母估计疾病的发生频率。累积发病率通常称为风险,是指一个起初尚未发生结局的个体在特定时间段内发生该事件的概率。在随访完整且无竞争事件的简单封闭队列中,可按下式估计:
时间区间不可或缺:五年风险与终生风险是不同的量。如果计算比例时未妥善处理大量失访或随访时长不等的情况,就可能无法可靠地估计其中任何一种风险。
发病密度将事件数与累计的风险人时联系起来:
其中, 为事件数, 为每位参与者实际观察到的处于风险中的时间。率有单位,例如每1,000人年的病例数,并不是概率。如果在20,000人年的观察期间发生40例病例,发病密度就是每1,000人年2例。这并不自动意味着每位参与者每年的风险都是0.2%。在事件发生率恒定为 且无竞争事件的情况下,时间 内对应的风险为 。
比较可以采用相对尺度或绝对尺度。相对风险比较两组的风险,而风险差则是两组风险之差:
例如,在同一个五年期间内,两组风险分别为6%和3%,则相对风险为2,风险差为3个百分点。相对指标描述比例上的差异;绝对指标还反映结局本身的发生频率。发病密度比和发病密度差比较的是率,而不是风险。这些指标回答的问题相互关联,却并不相同,不应在缺乏充分理由的情况下相互替代。
危险率是指在某一时点仍未发生事件的人群中,事件发生的瞬时速率。危险比比较的就是这类条件速率。危险比通常不等于相对风险,危险比为2并不一定意味着疾病的累积发生概率是原来的两倍。由于尚未发生事件的人群构成会随时间变化,对危险率的比较也可能难以作出因果解释。
描述性估计需要给出不确定性区间,并明确分母。年龄结构会显著影响疾病发生率和死亡率的比较,因此,当人群的人口学构成存在差异时,年龄标准化便很有用。标准化是在指定的参照分布下进行比较,并不能消除所有混杂来源。报告还需要区分仅分析首次事件的分析与允许每人发生多次事件的分析,因为两者的分子、分母及解释各不相同。
纵向随访的统计分析
分析方法应与结局、时间尺度及科学估计目标(即研究旨在估计的量)相匹配。对于固定时期内的二分类结局,可以采用针对风险或优势的模型进行分析;对于人时中的事件发生次数,则可以使用泊松回归及相关方法建模。逻辑回归得出的是优势比,当结局较为常见时,优势比可能与风险比相差很大。对于血压、功能状态或其他连续结局的重复测量,通常需要使用能够考虑同一个体各次观测之间相关性的模型。
当观察期长短不一时,生存分析可用于分析事件发生的时间。在有关删失过程的假设成立时,Kaplan–Meier估计量能够在考虑右删失的同时,描述尚未发生事件的概率。删失是指在某个已知时间点(如研究结束日期)之后,无法观测到事件发生的时间。这并不等于已经观察到该参与者永远不会发生该事件。如果失访参与者在未测量的预后因素方面存在系统性差异,常规的删失假设就可能不成立。
戴维·考克斯于1972年提出的Cox比例风险模型,无需规定基线风险函数的具体形式,即可将协变量与瞬时风险联系起来。其常见形式为
在比例风险假设下,某个协变量的风险比在所建模的时间尺度上保持恒定。如果关联在随访期间增强、减弱或发生反转,这一假设就可能不适用。时间交互项、分层模型、灵活参数模型,或限制性平均生存时间等其他概括指标,可能更好地反映这类变化模式。选择实际年龄而非入组后经过的时间作为分析的时间尺度,也会改变风险集的构成方式。
当某一事件会阻止所关注事件的发生时,就存在竞争风险。例如,在尚未确诊某种疾病前死亡,会使此后首次确诊该病成为不可能。将这类竞争性死亡视为普通删失,并用1减去Kaplan–Meier生存概率,通常无法估计现实中该疾病的发生概率。累积发生函数则明确考虑了竞争事件。原因别风险模型与亚分布风险模型回答的是不同问题,因此需要以不同方式解释其估计结果。
其他复杂情况包括反复住院、疾病状态之间的转变、家庭或诊所内部的聚集性,以及随时间变化的暴露。协变量值缺失可通过多重插补等方法处理,但方法的有效性取决于对数据缺失原因所作的假设以及所使用的插补模型。统计精度尤其取决于能提供有效信息的事件数量和暴露对比,而非仅仅取决于入组总人数。预先设定模型、检验假设并开展敏感性分析,有助于区分哪些结果得到数据支持,哪些结果则高度依赖分析方法的选择。
混杂、选择偏倚与信息偏倚
当暴露与结局之间的关联将所关注的效应与其他结局成因的差异混在一起时,就会发生混杂。例如,身体活动较多的人,在吸烟情况、社会经济状况和既往疾病等方面也可能有所不同。因此,观察到身体活动与日后心血管疾病之间存在关联,并不能直接将其归因于身体活动本身。随机分配可使这些因素在期望意义上达到均衡;观察性队列研究则必须依靠研究设计、测量、分析及相关假设来处理这些因素。
研究设计层面的应对措施包括限制、匹配,以及选择接受暴露的原因相近的比较组。分析方法包括分层、回归调整、标准化和加权。这些方法能否奏效,取决于是否充分测量了相关因素,以及是否恰当地建立了这些因素之间关系的模型。即使经过调整,估计值仍可能因变量测量不精确或存在未测量因素而受到残余混杂的影响。反过来,调整中介变量可能会消除所研究效应的一部分,而对暴露的成因与结局的成因所共同导致的变量进行条件化,则可能引入碰撞偏倚。
选择偏倚可能在招募阶段或后续随访过程中产生。志愿参与者在健康状况、教育程度及健康相关行为方面,可能与未参与者有所不同。这可能损害对人群患病率和绝对风险的估计,不过,对某一特定暴露与结局关联的影响取决于选择机制。职业队列可能表现出健康工人效应,因为就业人群与一般人群存在差异,尤其是在工作能力方面。对暴露水平不同的工人进行内部比较,可以解决这一问题的一部分,但不能完全消除它。
当能否继续接受观察同时取决于暴露和预后时,失访尤其值得警惕。总体失访比例较低,并不意味着偏倚可以忽略;比例较高,也不能据此判断偏倚的方向。研究者可以比较已观测到的随访留存预测因素,利用关联记录补充获取某些结局,并在所需假设有充分依据时采用逆删失概率加权。但这些方法无法保证纠正由未测量的退出原因所造成的偏倚。
信息偏倚源于暴露、结局或协变量的测量误差。不依赖于结局状态的暴露误分类,有时会使简单关联减弱,但“非差异性误差总会使估计偏向无效值”这一常见说法并不普遍成立。检测、回忆及记录完整性方面的差异,可能造成更复杂的失真。
与时间有关的偏倚尤为重要。不死时间偏倚是指依据随后发生的事件来界定暴露类别,并将参与者在此之前必须存活或保持未发生事件的一段时间归入该暴露类别。反向因果是指正在形成的疾病改变了被认为是暴露的因素。明确界定时间、采用适当的时变分析,以及依据生物学知识开展敏感性分析,有助于减少这些问题。无论结果具有统计学显著性,还是样本量非常大,都不能证明这些问题已经解决;即使置信区间很窄,系统误差仍可能很大。
因果问题、治疗评价与高效抽样
队列研究可以描述实际发生的情况,却未必能确定在另一种暴露条件下会发生什么。因果关系推断明确提出了这一对比,通常借助潜在结局来表述:比较同一个体在一种暴露策略下会出现的结局与其在另一种策略下会出现的结局。由于对同一个人通常只能观察到其中一种结局,识别平均因果效应需要若干假设。常见要求包括一致性、条件可交换性和正值性:暴露策略必须有足够明确的定义,相关混杂必须得到控制,而且在所比较的各个协变量组内,每一种策略都必须有实施的可能。
在治疗研究中,目标试验模拟依据一项假想随机试验的方案来组织观察性分析。它明确规定入选条件、治疗策略、治疗分配、随访、结局、因果对比以及分析方法。使这些要素相互协调,有助于防止本可避免的设计错误,尤其是入选资格评估、治疗分类与时间零点之间的不一致。模拟并不能实现随机化,也不能消除未测量的混杂;它的作用是明确观察性数据能够尝试回答什么问题。
活性对照新使用者设计比较的是因相似适应证而开始接受不同治疗的人群。这可以减少与治疗处方原因有关的差异,并避免仅纳入能够耐受长期治疗的人。倾向得分方法将给定已测量基线协变量时接受某种暴露的概率概括为一个分值,可用于匹配、加权或分层。调整后的平衡性是针对已测量变量的诊断指标,并不意味着未测量的差异已经消失。
当时变因素既能预测后续治疗,又受到既往治疗的影响时,常规回归调整可能产生误导。例如,某项临床指标可能影响下一次治疗决策,同时又反映了既往治疗的效果。边际结构模型、参数化 g 公式及相关方法,正是为在明确假设下处理这种暴露与混杂因素之间的反馈而开发的。这些方法的实施仍依赖于准确的时间信息、恰当的模型、充分的重叠性以及足够完整的测量。
当详细测量成本高昂时,队列还可用于高效抽样。巢式病例对照研究选取队列中出现的病例,并从仍处于发病风险中的人群中选取对照参与者,通常在每例病例发生事件时进行抽样。采用恰当的发病密度抽样和分析方法,暴露比值比即可估计发病率比,而无须以结局罕见为前提。病例队列研究则对基线时随机抽取的子队列及随访中新出现的病例进行测量;恰当的加权分析可使同一子队列重复用于多个结局的研究。
这些设计在降低检测成本的同时,保留了队列的大部分时间结构。例如,在研究某种检测费用高昂的生物标志物时,无须分析每位参与者储存的血液样本。正确的抽样概率和分析方法至关重要,因为由此得到的样本并不是一个普通的、不加权的队列。
伦理、数据治理与透明报告
长期随访带来的伦理义务并不止于最初的招募阶段。参与者可能提供可识别个人身份的健康信息、生物样本、遗传数据、位置记录以及亲属信息。机构审查委员会或同等职能的研究伦理委员会负责评估研究风险、知情同意程序及保护措施。观察性研究并不意味着没有风险:敏感信息泄露、负担过重的检查,或对具有重要临床意义的发现处理不当,都可能影响参与者。
知情同意的安排因研究及其所处的法律环境而异。有些队列针对特定项目取得知情同意;另一些则采用广泛同意,允许在持续治理下开展未来研究。在符合适用的伦理和法律标准时,对现有记录的二次利用有时可以在获批免除知情同意的情况下进行。退出研究的含义也需要精确定义。停止后续联系、拒绝进一步采集样本,以及要求限制未来的数据使用,是不同的行为;对于已经纳入已完成分析的信息,则可能根据适用的知情同意约定和法律作不同处理。
当医院、登记系统、行政管理系统和遗传数据库之间的数据集相互链接时,数据隐私保护尤其具有挑战性。仅仅删除姓名,并不一定能防止个人身份被重新识别。数据治理通常综合采用数据最小化、受控访问、身份识别信息分离、安全分析环境以及拟议用途审查等措施。数据链接的质量本身也是一个科学问题:漏匹配或错误匹配可能导致结局判定失真,尤其是在不同人群之间链接准确性存在差异的情况下。
代表性及研究结果对其他人群的适用性,需要在保护个人记录之外另加关注。仅纳入有医疗保险的患者、特定职业人群或能够前往研究门诊者的队列,可能无法充分代表某些重要群体。健康的社会决定因素会影响招募、持续参与、暴露以及获得诊断的机会。因此,研究者会区分估计值在所观察人群中的有效性与其在其他人群中的适用性。按照外部人群的特征重新加权有时会有所帮助,但这种方法依赖于已测量的特征,以及关于关联或效应如何随人群而变化的假设。
透明报告使这些决策能够得到评估。2007年发布的STROBE声明为包括队列研究在内的观察性研究提供报告指南。2015年发布的RECORD扩展指南则针对使用常规收集的健康数据开展的研究。这些都是报告框架,并不保证研究的方法学质量。
一份有用的队列研究报告应说明来源人群、招募日期、入选标准、暴露定义、结局验证方法、随访时长、数据缺失情况、分析假设,以及各阶段的参与者人数和事件数。报告应区分预先设定的分析与探索性分析,并在适用时同时呈现绝对指标和相对指标。公开研究方案、数据字典和分析代码,并在适当治理下提供对底层数据的访问,可以提高复杂纵向研究的可重复性,而无须不受限制地公开参与者的敏感信息。