Forscher können sich glücklich schätzen, wenn ihnen eine detaillierte Chronologie der Arbeitserfahrung von Arbeitnehmern zur Verfügung steht, die einen historischen Rückblick auf ihre Jobs im Laufe der Zeit bietet. Für diese Arbeitnehmer a Job-Exposure-Matrix kann dann so eingerichtet werden, dass jeder einzelne Arbeitsplatzwechsel, den ein Arbeitnehmer durchlaufen hat, mit spezifischen Expositionsinformationen verknüpft werden kann.

Detaillierte Expositionsgeschichten müssen zu Analysezwecken zusammengefasst werden, um festzustellen, ob Muster erkennbar sind, die mit Gesundheits- und Sicherheitsproblemen am Arbeitsplatz zusammenhängen könnten. Wir können eine Liste von beispielsweise 20 Stellenwechseln visualisieren, die ein Arbeitnehmer in seinem oder ihrem Arbeitsleben erlebt hat. Es gibt dann mehrere alternative Möglichkeiten, wie die Expositionsdetails (für jeden der 20 Arbeitsplatzwechsel in diesem Beispiel) unter Berücksichtigung von Dauer und/oder Konzentration/Dosis/Grad der Exposition zusammengefasst werden können.

Es ist jedoch zu beachten, dass je nach gewählter Methode unterschiedliche Schlussfolgerungen aus einer Studie gezogen werden können (Suarez-Almazor et al. 1992). Ein Beispiel für fünf zusammenfassende Expositionsmessungen während des Arbeitslebens ist in Tabelle 1 dargestellt.

Tabelle 1. Formeln und Dimensionen oder Einheiten der fünf ausgewählten zusammenfassenden Maße der Exposition während des Arbeitslebens

Adaptiert von Suarez-Almazor et al. 1992.

Kumulativer Expositionsindex. Der kumulative Expositionsindex (CEI) entspricht in toxikologischen Studien der „Dosis“ und stellt die Summe der Produkte aus Expositionsgrad und Expositionsdauer für jede aufeinanderfolgende Berufsbezeichnung über ein Arbeitsleben dar. Es enthält die Zeit in seinen Einheiten.

Mittlere Note. Die mittlere Note (MG) kumuliert die Produkte aus Expositionsnote und Expositionsdauer für jede aufeinanderfolgende Berufsbezeichnung (dh den CEI) und dividiert durch die Gesamtzeit, die bei einer Note größer als null verbracht wurde. MG ist in seinen Einheiten zeitunabhängig; Die zusammenfassende Maßnahme für eine Person, die über einen langen Zeitraum einer hohen Konzentration ausgesetzt ist, ist ähnlich wie die für eine Person, die über einen kurzen Zeitraum einer hohen Konzentration ausgesetzt ist. Innerhalb jedes Matched Sets in einem Fall-Kontroll-Design ist MG ein durchschnittlicher Expositionsgrad pro exponierter Zeiteinheit. Es handelt sich um eine Durchschnittsnote für die tatsächliche Expositionszeit gegenüber dem betrachteten Mittel.

Höchste Note aller Zeiten. Die Bestnote aller Zeiten (HG) wird ermittelt, indem der Arbeitsverlauf nach der höchsten Notenaufgabe im Beobachtungszeitraum gescannt wird, der der Arbeitnehmer mindestens sieben Tage lang ausgesetzt war. Das HG könnte die berufliche Exposition einer Person falsch darstellen, da es seiner Formulierung nach auf einem Maximierungs- und nicht auf einem Mittelungsverfahren basiert und daher in seinen Einheiten unabhängig von der Expositionsdauer ist.

Zeitgewichteter Notendurchschnitt. Die zeitgewichtete Durchschnittsnote (TWA) ist der kumulative Expositionsindex (CEI) dividiert durch die Gesamtbeschäftigungszeit. Innerhalb jedes Matched Sets in einem Fall-Kontroll-Design ergibt sich der TWA-Grad als Durchschnitt über die gesamte aufgewendete Zeit. Sie unterscheidet sich von MG, die nur über die tatsächlich exponierte Gesamtzeit mittelt. Somit kann die TWA-Klasse unabhängig von der Exposition als durchschnittliche Exposition pro Zeiteinheit während der gesamten Beschäftigungsdauer angesehen werden an sich.

Gesamtzeit ausgesetzt. Die Total Time Exposure (TTE) summiert alle mit der Exposition verbundenen Zeiträume in Zeiteinheiten. TTE besticht durch seine Einfachheit. Es ist jedoch allgemein anerkannt, dass gesundheitliche Auswirkungen nicht nur von der Dauer der Exposition gegenüber Chemikalien, sondern auch von der Intensität dieser Exposition (dh der Konzentration oder dem Grad) abhängen müssen.

Die Nützlichkeit eines zusammenfassenden Expositionsmaßes wird eindeutig durch das jeweilige Gewicht bestimmt, das es entweder der Dauer oder der Konzentration der Exposition oder beiden beimisst. Daher können unterschiedliche Maßnahmen zu unterschiedlichen Ergebnissen führen (Walker und Blettner 1985). Idealerweise sollte das ausgewählte zusammenfassende Maß auf einer Reihe von vertretbaren Annahmen bezüglich des postulierten biologischen Mechanismus für den untersuchten Erreger oder Krankheitsverband beruhen (Smith 1987). Dieses Verfahren ist jedoch nicht immer möglich. Sehr oft ist die biologische Wirkung der Expositionsdauer oder der Konzentration des untersuchten Agens unbekannt. In diesem Zusammenhang kann die Verwendung verschiedener Expositionsmaße nützlich sein, um einen Mechanismus vorzuschlagen, durch den die Exposition ihre Wirkung entfaltet.

Es wird empfohlen, dass in Ermangelung bewährter Modelle zur Bewertung der Exposition eine Vielzahl von zusammenfassenden Expositionsmessungen im Berufsleben zur Risikoabschätzung verwendet werden. Dieser Ansatz würde den Vergleich von Ergebnissen über Studien hinweg erleichtern.

Zurück

Die Epidemiologie umfasst die Messung des Auftretens von Krankheiten und die Quantifizierung von Zusammenhängen zwischen Krankheiten und Expositionen.

Maßnahmen zum Auftreten von Krankheiten

Das Auftreten von Krankheiten kann gemessen werden durch Frequenzen (zählt), wird aber besser beschrieben durch Preise, die sich aus drei Elementen zusammensetzen: der Anzahl der Betroffenen (Zähler), der Anzahl der Personen in der Ausgangs- bzw. Grundgesamtheit (d. h. der Risikopopulation), aus der die betroffenen Personen stammen, und dem abgedeckten Zeitraum. Der Nenner der Rate ist die gesamte Personenzeit, die von der Quellpopulation erfahren wird. Raten ermöglichen aussagekräftigere Vergleiche zwischen Populationen unterschiedlicher Größe als Zählungen allein. Risiko, die Wahrscheinlichkeit, dass eine Person innerhalb eines bestimmten Zeitraums eine Krankheit entwickelt, ist ein Anteil zwischen 0 und 1 und keine Rate an sich. Angriffsgeschwindigkeit, der Anteil der Personen in einer Bevölkerung, die innerhalb eines bestimmten Zeitraums betroffen sind, ist technisch gesehen ein Risikomaß, keine Rate.

Krankheitsspezifische Morbidität umfasst Häufigkeit, die sich auf die Anzahl der Personen bezieht, bei denen die betreffende Krankheit neu diagnostiziert wird. Prävalenz bezieht sich auf die Anzahl der bestehenden Fälle. Sterblichkeit bezieht sich auf die Zahl der Verstorbenen.

Häufigkeit ist definiert als die Anzahl neu diagnostizierter Fälle innerhalb eines bestimmten Zeitraums, während die Inzidenzrate ist diese Zahl geteilt durch die gesamte Personenzeit, die von der Quellpopulation erfahren wird (Tabelle 1). Bei Krebs werden die Raten normalerweise als jährliche Raten pro 100,000 Personen ausgedrückt. Die Raten für andere häufigere Krankheiten können für eine kleinere Anzahl von Personen ausgedrückt werden. Beispielsweise werden Geburtsfehlerraten normalerweise pro 1,000 Lebendgeburten ausgedrückt. Kumulative Inzidenz, der Anteil der Personen, die innerhalb eines bestimmten Zeitraums zu Fällen werden, ist ein Maß für das durchschnittliche Risiko für eine Bevölkerung. 

Tabelle 1. Maße für das Auftreten der Krankheit: Hypothetische Population, die über einen Zeitraum von fünf Jahren beobachtet wurde

*Um die Berechnungen zu vereinfachen, wird in diesem Beispiel davon ausgegangen, dass alle Todesfälle am Ende des Fünfjahreszeitraums eingetreten sind, sodass alle 100 Personen in der Bevölkerung die vollen fünf Jahre am Leben waren.

Prävalenz Dazu gehören Punkt Prävalenz, die Anzahl der Krankheitsfälle zu einem bestimmten Zeitpunkt und Periodenprävalenz, die Gesamtzahl der Fälle einer Krankheit, von denen bekannt ist, dass sie irgendwann während eines bestimmten Zeitraums aufgetreten sind.

Sterblichkeit, die sich eher auf Todesfälle als auf neu diagnostizierte Krankheitsfälle bezieht, spiegelt Faktoren wider, die Krankheiten verursachen, sowie Faktoren im Zusammenhang mit der Qualität der medizinischen Versorgung, wie z. B. Screening, Zugang zu medizinischer Versorgung und Verfügbarkeit wirksamer Behandlungen. Folglich können hypothesengenerierende Bemühungen und ätiologische Forschung informativer und leichter zu interpretieren sein, wenn sie auf Inzidenzdaten statt auf Mortalitätsdaten basieren. Allerdings sind Sterblichkeitsdaten für große Populationen oft leichter verfügbar als Inzidenzdaten.

Die Todesrate wird allgemein akzeptiert, um die Rate für Todesfälle aus allen Ursachen zusammen zu bezeichnen, wohingegen Sterblichkeitsrate ist die Todesrate aufgrund einer bestimmten Ursache. Für eine bestimmte Krankheit, die Fallsterblichkeitsrate (technisch gesehen ein Anteil, keine Rate) ist die Anzahl der Personen, die während eines bestimmten Zeitraums an der Krankheit sterben, dividiert durch die Anzahl der Personen mit der Krankheit. Das Komplement der Sterblichkeitsrate ist die Überlebensrate. Die Fünf-Jahres-Überlebensrate ist ein allgemeiner Maßstab für chronische Krankheiten wie Krebs.

Das Auftreten einer Krankheit kann zwischen Untergruppen der Bevölkerung oder im Laufe der Zeit variieren. Ein Krankheitsmaß für eine ganze Bevölkerung ohne Berücksichtigung von Untergruppen wird als a bezeichnet Rohsatz. Beispielsweise ist eine Inzidenzrate für alle Altersgruppen zusammen eine grobe Rate. Die Preise für die einzelnen Altersgruppen sind die altersspezifische Tarife. Um zwei oder mehr Populationen mit unterschiedlichen Altersverteilungen zu vergleichen, altersangepasst (oder, altersstandardisiert) Raten sollten für jede Population berechnet werden, indem jede altersspezifische Rate mit dem Prozentsatz der Standardpopulation (z. B. einer der untersuchten Populationen, der US-Bevölkerung von 1970) in dieser Altersgruppe multipliziert und dann über alle Altersgruppen summiert wird eine altersbereinigte Gesamtrate ergeben. Die Tarife können um andere Faktoren als das Alter, wie Rasse, Geschlecht oder Raucherstatus, angepasst werden, wenn die kategoriespezifischen Tarife bekannt sind.

Die Überwachung und Auswertung von deskriptiven Daten kann Hinweise auf die Krankheitsätiologie liefern, Untergruppen mit hohem Risiko identifizieren, die für Interventions- oder Screening-Programme geeignet sein könnten, und Daten über die Wirksamkeit solcher Programme liefern. Zu den Informationsquellen, die für Überwachungstätigkeiten verwendet wurden, gehören Sterbeurkunden, Krankenakten, Krebsregister, andere Krankheitsregister (z. B. Geburtsfehlerregister, Register für Nierenerkrankungen im Endstadium), Verzeichnisse der beruflichen Exposition, Kranken- oder Berufsunfähigkeitsversicherungsunterlagen und Arbeitnehmerentschädigungen Aufzeichnungen.

Maßnahmen der Assoziation

Die Epidemiologie versucht, Faktoren zu identifizieren und zu quantifizieren, die Krankheiten beeinflussen. Im einfachsten Ansatz wird das Auftreten von Krankheiten bei Personen, die einem verdächtigen Faktor ausgesetzt sind, mit dem Auftreten von Personen verglichen, die nicht exponiert sind. Das Ausmaß eines Zusammenhangs zwischen Exposition und Krankheit kann in beiden ausgedrückt werden Absolute or relativ Bedingungen. (Siehe auch „Fallbeispiel: Maßnahmen“).

Absolute Effekte werden gemessen durch Tarifunterschiede und Risikounterschiede (Tabelle 2). EIN Tarifunterschied ist eine Rate minus einer zweiten Rate. Wenn zum Beispiel die Inzidenzrate von Leukämie unter Benzol-exponierten Arbeitern 72 pro 100,000 Personenjahre und die Rate unter nicht exponierten Arbeitern 12 pro 100,000 Personenjahre beträgt, dann beträgt die Ratendifferenz 60 pro 100,000 Personenjahre. EIN Risiko Unterschied ist ein Unterschied in den Risiken oder der kumulativen Inzidenz und kann von -1 bis 1 reichen. 

Tabelle 2. Assoziationsmaße für eine Kohortenstudie

Ratendifferenz (RD) = 500/100,000 - 250/100,000

= 250/100,000 pro Jahr

(146.06/100,000 - 353.94/100,000)*

Ratenverhältnis (oder relatives Risiko) (RR) =  

Zurechenbares Risiko bei Exponierten (AR_e) = 100/20,000 - 200/80,000

= 250/100,000 pro Jahr

Zurechenbares Risiko in Prozent der Exponierten (AR_e%) =

 Bevölkerungsbezogenes Risiko (PAR) = 300/100,000 - 200/80,000

= 50/100,000 pro Jahr

Bevölkerungsbezogenes Risiko in Prozent (PAR%) =

 * In Klammern 95-%-Konfidenzintervalle, berechnet mit den Formeln in den Kästchen.

Relative Effekte basieren auf Quotenverhältnissen oder Risikomaßen statt auf Differenzen. EIN Ratenverhältnis ist das Verhältnis einer Rate in einer Population zu der Rate in einer anderen. Das Ratenverhältnis wurde auch als das bezeichnet Risikoverhältnis, relatives Risiko, relative Rate und Häufigkeit (oder Sterblichkeit) Ratenverhältnis. Das Maß ist dimensionslos und reicht von 0 bis unendlich. Wenn die Rate in zwei Gruppen ähnlich ist (dh es gibt keine Wirkung von der Exposition), die Ratenverhältnis gleich Eins (1) ist. Eine Exposition, die das Risiko erhöht, würde ein Ratenverhältnis größer als eins ergeben, während ein Schutzfaktor ein Verhältnis zwischen 0 und 1 ergeben würde übermäßiges relatives Risiko ist das relative Risiko minus 1. Beispielsweise kann ein relatives Risiko von 1.4 auch als ein zusätzliches relatives Risiko von 40 % ausgedrückt werden.

In Fall-Kontroll-Studien (auch Fall-Referenz-Studien genannt) werden Personen mit Krankheit identifiziert (Fälle) und Personen ohne Krankheit identifiziert (Kontrollen oder Referenzen). Vergangene Expositionen der beiden Gruppen werden verglichen. Die Wahrscheinlichkeit, ein exponierter Fall zu sein, wird mit der Wahrscheinlichkeit, eine exponierte Kontrolle zu sein, verglichen. Vollständige Zählungen der Quellpopulationen von exponierten und nicht exponierten Personen sind nicht verfügbar, daher können keine Krankheitsraten berechnet werden. Stattdessen können die exponierten Fälle durch Berechnung von mit den exponierten Kontrollen verglichen werden relative ChancenOder das Wahrscheinlichkeit (Tisch 3). 

Tabelle 3. Assoziationsmaße für Fall-Kontroll-Studien: Exposition gegenüber Holzstaub und Adenokarzinom der Nasenhöhle und der Nasennebenhöhlen

Relative Quoten (Odds Ratio) (OR) =

Zurechenbares Risiko in Prozent der exponierten () =

Bevölkerungsbezogenes Risiko in Prozent (PAR%) =

woher = Anteil der exponierten Kontrollen = 55/195 = 0.28

* In Klammern 95-%-Konfidenzintervalle, berechnet mit den Formeln im Kasten auf der Rückseite.

Quelle: Adaptiert von Hayes et al. 1986.

Relative Wirkungsmaße werden häufiger als absolute Maße verwendet, um die Stärke eines Zusammenhangs zu beschreiben. Absolute Maße können jedoch einen besseren Hinweis auf die Auswirkungen einer Assoziation auf die öffentliche Gesundheit geben. Ein kleiner relativer Anstieg bei einer häufigen Krankheit wie Herzerkrankungen kann mehr Personen betreffen (großer Risikounterschied) und stärkere Auswirkungen auf die öffentliche Gesundheit haben als ein großer relativer Anstieg (aber kleiner absoluter Unterschied) bei einer seltenen Krankheit wie z Angiosarkom der Leber.

Signifikanztest

Das Testen auf statistische Signifikanz wird häufig an Wirkungsmaßen durchgeführt, um die Wahrscheinlichkeit zu bewerten, dass die beobachtete Wirkung von der Nullhypothese abweicht (dh keine Wirkung). Während viele Studien, insbesondere in anderen Bereichen der biomedizinischen Forschung, ihre Bedeutung zum Ausdruck bringen können p-Werte, typischerweise epidemiologische Studien vorhanden Vertrauensintervalle (CI) (auch genannt Grenzen des Selbstvertrauens). Ein 95-%-Konfidenzintervall ist beispielsweise ein Bereich von Werten für das Effektmaß, das das aus den Studiendaten erhaltene geschätzte Maß und dasjenige umfasst, das mit 95-%-Wahrscheinlichkeit den wahren Wert enthält. Bei Werten außerhalb des Intervalls ist es unwahrscheinlich, dass sie das wahre Maß der Wirkung enthalten. Wenn das KI für ein Ratenverhältnis Eins enthält, gibt es keinen statistisch signifikanten Unterschied zwischen den verglichenen Gruppen.

Konfidenzintervalle sind aussagekräftiger als p-Werte allein. Die Größe eines p-Werts wird durch einen oder beide von zwei Gründen bestimmt. Entweder ist das Assoziationsmaß (z. B. Rate Ratio, Risikodifferenz) groß oder die untersuchten Populationen sind groß. Beispielsweise kann ein kleiner Unterschied in den Krankheitsraten, der in einer großen Population beobachtet wird, zu einem hochsignifikanten p-Wert führen. Aus dem p-Wert allein lassen sich die Gründe für den großen p-Wert nicht erkennen. Konfidenzintervalle ermöglichen es uns jedoch, die beiden Faktoren voneinander zu trennen. Erstens ist die Größe des Effekts durch die Werte des Effektmaßes und die vom Intervall umfassten Zahlen erkennbar. Größere Risikokennzahlen weisen beispielsweise auf eine stärkere Wirkung hin. Zweitens beeinflusst die Größe der Grundgesamtheit die Breite des Konfidenzintervalls. Kleine Populationen mit statistisch instabilen Schätzungen erzeugen breitere Konfidenzintervalle als größere Populationen.

Das zum Ausdrücken der Variabilität der Ergebnisse gewählte Konfidenzniveau (die „statistische Signifikanz“) ist willkürlich, liegt jedoch traditionell bei 95 %, was einem p-Wert von 0.05 entspricht. Ein Konfidenzintervall von 95 % enthält mit einer Wahrscheinlichkeit von 95 % das wahre Maß des Effekts. Gelegentlich werden auch andere Konfidenzniveaus wie 90 % verwendet.

Expositionen können dichotom sein (z. B. exponiert und nicht exponiert) oder können viele Expositionsniveaus beinhalten. Wirkungsmaße (dh Reaktion) können je nach Expositionsgrad variieren. Auswerten Expositions-Antwort Beziehungen ist ein wichtiger Teil der Interpretation epidemiologischer Daten. Das Analogon zur Expositions-Wirkung im Tierversuch ist die „Dosis-Wirkung“. Wenn die Reaktion mit der Expositionshöhe zunimmt, ist ein kausaler Zusammenhang wahrscheinlicher, als wenn kein Trend beobachtet wird. Zu den statistischen Tests zur Bewertung von Expositions-Wirkungs-Beziehungen gehören der Mantel-Erweiterungstest und der Chi-Quadrat-Trendtest.

Standardisierung

Um andere Faktoren als die interessierende primäre Exposition und die Krankheit zu berücksichtigen, können Assoziationsmaße verwendet werden standardisiert B. durch Schichtungs- oder Regressionstechniken. Schichtung bedeutet die Einteilung der Populationen in homogene Gruppen in Bezug auf den Faktor (z. B. Geschlechtsgruppen, Altersgruppen, Rauchergruppen). Risikokennzahlen oder Quotenverhältnisse werden für jede Schicht berechnet und gewichtete Gesamtdurchschnitte der Risikokennzahlen oder Quotenverhältnisse werden berechnet. Diese Gesamtwerte spiegeln den um den Stratifizierungsfaktor bereinigten Zusammenhang zwischen der primären Exposition und der Erkrankung wider, dh den Zusammenhang mit den Effekten des Stratifizierungsfaktors herausgerechnet.

A standardisiertes Ratenverhältnis (SRR) ist das Verhältnis zweier standardisierter Zinssätze. Mit anderen Worten, ein SRR ist ein gewichteter Durchschnitt von schichtspezifischen Ratenverhältnissen, wobei die Gewichtungen für jede Schicht die Personen-Zeit-Verteilung der nicht exponierten oder Bezugsgruppe sind. SRRs für zwei oder mehr Gruppen können verglichen werden, wenn dieselben Gewichte verwendet werden. Konfidenzintervalle können für SRRs wie für Ratenverhältnisse konstruiert werden.

Die standardisierte Sterblichkeitsrate (SMR) ist ein gewichteter Durchschnitt von altersspezifischen Quotenverhältnissen, wobei die Gewichtungen (z. B. Person-Time-at-Risk) von der untersuchten Gruppe und die Quoten von der Referenzpopulation stammen, das Gegenteil der Situation in einer SRR. Die übliche Bezugspopulation ist die allgemeine Bevölkerung, deren Sterblichkeitsraten möglicherweise leicht verfügbar sind und auf großen Zahlen basieren und daher stabiler sind als die Verwendung von Raten aus einer nicht exponierten Kohorte oder Untergruppe der untersuchten Berufsgruppe. Die Verwendung der Gewichte der Kohorte anstelle der Referenzpopulation wird als indirekte Standardisierung bezeichnet. Die SMR ist das Verhältnis der beobachteten Anzahl von Todesfällen in der Kohorte zur erwarteten Anzahl, basierend auf den Raten der Referenzpopulation (das Verhältnis wird zur Darstellung typischerweise mit 100 multipliziert). Wenn kein Zusammenhang besteht, beträgt die SMR 100. Es sollte beachtet werden, dass zwei oder mehr SMRs tendenziell nicht vergleichbar sind, da die Raten von der Referenzpopulation und die Gewichtungen von der Studiengruppe stammen. Diese Nicht-Vergleichbarkeit wird bei der Interpretation epidemiologischer Daten oft vergessen und es können falsche Schlussfolgerungen gezogen werden.

Healthy-Worker-Effekt

Berufskohorten haben sehr häufig eine niedrigere Gesamtmortalität als die allgemeine Bevölkerung, selbst wenn die Arbeitnehmer einem erhöhten Risiko für ausgewählte Todesursachen aufgrund von Expositionen am Arbeitsplatz ausgesetzt sind. Dieses Phänomen, genannt die gesunder Arbeitereffekt, spiegelt die Tatsache wider, dass jede Gruppe von Erwerbstätigen im Durchschnitt wahrscheinlich gesünder ist als die allgemeine Bevölkerung, zu der Arbeitnehmer und Personen gehören, die aufgrund von Krankheiten und Behinderungen nicht arbeiten können. Die Gesamtsterblichkeitsrate in der Allgemeinbevölkerung ist tendenziell höher als die Rate bei Arbeitnehmern. Die Wirkung ist je nach Todesursache unterschiedlich stark. Beispielsweise scheint es bei Krebs im Allgemeinen weniger wichtig zu sein als bei chronisch obstruktiven Lungenerkrankungen. Ein Grund dafür ist, dass sich die meisten Krebserkrankungen wahrscheinlich nicht aus einer Prädisposition für Krebs entwickelt hätten, die der Berufswahl in einem jüngeren Alter zugrunde liegt. Der Gesunde-Arbeiter-Effekt in einer bestimmten Gruppe von Arbeitnehmern nimmt im Laufe der Zeit tendenziell ab.

Proportionale Sterblichkeit

Manchmal ist eine vollständige tabellarische Aufstellung einer Kohorte (dh gefährdete Personenzeit) nicht verfügbar, und es gibt nur Informationen zu den Todesfällen oder einer Teilmenge von Todesfällen in der Kohorte (z. B. Todesfälle unter Rentnern und aktiven Angestellten, aber nicht unter Arbeitnehmern). die ihre Erwerbstätigkeit aufgegeben haben, bevor sie Anspruch auf eine Rente hatten). Die Berechnung von Personenjahren erfordert spezielle Methoden zur Erfassung der Personenzeit, einschließlich Sterbetafelmethoden. Ohne Angaben zur gesamten Personenzeit aller Kohortenmitglieder, unabhängig vom Krankheitsstatus, können SMRs und SRRs nicht berechnet werden. Stattdessen, proportionale Sterblichkeitsverhältnisse (PMRs) verwendet werden. Ein PMR ist das Verhältnis der beobachteten Anzahl von Todesfällen aufgrund einer bestimmten Ursache im Vergleich zu der erwarteten Anzahl, basierend auf dem Anteil der Gesamttodesfälle aufgrund der spezifischen Ursache in der Referenzpopulation, multipliziert mit der Anzahl der Gesamttodesfälle in der Studie Gruppe, multipliziert mit 100.

Da der Anteil der Todesfälle aus allen Todesursachen zusammen 1 (PMR = 100) betragen muss, scheinen einige PMRs zu hoch zu sein, sind aber tatsächlich künstlich aufgeblasen aufgrund echter Defizite bei anderen Todesursachen. In ähnlicher Weise können einige offensichtliche Defizite lediglich tatsächliche Exzesse bei anderen Todesursachen widerspiegeln. Wenn beispielsweise Pestizidausbringer aus der Luft einen großen realen Überschuss an Todesfällen aufgrund von Unfällen haben, kann die mathematische Anforderung, dass der PMR für alle Ursachen zusammen gleich 100 ist, dazu führen, dass die eine oder andere Todesursache mangelhaft erscheint, selbst wenn die Sterblichkeit zu hoch ist. Um dieses potenzielle Problem zu lindern, können Forscher, die sich hauptsächlich für Krebs interessieren, kalkulieren proportionale Krebssterblichkeitsraten (PCMR). PCMRs vergleichen die beobachtete Zahl der Krebstodesfälle mit der erwarteten Zahl basierend auf dem Anteil der gesamten Krebstodesfälle (anstelle aller Todesfälle) für den interessierenden Krebs in der Referenzpopulation multipliziert mit der Gesamtzahl der Krebstodesfälle in der Studiengruppe, multipliziert mit 100. Somit wird die PCMR nicht durch eine Abweichung (Überschuss oder Mangel) bei einer nicht krebsbedingten Todesursache wie Unfällen, Herzerkrankungen oder nicht bösartigen Lungenerkrankungen beeinflusst.

PMR-Studien können besser analysiert werden mit Sterblichkeit Odds Ratios (MORs), wobei die Daten im Wesentlichen so analysiert werden, als ob sie aus einer Fall-Kontroll-Studie stammen würden. Die „Kontrollen“ sind die Todesfälle aus einer Untergruppe aller Todesfälle, von denen angenommen wird, dass sie in keinem Zusammenhang mit der untersuchten Exposition stehen. Wenn beispielsweise das Hauptinteresse der Studie Krebs war, könnten die Sterblichkeitswahrscheinlichkeitsverhältnisse berechnet werden, indem die Exposition bei den Krebstoten mit der Exposition bei den kardiovaskulären Todesfällen verglichen wird. Dieser Ansatz vermeidet wie die PCMR die Probleme mit der PMR, die entstehen, wenn eine Schwankung bei einer Todesursache das offensichtliche Risiko einer anderen beeinflusst, einfach weil die Gesamt-PMR gleich 100 sein muss. Die Wahl der Kontrolltodesursachen ist jedoch kritisch . Wie oben erwähnt, müssen sie nicht mit der Exposition zusammenhängen, aber die mögliche Beziehung zwischen Exposition und Krankheit ist möglicherweise für viele potenzielle Kontrollkrankheiten nicht bekannt.

Zurechenbares Risiko

Es stehen Maßzahlen zur Verfügung, die das Krankheitsausmaß ausdrücken, das einer Exposition zuzuschreiben wäre, wenn der beobachtete Zusammenhang zwischen der Exposition und der Krankheit kausal wäre. Das zurechenbares Risiko im Exponierten (AR_e) ist die Krankheitsrate bei den Exponierten minus der Rate bei den Nicht-Exponierten. Da Krankheitsraten in Fall-Kontroll-Studien nicht direkt gemessen werden können, ist der AR_e ist nur für Kohortenstudien berechenbar. Eine verwandte, intuitivere Maßnahme, die zurechenbaren Risikoprozentsatz im Exponierten (AR_e%), können aus beiden Studiendesigns gewonnen werden. Die AR_e% ist der Anteil der in der exponierten Bevölkerung aufgetretenen Fälle, der auf die Exposition zurückzuführen ist (Formel siehe Tabelle 2 und Tabelle 3). Die AR_e% ist das Quotenverhältnis (oder Odds Ratio) minus 1, geteilt durch das Quotenverhältnis (oder Odds Ratio), multipliziert mit 100.

Die der Bevölkerung zuzurechnendes Risiko (PAR) und die der Bevölkerung zuzurechnendes Risiko in Prozent (PAR%) oder ätiologische Fraktion, drücken das Ausmaß der Erkrankung in der Gesamtbevölkerung aus, die sich aus exponierten und nicht exponierten Personen zusammensetzt, die auf die Exposition zurückzuführen ist, wenn der beobachtete Zusammenhang kausal ist. Der PAR kann aus Kohortenstudien erhalten werden (Tabelle 28.3) und der PAR% kann sowohl in Kohorten- als auch in Fall-Kontroll-Studien berechnet werden (Tabelle 2 und Tabelle 3).

Repräsentativität

Es gibt mehrere Risikomaße, die beschrieben wurden. Jeder übernimmt zugrunde liegende Methoden zum Zählen von Ereignissen und in die Repräsentanten dieser Ereignisse zu einer definierten Gruppe. Wenn Ergebnisse studienübergreifend verglichen werden, ist ein Verständnis der verwendeten Methoden unerlässlich, um beobachtete Unterschiede zu erklären.

Zurück

Der Epidemiologe interessiert sich für Beziehungen zwischen Variablen, hauptsächlich Expositions- und Ergebnisvariablen. Typischerweise möchten Epidemiologen feststellen, ob das Auftreten einer Krankheit mit dem Vorhandensein eines bestimmten Erregers (Exposition) in der Bevölkerung zusammenhängt. Die Art und Weise, wie diese Beziehungen untersucht werden, kann sehr unterschiedlich sein. Man kann alle Personen identifizieren, die diesem Agens ausgesetzt sind, und sie nachverfolgen, um das Auftreten der Krankheit zu messen, indem man dieses Auftreten mit dem Auftreten der Krankheit in einer geeigneten, nicht exponierten Population vergleicht. Alternativ kann man einfach unter den Belichteten und Unbelichteten Proben nehmen, ohne eine vollständige Aufzählung von ihnen zu haben. Oder man kann als dritte Alternative alle Personen identifizieren, die in einem definierten Zeitraum eine interessierende Krankheit entwickeln („Fälle“) und eine geeignete Gruppe von krankheitsfreien Personen (eine Stichprobe der Quellpopulation von Fällen) und ermitteln ob sich die Expositionsmuster zwischen den beiden Gruppen unterscheiden. Eine Möglichkeit ist die Nachbeobachtung der Studienteilnehmer (in sogenannten Längsschnittstudien): In dieser Situation besteht eine zeitliche Verzögerung zwischen dem Auftreten der Exposition und dem Ausbruch der Erkrankung. Eine alternative Möglichkeit ist ein Bevölkerungsquerschnitt, bei dem sowohl die Exposition als auch die Erkrankung zum gleichen Zeitpunkt gemessen werden.

In diesem Artikel wird auf die gängigen Studiendesigns – Kohorte, Fall-Referent (Fall-Kontrolle) und Querschnitt – eingegangen. Betrachten Sie als Grundlage für diese Diskussion eine große Viskosefabrik in einer kleinen Stadt. Eine Untersuchung, ob eine Schwefelkohlenstoffbelastung das Risiko für Herz-Kreislauf-Erkrankungen erhöht, wird eingeleitet. Die Untersuchung hat mehrere Gestaltungsmöglichkeiten, einige mehr und andere weniger offensichtlich. Eine erste Strategie besteht darin, alle Arbeiter zu identifizieren, die Schwefelkohlenstoff ausgesetzt waren, und sie auf kardiovaskuläre Mortalität zu verfolgen.

Kohortenstudien

Eine Kohortenstudie umfasst Forschungsteilnehmer, die ein gemeinsames Ereignis teilen, die Exposition. Eine klassische Kohortenstudie identifiziert eine definierte Gruppe von exponierten Personen, und dann werden alle weiterverfolgt und ihre Morbiditäts- und/oder Mortalitätserfahrungen registriert. Neben einer gemeinsamen qualitativen Exposition sollte die Kohorte auch auf andere Weise definiert werden AuswahlkriterienB. Altersgruppe, Geschlecht (männlich oder weiblich oder beides), Mindestdauer und -intensität der Exposition, Freiheit von anderen Expositionen und dergleichen, um die Aussagekraft und Effizienz der Studie zu verbessern. Bei der Aufnahme sollten alle Kohortenmitglieder frei von der zu untersuchenden Krankheit sein, gemäß dem empirischen Kriterienkatalog, der zur Messung der Krankheit verwendet wird.

Wird beispielsweise in der Kohortenstudie zu den Auswirkungen von Schwefelkohlenstoff auf die koronare Morbidität eine koronare Herzkrankheit empirisch als klinischer Infarkt gemessen, müssen diejenigen, die zu Studienbeginn einen Koronarinfarkt in der Vorgeschichte hatten, aus der Kohorte ausgeschlossen werden. Im Gegensatz dazu können elektrokardiographische Anomalien ohne Infarktanamnese akzeptiert werden. Wenn jedoch das Auftreten neuer elektrokardiographischer Veränderungen das empirische Ergebnismaß ist, sollten die Kohortenmitglieder auch normale Elektrokardiogramme zu Studienbeginn haben.

Die Morbidität (in Bezug auf die Inzidenz) oder die Mortalität einer exponierten Kohorte sollte mit einer Referenzkohorte verglichen werden, die der exponierten Kohorte idealerweise in allen relevanten Aspekten, mit Ausnahme der Exposition, so ähnlich wie möglich sein sollte, um das relative Risiko zu bestimmen Krankheit oder Tod durch Exposition. Die Verwendung einer ähnlichen, aber nicht exponierten Kohorte als Anbieter der Referenzerfahrung ist der üblichen (Fehl-)Praxis vorzuziehen, die Morbidität oder Mortalität der exponierten Kohorte mit altersstandardisierten nationalen Zahlen zu vergleichen, da die allgemeine Bevölkerung selbst die meisten nicht erfüllt elementare Anforderungen an die Vergleichsvalidität. Das standardisierte Morbiditäts- (oder Mortalitäts-)Verhältnis (SMR), das sich aus einem solchen Vergleich ergibt, führt normalerweise zu einer Unterschätzung des wahren Risikoverhältnisses, da in der exponierten Kohorte eine Verzerrung auftritt, was zu einer mangelnden Vergleichbarkeit zwischen den beiden Populationen führt. Diese Vergleichsverzerrung wird als „Healthy Worker Effect“ bezeichnet. Es handelt sich jedoch nicht wirklich um einen echten „Effekt“, sondern um eine Verzerrung durch negatives Confounding, das wiederum durch gesundheitsselektive Fluktuation in einer erwerbstätigen Bevölkerung entstanden ist. (Menschen mit schlechter Gesundheit neigen dazu, „exponierte“ Kohorten zu verlassen oder nie in sie einzutreten, da ihr Endziel oft der arbeitslose Teil der Allgemeinbevölkerung ist.)

Denn eine „exponierte“ Kohorte ist nur definiert als eine bestimmte Exposition Wirkungen, die durch diese einzelne Exposition verursacht wurden (oder Mischung von Expositionen) können gleichzeitig studiert werden. Andererseits erlaubt das Kohortendesign die Untersuchung von mehrere Krankheiten gleichzeitig. Man kann auch gleichzeitig verschiedene Manifestationen derselben Krankheit untersuchen – zum Beispiel Angina pectoris, EKG-Veränderungen, klinische Myokardinfarkte und koronare Mortalität. Eine Kohortenstudie ist zwar gut geeignet, um spezifische Hypothesen zu testen (z. B. „Einwirkung von Schwefelkohlenstoff verursacht koronare Herzkrankheit“), liefert aber auch Antworten auf die allgemeinere Frage: „Welche Krankheiten werden durch diese Einwirkung verursacht?“

Beispielsweise werden in einer Kohortenstudie, die das Risiko von Gießereiarbeitern untersucht, an Lungenkrebs zu sterben, die Mortalitätsdaten aus dem nationalen Todesursachenregister bezogen. Obwohl die Studie klären sollte, ob Gießereistaub Lungenkrebs verursacht, gibt die Datenquelle bei gleichem Aufwand auch Auskunft über alle anderen Todesursachen. Daher können gleichzeitig andere mögliche Gesundheitsrisiken untersucht werden.

Der Zeitpunkt einer Kohortenstudie kann entweder retrospektiv (historisch) oder prospektiv (gleichzeitig) sein. In beiden Fällen ist die Designstruktur dieselbe. Eine vollständige Zählung der exponierten Personen erfolgt zu einem bestimmten Zeitpunkt oder Zeitraum, und das Ergebnis wird für alle Personen bis zu einem definierten Endpunkt gemessen. Der Unterschied zwischen prospektiv und retrospektiv liegt im Zeitpunkt der Studie. Wenn rückwirkend, ist der Endpunkt bereits eingetreten; wenn Interessent, muss man darauf warten.

Beim retrospektiven Design wird die Kohorte zu einem bestimmten Zeitpunkt in der Vergangenheit definiert (z. B. diejenigen, die am 1. Januar 1961 exponiert waren oder zwischen 1961 und 1970 eine exponierte Arbeit übernommen haben). Die Morbidität und/oder Mortalität von alle Kohortenmitglieder wird dann bis in die Gegenwart verfolgt. Obwohl „alle“ bedeutet, dass auch die Ausgeschiedenen erfasst werden müssen, ist eine 100-prozentige Erfassung in der Praxis selten zu erreichen. Je vollständiger jedoch das Follow-up ist, desto aussagekräftiger ist die Studie.

Beim prospektiven Design wird die Kohorte zum gegenwärtigen Zeitpunkt oder während eines zukünftigen Zeitraums definiert, und die Morbidität wird dann in die Zukunft verfolgt.

Bei der Durchführung von Kohortenstudien muss genügend Zeit für die Nachverfolgung eingeplant werden, damit die Endpunkte der Bedenken genügend Zeit haben, sich zu manifestieren. Da historische Aufzeichnungen möglicherweise nur für einen kurzen Zeitraum in der Vergangenheit verfügbar sind, ist es manchmal dennoch wünschenswert, diese Datenquelle zu nutzen, da dies bedeutet, dass ein kürzerer Zeitraum der prospektiven Nachverfolgung erforderlich wäre, bevor Ergebnisse aus der Studie vorliegen könnten erhältlich. In diesen Situationen kann eine Kombination aus retrospektivem und prospektivem Kohortenstudiendesign effizient sein. Das allgemeine Layout von Häufigkeitstabellen mit Kohortendaten ist in Tabelle 1 dargestellt.

Tabelle 1. Das allgemeine Layout von Häufigkeitstabellen mit Kohortendaten

Der beobachtete Anteil an Erkrankten in der exponierten Kohorte wird berechnet als:

und die der Referenzkohorte als:

Das Ratenverhältnis wird dann ausgedrückt als:

N₀ und N₁ werden in der Regel in Personen-Zeit-Einheiten und nicht als Anzahl der Personen ausgedrückt die Bevölkerungen. Personenjahre werden für jede Person separat berechnet. Verschiedene Personen treten oft während eines bestimmten Zeitraums in die Kohorte ein, nicht zum selben Zeitpunkt. Daher beginnen ihre Nachverfolgungszeiten zu unterschiedlichen Zeitpunkten. Ebenso sind sie nach ihrem Tod oder nach Eintreten des interessierenden Ereignisses nicht mehr „gefährdet“ und sollten nicht weiterhin Personenjahre zum Nenner beitragen.

Wenn die RR größer als 1 ist, ist die Morbidität der exponierten Kohorte höher als die der Referenzkohorte und umgekehrt. Die RR ist eine Punktschätzung, für die ein Konfidenzintervall (KI) berechnet werden sollte. Je größer die Studie, desto schmaler wird das Konfidenzintervall. Wenn RR = 1 nicht im Konfidenzintervall enthalten ist (z. B. das 95 %-KI 1.4 bis 5.8 beträgt), kann das Ergebnis auf dem gewählten Wahrscheinlichkeitsniveau (in diesem Beispiel α = 0.05) als „statistisch signifikant“ angesehen werden.

Wird die allgemeine Bevölkerung als Referenzbevölkerung verwendet, c₀ wird durch die „erwartete“ Zahl ersetzt, E (c₁ ), abgeleitet von den altersstandardisierten Morbiditäts- oder Mortalitätsraten dieser Population (dh der Anzahl der Fälle, die in der Kohorte aufgetreten wären, wenn die interessierende Exposition nicht stattgefunden hätte). Dies ergibt das standardisierte Mortalitäts- (oder Morbiditäts-) Verhältnis, SMR. Daher,

Auch für die SMR sollte ein Konfidenzintervall berechnet werden. Es ist besser, dieses Maß in einer Veröffentlichung anzugeben als einen p-Wert, da statistische Signifikanztests bedeutungslos sind, wenn die allgemeine Bevölkerung die Referenzkategorie ist. Ein solcher Vergleich bringt eine beträchtliche Verzerrung mit sich (die gesunder Arbeitereffekt oben erwähnt) und statistische Signifikanztests, die ursprünglich für die experimentelle Forschung entwickelt wurden, sind bei Vorliegen systematischer Fehler irreführend.

Angenommen, die Frage lautet, ob Quarzstaub Lungenkrebs verursacht. Üblicherweise tritt Quarzstaub zusammen mit anderen Karzinogenen auf – etwa Radon-Tochterprodukte und Dieselabgase in Bergwerken oder polyaromatische Kohlenwasserstoffe in Gießereien. Granitsteinbrüche setzen die Steinarbeiter diesen anderen Karzinogenen nicht aus. Daher wird das Problem am besten unter Steinarbeitern untersucht, die in Granitsteinbrüchen beschäftigt sind.

Nehmen wir dann an, dass alle 2,000 Arbeiter, die zwischen 20 und 1951 in 1960 Steinbrüchen beschäftigt waren, in die Kohorte aufgenommen werden und ihre Krebsinzidenz (alternativ nur Mortalität) ab zehn Jahren nach der ersten Exposition verfolgt wird (um eine Induktionszeit zu ermöglichen) und bis 1990. Dies ist eine 20- bis 30-jährige (je nach Eintrittsjahr) oder, sagen wir, durchschnittlich 25-jährige Nachbeobachtung der Krebsmortalität (oder -morbidität) unter 1,000 der Steinbrucharbeiter, die waren speziell Granitarbeiter. Die Expositionsgeschichte jedes Kohortenmitglieds muss aufgezeichnet werden. Diejenigen, die die Steinbrüche verlassen haben, müssen aufgespürt und ihre spätere Expositionsgeschichte aufgezeichnet werden. In Ländern, in denen alle Einwohner eindeutige Registrierungsnummern haben, ist dies ein einfaches Verfahren, das hauptsächlich durch nationale Datenschutzgesetze geregelt wird. Wo kein solches System existiert, kann es äußerst schwierig sein, Mitarbeiter zu Nachverfolgungszwecken aufzuspüren. Wo entsprechende Todes- oder Krankheitsregister existieren, kann die Sterblichkeit aus allen Ursachen, allen Krebsarten und spezifischen Krebsherden aus dem nationalen Register der Todesursachen abgerufen werden. (Für die Krebssterblichkeit ist das nationale Krebsregister eine bessere Quelle, da es genauere Diagnosen enthält. Außerdem können auch Inzidenz- (oder Morbiditäts-) Daten abgerufen werden.) Die Todesraten (oder Krebsinzidenzraten) können verglichen werden mit „ erwartete Zahlen“, berechnet aus nationalen Raten unter Zugrundelegung der Personenjahre der exponierten Kohorte.

Nehmen wir an, dass 70 tödliche Fälle von Lungenkrebs in der Kohorte gefunden werden, während die erwartete Zahl (die Zahl, die aufgetreten wäre, wenn es keine Exposition gegeben hätte) 35 ist. Dann:

c₁ = 70, E (c₁) = 35

Somit ist die SMR = 200, was auf eine zweifache Erhöhung des Risikos, an Lungenkrebs zu sterben, unter den Exponierten hinweist. Wenn detaillierte Expositionsdaten verfügbar sind, kann die Krebssterblichkeit in Abhängigkeit von verschiedenen Latenzzeiten (z. B. 10, 15, 20 Jahre), Arbeit in verschiedenen Arten von Steinbrüchen (verschiedene Granitsorten), verschiedenen historischen Perioden und verschiedenen Expositionen untersucht werden Intensitäten und so weiter. Allerdings lassen sich 70 Fälle nicht in zu viele Kategorien unterteilen, da die Zahl der Fälle für eine statistische Auswertung schnell zu gering wird.

Beide Arten von Kohortendesigns haben Vor- und Nachteile. Eine retrospektive Studie kann in der Regel nur die Mortalität messen, da Daten für mildere Manifestationen meist fehlen. Eine Ausnahme bilden Krebsregister und vielleicht einige andere, wie Schlaganfallregister und Krankenhausentlassungsregister, in denen auch Inzidenzdaten verfügbar sind. Die Bewertung früherer Expositionen ist immer ein Problem, und die Expositionsdaten sind in retrospektiven Studien normalerweise eher schwach. Dies kann zu einer Effektmaskierung führen. Andererseits liegen die Ergebnisse der Studie viel früher vor, da die Fälle bereits aufgetreten sind; in, sagen wir, zwei bis drei Jahren.

Eine prospektive Kohortenstudie kann besser geplant werden, um den Bedürfnissen des Forschers gerecht zu werden, und Expositionsdaten können genau und systematisch gesammelt werden. Es können mehrere unterschiedliche Manifestationen einer Krankheit gemessen werden. Sowohl Expositions- als auch Ergebnismessungen können wiederholt werden, und alle Messungen können standardisiert und ihre Gültigkeit überprüft werden. Wenn die Krankheit jedoch eine lange Latenz hat (wie Krebs), wird viel Zeit – sogar 20 bis 30 Jahre – vergehen müssen, bevor die Ergebnisse der Studie vorliegen können. In dieser Zeit kann viel passieren. Zum Beispiel Fluktuation von Forschern, Verbesserungen der Techniken zur Messung der Exposition, Umbau oder Schließung der für die Untersuchung ausgewählten Anlagen und so weiter. All diese Umstände gefährden den Studienerfolg. Auch die Kosten einer prospektiven Studie sind in der Regel höher als die einer retrospektiven Studie, dies liegt aber meist an der deutlich höheren Anzahl an Messungen (wiederholte Expositionsüberwachung, klinische Untersuchungen etc.) und nicht an der teureren Sterberegistrierung. Deshalb, die Kosten pro Informationseinheit nicht notwendigerweise über die einer retrospektiven Studie hinausgehen. Vor diesem Hintergrund eignen sich prospektive Studien eher für Erkrankungen mit eher kurzer Latenz, die ein kurzes Follow-up erfordern, während retrospektive Studien besser für Erkrankungen mit langer Latenz geeignet sind.

Fallkontrollstudien (oder fallbezogene Studien).

Kommen wir zurück zur Viskosefabrik. Eine retrospektive Kohortenstudie ist möglicherweise nicht durchführbar, wenn die Dienstpläne der exponierten Arbeiter verloren gegangen sind, während eine prospektive Kohortenstudie erst nach sehr langer Zeit solide Ergebnisse liefern würde. Eine Alternative wäre dann der Vergleich zwischen den in der Stadt im Laufe eines definierten Zeitraums an koronarer Herzkrankheit Verstorbenen und einer Stichprobe der Gesamtbevölkerung in der gleichen Altersgruppe.

Das klassische fallkontrollierte (oder fallbezogene) Design basiert auf der Stichprobenziehung aus einer dynamischen (offenen, durch einen Mitgliederwechsel gekennzeichneten) Population. Diese Bevölkerung kann die eines ganzen Landes, eines Bezirks oder einer Gemeinde sein (wie in unserem Beispiel), oder es kann die administrativ definierte Bevölkerung sein, aus der Patienten in ein Krankenhaus aufgenommen werden. Die definierte Population stellt sowohl die Fälle als auch die Kontrollen (oder Referenzen) bereit.

Die Technik besteht darin, alle Fälle der fraglichen Krankheit zu sammeln, die bei a existieren Punkt in der Zeit (häufige Fälle) oder während eines definierten Zeitraums aufgetreten sind Zeit der Zeit (Ereignisfälle). Die Fälle können somit Morbiditäts- oder Mortalitätsregistern entnommen werden oder direkt von Krankenhäusern oder anderen Quellen mit gültiger Diagnostik gesammelt werden. Die Steuerelemente werden als gezeichnet Sample aus derselben Population, entweder aus Nicht-Fällen oder aus der Gesamtpopulation. Eine andere Möglichkeit ist wählen Patienten mit einer anderen Krankheit als Kontrollen, aber dann müssen diese Patienten repräsentativ für die Bevölkerung sein, aus der die Fälle stammen. Für jeden Fall kann es eine oder mehrere Kontrollen (dh Referenten) geben. Der Stichprobenansatz unterscheidet sich von Kohortenstudien, die die gesamte Bevölkerung untersuchen. Es versteht sich von selbst, dass die Vorteile in Bezug auf die geringeren Kosten von Fall-Kontroll-Designs beträchtlich sind, aber es ist wichtig, dass die Stichprobe es ist Vertreter der gesamten Population, aus der die Fälle stammen (dh die „Studienbasis“) – andernfalls kann die Studie verzerrt sein.

Wenn Fälle und Kontrollen identifiziert wurden, werden ihre Expositionsgeschichten durch Fragebögen, Interviews oder in einigen Fällen aus bestehenden Aufzeichnungen (z. B. Gehaltslisten, aus denen Arbeitsverläufe abgeleitet werden können) gesammelt. Die Daten können entweder von den Teilnehmern selbst oder, falls sie verstorben sind, von nahen Angehörigen erhoben werden. Um einen symmetrischen Rückruf zu gewährleisten, ist es wichtig, dass der Anteil von toten und lebenden Fällen und Referenten gleich ist, da nahe Verwandte normalerweise eine weniger detaillierte Expositionsgeschichte als die Teilnehmer selbst angeben. Informationen über das Expositionsmuster bei den Fällen werden mit denen bei den Kontrollen verglichen, was eine Schätzung der Wahrscheinlichkeit (OR), ein indirektes Maß für die Risiko unter den Exponierten, an der Krankheit zu erkranken relativ zu dem der Unbelichteten.

Da das Fall-Kontroll-Design auf den Expositionsinformationen beruht, die von Patienten mit einer bestimmten Krankheit (dh Fällen) zusammen mit einer Stichprobe von nicht erkrankten Personen (dh Kontrollen) aus der Population, aus der die Fälle stammten, erhalten wurden, ist die Verbindung mit Expositionen gegeben kann nur recherchiert werden eine Krankheit. Im Gegensatz dazu ermöglicht dieses Design die gleichzeitige Untersuchung der Wirkung von mehrere unterschiedliche Belichtungen. Die fallbezogene Studie ist gut geeignet, um spezifische Forschungsfragen zu beantworten (z. B. „Wird eine koronare Herzkrankheit durch die Exposition gegenüber Schwefelkohlenstoff verursacht?“), aber sie kann auch helfen, die allgemeinere Frage zu beantworten: „Welche Expositionen können diese Krankheit verursachen? ?”

Die Frage, ob die Exposition gegenüber organischen Lösungsmitteln primären Leberkrebs verursacht, wird (als Beispiel) in Europa aufgeworfen. Fälle von primärem Leberkrebs, einer vergleichsweise seltenen Erkrankung in Europa, werden am besten aus einem nationalen Krebsregister erfasst. Angenommen, alle Krebsfälle, die während drei Jahren auftreten, bilden die Fallserie. Die Bevölkerungsbasis für die Studie ist dann ein dreijähriges Follow-up der gesamten Bevölkerung in dem betreffenden europäischen Land. Die Kontrollen werden als Stichprobe von Personen ohne Leberkrebs aus der gleichen Population gezogen. Aus Gründen der Bequemlichkeit (d. h. dass dieselbe Quelle für die Probenahme der Kontrollen verwendet werden kann) können Patienten mit einer anderen Krebsart, die nicht mit Lösungsmittelexposition in Verbindung steht, als Kontrollen verwendet werden. Dickdarmkrebs hat keinen bekannten Zusammenhang mit Lösungsmittelexposition; daher kann dieser Krebstyp zu den Kontrollen gezählt werden. (Die Verwendung von Krebskontrollen minimiert Erinnerungsverzerrungen, da die Genauigkeit der Anamnese von Fällen und Kontrollen im Durchschnitt symmetrisch ist. Wenn jedoch später ein derzeit unbekannter Zusammenhang zwischen Dickdarmkrebs und Lösungsmittelexposition aufgedeckt würde, würde diese Art der Kontrolle zu Problemen führen eine Unterschätzung des wahren Risikos – keine Übertreibung davon.)

Für jeden Fall von Leberkrebs werden zwei Kontrollen gezogen, um eine größere statistische Aussagekraft zu erreichen. (Man könnte noch mehr Kontrollen ziehen, aber verfügbare Mittel können ein limitierender Faktor sein. Wenn die Mittel nicht begrenzt wären, wären vielleicht bis zu vier Kontrollen optimal. Über vier hinaus gilt das Gesetz des abnehmenden Ertrags.) Nach Einholung einer entsprechenden Erlaubnis von Daten Schutzbehörden, die Fälle und Kontrollen oder ihre nahen Angehörigen werden kontaktiert, in der Regel mittels eines per Post zugesandten Fragebogens, in dem um eine detaillierte Berufsgeschichte mit besonderem Schwerpunkt auf einer chronologischen Liste der Namen aller Arbeitgeber, der Arbeitsabteilungen, der Arbeitsaufgaben in unterschiedlichen Beschäftigungen und die Dauer der Beschäftigung in der jeweiligen Tätigkeit. Diese Daten sind nur schwer von Verwandten zu bekommen; An bestimmte Chemikalien oder Handelsnamen erinnern sich Verwandte jedoch normalerweise nicht gut. Der Fragebogen sollte auch Fragen zu möglichen Stördaten wie Alkoholkonsum, Kontakt mit aflatoxinhaltigen Lebensmitteln und Hepatitis-B- und -C-Infektionen enthalten. Um eine ausreichend hohe Responsequote zu erreichen, werden zwei Reminder im Abstand von drei Wochen an Nicht-Responder versendet. Dies führt in der Regel zu einer endgültigen Rücklaufquote von über 70 %. Die berufliche Vorgeschichte wird dann von einem Arbeitshygieniker überprüft, ohne Kenntnis des Falls oder des Kontrollstatus des Befragten, und die Exposition wird in hohe, mittlere, niedrige, keine und unbekannte Exposition gegenüber Lösungsmitteln eingeteilt. Die zehnjährige Exposition unmittelbar vor der Krebsdiagnose werden nicht berücksichtigt, da es biologisch nicht plausibel ist, dass Karzinogene vom Initiatortyp bei einer so kurzen Latenzzeit die Ursache des Krebses sein können (obwohl Promotoren dies tatsächlich könnten). In diesem Stadium ist es auch möglich, zwischen verschiedenen Arten der Lösungsmittelbelastung zu unterscheiden. Da eine vollständige Erwerbshistorie vorgelegt wurde, ist es auch möglich, andere Expositionen zu untersuchen, obwohl diese in der ursprünglichen Studienhypothese nicht enthalten waren. Odds Ratios können dann für die Exposition gegenüber einem beliebigen Lösungsmittel, bestimmten Lösungsmitteln, Lösungsmittelgemischen, verschiedenen Kategorien der Expositionsintensität und für verschiedene Zeitfenster in Bezug auf die Krebsdiagnose berechnet werden. Es ist ratsam, Personen mit unbekannter Exposition von der Analyse auszuschließen.

Die Fälle und Kontrollen können als Proben entnommen und analysiert werden eigenständige Serie or passende Gruppen. Matching bedeutet, dass Kontrollen für jeden Fall basierend auf bestimmten Merkmalen oder Attributen ausgewählt werden, um Paare (oder Sätze, wenn mehr als eine Kontrolle für jeden Fall ausgewählt wird) zu bilden. Der Abgleich erfolgt normalerweise auf der Grundlage eines oder mehrerer solcher Faktoren, wie Alter, Vitalzustand, Rauchergeschichte, Kalenderzeit der Falldiagnose und dergleichen. In unserem Beispiel werden Fälle und Kontrollen dann nach Alter und Vitalstatus abgeglichen. (Vitalstatus ist wichtig, da Patienten selbst in der Regel eine genauere Expositionsgeschichte angeben als nahe Verwandte, und Symmetrie aus Validitätsgründen unerlässlich ist.) Heute wird empfohlen, beim Matching restriktiv vorzugehen, da dieses Verfahren negative (Effektmaskierung) einführen kann ) verwirrend.

Wenn ein Steuerelement einem Fall zugeordnet ist, wird das Design a genannt Matched-Pair-Design. Vorausgesetzt, die Kosten für die Untersuchung weiterer Kontrollen sind nicht unerschwinglich, verbessert mehr als ein Referent pro Fall die Stabilität der Schätzung des OR, wodurch die Studie größeneffizienter wird.

Die Aufteilung der Ergebnisse einer ungepaarten Fall-Kontroll-Studie ist in Tabelle 2 dargestellt.

Tabelle 2. Musterlayout von Fallkontrolldaten

Aus dieser Tabelle können die Expositionswahrscheinlichkeiten unter den Fällen und die Expositionswahrscheinlichkeiten unter der Population (den Kontrollen) berechnet und geteilt werden, um das Expositionswahrscheinlichkeitsverhältnis OR zu erhalten. Für die Fälle ist die Expositionswahrscheinlichkeit c₁ / c₀, und für die Kontrollen ist es n₁ / n₀. Die Abschätzung des OR ist dann:

Wenn relativ mehr Fälle als Kontrollen exponiert wurden, liegt das OR über 1 und umgekehrt. Konfidenzintervalle müssen für das OR auf die gleiche Weise wie für das RR berechnet und bereitgestellt werden.

Als weiteres Beispiel dient ein arbeitsmedizinisches Zentrum eines großen Unternehmens für 8,000 Mitarbeiter, die einer Vielzahl von Stäuben und anderen chemischen Arbeitsstoffen ausgesetzt sind. Uns interessiert der Zusammenhang zwischen Mischstaubbelastung und chronischer Bronchitis. Die Studie umfasst eine einjährige Nachbeobachtung dieser Population. Als diagnostisches Kriterium für eine chronische Bronchitis haben wir „Morgenhusten und Schleimproduktion für drei Monate in zwei aufeinanderfolgenden Jahren“ festgelegt. Kriterien für eine „positive“ Staubexposition werden vor Studienbeginn festgelegt. Jeder Patient, der das Gesundheitszentrum besucht und diese Kriterien während eines Zeitraums von einem Jahr erfüllt, ist ein Fall, und der nächste Patient, der wegen nicht pulmonaler Probleme ärztlichen Rat einholt, wird als Kontrolle definiert. Angenommen, während des Studienzeitraums werden 100 Fälle und 100 Kontrollen aufgenommen. Es seien 40 Fälle und 15 Kontrollen als staubexponiert einzustufen. Dann

c₁ = 40, c₀ = 60, n₁ = 15 und n₀ = 85.

Folglich

Im vorstehenden Beispiel wurde die Möglichkeit einer Verwechslung nicht berücksichtigt, die aufgrund systematischer Unterschiede zwischen Fällen und Kontrollen in einer Variablen wie dem Alter zu einer Verzerrung des OR führen kann. Eine Möglichkeit, diese Verzerrung zu reduzieren, besteht darin, die Kontrollen den Fällen nach Alter oder anderen verdächtigen Faktoren zuzuordnen. Daraus ergibt sich ein in Tabelle 3 dargestelltes Datenlayout.

Tabelle 3. Layout der Fallkontrolldaten, wenn jedem Fall eine Kontrolle zugeordnet wird

Die Analyse konzentriert sich auf die diskordanten Paare: „Fall exponiert, Kontrolle nicht exponiert“ (f_+–); und „Fall unbelichtet, Kontrolle belichtet“ (f_–+). Wenn beide Mitglieder eines Paares exponiert oder nicht exponiert sind, wird das Paar nicht berücksichtigt. Das OR in einem Matched-Pair-Studiendesign ist definiert als

In einer Studie zum Zusammenhang zwischen Nasenkrebs und Holzstaubbelastung gab es insgesamt 164 Fall-Kontroll-Paare. Bei nur einem Paar waren sowohl der Fall als auch die Kontrolle exponiert worden, und bei 150 Paaren waren weder der Fall noch die Kontrolle exponiert worden. Diese Paare werden nicht weiter betrachtet. Das Gehäuse, aber nicht die Kontrolle, wurde in 12 Paaren exponiert, und die Kontrolle, aber nicht das Gehäuse, in einem Paar. Somit,

und da die Einheit in diesem Intervall nicht enthalten ist, ist das Ergebnis statistisch signifikant – das heißt, es besteht ein statistisch signifikanter Zusammenhang zwischen Nasenkrebs und Holzstaubbelastung.

Fall-Kontroll-Studien sind effizienter als Kohortenstudien, wenn die Krankheit ist selten; sie können tatsächlich die einzige Option bieten. Aber auch Volkskrankheiten können mit dieser Methode untersucht werden. Wenn die Exposition ist selten, eine expositionsbasierte Kohorte ist das bevorzugte oder einzig mögliche epidemiologische Design. Selbstverständlich können auch Kohortenstudien zu gemeinsamen Expositionen durchgeführt werden. Die Wahl zwischen Kohorten- und Fall-Kontroll-Designs, wenn sowohl die Exposition als auch die Erkrankung häufig sind, wird normalerweise unter Berücksichtigung von Validitätserwägungen entschieden.

Da sich Fall-Kontroll-Studien auf retrospektive Expositionsdaten stützen, die normalerweise auf der Erinnerung der Teilnehmer beruhen, ist ihre Schwachstelle die Ungenauigkeit und Rohheit der Expositionsinformationen, was zu einer Effektmaskierung führt nicht differenziell (symmetrische) Fehlklassifizierung des Expositionsstatus. Darüber hinaus kann der Rückruf manchmal zwischen Fällen und Kontrollen asymmetrisch sein, Fälle, von denen normalerweise angenommen wird, dass sie sich „besser“ erinnern (dh Rückrufverzerrung).

Selektive Rückrufe können eine effektverstärkende Verzerrung bewirken Differential (asymmetrische) Fehlklassifizierung des Expositionsstatus. Die Vorteile von Fall-Kontroll-Studien liegen in ihrer Kosteneffektivität und ihrer Fähigkeit, relativ schnell eine Problemlösung zu liefern. Aufgrund der Stichprobenstrategie ermöglichen sie die Untersuchung sehr großer Zielpopulationen (z. B. durch nationale Krebsregister) und erhöhen damit die statistische Aussagekraft der Studie. In Ländern, in denen Datenschutzgesetze oder das Fehlen guter Bevölkerungs- und Morbiditätsregister die Durchführung von Kohortenstudien behindern, können krankenhausbasierte Fall-Kontroll-Studien die einzige praktische Möglichkeit sein, epidemiologische Forschung durchzuführen.

Fall-Kontroll-Stichprobe innerhalb einer Kohorte (verschachtelte Fall-Kontroll-Studiendesigns)

Eine Kohortenstudie kann auch für Stichproben anstelle einer vollständigen Nachverfolgung konzipiert werden. Dieses Design wurde früher als „verschachtelte“ Fall-Kontroll-Studie bezeichnet. Ein Stichprobenansatz innerhalb der Kohorte stellt andere Anforderungen an die Kohorteneignung, da die Vergleiche nun innerhalb derselben Kohorte erfolgen. Dies sollte daher nicht nur stark exponierte Arbeitnehmer, sondern auch weniger exponierte und sogar nicht exponierte Arbeitnehmer umfassen, um eine Versorgung zu gewährleisten Belichtungskontraste in sich. Es ist wichtig, diesen Unterschied in den Zulassungsvoraussetzungen bei der Zusammenstellung der Kohorte zu berücksichtigen. Wenn zuerst eine vollständige Kohortenanalyse an einer Kohorte durchgeführt wird, deren Eignungskriterien auf einer „hohen“ Exposition lagen, und später eine „verschachtelte“ Fall-Kontroll-Studie an derselben Kohorte durchgeführt wird, wird die Studie unempfindlich. Dies führt zu einer Effektmaskierung, da die Belichtungskontraste aufgrund einer fehlenden Variabilität in der Belichtungserfahrung unter den Mitgliedern der Kohorte „absichtlich“ unzureichend sind.

Vorausgesetzt, die Kohorte verfügt über ein breites Spektrum an Expositionserfahrung, ist der verschachtelte Fall-Kontroll-Ansatz jedoch sehr attraktiv. Man fasst alle in der Kohorte auftretenden Fälle über den Nachbeobachtungszeitraum zur Fallserie zusammen, während nur a Sample der Nicht-Fälle wird für die Kontrollreihe gezogen. Die Forscher sammeln dann, wie beim traditionellen Fall-Kontroll-Design, detaillierte Informationen über die Expositionserfahrung, indem sie Fälle und Kontrollen (oder ihre nahen Verwandten) befragen, die Personallisten der Arbeitgeber prüfen, indem sie a Job-Exposure-Matrix, oder durch Kombinieren von zwei oder mehr dieser Ansätze. Die Kontrollen können entweder den Fällen zugeordnet oder als eigenständige Serie behandelt werden.

Der Stichprobenansatz kann im Vergleich zur umfassenden Informationsbeschaffung über jedes Mitglied der Kohorte weniger kostspielig sein. Da insbesondere nur eine Stichprobe von Kontrollen untersucht wird, können mehr Ressourcen für eine detaillierte und genaue Expositionsbewertung für jeden Fall und jede Kontrolle aufgewendet werden. Allerdings herrschen die gleichen statistischen Power-Probleme wie in klassischen Kohortenstudien. Um eine ausreichende statistische Aussagekraft zu erreichen, muss die Kohorte je nach Größe des zu erfassenden Risikos immer eine „ausreichende“ Anzahl exponierter Fälle umfassen.

Querschnittsstudiendesigns

Im wissenschaftlichen Sinne ist ein Querschnittsdesign ein Querschnitt der Studienpopulation ohne zeitliche Berücksichtigung. Sowohl Exposition als auch Morbidität (Prävalenz) werden zum gleichen Zeitpunkt gemessen.

Aus ätiologischer Sicht ist dieses Studiendesign schwach, auch weil es sich nicht um die Inzidenz, sondern um die Prävalenz handelt. Die Prävalenz ist ein zusammengesetztes Maß, das sowohl von der Inzidenz als auch von der Dauer der Krankheit abhängt. Dies schränkt auch den Einsatz von Querschnittsstudien auf lang andauernde Erkrankungen ein. Noch gravierender ist die starke negative Verzerrung, die durch die gesundheitsbedingte Eliminierung der gegenüber Expositionswirkungen empfindlicheren Personen aus der exponierten Gruppe verursacht wird. Daher werden ätiologische Probleme am besten durch Längsschnittdesigns gelöst. Tatsächlich lassen Querschnittsstudien keine Rückschlüsse darauf zu, ob eine Exposition einer Erkrankung vorausging oder umgekehrt. Der Wirkungsquerschnitt ist nur dann ätiologisch aussagekräftig, wenn zwischen der Exposition und dem Ergebnis ein echter zeitlicher Zusammenhang besteht, das heißt, dass die aktuelle Exposition unmittelbare Auswirkungen haben muss. Die Exposition kann jedoch querschnittlich gemessen werden, so dass sie einen längeren vergangenen Zeitraum darstellt (z. B. der Blutbleispiegel), während das Ergebnismaß eine Prävalenz ist (z. B. Nervenleitungsgeschwindigkeiten). Die Studie ist dann eher eine Mischung aus einem Längsschnitt- und einem Querschnittsdesign als ein bloßer Querschnitt der Studienpopulation.

Deskriptive Querschnittsbefragungen

Querschnittserhebungen sind oft eher für praktische und administrative als für wissenschaftliche Zwecke nützlich. Epidemiologische Prinzipien können auf systematische Überwachungsaktivitäten im arbeitsmedizinischen Umfeld angewendet werden, wie zum Beispiel:

• Beobachtung der Morbidität in Bezug auf Beruf, Arbeitsbereich oder bestimmte Expositionen

• regelmäßige Befragungen von Arbeitnehmern, die bekannten Berufsgefahren ausgesetzt sind

• Untersuchung von Arbeitnehmern, die mit neuen Gesundheitsgefahren in Kontakt kommen

• biologische Überwachungsprogramme

• Expositionserhebungen zur Identifizierung und Quantifizierung von Gefahren

• Screening-Programme verschiedener Arbeitnehmergruppen

• Bewertung des Anteils der Arbeitnehmer, die einer Vorbeugung oder regelmäßigen Kontrolle bedürfen (z. B. Blutdruck, koronare Herzkrankheit).

Es ist wichtig, repräsentative, gültige und spezifische Morbiditätsindikatoren für alle Arten von Erhebungen auszuwählen. Eine Befragung oder ein Screening-Programm kann im Gegensatz zur klinischen Diagnostik nur wenige Tests verwenden, daher ist der Vorhersagewert des Screening-Tests wichtig. Unempfindliche Methoden können die interessierende Krankheit nicht nachweisen, während hochempfindliche Methoden zu viele falsch positive Ergebnisse liefern. Ein Screening auf seltene Erkrankungen ist im beruflichen Umfeld nicht sinnvoll. Alle Aktivitäten zur Fallfindung (dh Screening) erfordern auch einen Mechanismus zur Betreuung von Personen mit „positiven“ Befunden, sowohl in Bezug auf Diagnostik als auch Therapie. Andernfalls wird nur Frustration resultieren, bei der möglicherweise mehr Schaden als Nutzen entsteht.

Zurück

Das Bedürfnis nach Geltung

Die Epidemiologie zielt darauf ab, das Krankheitserleben in Bevölkerungen zu verstehen. Insbesondere kann es genutzt werden, um Einblicke in die beruflichen Ursachen von Erkrankungen zu erhalten. Dieses Wissen stammt aus Studien, die an Gruppen von Menschen mit einer Krankheit durchgeführt wurden, indem sie mit Menschen ohne diese Krankheit verglichen wurden. Ein weiterer Ansatz besteht darin, zu untersuchen, welche Krankheiten Menschen bekommen, die in bestimmten Berufen mit besonderen Belastungen arbeiten, und diese Krankheitsbilder mit denen von nicht ähnlich exponierten Personen zu vergleichen. Diese Studien liefern Schätzungen des Krankheitsrisikos für bestimmte Expositionen. Damit Informationen aus solchen Studien zur Erstellung von Präventionsprogrammen, zur Anerkennung von Berufskrankheiten und zur angemessenen Entschädigung der von Expositionen betroffenen Arbeitnehmer verwendet werden können, müssen diese Studien valide sein.

Gültigkeit kann als die Fähigkeit einer Studie definiert werden, den wahren Sachverhalt widerzuspiegeln. Eine gültige Studie ist daher eine Studie, die den Zusammenhang (entweder positiv, negativ oder nicht vorhanden) zwischen einer Exposition und einer Krankheit korrekt misst. Sie beschreibt Richtung und Ausmaß eines echten Risikos. Es werden zwei Arten von Validität unterschieden: interne und externe Validität. Interne Validität ist die Fähigkeit einer Studie, das widerzuspiegeln, was wirklich unter den Studienteilnehmern passiert ist; Die externe Validität spiegelt wider, was in der Bevölkerung passieren könnte.

Validität bezieht sich auf die Wahrhaftigkeit einer Messung. Validität ist von der Genauigkeit der Messung zu unterscheiden, die von der Größe der Studie und der Effizienz des Studiendesigns abhängt.

Interne Gültigkeit

Eine Studie gilt als intern valide, wenn sie frei von Verzerrungen ist und somit den bei den Studienteilnehmern bestehenden Zusammenhang zwischen Exposition und Krankheit wirklich widerspiegelt. Ein beobachtetes Krankheitsrisiko im Zusammenhang mit einer Exposition kann zwar aus einem realen Zusammenhang resultieren und daher valide sein, aber es kann auch den Einfluss von Vorurteilen widerspiegeln. Eine Voreingenommenheit wird ein verzerrtes Bild der Realität geben.

Drei Haupttypen von Vorurteilen, auch genannt systematische Fehler, werden normalerweise unterschieden:

• Auswahlbias
• Informations- oder Beobachtungsverzerrung
• verwirrend

Sie werden im Folgenden anhand von Beispielen aus dem arbeitsmedizinischen Umfeld kurz vorgestellt.

Selektionsvorspannung

Ein Selektionsbias tritt auf, wenn der Eintritt in die Studie durch die Kenntnis des Expositionsstatus des potenziellen Studienteilnehmers beeinflusst wird. Dieses Problem tritt daher nur dann auf, wenn die Krankheit zum Zeitpunkt (bevor) die Person in die Studie aufgenommen wurde, bereits aufgetreten ist. Im epidemiologischen Umfeld geschieht dies typischerweise in Fall-Kontroll-Studien oder in retrospektiven Kohortenstudien. Dies bedeutet, dass eine Person eher als Fall betrachtet wird, wenn bekannt ist, dass sie exponiert war. Drei Umstände können zu einem solchen Ereignis führen, das auch von der Schwere der Krankheit abhängt.

Selbstselektionsverzerrung

Dies kann vorkommen, wenn Personen, die wissen, dass sie in der Vergangenheit bekannten oder vermuteten schädlichen Produkten ausgesetzt waren, und die überzeugt sind, dass ihre Krankheit das Ergebnis der Exposition ist, einen Arzt wegen Symptomen konsultieren, die andere Personen, die nicht so exponiert waren, möglicherweise ignoriert haben. Dies ist besonders wahrscheinlich bei Krankheiten, die nur wenige auffällige Symptome aufweisen. Ein Beispiel kann ein früher Schwangerschaftsverlust oder eine spontane Abtreibung bei weiblichen Krankenschwestern sein, die mit Arzneimitteln zur Krebsbehandlung umgehen. Diese Frauen sind sich der Fortpflanzungsphysiologie bewusster als die meisten anderen und, da sie sich Sorgen um ihre Fähigkeit machen, Kinder zu bekommen, erkennen oder etikettieren sie möglicherweise eher als spontane Abtreibung, was andere Frauen nur als Verzögerung des Beginns der Menstruation betrachten würden. Ein weiteres Beispiel aus einer retrospektiven Kohortenstudie, zitiert von Rothman (1986), betrifft eine Studie des Centers for Disease Control über Leukämie unter Truppen, die bei einem US-Atomtest in Nevada anwesend waren. Von den auf dem Testgelände anwesenden Truppen wurden 76 % aufgespürt und bildeten die Kohorte. Davon wurden 82 % von den Ermittlern gefunden, aber weitere 18 % kontaktierten die Ermittler selbst, nachdem sie von der Öffentlichkeit über die Studie gehört hatten. Vier Fälle von Leukämie waren unter den 82 % vorhanden, die von CDC verfolgt wurden, und vier Fälle waren unter den selbst überwiesenen 18 % vorhanden. Dies deutet stark darauf hin, dass die Fähigkeit der Ermittler, exponierte Personen zu identifizieren, mit dem Leukämie-Risiko zusammenhängt.

Diagnostische Verzerrung

Dies wird der Fall sein, wenn die Ärzte eine bestimmte Krankheit eher diagnostizieren, wenn sie wissen, was der Patient zuvor ausgesetzt war. Als beispielsweise die meisten Farben bleihaltig waren, war ein Symptom einer Erkrankung der peripheren Nerven, das als periphere Neuritis mit Lähmung bezeichnet wird, auch als „Handgelenkstropfen“ der Maler bekannt. Die Kenntnis des Berufs des Patienten erleichterte bereits im Frühstadium die Diagnose der Erkrankung, während bei Studienteilnehmern ohne bekannte berufliche Bleibelastung die Identifizierung des Erregers deutlich erschwert wäre.

Bias aufgrund der Weigerung, an einer Studie teilzunehmen

Wenn Menschen, ob gesund oder krank, gebeten werden, an einer Studie teilzunehmen, spielen mehrere Faktoren eine Rolle, ob sie zustimmen oder nicht. Die Bereitschaft, unterschiedlich lange Fragebögen zu beantworten, die manchmal nach heiklen Themen fragen, und noch mehr, Blut oder andere biologische Proben abzugeben, kann vom Grad des Eigeninteresses der Person bestimmt werden. Jemand, der sich der früheren möglichen Exposition bewusst ist, ist möglicherweise bereit, dieser Anfrage nachzukommen, in der Hoffnung, dass sie dabei hilft, die Ursache der Krankheit zu finden, während jemand der Meinung ist, dass er nichts Gefährlichem ausgesetzt war, oder der nicht interessiert ist wissen, können die Einladung zur Teilnahme an der Studie ablehnen. Dies kann zu einer Auswahl der Personen führen, die letztendlich Studienteilnehmer sein werden, im Vergleich zu allen, die es hätten sein können.

Informationsverzerrung

Dies wird auch als Beobachtungsverzerrung bezeichnet und betrifft den Krankheitsverlauf in Folgestudien und die Expositionsbeurteilung in Fall-Kontroll-Studien.

Differenzielle Ergebnisbewertung in prospektiven Folgestudien (Kohortenstudien).

Zu Beginn der Studie werden zwei Gruppen definiert: eine exponierte Gruppe und eine nicht exponierte Gruppe. Probleme der diagnostischen Verzerrung entstehen, wenn die Suche nach Fällen zwischen diesen beiden Gruppen unterschiedlich ist. Stellen Sie sich zum Beispiel eine Kohorte von Personen vor, die einer versehentlichen Freisetzung von Dioxin in einer bestimmten Branche ausgesetzt sind. Für die hochexponierte Gruppe wird ein aktives Nachsorgesystem mit regelmäßigen ärztlichen Untersuchungen und biologischem Monitoring eingerichtet, während der Rest der Erwerbsbevölkerung nur routinemäßig betreut wird. Es ist sehr wahrscheinlich, dass in der eng überwachten Gruppe mehr Krankheiten identifiziert werden, was zu einer potenziellen Überschätzung des Risikos führen würde.

Differenzielle Verluste in retrospektiven Kohortenstudien

In retrospektiven Kohortenstudien kann der umgekehrte Mechanismus zu dem im vorhergehenden Absatz beschriebenen auftreten. Die übliche Vorgehensweise bei diesen Studien ist, mit den Akten aller Personen zu beginnen, die in der Vergangenheit in einer bestimmten Branche beschäftigt waren, und Krankheit oder Sterblichkeit nach der Beschäftigung zu bewerten. Leider sind in fast allen Studien die Akten unvollständig, und die Tatsache, dass eine Person vermisst wird, kann entweder mit dem Expositionsstatus oder dem Krankheitsstatus oder mit beidem zusammenhängen. Beispielsweise wurden in einer kürzlich in der chemischen Industrie durchgeführten Studie bei Arbeitern, die aromatischen Aminen ausgesetzt waren, acht Tumore in einer Gruppe von 777 Arbeitern gefunden, die einem zytologischen Screening auf Harntumoren unterzogen worden waren. Insgesamt wurden nur 34 Datensätze als fehlend befunden, was einem Verlust von 4.4 % in der Expositionsbewertungsdatei entspricht, aber bei Blasenkrebsfällen fehlten Expositionsdaten für zwei von acht Fällen oder 25 %. Dies zeigt, dass die Akten von Personen, die zu Fällen wurden, mit größerer Wahrscheinlichkeit verloren gingen als die Akten anderer Mitarbeiter. Dies kann durch häufigere Stellenwechsel innerhalb des Unternehmens (die mit Expositionseffekten verbunden sein können), Kündigung, Entlassung oder reinen Zufall geschehen.

Differenzielle Bewertung der Exposition in Fall-Kontroll-Studien

Bei Fall-Kontroll-Studien ist die Erkrankung bei Studienbeginn bereits aufgetreten und es werden Informationen zu früheren Expositionen abgefragt. Voreingenommenheit kann entweder aus der Einstellung des Interviewers oder des Studienteilnehmers zur Untersuchung resultieren. Die Informationen werden normalerweise von geschulten Interviewern gesammelt, die sich der Hypothese, die der Forschung zugrunde liegt, bewusst sein können oder auch nicht. In einer bevölkerungsbezogenen Fall-Kontroll-Studie zu Blasenkrebs beispielsweise, die in einer hochindustrialisierten Region durchgeführt wurde, ist sich das Studienpersonal möglicherweise der Tatsache bewusst, dass bestimmte Chemikalien, wie beispielsweise aromatische Amine, Risikofaktoren für Blasenkrebs sind. Wenn sie auch wissen, wer die Krankheit entwickelt hat und wer nicht, können sie mit den Teilnehmern, die an Blasenkrebs erkrankt sind, wahrscheinlich eingehendere Interviews führen als mit den Kontrollen. Sie bestehen möglicherweise auf detaillierteren Informationen über frühere Berufe und suchen systematisch nach der Exposition gegenüber aromatischen Aminen, während sie für Kontrollen die Berufe eher routinemäßig erfassen. Die resultierende Vorspannung wird als bekannt Expositionsverdacht voreingenommen.

Auch die Teilnehmer selbst können für eine solche Voreingenommenheit verantwortlich sein. Das nennt man Voreingenommenheit erinnern um es von der Voreingenommenheit des Interviewers zu unterscheiden. Beide haben den Expositionsverdacht als Mechanismus für die Voreingenommenheit. Erkrankte Personen können einen beruflichen Ursprung ihrer Krankheit vermuten und werden daher versuchen, sich so genau wie möglich an alle gefährlichen Stoffe zu erinnern, denen sie möglicherweise ausgesetzt waren. Beim Umgang mit undefinierten Produkten neigen sie möglicherweise dazu, sich an die Namen konkreter Chemikalien zu erinnern, insbesondere wenn ihnen eine Liste verdächtiger Produkte zur Verfügung gestellt wird. Im Gegensatz dazu durchlaufen Kontrollen mit geringerer Wahrscheinlichkeit denselben Denkprozess.

Verwirrend

Confounding liegt vor, wenn der beobachtete Zusammenhang zwischen Exposition und Krankheit teilweise das Ergebnis einer Vermischung der Wirkung der untersuchten Exposition und eines anderen Faktors ist. Nehmen wir zum Beispiel an, dass wir bei Schweißern ein erhöhtes Lungenkrebsrisiko feststellen. Wir sind versucht, sofort zu schließen, dass es einen kausalen Zusammenhang zwischen der Exposition gegenüber Schweißrauch und Lungenkrebs gibt. Wir wissen aber auch, dass Rauchen der mit Abstand wichtigste Risikofaktor für Lungenkrebs ist. Wenn Informationen verfügbar sind, beginnen wir daher damit, den Raucherstatus von Schweißern und anderen Studienteilnehmern zu überprüfen. Wir können feststellen, dass Schweißer eher rauchen als Nicht-Schweißer. In dieser Situation ist bekannt, dass das Rauchen mit Lungenkrebs in Verbindung gebracht wird, und gleichzeitig wurde in unserer Studie festgestellt, dass das Rauchen auch mit dem Beruf des Schweißers in Verbindung gebracht wird. In epidemiologischer Hinsicht bedeutet dies, dass Rauchen, das sowohl mit Lungenkrebs als auch mit Schweißen in Verbindung gebracht wird, den Zusammenhang zwischen Schweißen und Lungenkrebs verfälscht.

Interaktions- oder Effektmodifikation

Im Gegensatz zu allen oben aufgeführten Aspekten, nämlich Selektion, Information und Confounding, die Verzerrungen darstellen, ist Interaktion keine Verzerrung aufgrund von Problemen im Studiendesign oder in der Analyse, sondern spiegelt die Realität und ihre Komplexität wider. Ein Beispiel für dieses Phänomen ist das folgende: Die Belastung durch Radon ist ein Risikofaktor für Lungenkrebs, ebenso wie das Rauchen. Darüber hinaus haben Rauchen und Radonexposition unterschiedliche Auswirkungen auf das Lungenkrebsrisiko, je nachdem, ob sie zusammen oder isoliert wirken. Die meisten Berufsstudien zu diesem Thema wurden unter Untertagebergleuten durchgeführt und haben teilweise widersprüchliche Ergebnisse geliefert. Insgesamt scheint es Argumente für eine Wechselwirkung von Rauchen und Radonexposition bei der Entstehung von Lungenkrebs zu geben. Das bedeutet, dass das Lungenkrebsrisiko durch Radonexposition auch bei Nichtrauchern erhöht wird, aber dass die Risikoerhöhung durch Radon bei Rauchern viel größer ist als bei Nichtrauchern. Epidemiologisch sprechen wir von einer multiplikativen Wirkung. Im Gegensatz zum oben beschriebenen Confounding muss die Interaktion sorgfältig analysiert und in der Analyse beschrieben und nicht einfach kontrolliert werden, da sie das widerspiegelt, was auf biologischer Ebene passiert, und nicht nur eine Folge eines schlechten Studiendesigns ist. Seine Erklärung führt zu einer valideren Interpretation der Ergebnisse einer Studie.

Externe Validität

Dieses Problem kann erst behoben werden, nachdem sichergestellt wurde, dass die interne Gültigkeit gesichert ist. Wenn wir davon überzeugt sind, dass die in der Studie beobachteten Ergebnisse reale Assoziationen widerspiegeln, können wir uns fragen, ob wir diese Ergebnisse auf die größere Population, aus der die Studienteilnehmer selbst gezogen wurden, oder sogar auf andere identische Populationen extrapolieren können oder zumindest sehr ähnlich. Die häufigste Frage ist, ob die für Männer erzielten Ergebnisse auch für Frauen gelten. Studien und insbesondere berufsepidemiologische Untersuchungen werden seit Jahren ausschließlich bei Männern durchgeführt. Studien unter Chemikern, die in den 1960er und 1970er Jahren in den Vereinigten Staaten, dem Vereinigten Königreich und Schweden durchgeführt wurden, ergaben alle ein erhöhtes Risiko für bestimmte Krebsarten – nämlich Leukämie, Lymphome und Bauchspeicheldrüsenkrebs. Aus dem, was wir über die Wirkungen der Exposition gegenüber Lösungsmitteln und einigen anderen Chemikalien wussten, hätten wir damals schon ableiten können, dass die Laborarbeit auch ein krebserzeugendes Risiko für Frauen mit sich bringt. Dies zeigte sich tatsächlich, als Mitte der 1980er Jahre schließlich die erste Studie unter Chemikerinnen veröffentlicht wurde, die ähnliche Ergebnisse wie bei Männern ergab. Es ist erwähnenswert, dass es sich bei anderen gefundenen übermäßigen Krebsarten um Tumore der Brust und der Eierstöcke handelte, die traditionell nur mit endogenen Faktoren oder der Fortpflanzung in Verbindung gebracht wurden, bei denen jedoch neu vermutete Umweltfaktoren wie Pestizide eine Rolle spielen könnten. Zu den berufsbedingten Determinanten von Krebserkrankungen bei Frauen muss noch viel mehr Arbeit geleistet werden.

Strategien für ein valides Studium

Eine vollkommen gültige Studie kann es nie geben, aber es obliegt dem Forscher, so viele Verzerrungen wie möglich zu vermeiden oder zumindest zu minimieren. Dies kann oft am besten in der Phase des Studiendesigns erfolgen, kann aber auch während der Analyse durchgeführt werden.

Studiendesign

Auswahl- und Informationsverzerrung können nur durch das sorgfältige Design einer epidemiologischen Studie und die sorgfältige Umsetzung aller sich daraus ergebenden täglichen Richtlinien, einschließlich der sorgfältigen Beachtung der Qualitätssicherung, für die Durchführung der Studie unter Feldbedingungen vermieden werden. Confounding kann entweder in der Entwurfs- oder in der Analysephase behandelt werden.

Auswahl

Kriterien für die Berücksichtigung eines Teilnehmers als Fall müssen explizit definiert werden. Man kann oder sollte zumindest nicht versuchen, schlecht definierte klinische Zustände zu untersuchen. Eine Möglichkeit zur Minimierung der Auswirkungen, die die Kenntnis der Exposition auf die Krankheitsbewertung haben kann, besteht darin, nur schwere Fälle einzubeziehen, die unabhängig von Informationen zur Krankengeschichte des Patienten diagnostiziert worden wären. Im Bereich Krebs werden Studien oft auf Fälle mit histologischem Nachweis der Erkrankung beschränkt, um den Einschluss von Borderline-Läsionen zu vermeiden. Dies bedeutet auch, dass die untersuchten Gruppen gut definiert sind. Beispielsweise ist in der Krebsepidemiologie wohlbekannt, dass Krebsarten verschiedener histologischer Typen innerhalb eines gegebenen Organs unterschiedliche Risikofaktoren haben können. Bei ausreichender Fallzahl ist es besser, das Adenokarzinom der Lunge vom Plattenepithelkarzinom der Lunge zu trennen. Was auch immer die endgültigen Kriterien für die Aufnahme in die Studie sein mögen, sie sollten immer klar definiert und beschrieben werden. Beispielsweise sollte der genaue Code der Krankheit anhand der Internationalen Klassifikation der Krankheiten (ICD) und bei Krebs auch der Internationalen Klassifikation der Krankheiten – Onkologie (ICD-O) angegeben werden.

Sobald die Kriterien festgelegt sind, sollten Anstrengungen unternommen werden, um die Teilnahme an der Studie zu maximieren. Die Entscheidung, eine Teilnahme abzulehnen, wird kaum zufällig getroffen und führt daher zu Voreingenommenheit. Studien sollten zunächst den Klinikern vorgestellt werden, die die Patienten behandeln. Ihre Zustimmung ist erforderlich, um Patienten anzusprechen, und daher müssen sie davon überzeugt werden, die Studie zu unterstützen. Ein oft überzeugendes Argument ist, dass die Studie im Interesse der öffentlichen Gesundheit ist. In diesem Stadium ist es jedoch besser, die genaue zu bewertende Hypothese nicht zu diskutieren, um eine übermäßige Beeinflussung der beteiligten Kliniker zu vermeiden. Ärzte sollten nicht aufgefordert werden, Nebentätigkeiten zu übernehmen; Es ist einfacher, medizinisches Personal davon zu überzeugen, eine Studie zu unterstützen, wenn von den Prüfärzten Mittel bereitgestellt werden, um alle zusätzlichen Aufgaben durchzuführen, die über die Routineversorgung hinausgehen und durch die Studie erforderlich sind. Interviewer und Datenextraktoren sollten den Krankheitsstatus ihrer Patienten nicht kennen.

Ähnliche Aufmerksamkeit sollte den Informationen geschenkt werden, die den Teilnehmern zur Verfügung gestellt werden. Das Ziel der Studie muss breit und neutral beschrieben werden, aber auch überzeugend und überzeugend sein. Es ist wichtig, dass Fragen der Vertraulichkeit und von Interesse für die öffentliche Gesundheit vollständig verstanden werden, während medizinischer Fachjargon vermieden wird. In den meisten Situationen wird der Einsatz von finanziellen oder anderen Anreizen nicht als angemessen erachtet, obwohl eine Entschädigung für alle Kosten bereitgestellt werden sollte, die einem Teilnehmer möglicherweise entstehen. Nicht zuletzt sollte die allgemeine Bevölkerung über ausreichende wissenschaftliche Kenntnisse verfügen, um die Bedeutung solcher Forschung zu verstehen. Sowohl die Vorteile als auch die Risiken der Teilnahme müssen jedem potenziellen Teilnehmer erklärt werden, wenn er Fragebögen ausfüllen und/oder biologische Proben zur Aufbewahrung und/oder Analyse bereitstellen muss. Es sollte kein Zwang angewendet werden, um eine vorherige und vollständig informierte Zustimmung zu erhalten. Bei Studien, die ausschließlich auf Aufzeichnungen basieren, muss die vorherige Zustimmung der für die Wahrung der Vertraulichkeit dieser Aufzeichnungen zuständigen Stellen eingeholt werden. In diesen Fällen kann in der Regel auf die Zustimmung der einzelnen Teilnehmer verzichtet werden. Stattdessen reicht die Zustimmung von Gewerkschafts- und Regierungsbeamten aus. Epidemiologische Untersuchungen bedrohen nicht das Privatleben des Einzelnen, sondern sind ein potenzielles Hilfsmittel zur Verbesserung der Gesundheit der Bevölkerung. Vor der Durchführung einer Studie ist die Zustimmung eines institutionellen Prüfungsausschusses (oder Ethikprüfungsausschusses) erforderlich, und vieles von dem, was oben gesagt wurde, wird von ihm für seine Überprüfung erwartet.

Info

In prospektiven Folgestudien müssen die Mittel zur Beurteilung des Krankheits- oder Mortalitätsstatus für exponierte und nicht exponierte Teilnehmer identisch sein. Insbesondere sollte nicht auf unterschiedliche Quellen zurückgegriffen werden, wie z. B. nur die Abfrage in einem zentralen Mortalitätsregister für nicht exponierte Teilnehmer und die Nutzung einer intensiven aktiven Überwachung für exponierte Teilnehmer. Ebenso muss die Todesursache auf streng vergleichbare Weise ermittelt werden. Das bedeutet, wenn ein System verwendet wird, um Zugang zu offiziellen Dokumenten für die nicht exponierte Bevölkerung, die oft die allgemeine Bevölkerung ist, zu erhalten, sollte man niemals planen, noch genauere Informationen durch Krankenakten oder Interviews über die Teilnehmer selbst oder ihre Familien zu erhalten die exponierte Untergruppe.

In retrospektiven Kohortenstudien sollten Anstrengungen unternommen werden, um festzustellen, wie genau die untersuchte Population mit der interessierenden Population verglichen wird. Man sollte sich vor möglichen unterschiedlichen Verlusten in exponierten und nicht exponierten Gruppen hüten, indem man verschiedene Quellen zur Zusammensetzung der Bevölkerung verwendet. Beispielsweise kann es sinnvoll sein, Gehaltslisten mit Gewerkschaftsmitgliedslisten oder anderen Berufsverzeichnissen zu vergleichen. Diskrepanzen müssen ausgeglichen werden, und das für die Studie angenommene Protokoll muss genau befolgt werden.

In Fall-Kontroll-Studien gibt es andere Optionen, um Verzerrungen zu vermeiden. Interviewer, Studienpersonal und Studienteilnehmer müssen sich der genauen zu untersuchenden Hypothese nicht bewusst sein. Wenn sie die getestete Assoziation nicht kennen, ist es weniger wahrscheinlich, dass sie versuchen, die erwartete Antwort zu geben. Das Studienpersonal über die Forschungshypothese im Dunkeln zu lassen, ist tatsächlich oft sehr unpraktisch. Der Interviewer kennt fast immer die Expositionen mit dem größten potenziellen Interesse sowie wer ein Fall und wer eine Kontrolle ist. Wir müssen uns daher auf ihre Ehrlichkeit und auch auf ihre Ausbildung in Grundlagenforschungsmethodik verlassen, die Teil ihres beruflichen Hintergrunds sein sollte; Objektivität ist das Markenzeichen auf allen Stufen der Wissenschaft.

Es ist einfacher, die Studienteilnehmer nicht über den genauen Forschungsgegenstand zu informieren. Gute, grundlegende Erläuterungen zur Notwendigkeit der Erhebung von Daten für ein besseres Verständnis von Gesundheit und Krankheit sind in der Regel ausreichend und genügen den Anforderungen einer Ethikprüfung.

Verwirrend

Confounding ist die einzige Verzerrung, die entweder in der Phase des Studiendesigns oder, sofern angemessene Informationen verfügbar sind, in der Analysephase behandelt werden kann. Wenn zum Beispiel das Alter als potenzieller Confounder der interessierenden Assoziation angesehen wird, weil das Alter mit dem Krankheitsrisiko (d. h. Krebs wird im höheren Alter häufiger) und auch mit der Exposition (Expositionsbedingungen variieren mit dem Alter oder mit altersbedingten Faktoren wie Qualifikation, berufliche Position und Beschäftigungsdauer) gibt es mehrere Lösungsansätze. Am einfachsten ist es, die Studie auf einen bestimmten Altersbereich zu begrenzen – nehmen Sie beispielsweise nur kaukasische Männer im Alter von 40 bis 50 Jahren auf. Dies liefert Elemente für eine einfache Analyse, hat aber auch den Nachteil, dass die Anwendung der Ergebnisse auf einen einzelnen beschränkt wird Geschlecht Alter/Rassengruppe. Eine andere Lösung ist das Matching nach Alter. Das bedeutet, dass für jeden Fall ein gleichaltriger Referent benötigt wird. Dies ist eine attraktive Idee, aber man muss die mögliche Schwierigkeit berücksichtigen, diese Anforderung zu erfüllen, wenn die Anzahl der passenden Faktoren zunimmt. Darüber hinaus wird es nach der Zuordnung eines Faktors unmöglich, seine Rolle beim Auftreten von Krankheiten zu bewerten. Die letzte Lösung besteht darin, genügend Informationen über potenzielle Confounder in der Studiendatenbank zu haben, um sie in der Analyse zu überprüfen. Dies kann entweder durch eine einfache stratifizierte Analyse oder mit ausgefeilteren Tools wie der multivariaten Analyse erfolgen. Es sollte jedoch daran erinnert werden, dass eine Analyse niemals in der Lage sein wird, eine schlecht konzipierte oder durchgeführte Studie zu kompensieren.

Fazit

Das Potenzial für Verzerrungen in der epidemiologischen Forschung ist seit langem bekannt. Dies war kein allzu großes Problem, wenn die untersuchten Assoziationen stark waren (wie dies bei Rauchen und Lungenkrebs der Fall ist) und daher einige Ungenauigkeiten kein allzu schwerwiegendes Problem verursachten. Jetzt, da es an der Zeit ist, schwächere Risikofaktoren zu bewerten, wird der Bedarf an besseren Instrumenten von größter Bedeutung. Dazu gehört die Notwendigkeit exzellenter Studiendesigns und die Möglichkeit, die Vorteile verschiedener traditioneller Designs wie Fall-Kontroll- oder Kohortenstudien mit innovativeren Ansätzen wie in einer Kohorte verschachtelten Fall-Kontroll-Studien zu kombinieren. Außerdem kann die Verwendung von Biomarkern die Möglichkeit bieten, genauere Einschätzungen aktueller und möglicherweise früherer Expositionen sowie für die frühen Krankheitsstadien zu erhalten.

Zurück