横断面研究是一种观察性研究设计,在特定时点或规定时期内收集人群或样本的信息,而不随时间推移对参与者进行随访以观察新发生的结局。在流行病学中,横断面研究常用于估计疾病的患病率、暴露或其他特征的流行水平,并分析它们之间的关联。暴露和结局通常在同一观察期内评估,因此往往难以确定两者的时间先后顺序。
设计与目的
横断面研究描述人群当前或近期的状况,而不是其后续变化过程。数据可来自访谈、问卷、检查、实验室测量、行政记录,或这些来源的组合。现场调查可以持续数周或数月;“横断面”并不要求在同一天评估所有参与者。
其目的大体可分为两类:
- 描述性研究估计某些特征的频率或分布,例如成年人中高血压患者所占的比例,或医疗服务可及性如何随年龄和地区而变化。
- 分析性研究通过比较不同组别来探究关联,例如具有某种职业暴露的人群中,某一健康结局是否更为常见。
一项研究可以同时服务于这两种目的。这种设计也用于健康研究以外的领域,包括教育学、经济学和社会学。
与随机对照试验不同,横断面研究不分配干预措施。与队列研究不同,其基本设计不对参与者进行随访以测量后续结局。与病例对照研究不同,它通常从人群中抽样,而不专门根据参与者是否具有所研究的结局来进行选择。
人群、抽样与测量
对研究的解释取决于目标人群如何界定,以及参与者如何被纳入样本。住户调查、工作场所调查和基于诊所的研究都可以采用横断面设计,但它们代表的是不同人群。诊所就诊者的研究结果并不能自动反映周边社区所有居民的情况。
在抽样框、参与情况和分析方法适当时,概率抽样可支持对总体进行估计。大型调查通常采用分层抽样或多阶段整群抽样,其分析一般需要考虑不等的入样概率、调查权重和聚类效应。
测量的一致性同样重要。疾病估计值取决于所采用的病例定义:自报诊断、用药情况、实验室检测阈值和检查结果所识别的人群可能相互重叠,但并不完全相同。测量工具的灵敏度与特异度会影响观察到的患病率。
还必须明确所针对的时间范围:
- 时点患病率指在某一指定时点患有某种疾病或处于某种健康状态的人群比例。
- 期间患病率指在某一指定时间段内任何时候曾患有该疾病或处于该健康状态的人群比例。
一次性开展的调查可以询问过去一年内的症状。尽管所报告的结局涉及较长时期,其数据收集方式仍属于横断面设计。
指标与统计分析
患病率
对于未加权的简单样本,患病率估计为
其中, 为符合结局定义的参与者人数, 为接受评估的人数。人群调查则可能需要采用加权估计,并根据抽样设计计算不确定性。
患病率描述的是现有病例,而不是新病例发生的速率。常规的横断面“快照”并不直接测量发病率。患病率既受新发疾病的影响,也受患病状态持续时间的影响,其中包括康复和生存的作用。
关联
对于分为有、无两类的暴露,设 和 分别表示暴露组和非暴露组的结局患病率。常用的比较指标包括患病率比,
以及患病率差,
这些指标描述的是现有结局频率的差异。不应直接将患病率比解释为发生该结局的相对风险。
逻辑回归估计的是优势比,在这一情境下具体为患病优势比。当结局较为常见时,优势比可能与患病率比存在较大差异。估计调整后患病率比的方法包括对数二项回归,以及采用稳健方差估计的修正泊松回归。
回归分析和年龄标准化有助于比较已测量特征不同的人群。这类调整取决于可用变量、变量的测量质量以及分析所依据的假设。
重复横断面研究
重复横断面研究在多个时间点对同一目标人群开展调查,通常每轮都抽取新的样本。这使研究者能够分析人群层面的变化趋势,例如吸烟率或卫生服务利用情况的变化。
重复横断面调查不同于纵向面板研究,后者对同一批个体进行重复测量。相互独立的各轮调查可以表明人群患病率发生了变化,但仅凭这些调查,无法确定哪些个体新近患病、已经康复,或持续处于某种健康状态。
比较趋势时,还需要注意抽样方式、人群构成、问题措辞、诊断标准和测量程序的变化。表面上的趋势可能部分反映了数据收集方式的改变。
应用
横断面研究广泛用于公共卫生领域,因为它无需等待未来结局出现,就能描述人群需求。其应用包括:
- 估计慢性疾病、症状、残疾以及未满足的医疗照护需求所造成的负担。
- 测量疫苗接种覆盖率、健康行为以及环境或职业暴露。
- 分析健康与健康的社会决定因素之间的关系。
- 评估卫生系统内服务可及性的分布。
- 为公共卫生监测反复提供人群层面的指标。
- 为旨在确立时间先后关系的研究提出假设。
横断面设计可以在一次调查中评估多种暴露和结局。不过,检查、生物样本采集以及具有代表性的全国抽样,仍可能使研究成本高昂、实施过程复杂。
局限性与解释
时间顺序不明确与反向因果
由于暴露和结局往往同时测量,研究可能无法确定哪一个先发生。例如,身体活动不足与某种健康状况之间的关联,可能反映身体活动对健康的影响、疾病对身体活动的影响,或两者兼有。
某些特征,如遗传性基因变异,必然先于许多结局出现。历史记录也可能有助于明确时间顺序。然而,仅有时间信息并不能确立因果关系。
选择与无应答
当被纳入研究或参与研究的可能性与所研究的特征有关时,就可能产生选择偏差。回应调查者可能与未回应者有所不同,而居住在机构中的人群、流动人群或其他难以接触的群体可能在样本中代表不足。加权可以处理某些已知差异,但不能保证消除所有此类偏差。
生存与持续时间的影响
横断面样本所纳入的是存活至评估时、且仍留在该人群中的个体。持续时间较长的疾病或健康状态比短暂状态更容易被观察到。因此,与快速死亡或康复有关的暴露,其与现患疾病的关系可能不同于其与新发疾病的关系。这有时称为患病率—发病率偏倚或奈曼偏倚。
混杂与测量误差
当其他因素扭曲了所关注的关联时,就会产生混杂。在适当假设下,统计调整可以处理已测量的混杂因素,但未测量或测量不充分的因素仍可能造成影响。
回忆误差、不准确的自我报告以及不够完善的检测也会影响研究结果。较窄的置信区间表示在分析假设成立的前提下,统计估计较为精确;它并不能证明研究不存在系统误差。
因此,横断面证据对于了解人群分布和同期关联尤其有价值。关于原因、个体变化或未来结局的论断,则需要额外的时间证据,以及适合相应问题的假设。