Badania epidemiologiczne i znaczenie projektu badania

Uwielbiam zdrowie, podcasty i dane. Pewnego dnia słuchałem podcastu Joe Rogana, w którym opowiada o dr Joelu Khanie i Chrisa Kresserze. Dr Joel Kahn jest wegańskim kardiologiem, który uważa, że ​​żywienie roślinne jest najsilniejszym źródłem medycyny zapobiegawczej na świecie, a Chris Kresser prowadzi Kalifornijskie Centrum Medycyny Funkcjonalnej i jest zwolennikiem diety paleo lub przodków. Gdy Joe Rogan moderuje, dla mnie to prawie 4 godziny.

Podcast odpowiedzialny za wysyłanie mnie do króliczej nory epidemiologicznej.

Podczas debaty często odwoływali się do różnych badań epidemiologicznych, aby poprzeć swoje twierdzenia. Ale wiele razy w podcastie ktoś wspominał coś o niewiarygodności tych badań i wymieniał wiele powodów. Chciałem więc zbadać dziedzinę epidemiologii i przyjrzeć się różnym rodzajom badań epidemiologicznych, ich pułapkom i dlaczego nie zawsze możemy ufać czyjejś interpretacji wyników.

Co to jest epidemiologia?

Epidemiologia to nauka polegająca na zrozumieniu, w jaki sposób to, na co jesteśmy narażeni lub co robimy, może wpłynąć na ogólny stan zdrowia społeczeństwa. Epidemiolodzy badają wszystkie choroby i szukają trendów. Często zadawane przez epidemiologów pytania: kto zachorował? Dlaczego to dostali? Gdzie te grupy ludzi mają podobieństwa i różnice? Jak możemy zapobiec tej chorobie? Epidemiolodzy działają jako detektywi; analizują dane i próbują znaleźć prawdziwe źródło tego, co powoduje chorobę w populacji.

Jednak dane są często bardzo trudne do zrozumienia. To, że ktoś był na coś narażony i zachorował, nie oznacza, że ​​są ze sobą spokrewnieni. Bardzo trudno jest epidemiologom wykazać związek przyczynowy i często muszą dojść do wniosku, że istnieje tylko związek między narażeniem a wynikiem.

Narażenie to każdy czynnik, który może przyczynić się do wyniku odsetkowego. Na przykład, jeśli studiujesz cukrzycę, niektóre ekspozycje mogą obejmować żywność, którą jesz, poziom ćwiczeń, pestycydy i czynniki środowiskowe. Tymczasem cukrzyca byłaby rezultatem.

Zanim zaczniesz przetwarzać i analizować dane, niezwykle ważne jest upewnienie się, że dokonujesz właściwego pomiaru i używasz odpowiednich metodologii.

Zazwyczaj istnieje 5 różnych wyjaśnień, dlaczego coś może mieć znaczenie statystyczne:

  1. Szansa
  2. Stronniczość
  3. Mylące
  4. Odwrotny związek przyczynowy
  5. Związek przyczynowy

Jest szansa, że ​​otrzymamy konkretny wynik, ale tak naprawdę nie ma żadnego powiązania. Statystyki są stosowane w celu zmniejszenia szansy, jaką możemy uzyskać.

Odchylenie ma miejsce, gdy wydaje się, że istnieje powiązanie, ale powiązanie pochodzi z systematycznego błędu w sposobie wykonania badania. Możesz mieć stronniczość wyboru lub stronniczość informacji.

Błąd nastawienia wynika z tego, jak uczestnicy są wybierani lub decydują się na udział. To wtedy grupa próbna nie reprezentuje populacji. Przykładem tego jest stronniczość użytkowników zdrowych: zdrowi ludzie są bardziej zainteresowani zdrowiem i częściej zgłaszają się na ochotnika do udziału w badaniu zdrowia.

Błąd informacyjny: pochodzi z błędu pomiaru. Przykładem tego jest uprzedzenie przypominające, które występuje, gdy uczestnicy doświadczający niekorzystnego wyniku mogą zastanowić się nad możliwymi przyczynami swoich chorób, a zatem przypominają narażenie inaczej niż w grupie kontrolnej. Inne formy obejmują stronniczość ankietera, stronniczość obserwatora i stronniczość respondentów. Istnieje nawet błąd cyfr końcowych, forma błędu obserwatora, który występuje często podczas pomiaru ciśnienia krwi; często osoba mierząca ciśnienie krwi zaokrągla liczby do 0 lub 5.

Zakłopotanie: występuje, gdy wyniki badania dotyczące związku między ekspozycją a wynikiem są zniekształcone przez obecność innej zmiennej. Chris Kresser podaje doskonały przykład tego:

Załóżmy, że chcesz zbadać związek między czerwonym mięsem a rakiem. Łatwo jest spojrzeć na dane i stwierdzić, że istnieje wyraźny związek między nimi. Jednak przez długi czas uważano, że jedzenie czerwonego mięsa jest złe dla ciebie, a ludzie, którzy robią złe rzeczy, mają inne niezdrowe nawyki, takie jak palenie, jedzenie mniej produktów, wyższe BMI, mniej aktywne fizycznie i tak dalej . Skąd więc wiemy, że to czerwone mięso spowodowało raka?

Te dodatkowe zmienne są mylące i należy je wziąć pod uwagę. Osoby zakłócające mają związek między narażeniem a wynikiem. Sposobami na ominięcie zamieszania jest posiadanie grupy kontrolnej do porównania, randomizacji, stratyfikacji danych przez podział populacji na jednorodne podgrupy lub nałożenie ograniczeń. Metody statystyczne mogą również uwypuklić pomyłki.

Odwrotny związek przyczynowy: dokładnie tak to brzmi, wtedy możemy spojrzeć na skojarzenie na dwa sposoby. Zauważono, że ludzie z bólami kolana są otyli, więc można stwierdzić, że otyłość powoduje ból kolana, ale ból kolana może faktycznie powodować, że ludzie stają się mniej aktywni, a następnie stają się otyli.

Przyczyna: możemy być w stanie dochodzić związku przyczynowego po tym, jak wykluczyliśmy wszystkie możliwości przypadku, stronniczości, pomieszania i odwrotnego związku przyczynowego.

Dobrze zaprojektowane badanie jest ważne, aby zapobiec wpadaniu w przypadek, stronniczości i dezorientacji. Przed przystąpieniem do analizy musisz je wykluczyć. Metody statystyczne nie mogą uzupełnić wad w projekcie badania.

Jakie są projekty badań epidemiologicznych?

Istnieją dwa główne sposoby uzyskiwania danych: eksperymentalnie lub obserwacyjnie.

Badania obserwacyjne to badania, w których badacz obserwuje, ale nie przeszkadza.

Case-Control Study: to badanie porównujące dwie grupy, grupę przypadków i grupę kontrolną. Obie grupy będą bardzo podobne, ale twoi pacjenci cierpią na określoną chorobę, a grupa kontrolna nie. Obie grupy zostaną zapytane o ich wcześniejsze narażenie na określone czynniki ryzyka. Grupa kontrolna zapewnia wyjściowe oszacowanie ekspozycji. Jeśli grupa przypadków ma większą ekspozycję na określony czynnik ryzyka niż oczekiwano, możemy przejść do stwierdzenia, że ​​istnieje związek między tym czynnikiem a chorobą. Badania kontrolne przypadków są idealne do znalezienia źródła wybuchu choroby przenoszonej przez żywność.

W Pensylwanii w 2003 roku doszło do wybuchu WZW typu A. Szybko zdali sobie sprawę, że wszyscy pacjenci z tej samej restauracji jedli w tej samej restauracji, ale to nie wystarczyło, aby zawęzić zakres, do którego skażono jedzenie. Wprowadzili więc grupę kontrolną dla osób, które również jadły tam w tym samym okresie, ale nie zachorowały. Spośród ponad 100 pozycji w menu udało im się ustalić, że 94% pacjentek zjadło salsę, podczas gdy 39% z grupy kontrolnej. Po dalszych pracach detektywistycznych okazało się, że jest to zielona cebula. Teraz FDA może zacząć wydawać odpowiednie publiczne ostrzeżenia.

Badanie kohortowe: Zaczyna się od ujawnienia zainteresowania. Następnie bierzesz grupę osób z tym narażeniem. Znajdź inną grupę, która pod każdym względem jest podobna do pierwszej grupy, z wyjątkiem braku obecności badanej ekspozycji. Następnie śledzisz je z czasem. Badania kohortowe można również przeprowadzać retrospektywnie, gdy masz dwie grupy i patrzysz w ich przeszłość. Retrospektywne badania kohortowe są dobre, gdy studiujesz chorobę, której rozwój zajmuje dużo czasu. Naprawdę dobry zestaw danych, który obejmuje wystarczająco dużo czasu, może dostarczyć wystarczającej ilości informacji potrzebnych do przeprowadzenia badania kohortowego.

Badanie przekrojowe: Zapewnia migawkę populacji w określonym momencie. Poświęcamy trochę czasu lub przekroju i studiujemy go. Ich celem jest dostarczenie danych dotyczących całej populacji. Badania przekrojowe sprawdzają występowanie badanej choroby. Częstość występowania to łączna liczba przypadków choroby w danej populacji w danym okresie. Badania przekrojowe stosuje się, gdy zasoby i czas są ograniczone.

Case Series

Bada grupę osób z tą samą chorobą lub ekspozycją i szuka wśród nich innych podobnych cech. W 1983 r. HIV odkryto po zbadaniu obecności rzadkich postaci zapalenia płuc i raka w raportach lekarzy dotyczących ich pacjentów płci męskiej, którzy uprawiali seks z innymi mężczyznami. Serie obudów są niezwykle podatne na stronniczość selekcji.

Randomizowane próby kontrolne

Naprawdę dobrze radzą sobie z myleniem. Zaczynamy od grupy ochotników, a następnie losowo przypisujemy ich do dwóch grup.

Grupa interwencyjna: grupa, która otrzymuje badane leczenie.

Grupa kontrolna: otrzymuje placebo.

Dwie grupy są następnie śledzone w czasie i dane są porównywane.

Randomizowane próby kontrolne naprawdę dobrze radzą sobie z mylącymi zmiennymi. Możesz założyć, że zmienna myląca jest również równomiernie rozłożona na obie grupy. Efekt jest zasadniczo zneutralizowany, w rzeczywistości nie musisz nawet wiedzieć, co to jest zmienna myląca.

W celu uzyskania organicznych rezultatów często stosuje się zaślepienie. Zaślepione jest, gdy uczestnicy nie wiedzą, do której grupy należą, Double-Blinded ma miejsce, gdy zarówno uczestnicy, jak i badacze nie wiedzą, do której grupy wszyscy należą, Triple Blinded jest podwójnie ślepy, ale statystycy, którzy prowadzą analizę z testu też nie wiem, a Unblinded jest wtedy, gdy wszyscy wiedzą.

Niektóre problemy z randomizowanymi próbami to koszt i ilość czasu potrzebnego na przeprowadzenie, konflikty interesów i problemy etyczne.

Moje główne dania na wynos

Bardzo ważne jest zaprojektowanie badania. Gdy opracujesz rzetelny projekt badania, uzyskane wyniki są znaczące i znaczące. W przeciwnym razie możesz wyciągnąć fałszywe wnioski i potencjalnie stworzyć jeszcze większe problemy. Musisz o tym pamiętać nie tylko podczas przyszłych badań, ale także o tym, czytając badania innych ludzi. Bardzo łatwo jest sprawić, by dane opowiadały niewłaściwą historię.

Nie chcę być tym facetem, Ancel Keys. Ale to historia na kolejny dzień ...

Ancel Keys