4バナー

 

28. 疫学と統計

章の編集者:  フランコ・メルレッティ、コリン・L・ソスコルネ、パオロ・ヴィネイス


目次

表と図

労働安全衛生に適用される疫学的手法
フランコ・メルレッティ、コリン・L・ソスコルネ、パオロ・ヴィネイス

暴露評価
M・ジェラルド・オット

要約ワークライフ曝露測定
コリン・L・ソスコルネ

エクスポージャーの影響の測定
シェリア・ホアー・ザーム

     ケーススタディ:対策
     Franco Merletti、Colin L. Soskolne、Paola Vineis

研究デザインのオプション
スヴェン・ヘルンバーグ

研究デザインにおける妥当性の問題
アニー・J・サスコ

ランダム測定誤差の影響
パオロ・ヴィネイスとコリン・L・ソスコルネ

統計的方法
アニバーレ・ビゲリとマリオ・ブラガ

疫学研究における因果関係評価と倫理
パオロ・ヴィネイス

職業病のサーベイランスにおける方法論的問題を示すケーススタディ
ジャン=ダー・ワン

疫学研究におけるアンケート
スティーブン D. ステルマンとコリン L. ソスコルネ

アスベストの歴史的展望
ローレンス・ガーフィンケル

テーブル類

記事のコンテキストで表を表示するには、下のリンクをクリックしてください.

1. XNUMX つの選択されたワークライフ エクスポージャーの要約測定

2. 疾病発生の対策

3. コホート研究の関連性の尺度

4. ケースコントロール研究のための関連の尺度

5. コホート データの一般的な度数分布表のレイアウト

6. 症例対照データのレイアウト例

7. ケース コントロール データのレイアウト - ケースごとに XNUMX つのコントロール

8. T に対する 1950 人の仮説コホート2

9. 中心傾向と分散の指標

10. 二項実験と確率

11. 二項実験の可能な結果

12. 二項分布、15 回の成功/30 回の試行

13. 二項分布、p = 0.25; 30回の試行

14. タイプ II エラー & パワー; x = 12、 n = 30、a = 0.05

15. タイプ II エラー & パワー; x = 12、 n = 40、a = 0.05

16. アスベストに 632 年以上曝露している 20 人の労働者

17. 632 人のアスベスト労働者の O/E 死亡者数

フィギュア

サムネイルをポイントすると図のキャプションが表示され、クリックすると記事のコンテキストで図が表示されます.

EPI110F1EPI110F2


クリックするとページの先頭に戻ります

疫学

疫学は、予防医学の基礎となる科学であると同時に、公衆衛生政策プロセスに情報を提供する科学でもあると認識されています。 疫学の運用上の定義がいくつか提案されています。 最も単純なのは、疫学とは、人間や動物集団における病気やその他の健康関連の特徴の発生に関する研究であるということです。 疫学者は病気の頻度だけでなく、頻度が人々のグループ間で異なるかどうかを研究します。 すなわち、彼らは曝露と病気の間の因果関係を研究します。 病気はランダムに発生するわけではありません。 それらには回避可能な原因があり、多くの場合人為的な原因があります。 このように、原因が分かれば多くの病気を防ぐことができます。 疫学の方法は、多くの原因となる要因を特定するために重要であり、その結果、病気、怪我、早死を防ぐために設計された健康政策につながっています。

疫学の役割とは何か、また、疫学の定義と概念を労働衛生に適用する場合の長所と短所は何か? この章では、これらの問題と、疫学的手法を使用して職業上の健康被害を調査する方法について説明します。 この記事では、この章の後続の記事で見られるアイデアを紹介します。

職業疫学

職業疫学は、集団における疾病および傷害の頻度および分布に対する職場曝露の影響の研究として定義されています。 したがって、それは疫学と職業上の健康の両方に関連する曝露指向の分野です (Checkoway et al. 1989)。 そのため、一般的な疫学で採用されている方法と同様の方法を使用しています。

職業疫学の主な目的は、職場での曝露が健康に及ぼす影響を特定することによる予防です。 これは、職業疫学が予防に重点を置いていることを強調しています。 実際、労働安全衛生の分野におけるすべての研究は、予防目的に役立つべきです。 したがって、疫学的知識は容易に実装可能であり、実装可能である必要があります。 公衆衛生上の利益は常に疫学研究の主要な関心事であるべきですが、既得権益が影響力を行使する可能性があり、研究の策定、実施、および/または解釈においてそのような影響を最小限に抑えるように注意を払う必要があります (Soskolne 1985; Soskolne 1989)。

職業疫学の XNUMX 番目の目的は、特定の設定からの結果を使用して、人口全体の危険を軽減または排除することです。 したがって、職場での曝露の健康への影響に関する情報を提供することとは別に、職業疫学研究の結果は、同じ曝露に関連するリスクの推定においても役割を果たしますが、一般の人々が一般的に経験するレベルは低くなります. 産業プロセスや製品からの環境汚染は、通常、職場で経験するよりも低いレベルの曝露になります。

職業疫学の適用レベルは次のとおりです。

  • さまざまなカテゴリーの労働者における病気の発生を説明し、認識されていない職業上の危険の早期警告信号を提供するための監視
  • 特定の曝露が有害である可能性があるという仮説の生成と検証、および影響の定量化
  • 経時的な集団の健康状態の変化を測定することによる介入(例えば、曝露レベルの低減などの予防措置)の評価。

 

職業被ばくが病気、怪我、早死にの原因となる可能性があることは、ずっと前に特定されており、疫学の歴史の一部です。 産業医学の創始者であり、特定可能な自然外的要因に健康が依存するというヒポクラテスの伝統を復活させ、追加した最初の人物の 1700 人であるベルナルディーノ ラマツィーニに言及する必要があります。 1705 年に、彼は「De Morbis Artificum Diatriba」(Ramazzini 1995; Saracci XNUMX) に次のように書いています。

医師は患者に多くの質問をしなければなりません。 ヒポクラテスの状態 デ・アフェクショニバス:「病気の人に面と向かったとき、彼が何に苦しんでいるのか、何の理由で、何日間、何を食べ、排便はどうなっているのかを尋ねるべきです。 これらすべての質問に、「彼はどのような仕事をしているのですか?」という質問を追加する必要があります。」

臨床観察と病気の発生を取り巻く状況への注意のこの再覚醒により、ラマツィーニは、後に産業医や疫学者によって研究された多くの職業病を特定し、説明するようになりました.

このアプローチを使用して、Pott は 1775 年 (Pott 1775) に癌と職業 (Clayson 1962) の関係の可能性を最初に報告しました。 煙突掃除人の陰嚢がんに関する彼の観察は、この病気の説明から始まり、次のように続きました。

これらの人々の運命は非常に厳しいように思われます。幼い頃、彼らは非常に残忍に扱われることが最も多く、寒さと飢えでほとんど飢えています。 彼らは狭く、時には熱い煙突に押し上げられ、そこで傷つき、火傷を負い、窒息しそうになります。 そして思春期になると、非常に厄介で痛みを伴い、致命的な病気にかかりやすくなります。

この最後の状況については、一般に知られるようにするのに十分な注意が払われていなかったかもしれませんが、疑いの余地はありません。 他の人は同じ部分のがんにかかっています。 リードワーカー、ポワトゥー疝痛、およびその結果としての麻痺以外にも、他の人も同様です。 しかし、それにもかかわらず、それは彼らが特にかかりやすい病気です。 陰嚢と睾丸の癌への煙突掃除人もそうです。

これらの人々の病気は、陰嚢のひだに煤が溜まっていることに由来するようであり、最初は習慣による病気ではないように思われます...しかし、ここでの被験者は若く、少なくとも一般的に健康です.初めに; 彼らの職業によって彼らにもたらされた病気であり、おそらく局所的です。 最後の状況は、常に同じ部分をつかむことからかなり推測できると思います。 これらすべてが、(最初は)年配の男性に現れる癌とは非常に異なるケースになります。

職業がんに関するこの最初の説明は、依然として明快さのモデルとして残っています。 病気の性質、関連する職業、推定される原因物質はすべて明確に定義されています。 主張を立証するための定量的データは与えられていないが、煙突掃除人の間で陰嚢癌の発生率が増加することが指摘されている.

Ayrton-Paris が 1822 年 (Ayrton-Paris 1822) にコーンウォールの銅と錫の製錬所で陰嚢癌が頻繁に発生していることに気づき、ヒ素の煙が原因物質である可能性があると推測するまで、さらに 1874 年が経過した。 フォン フォルクマンは 1876 年にザクセン州のパラフィン労働者の皮膚腫瘍を報告し、その直後の 1874 年にベルはシェール オイルが皮膚癌の原因であると示唆した (Von Volkmann 1876; Bell 1962)。 その後、癌の職業的起源の報告が比較的頻繁になった(Clayson XNUMX)。

職業病の初期の観察の中には、シュネーベルク鉱山労働者の肺がんの発生増加があった (Harting and Hesse 1879)。 1879 年の最初の観察から 1994 世紀以上が経過した今でも、シュネーベルクでの肺がんの流行が依然として大きな公衆衛生上の問題であることを最近の事例研究が示していることは注目に値します (そして悲劇的です)。数値化するためにさえ、それは産業医学の歴史の中に存在していました。 たとえば、Axelson (1843) が指摘しているように、WA Guy は 1979 年に活版印刷機の「肺消費」を研究し、印刷工よりも作曲者のリスクが高いことを発見しました。 これは、ケースコントロールアプローチに似たデザインを適用することによって行われました (Lilienfeld and Lilienfeld 1950)。 それにもかかわらず、現代の職業疫学とその方法論が発展し始めたのは、おそらく1954年代初頭までではなかった. この発展を示す主な貢献は、染料労働者の膀胱癌 (Case and Hosker 1952) とガス労働者の肺癌 (Doll XNUMX) に関する研究でした。

職業疫学の問題

この章の記事では、疫学調査の哲学とツールの両方を紹介します。 彼らは、労働者の暴露経験と、これらの集団で発生する病気の評価に焦点を当てています。 この章では、有害物質への曝露から病気の発症までの経路における因果関係の可能性について、有効な結論を引き出す際の問題について取り上げます。

個人のワークライフ曝露経験の確認は、職業疫学の中核を構成します。 疫学研究の有益性は、第一に、利用可能な暴露データの質と範囲に依存します。 第二に、職業疫学者が懸念する健康への影響 (または疾病) は、明確に定義されアクセス可能な労働者グループの間で正確に決定できなければなりません。 最後に、対象疾患に対するその他の潜在的な影響に関するデータを疫学者が利用できるようにし、研究から確立された職業被ばくの影響を職業被ばくに帰することができるようにする必要があります。 それ自体が 問題の病気の他の既知の原因ではなく。 たとえば、肺がんの原因と疑われる化学物質を扱う労働者のグループでは、肺がんのさらなる原因となる喫煙歴がある労働者もいます。 後者の状況では、職業疫学者は、作業中の労働者グループにおける肺がんのリスクの増加の原因となっている暴露 (または、化学物質またはタバコ、または実際にはその XNUMX つの組み合わせ) がどの暴露に関係しているかを判断しなければなりません。研究した。

ばく露評価

研究が労働者が特定の業界で雇用されていたという事実のみにアクセスできる場合、そのような研究の結果は、健康への影響をその業界のみに関連付けることができます。 同様に、被ばくに関する知識が作業員の職業について存在する場合、職業に関する限り、直接結論を導き出すことができます。 化学物質への曝露に関する間接的な推測は可能ですが、その信頼性は状況ごとに評価する必要があります。 ただし、調査で各労働者の部門や役職に関する情報にアクセスできる場合は、より細かいレベルの職場経験について結論を出すことができます。 疫学者が (産業衛生士と協力して) 人が使用する実際の物質に関する情報を知っている場合、これは、めったに入手できない線量測定がない場合に入手できる最高レベルの暴露情報となります。 さらに、そのような研究から得られた知見は、より安全な職場を作るために産業界により有用な情報を提供することができます。

疫学はこれまで、一種の「ブラックボックス」分野でした。なぜなら、中間の機構的段階を考慮せずに、曝露と病気の関係 (因果連鎖の両極端) を研究してきたからです。 このアプローチは、洗練されていないように見えますが、非常に有用です。実際、たとえば、人間のがんの既知の原因はすべて、疫学のツールを使用して発見されています。

疫学的方法は入手可能な記録に基づいています。 これにより、疫学研究の実施とその結果の解釈が比較的簡単になります。

しかし、疫学者はより複雑な問題に直面しており、暴露評価に対するより大雑把なアプローチの限界が近年明らかになってきました。 私たちの考察を職業がんの疫学に限定すると、最もよく知られている危険因子は、過去の高レベルの曝露のために発見されています。 各ジョブの限られた数の露出。 暴露された労働者の大集団。 また、「代理」情報と化学物質への暴露との明確な対応 (靴職人とベンゼン、造船所とアスベストなど)。 現在、状況は大きく異なります。西側諸国では曝露レベルがかなり低くなっています(この条件は常に強調されるべきです)。 労働者は、同じ職種で多くの異なる化学物質や混合物にさらされている (例: 農業労働者)。 暴露された労働者の均一な集団を見つけるのはより困難であり、通常は数が少ない。 そして、「代理」情報と実際の暴露との対応は次第に弱くなっていきます。 これに関連して、疫学のツールは、曝露の誤分類により感度が低下しています。

さらに、疫学は、ほとんどのコホート研究で死亡などの「ハード」なエンドポイントに依存してきました。 しかし、労働者は、職業暴露の潜在的な健康への影響が研究されている場合、「死体数」とは異なるものを見たいと思うかもしれません. したがって、曝露と早期対応の両方のより直接的な指標を使用することには、いくつかの利点があります。 生物学的マーカーはツールにすぎないかもしれません。

生物学的マーカー

血液検査や肝機能検査における鉛レベルなどの生物学的マーカーの使用は、職業疫学では新しいことではありません。 しかし、疫学研究における分子技術の利用により、標的臓器への曝露の評価、感受性の決定、および早期疾患の確立のためのバイオマーカーの使用が可能になりました。

職業疫学の文脈におけるバイオマーカーの潜在的な用途は次のとおりです。

  • 従来の疫学ツールが不十分な場合の曝露評価(特に低線量および低リスクの場合)
  • 複数の曝露または混合物中の単一の化学物質または物質の原因となる役割を解きほぐす
  • 同じメカニズムの標的を持つ化学物質への曝露の総負荷の推定
  • 発症メカニズムの調査
  • 個人の感受性の研究 (例えば、代謝多型、DNA 修復) (Vineis 1992)
  • ばく露および/または疾患をより正確に分類し、それによって統計的検出力を高めます。

 

これらの使用について科学界で大きな熱意が生じていますが、前述のように、これらの新しい「分子ツール」の使用の方法論的な複雑さは、過度の楽観主義に注意するのに役立つはずです. 化学物質曝露のバイオマーカー (DNA 付加物など) にはいくつかの欠点があります。

  1. それらは通常、最近の暴露を反映しているため、ケースコントロール研究では使用が制限されていますが、コホート調査で使用するには長期間にわたって繰り返しサンプリングする必要があります。
  2. それらは非常に特異的であり、したがって曝露の誤分類を改善する可能性がありますが、調査結果はしばしば解釈が難しいままです.
  3. 複雑な化学物質への曝露(大気汚染や環境中のタバコの煙など)が調査される場合、バイオマーカーは混合物の特定の成分を反映している可能性がありますが、生物学的影響は別の成分によるものである可能性があります。
  4. 多くの状況では、バイオマーカーが関連する曝露、関連する曝露の相関関係、個人の感受性、または初期の疾患段階を反映しているかどうかが明確ではないため、因果関係の推論が制限されています。
  5. ほとんどのバイオマーカーの決定には、費用のかかる検査または侵襲的な手順、またはその両方が必要であり、したがって、適切な研究サイズと統計的検出力に対する制約が生じます。
  6. 曝露のバイオマーカーは、疫学調査の真の目的の代用に過ぎず、原則として、回避可能な環境曝露に焦点​​を当てています (Trichopoulos 1995; Pearce et al. 1995)。

 

方法論的な欠点よりもさらに重要なのは、分子技術によって、外因性環境でのリスクの特定から、リスクの高い個人の特定、そして表現型、付加負荷、および獲得された突然変異を測定することによる個別化されたリスク評価の作成に焦点を移す可能性があるという考慮事項です。 これは、McMichael が指摘したように、私たちの焦点を公衆衛生疫学ではなく、臨床評価の形式に向けることになります。 個人に焦点を当てることは、危険性の少ない環境を作るという重要な公衆衛生の目標から私たちをそらす可能性があります (McMichael 1994)。

バイオマーカーの使用に関して、さらに XNUMX つの重要な問題が浮上しています。

  1. インフォームドコンセントに関する限り、職業疫学におけるバイオマーカーの使用には、明確な方針が伴わなければなりません。 労働者が協力を拒否する理由はいくつかあります。 非常に実際的な理由の 1990 つは、例えば、姉妹染色分体交換などの早期反応マーカーの変化の特定は、健康保険会社や生命保険会社、および労働者がより傾向があるという理由で労働者を遠ざける可能性のある雇用主による差別の可能性を意味することです。病気に。 XNUMX つ目の理由は、遺伝子スクリーニングに関するものです。遺伝子型と表現型の分布は民族グループによって異なるため、マイノリティの職業機会は遺伝子スクリーニングによって妨げられる可能性があります。 第三に、遺伝子検査の予測可能性について疑問が生じる可能性があります。予測値は、検査が特定しようとする状態の有病率に依存するため、後者がまれな場合、予測値は低くなり、スクリーニングの実用化は困難になります。テストが問題になります。 これまで、この分野で適用できると判断された遺伝子スクリーニング検査はありません (Ashford et al. XNUMX)。
  2. バイオマーカーを使用する前に、倫理原則を適用する必要があります。 これらの原則は、欧州共同体委員会の支援を受けて、欧州労働組合技術局の学際的な作業部会によって、疾患に対する個人の感受性を特定するために使用されるバイオマーカーについて評価されています (Van Damme et al. 1995)。 彼らのレポートは、検査は労働者の病気を予防する目的でのみ実施できるという見解を強化しました。 他の考慮事項の中で、テストの使用は、 決して.

 

  • 「適者選択」の手段として役立つ
  • リスク要因の特定と代替、または職場の条件の改善など、効果的な予防措置の実施を回避するために使用される
  • 社会的不平等を生み出す、確認する、または強化する
  • 職場で従う倫理原則と民主主義社会で守らなければならない倫理原則との間にギャップを作る
  • 求職者に対し、求職に厳密に必要な情報以外の個人情報の開示を義務付けること。

 

最後に、有害物質(特に発がん物質)の代謝の活性化または不活性化は、人間の集団でかなり異なり、部分的に遺伝的に決定されるという証拠が蓄積されています. さらに、発がん性物質に対する感受性の個人差は、職業的および環境的曝露レベルが低い場合に特に重要である可能性があります (Vineis et al. 1994)。 このような調査結果は、リスク評価プロセスを最も影響を受けやすいものに集中させる規制上の決定に強く影響する可能性があります (Vineis and Martone 1995)。

研究デザインと妥当性

Hernberg の疫学的研究デザインとその産業医学への応用に関する記事は、「研究基盤」の概念に集中しています。これは、集団の罹患率の経験 (ある程度の曝露に関連して) を経時的に追跡したものとして定義されています。 このように、研究のベースは集団(すなわち、人々のグループ)だけでなく、一定期間におけるこの集団の疾病発生の経験でもある(Miettinen 1985, Hernberg 1992)。 この研究ベースの統一概念が採用される場合、異なる研究デザイン (例えば、ケースコントロールとコホートのデザイン) は、同じ研究から曝露と疾患の両方に関する情報を「収集」するための単に異なる方法であることを認識することが重要です。ベース; それらはまったく異なるアプローチではありません。

Sasco による研究デザインの妥当性に関する記事では、交絡の定義と重要性が取り上げられています。 調査研究者は、職業研究における交絡の可能性を常に考慮しなければならず、潜在的に交絡変数の特定が研究の設計と分析の不可欠な部分であることを十分に強調することはできません. 職業疫学では、交絡の XNUMX つの側面に対処する必要があります。

  1. 否定的な交絡を調査する必要があります。たとえば、一部の産業集団は、職場が禁煙であるため、ライフスタイルに関連する危険因子への曝露が少ない場合があります。 吹きガラス職人は、一般の人よりも喫煙量が少ない傾向にあります。
  2. 交絡を考慮する場合、その方向性と潜在的な影響を評価する必要があります。 これは、交絡を制御するデータが乏しい場合に特に当てはまります。 例えば、喫煙は職業疫学において重要な交絡因子であり、常に考慮されるべきです。 それにもかかわらず、喫煙に関するデータが入手できない場合(コホート研究でよくあることですが)、喫煙が職業グループに見られる過剰なリスクを説明できる可能性は低いです. これは Axelson (1978) の論文でうまく説明されており、Greenland (1987) でさらに議論されています。 職業と喫煙の両方に関する詳細なデータが文献で利用可能になったとき、交絡は肺がんと職業との関連に関する推定を大きく歪めなかったようです (Vineis and Simonato 1991)。 さらに、疑わしい交絡は、常に無効な関連付けを導入するとは限りません。 研究者はまた、他の検出されない観察バイアスや選択バイアスによって惑わされる危険性があるため、これらは研究を設計する際の交絡の問題と同じくらい強調されるべきです (Stellman 1987)。

 

危険にさらされている年齢、暦期間、雇用からの時間、最初の曝露からの時間、曝露期間、および分析段階でのそれらの治療などの時間および時間に関連する変数は、職業疫学における最も複雑な方法論的問題の 1992 つです。 それらはこの章ではカバーされていませんが、1992 つの関連する最近の方法論的参考文献が記されています (Pearce XNUMX; Robins et al. XNUMX)。

統計

Biggeri と Braga による統計に関する記事、およびこの章のタイトルは、統計手法を疫学研究から切り離すことはできないことを示しています。 これは、(a) 統計を正しく理解することで、調査を適切に設計するための貴重な洞察が得られる可能性があり、(b) 統計と疫学は共通の遺産を共有しており、疫学の定量的基礎全体が確率の概念に基づいているためです ( Clayton 1992; Clayton and Hills 1993)。 以降の記事の多くでは、確率論的議論と適切な研究デザインを使用して、経験的証拠と仮定された因果関係の証明が評価されています。 たとえば、金利や相対リスクなどのリスク尺度の推定に重点が置かれ、確率の統計的検定を実行する代わりに、これらの推定に関する信頼区間の構築に重点が置かれます (Poole 1987; Gardner and Altman 1989; Greenland 1990 )。 二項分布を使用した統計的推論について簡単に紹介します。 統計は、科学的推論に付随するものでなければなりません。 しかし、適切に設計され、実施された研究がなければ、それは価値がありません。 統計学者と疫学者は、どの方法を選択するかによって、何をどの程度観察するかが決まることを認識しています。 したがって、有効な観察結果を得るためには、設計オプションを慎重に選択することが基本的に重要です。

倫理

Vineis による最後の記事は、疫学研究における倫理的問題に取り組んでいます。 この導入部で言及するポイントは、定義上、予防措置を意味する分野としての疫学に言及しています。 労働者および一般の人々の保護に関する特定の倫理的側面には、次の認識が必要です。

  • 職場環境における疫学的研究は、職場での予防措置を決して遅らせるべきではありません。
  • 職業疫学はライフスタイルの要因について言及するのではなく、曝露の選択において個人的な役割が通常ほとんどまたはまったく果たされない状況について言及します。 これは、効果的な予防と、労働者と一般市民への情報伝達への特別なコミットメントを意味します。
  • 研究は健康被害を明らかにし、予防措置のための知識を提供します。 可能であれば、研究を実施しないことの倫理的問題を考慮する必要があります。
  • 疫学研究の結果を労働者に通知することは、リスクコミュニケーションにおける倫理的かつ方法論的な問題です。 通知の潜在的な影響と有効性を評価する研究には、高い優先順位が与えられるべきです (Schulte et al. 1993)。

 

職業疫学研修

多様なバックグラウンドを持つ人々は、職業疫学の専門分野への道を見つけることができます。 医学、看護、統計は、この分野を専門とする人々の間で見られる可能性が高いバックグラウンドの一部です。 北米では、訓練を受けた疫学者の約半数が科学のバックグラウンドを持っており、残りの半数は医学博士の道を進んでいます。 北米以外の国では、職業疫学のほとんどの専門家が医学博士の地位を獲得しています。 北米では、医療訓練を受けた人は「内容の専門家」と見なされる傾向があり、科学の訓練を受けた人は「方法論の専門家」と見なされる傾向があります。 コンテンツの専門家が方法論の専門家と協力して、可能な限り最良の研究を設計および実施することは、多くの場合有利です。

職業疫学の専門分野に必要な疫学的手法、統計、コンピューターの知識だけでなく、毒物学、産業衛生、疾病登録の知識も必要です (Merletti and Comba 1992)。 大規模な研究では疾病登録とのリンクが必要になる場合があるため、人口データの情報源に関する知識は役に立ちます。 労働や企業組織に関する知識も重要です。 修士レベルの論文と博士レベルのトレーニングの論文は、労働者の間で大規模な記録ベースおよびインタビューベースの研究を実施するために必要な知識を学生に提供します。

職業に起因する疾病の割合

暴露された労働者のグループまたは一般集団のいずれかにおける職業暴露に起因する疾病の割合は、本書の別の部分で、少なくともがんに関してカバーされています。 百科事典. ここで、推定値が計算される場合、それは特定の疾患 (および癌の場合は特定の部位)、特定の期間、および特定の地理的領域に対するものであることを覚えておく必要があります。 さらに、被ばくした人の割合と被ばくの程度の正確な測定値に基づいている必要があります。 これは、職業に起因する疾患の割合が、特定の集団では非常に低いかゼロである場合から、工業地域に位置する他の集団では非常に高い場合まで、さまざまである可​​能性があることを意味します。およびSimonato 40)。 適切に設計された疫学研究の詳細なレビューに基づいていない推定は、せいぜい十分な情報に基づいた推測と見なすことができ、価値は限られています。

危険産業の譲渡

ほとんどの疫学研究は先進国で実施されており、既知の職業上の危険の規制と管理により、過去数十年にわたって病気のリスクが低下しています。 しかし同時に、危険産業の大規模な発展途上国への移転があった (Jeyaratnam 1994)。 以前は米国やヨーロッパで禁止されていた化学物質が、現在では発展途上国で生産されています。 例えば、アスベスト粉砕は米国からメキシコに、ベンジジン生産はヨーロッパ諸国から旧ユーゴスラビアと韓国に移管された(Simonato 1986; LaDou 1991; Pearce et al. 1994)。

発展途上国における職業上のリスクと労働条件のレベルの間接的な兆候は、これらの国々のいくつかで起こっている急性中毒の流行です。 ある評価によれば、世界中で毎年約 20,000 人が急性殺虫剤中毒で死亡していますが、これはかなり過小評価されている可能性があります (Kogevinas et al. 1994)。 急性殺虫剤中毒による死亡者の 99% は、世界の農薬の 20% しか使用されていない発展途上国で発生していると推定されています (Kogevinas et al. 1994)。 つまり、疫学的研究が職業上の危険の減少を示しているように見えたとしても、これは単に、この研究のほとんどが先進国で行われているという事実によるものかもしれません. 職業上の危険は単に発展途上国に移され、全世界の職業被ばく負荷が増加した可能性があります (Vineis et al. 1995)。

獣医疫学

明らかな理由から、獣医疫学は労働衛生と職業疫学に直接関連していません。 それにもかかわらず、病気の環境的および職業的原因の手がかりは、いくつかの理由で動物の疫学的研究から得られる可能性があります。

  1. 動物の寿命は人間に比べて比較的短く、病気 (例えば、ほとんどの癌) の潜伏期間は人間よりも動物の方が短いです。 これは、野生動物やペット動物に発生する病気が、他の手段で特定される前に、人間にとって潜在的な環境毒性物質または発がん物質の存在を警告するセンチネルイベントとして機能できることを意味します (Glickman 1993)。
  2. ヘモグロビン付加物や毒素の吸収と排泄のレベルなどの曝露のマーカーは、野生動物とペット動物で測定され、産業源からの環境汚染を評価することができます (Blondin and Viau 1992; Reynolds et al. 1994; Hungerford et al. 1995)。 .
  3. 動物は、人間の研究で交絡因子として作用する可能性のあるいくつかの要因にさらされていないため、動物集団での調査は、これらの潜在的な交絡因子に関係なく実施できます。 たとえば、ペットの犬の肺がんの研究では、この病気とアスベストへの曝露との有意な関連性が検出される可能性があります (たとえば、所有者のアスベスト関連の職業およびアスベストの産業源への近さによる)。 明らかに、そのような研究は交絡因子としての積極的な喫煙の影響を取り除くでしょう.

 

獣医師は獣医学における疫学的革命について語り (Schwabe 1993)、この分野に関する教科書が登場した (Thrusfield 1986; Martin et al. 1987)。 確かに、環境および職業上の危険の手がかりは、人間と動物の疫学者の共同の努力から得られました。 とりわけ、ヒツジおよびイヌにおけるフェノキシ除草剤の影響 (Newell et al. 1984; Hayes et al. 1990)、磁場の影響 (Reif et al. 1995)、およびイヌにおけるアスベスト様化合物で汚染された殺虫剤 (特にノミの調剤) の影響。 (Glickman et al. 1983) は注目に値する貢献です。

参加型研究、結果の伝達と予防

労働衛生の分野における多くの疫学研究は、労働者自身の経験と関心から開始されていることを認識することが重要です (Olsen et al. 1991)。 多くの場合、過去に被曝した、および/または現在被曝している労働者は、研究によって確認されるずっと前に、何かがおかしいと信じていました。 職業疫学は、労働者の経験を「理解」し、体系的な方法でデータを収集してグループ化し、労働者の不健康の職業的原因について推論できるようにする方法と考えることができます。 さらに、収集されたデータを解釈するのに最も適切な人物は、労働者自身、その代表者、および労働者の健康を担当する人々です。 したがって、彼らは常に職場で行われる調査に積極的に参加する必要があります。 彼らの直接的な関与だけが、研究者が去った後も職場が安全であることを保証します。 あらゆる研究の目的は、結果を病気や障害の予防に利用することであり、これが成功するかどうかは、被ばく者が研究結果の入手と解釈に確実に参加できるようにすることに大きく依存します。 労働者が職場での暴露によって引き起こされた損害の補償を求める際の訴訟プロセスにおける研究結果の役割と使用は、この章の範囲を超えています。 これに関するいくつかの洞察については、読者は他の場所を参照してください (Soskolne、Lilienfeld、および Black 1994)。

職業疫学研究の実施を確保するための参加型アプローチは、研究イニシアチブの開始から完了までを監督するために設立された運営委員会の形で、いくつかの場所で標準的な慣行になっています。 これらの委員会は、労働、科学、管理、および/または政府を含む、その構造において複数に分かれています。 研究プロセスにおけるすべての利害関係者グループの代表者との結果のコミュニケーションは、彼らの信頼性の向上によってより効果的に行われます。選挙区。 このようにして、最大レベルの効果的な予防が可能になります。

労働衛生研究におけるこれらおよびその他の参加型アプローチは、被ばく関連の問題を経験したり、影響を受けたりする人々の関与を得て実施されます。 これは、すべての疫学研究でより一般的に見られるはずです (Laurell et al. 1992)。 疫学研究では分析の目的がリスクの大きさと分布の推定であるのに対し、参加型研究ではリスクの予防可能性も目的であることを覚えておくことは重要です (Loewenson and Biocca 1995)。 この疫学と効果的な予防の補完性は、このメッセージの一部です。 百科事典 そしてこの章の。

公衆衛生関連の維持

疫学的方法論、データ分析、および暴露評価と測定 (新しい分子生物学的手法など) の新しい開発は歓迎され、重要ですが、集団ではなく個人に焦点を当てた還元主義的アプローチにも貢献する可能性があります。 次のように言われています。

…疫学は、集団における病気の原因を理解するための学際的なアプローチの一部として機能することをほとんどやめ、個人の暴露と病気の関連を測定するための一連の一般的な方法になった.…現在、社会的、経済的、文化的、歴史的、政治的、およびその他の人口要因が病気の主な原因です。…疫学は公衆衛生に再統合されなければならず、人口の視点を再発見しなければなりません(Pearce 1996)。

職業疫学者と環境疫学者は、新しい疫学的方法とこれらの方法のアプリケーションを開発するだけでなく、これらの方法が常に適切な集団の視点に統合されるようにする上でも重要な役割を果たします。

 

戻る

月曜日、2月28 2011 21:01

暴露評価

曝露の評価は、疫学的調査を通じて職場の危険を特定するための重要なステップです。 ばく露評価プロセスは、一連の活動に細分することができます。 これらには以下が含まれます:

  1. 対象となる作業環境に存在する潜在的に有毒な薬剤および混合物のリストを編集する
  2. 被ばくがどのように発生し、被ばくが従業員間でどの程度異なる可能性があるかを判断する
  3. エクスポージャーを定量化するための適切な尺度または指標の選択
  4. 調査参加者に各測定値の定性的または定量的暴露値を割り当てることができるようにするデータの収集。 可能な限り、資格のある産業衛生士の指導の下でこれらの作業を行う必要があります。

 

労働衛生研究は、ばく露の評価が不十分であるためにしばしば批判されます。 不備があると、ばく露の微分的または非微分的な誤分類、およびその後のばく露影響分析の偏りまたは精度の低下につながる可能性があります。 状況を改善するための努力は、最近のいくつかの国際会議とこのトピックに特化したテキストによって証明されています (ACGIH 1991; Armstrong et al. 1992; 疫学における職業被ばくのレトロスペクティブ評価に関する会議の議事録 1995)。 明らかに、技術開発は暴露評価を進めるための新しい機会を提供しています。 これらの開発には、分析機器の改良、薬物動態プロセスの理解の向上、曝露の新しいバイオマーカーの発見が含まれます。 職業上の健康研究は、特定のモニタリングが実施されていない過去の曝露情報に依存することが多いため、遡及的曝露評価の必要性により、これらの研究はさらに複雑になります。 しかし、評価のための改善された基準と、そのような評価の信頼性を確保するための基準は引き続き開発されています (Siemiatycki et al. 1986)。 もちろん、将来の曝露評価は、より容易に検証できます。

用語 暴露 個人と環境の境界における病原体の濃度を指します。 ばく露は通常、病原体が作業環境に存在することがわかっており、従業員がその病原体と接触することが合理的に予想される場合に推定されます。 ばく露は、8 時間の時間加重平均 (TWA) 濃度として表すことができます。これは、8 時間の作業シフトで平均化されたばく露強度の尺度です。 ピーク濃度は、15 分間などの短い時間で平均化された強度です。 累積ばく露は、平均強度と持続時間の積の尺度です (例えば、平均 8 時間 TWA 濃度にその平均濃度で働いた年数を掛けたもの)。 研究の性質と関心のある健康上の結果に応じて、ピーク、平均強度、累積または遅延曝露の評価が望ましい場合があります。

対照的に、 線量 単位時間あたりの薬剤の沈着または吸収を指します。 薬剤の投与量または XNUMX 日摂取量は、環境測定データを、他の要因の中でも、呼吸速度および皮膚浸透に関する標準的な仮定と組み合わせることによって推定することができます。 あるいは、バイオモニタリングデータに基づいて摂取量を推定することもできます。 線量は、理想的には、関心のある標的臓器で測定されます。

重要な暴露評価要因には以下が含まれます。

  1. 関連エージェントの識別
  2. 適切な環境媒体(空気、接触面など)におけるそれらの存在と濃度の決定
  3. 可能性のある侵入経路(吸入、皮膚吸収、摂取)、暴露の時間経過(日変化)、および週、月、または年で表される累積暴露期間の評価
  4. 工学的および個人的管理の有効性の評価(例えば、防護服および呼吸保護具の使用が曝露を媒介する可能性がある)、および最後に
  5. 標的臓器濃度を調節する可能性のある宿主およびその他の考慮事項。

 

これらには、作業活動の身体レベルと個人の以前の健康状態が含まれます。 残留性または生物濃縮する傾向のある薬剤(例えば、特定の金属、放射性核種または安定な有機化合物)への曝露を評価する際には、特別な注意を払う必要があります。 これらの物質を使用すると、環境中の濃度が低いように見えても、体内の負荷が知らぬ間に増加する可能性があります。

状況は非常に複雑になる可能性がありますが、多くの場合、そうではありません。 確かに、職業上の危険を特定するための多くの貴重な貢献は、ばく露評価に対する常識的なアプローチを使用した研究からもたらされました。 ばく露の特定と分類に役立つ情報源には、次のものがあります。

  1. 社員インタビュー
  2. 雇用主の人員および生産記録(これらには、作業記録、職務記述書、施設およびプロセスの履歴、および化学物質の在庫が含まれます)
  3. 専門家の判断
  4. 産業衛生記録(エリア、個人、およびコンプライアンスの監視、および表面ワイプのサンプル、健康被害または包括的な調査レポートとともに)
  5. 長期または退職した従業員とのインタビューおよび
  6. バイオモニタリングデータ。

 

個々のエクスポージャーをできるだけ詳細に分類することには、いくつかの利点があります。 明らかに、研究の有益性は、関連する被ばくが適切に記述されている範囲で強化されます。 第二に、交絡の可能性に十分に対処できるため、調査結果の信頼性が高まる可能性があります。 例えば、参照対象と曝露された個人は、曝露状況に関して異なりますが、関心のある疾患の他の測定および未測定の説明要因と比較して異なる場合もあります。 しかし、研究集団内で曝露勾配を確立できれば、同程度の交絡が曝露サブグループ内で持続する可能性は低くなり、したがって全体的な研究結果が強化されます。

仕事の露出マトリックス

より実用的で頻繁に使用される暴露評価のアプローチの XNUMX つは、役職に基づいて間接的に暴露を推定することです。 の用法 仕事の露出マトリックス 完全な職歴が利用可能であり、研究中の仕事に関連するタスクと露出の両方に合理的な一貫性がある場合に効果的です。 最も広い規模では、標準的な業界および役職のグループ分けは、定期的に収集された国勢調査データまたは死亡診断書に記載されている職業データから考案されています。 残念ながら、これらの大規模な記録システムで維持される情報は、多くの場合、「現在の」または「通常の」職業に限定されています。 さらに、標準的なグループ分けは特定の職場に存在する条件を考慮していないため、通常は大雑把なばく露代理とみなさなければなりません。

コミュニティベースおよびレジストリベースのケースコントロール研究では、専門家の意見を利用して、個人的なインタビューを通じて得られた職歴データを、特定の病原体への可能性のある暴露の半定量的評価に変換することにより、より詳細な暴露評価が達成されました (Siemiatycki et al. 1986 )。 化学者や産業衛生士などの専門家は、さまざまな産業プロセスに関する知識と精通度から、暴露評価を支援するために選ばれます。 詳細なアンケート データを産業プロセスの知識と組み合わせることで、このアプローチは作業施設間の曝露の違いを特徴付けるのに役立ちました。

職業暴露マトリックス アプローチは、業界および企業に特化した研究でもうまく採用されています (Gamble and Spirtas 1976)。 個々の職務履歴 (各従業員の過去の部署と職務割り当ての時系列のリスト) は、多くの場合、会社の人事ファイルに保持され、利用可能な場合は、従業員がその施設で働いている間の完全な職務履歴を提供します。 これらのデータは、研究参加者の個人的なインタビューを通じて拡張される場合があります。 次のステップは、調査期間中に使用されたすべての役職と部門または作業領域の指定を一覧にすることです。 これらは、製造、保守、研究、エンジニアリング、プラント サポート サービス、および管理業務のすべてを時間の経過 (多くの場合、数十年) にわたって考慮すると、大規模なマルチプロセス施設内または業界内の企業全体で数百または数千に及ぶ可能性があります。産業プロセスの変更を可能にします。 すべての職歴記録のコンピュータ ファイルを作成し、編集ルーチンを使用して役職用語を標準化することにより、データの統合を促進できます。 比較的均質なエクスポージャーを含むこれらのジョブを組み合わせて、エクスポージャーを個々のジョブにリンクするプロセスを簡素化できます。 ただし、適切なサンプリング戦略に従って収集された測定データによって、可能な限りジョブと作業場所のグループ化をサポートする必要があります。

コンピューター化された作業履歴があっても、暴露データを個人に遡及的に関連付けることは困難な作業になる可能性があります。 確かに、テクノロジーが変化し、製品の需要が変化し、新しい規制が導入されると、職場の状況は変化します。 多くの業界では、製品の配合や季節的な生産パターンにも変化が生じる可能性があります。 一部の変更に関しては、永続的な記録が保持される場合があります。 ただし、季節的およびその他の限界的なプロセスおよび生産の変更に関する記録が保持される可能性は低くなります。 従業員は、複数の仕事を行うように訓練され、生産需要の変化に応じて仕事を交代することもあります。 これらの状況はすべて、従業員の被ばくプロファイルを複雑にします。 とはいえ、長年にわたって比較的変わっていない職場環境もあります。 最終的な分析では、各作業設定を個別に評価する必要があります。

最終的には、調査で各人のワークライフ暴露歴を要約する必要があります。 リスクの最終的な暴露効果測定値に対するかなりの影響が実証されており (Suarez-Almazor et al. 1992)、したがって、暴露の最も適切な要約測定値を選択する際には細心の注意を払う必要があります。

労働衛生―環境測定

作業曝露の監視は、従業員の健康を保護するための基本的な継続的な活動です。 したがって、疫学研究が計画されている時点で、産業衛生記録がすでに存在している可能性があります。 もしそうなら、これらのデータを見直して、対象母集団がどれだけうまくカバーされているか、ファイルに何年分のデータが含まれているか、測定値を仕事、作業領域、および個人にどれだけ簡単にリンクできるかを判断する必要があります。 これらの決定は、疫学研究の実現可能性を評価することと、追加の曝露サンプリングで修正できるデータのギャップを特定することの両方に役立ちます。

測定データを特定の仕事や個人にどのように関連付けるかは、特に重要な問題です。 エリアと呼吸ゾーンのサンプリングは、産業衛生士が是正措置のために排出源を特定するのに役立つかもしれませんが、従業員の作業活動の慎重な時間調査が行われない限り、実際の従業員の暴露を特徴付けるにはあまり役に立たない可能性があります. たとえば、継続的なエリアモニタリングは、XNUMX 日の特定の時間にエクスカーション曝露を特定する場合がありますが、従業員がその時間に作業エリアにいたかどうかについては疑問が残ります。

サンプリングが代表的な条件下で実施され、個人用保護具の使用が適切に考慮され、作業とプロセス条件が毎日比較的一定である限り、個人のサンプリング データは一般に従業員のばく露のより正確な推定値を提供します。 個人サンプルは、個人識別子を使用して個々の従業員に容易に関連付けることができます。 これらのデータは、同じ仕事をしている他の従業員や、必要に応じて他の期間に一般化される場合があります。 しかし、彼ら自身の経験に基づいて、Rappaport 等。 (1993) 暴露濃度は、均一な暴露グループと見なされるものに割り当てられた従業員の間でさえ、非常に変動している可能性があると警告している. 繰り返しになりますが、均一なばく露グループを推定できるかどうかを判断するには、専門家の判断が必要です。

研究者は、マトリックスのセル内の暴露を推定するために、ジョブ暴露マトリックスアプローチと環境測定データの利用をうまく組み合わせました。 測定データが不足していることが判明した場合、露出モデリングを使用してデータのギャップを埋めることができる場合があります。 一般に、これには、環境中の濃度を、より容易に評価できる暴露濃度の決定要因 (例えば、生産量、排気換気システムの使用を含む施設の物理的特性、病原体の揮発性、および作業活動の性質) に関連付けるモデルの開発が含まれます。 このモデルは、環境濃度が既知の作業環境で構築され、測定データが不足しているが、構成成分や生産量などのパラメータに関する情報がある同様の作業環境で濃度を推定するために使用されます。 このアプローチは、エクスポージャーの遡及的推定に特に役立つ可能性があります。

別の重要な評価の問題は、混合物への暴露の取り扱いです。 まず、分析の観点から、化学的に関連する化合物の個別の検出と、サンプル中に存在する他の物質からの干渉の除去は、分析手順の能力の範囲内にない場合があります。 測定データを提供するために使用される分析手順のさまざまな制限を評価し、それに応じて研究目的を変更する必要があります。 第二に、特定の薬剤はほとんどの場合一緒に使用されるため、研究中の作業環境全体でほぼ同じ相対的な割合で発生する可能性があります. このような状況では、内部の統計分析 それ自体が 効果がXNUMXつまたは他の薬剤によるものか、または薬剤の組み合わせによるものかを区別するのに役立ちません。 このような判断は、同じ薬剤の組み合わせが発生していない外部研究のレビューに基づいてのみ可能です。 最後に、製品の仕様に応じて異なる材料が交換可能に使用される状況 (たとえば、望ましい色のコントラストを得るために異なる着色剤を使用する場合) では、効果を特定の薬剤に帰することは不可能な場合があります。

生物学的モニタリング

バイオマーカーは、ヒトの組織、細胞、体液などの生物学的媒体で測定できる分子的、生化学的、または細胞の変化です。 曝露のバイオマーカーを開発する主な理由は、特定の薬剤の内部線量を推定することです。 このアプローチは、複数の暴露経路 (吸入や皮膚からの吸収など) が考えられる場合、保護具を断続的に着用する場合、または暴露条件が予測できない場合に特に役立ちます。 バイオモニタリングは、目的の薬剤の生物学的半減期が比較的長いことがわかっている場合に特に有利です。 統計的観点から、空気モニタリングよりも生物学的モニタリングの利点は、環境変動の程度にもよりますが、半減期が 1991 時間程度の病原体で見られる場合があります (Droz and Wu XNUMX)。 塩素化ダイオキシンなどの物質の非常に長い半減期 (年単位で測定) により、これらの化合物は生物学的モニタリングの理想的な候補になります。 空気濃度を測定するための分析方法と同様に、潜在的な干渉に注意する必要があります。 たとえば、特定の代謝産物をバイオマーカーとして利用する前に、特定の医薬品やタバコの煙に含まれる物質など、他の一般的な物質が同じエンドポイントまで代謝されるかどうかを判断する必要があります。 一般に、暴露評価の基礎として生物学的モニタリングを利用する前に、薬剤の薬物動態に関する基本的な知識が必要です。

最も頻繁に測定されるポイントには、肺胞の空気、尿、および血液が含まれます。 肺胞の空気サンプルは、サンプルが採取されてから数分または数時間以内に発生した高濃度の短期間の溶媒暴露を特徴付けるのに役立つ場合があります。 尿サンプルは通常、目的の化合物の代謝産物の排泄率を決定するために収集されます。 血液サンプルは、化合物の直接測定、代謝産物の測定、またはタンパク質または DNA 付加物 (例えば、アルブミンまたはヘモグロビン付加物、および循環リンパ球中の DNA 付加物) の測定のために収集されます。 口の頬側領域からの上皮細胞などのアクセス可能な組織細胞も、DNA 付加体の同定のためにサンプリングすることができます。

赤血球および血漿中のコリンエステラーゼ活性の測定は、曝露の尺度としての生化学的変化の使用を例示しています。 有機リン系殺虫剤はコリンエステラーゼ活性を阻害するため、これらの化合物への曝露の前後でその活性を測定することは、曝露強​​度の有用な指標となります。 しかし、生物学的変化のスペクトルに沿って進むにつれて、暴露のバイオマーカーと影響のバイオマーカーを区別することがより困難になります。 一般に、影響測定は対象の物質に対して非特異的である傾向があり、したがって、そのパラメーターをばく露測定として使用することをサポートするために、影響の他の潜在的な説明を評価する必要がある場合があります。 ばく露の測定値は、対象の病原体に直接結び付けられるか、または間接的な測定値を病原体に関連付けるための健全な根拠が存在する必要があります。 これらの資格にもかかわらず、生物学的モニタリングは、疫学研究をサポートする曝露評価を改善する手段として多くの可能性を秘めています。

結論

職業疫学研究で比較を行う場合、ばく露のある労働者のグループとばく露のない労働者のグループを比較する必要がある。 このような区別は大雑把ですが、問題のある領域を特定するのに役立ちます。 しかし、明らかに、暴露の測定が精緻化されればされるほど、特に適切に的を絞った介入プログラムを特定し開発する能力に関して、研究はより有用になります。

 

戻る

月曜日、2月28 2011 21:03

要約ワークライフ曝露測定

研究者は幸運なことに、労働者のワークライフ経験の詳細な年表を自由に使えるようになり、これまでの仕事の歴史的なレビューが提供されます。 これらの労働者にとって、 仕事の露出マトリックス 次に、労働者が経験したすべての転職を特定のばく露情報に関連付けることができるように設定できます。

職場での健康と安全の問題に関連する可能性のあるパターンが明らかであるかどうかを判断するために、分析目的で詳細な暴露履歴を要約する必要があります。 たとえば、ある労働者が生涯に経験した 20 の転職のリストを視覚化できます。 次に、ばく露の詳細 (この例では 20 の職務変更のそれぞれについて) を要約できるいくつかの代替方法があり、期間および/またはばく露の濃度/線量/グレードを考慮に入れます。

ただし、選択した方法によっては、研究から異なる結論に達する可能性があることに注意することが重要です (Suarez-Almazor et al. 1992)。 要約された 1 つのワークライフ エクスポージャー測定値の例を表 XNUMX に示します。

表 1. 選択された XNUMX つのワークライフ エクスポージャーの要約測定値の式と次元または単位

ばく露測定

寸法・単位

累積暴露指数 (CEI)

Σ(グレード×暴露時間)

グレードと時間

平均グレード (MG)

Σ(グレード×曝露時間)/総曝露時間

グレード

過去最高グレード(HG)

7日以上さらされた最高グレード

グレード

時間加重平均 (TWA) グレード

Σ (等級 x 露出時間)/総雇用時間

グレード

合計暴露時間 (TTE)

Σ露出時間

時間

Suarez-Almazor らから適応。 1992年。

累積露出指数。 累積曝露指数(CEI)は、毒物学研究における「用量」に相当し、連続する各役職の曝露グレードと曝露期間の製品の、生涯にわたる合計を表します。 単位には時間が含まれます。

平均グレード。 平均等級 (MG) は、連続する各役職の暴露等級と暴露期間の積 (すなわち、CEI) を累積し、XNUMX より大きい任意の等級で暴露した合計時間で割ったものです。 MG はそのユニットの時間に依存しません。 高濃度に長期間暴露された人の要約測定値は、高濃度に短期間暴露された人の要約測定値と同様になります。 ケースコントロールデザインのマッチセット内で、MG は暴露時間単位当たりの平均暴露グレードです。 これは、検討中のエージェントに実際にさらされた時間の平均グレードです。

過去最高グレード。 史上最高等級 (HG) は、労働者が少なくとも XNUMX 日間さらされた観察期間中の最高等級割り当ての作業履歴をスキャンすることによって決定されます。 HG は、その定式化によって、平均化手順ではなく最大化に基づいており、したがってその単位での暴露期間とは無関係であるため、個人の職業上の暴露を誤って表している可能性があります。

時間加重平均成績。 時間加重平均 (TWA) グレードは、累積曝露指数 (CEI) を総使用時間で割ったものです。 ケース コントロール デザインの一致したセット内で、TWA グレードは、使用した合計時間で平均化されます。 これは、実際に暴露された合計時間のみを平均する MG とは異なります。 したがって、TWA グレードは、曝露に関係なく、全雇用期間における単位時間あたりの平均曝露と見なすことができます。 それ自体が.

露出した合計時間。 総暴露時間 (TTE) は、暴露に関連するすべての期間を時間単位で累積したものです。 TTE はそのシンプルさが魅力です。 しかし、健康への影響は、化学物質への暴露の期間だけでなく、その暴露の強度 (すなわち、濃度またはグレード) にも関連しているに違いないことは広く受け入れられています。

明らかに、要約ばく露測定値の有用性は、ばく露の期間または濃度、またはその両方に帰するそれぞれの重みによって決定されます。 したがって、測定値が異なれば結果も異なる可能性があります (Walker and Blettner 1985)。 理想的には、選択された要約尺度は、研究中の病原体または疾患との関連性について仮定された生物学的メカニズムに関する一連の防御可能な仮定に基づいている必要があります (Smith 1987)。 ただし、この手順は常に可能というわけではありません。 非常に多くの場合、調査中の薬剤の暴露期間または濃度の生物学的影響は不明です。 これに関連して、さまざまな曝露測定の使用は、曝露がその影響を発揮するメカニズムを示唆するのに役立つ場合があります。

ばく露を評価するための証明されたモデルがない場合は、リスクを推定するためにさまざまな要約された職業上のばく露測定を使用することをお勧めします。 このアプローチは、調査結果の比較を容易にします。

 

戻る

火曜日、01 March 2011 01:58

エクスポージャーの影響の測定

疫学には、病気の発生を測定し、病気と曝露の間の関連性を定量化することが含まれます。

疾病発生の対策

病気の発生は、 周波数 (カウント)が、より適切に説明されます レートに適応これらは、影響を受けた人々の数 (分子)、影響を受けた人々の出身地であるソースまたはベース人口 (つまり、危険にさらされている人口) の人数、および対象となる期間の XNUMX つの要素で構成されます。 率の分母は、ソース母集団が経験した合計人時間です。 レートは、カウントのみよりも異なるサイズの母集団間のより有益な比較を可能にします。 リスク、指定された期間内に個人が病気を発症する確率は、0から1の範囲の割合であり、率ではありません それ自体が. 攻撃率、指定された期間内に影響を受ける人口の割合は、技術的にはリスクの尺度であり、率ではありません.

疾患固有の罹患率には以下が含まれます 発生率、これは、関心のある疾患と新たに診断された人の数を指します。 有病率 既存のケースの数を指します。 死亡率 死亡した人の数を指します。

入射 は、指定された期間内に新たに診断された症例の数として定義されますが、 発生率 この数を、ソース集団が経験した総人時間で割ったものです (表 1)。 がんの場合、発生率は通常、100,000 人あたりの年間発生率で表されます。 他のより一般的な病気の割合は、より少ない人数で表される場合があります。 たとえば、出生異常率は通常、出生 1,000 人あたりで表されます。 累積発生率、指定された期間内に症例になる人の割合は、集団の平均リスクの尺度です。 

表 1. 疾患発生の尺度: XNUMX 年間に観察された仮説集団

新たに診断された症例

10

以前に診断された生存例

12

死、すべての原因*

5

死亡、関心のある疾患

3

人口

100

観測年

5

入射

10人数

年間発生率

ポイント普及率(5年目末)

(10 + 12 - 3) = 19 人

期間有病率(XNUMX年間)

(10 + 12) = 22 人

年間死亡率

年間死亡率

*計算を簡単にするために、この例では、100 年間の期間の終わりにすべての死亡が発生したため、人口の XNUMX 人全員が XNUMX 年間生きていたと仮定しています。

有病率 含ま ポイント有病率、ある時点での疾患の症例数、および 期間有病率、特定の期間のある時点で存在したことが知られている病気の症例の総数。

死亡率は、新たに診断された病気の症例ではなく死亡に関係するものであり、病気を引き起こす要因と、スクリーニング、医療へのアクセス、効果的な治療の利用可能性などの医療の質に関連する要因を反映しています。 その結果、死亡率データではなく発生率に基づいた方が、仮説を立てる努力と病因研究がより有益であり、解釈が容易になる可能性があります。 ただし、死亡率データは、多くの場合、発生率データよりも大規模な集団で容易に入手できます。

用語 死亡率 一般に、すべての原因を合わせた死亡率を意味すると受け入れられていますが、 死亡率 特定の原因による死亡率です。 特定の疾患に対して、 致死率 (技術的には比率であり、率ではありません) は、指定された期間中に病気で亡くなった人の数を病気の人の数で割ったものです。 致死率の補数は、 生存率. XNUMX 年生存率は、がんなどの慢性疾患の一般的なベンチマークです。

病気の発生は、集団のサブグループ間または時間の経過とともに変化する可能性があります。 サブグループを考慮しない、母集団全体の疾病測定値は、 原油レート. たとえば、すべての年齢層を合わせた発生率は粗率です。 年齢層別の料金は、 年齢別料金. 年齢分布が異なる XNUMX つ以上の母集団を比較するには、 年齢調整 (または、 年齢標準化) 率は、各年齢別率にその年齢グループの標準人口 (例えば、研究中の人口の 1970 つ、XNUMX 年の米国の人口) の割合を乗じて計算し、次にすべての年齢グループを合計して、全体の年齢調整率を算出します。 カテゴリ固有の料金がわかっている場合は、人種、性別、喫煙状況など、年齢以外の要因に合わせて料金を調整できます。

記述データの監視と評価は、疾患の病因の手がかりを提供し、介入またはスクリーニングプログラムに適している可能性のある高リスクのサブグループを特定し、そのようなプログラムの有効性に関するデータを提供できます。 サーベイランス活動に使用された情報源には、死亡診断書、医療記録、がん登録、その他の疾病登録(例えば、先天異常登録、末期腎疾患登録)、職業暴露登録、健康保険または障害保険の記録、および労働者の補償が含まれます。記録。

関連の尺度

疫学は、病気に影響を与える要因を特定して定量化しようとします。 最も単純なアプローチでは、疑わしい因子にさらされた人の病気の発生を、さらされていない人の発生と比較します。 曝露と疾病との関連の大きさは、次のいずれかで表すことができます。 絶対の or 相対 条項。 (「ケーススタディ: メジャー」も参照してください。).

絶対効果は次の方法で測定されます。 レート差 および リスクの違い (表 2)。 あ レート差 72 レートから 100,000 レートを差し引いた値です。 たとえば、ベンゼンに暴露した労働者の白血病の発生率が 12 人年あたり 100,000 で、暴露していない労働者の発生率が 60 人年あたり 100,000 である場合、発生率の差は XNUMX 人年あたり XNUMX です。 あ リスク差 は、リスクまたは累積発生率の差であり、-1 から 1 の範囲です。 

 


表 2. コホート研究の関連の尺度

 

 

ケース

人年リスク

100,000あたりのレート

露出

100

20,000

500

露出していない

200

80,000

250

トータル

300

100,000

300

レート差 (RD) = 500/100,000 - 250/100,000

= 250/100,000/年

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

率比 (または相対リスク) (RR) =  

エクスポージャーに起因するリスク (ARe) = 100/20,000 - 200/80,000

= 250/100,000/年

エクスポージャーにおける帰属リスクの割合 (ARe%) =

 人口寄与リスク (PAR) = 300/100,000 - 200/80,000

= 50/100,000/年

人口寄与リスクパーセント (PAR%) =

 * 括弧内は、ボックス内の数式を使用して計算された 95% 信頼区間です。


 

相対的効果 差ではなく、率またはリスク指標の比率に基づいています。 あ 比率 ある母集団の率と別の母集団の率の比率です。 レート比とも呼ばれます。 リスク比, 相対リスク, 相対率, 発生率 (または 死亡) 比率. メジャーは無次元で、範囲は 0 から無限大です。 XNUMX つのグループの割合が類似している場合 (つまり、曝露による影響がない場合)、 比率 はユニティ (1) に等しい。 リスクを増加させるエクスポージャーは、0 よりも大きなレート比をもたらしますが、保護因子は 1 と XNUMX の間の比率をもたらします。 過剰相対リスク は相対リスクから 1 を引いたものです。たとえば、1.4 の相対リスクは、40% の過剰相対リスクとして表すこともできます。

症例対照研究 (症例参照研究とも呼ばれる) では、疾患のある人 (症例) が特定され、疾患のない人 (対照または参照対象) が特定されます。 XNUMX つのグループの過去の曝露が比較されます。 曝露されたケースである確率は、曝露されたコントロールである確率と比較されます。 被ばくした人および被ばくしていない人の発生源集団の完全な数は入手できないため、疾病率を計算することはできません。 代わりに、公開されたケースは、次の計算によって公開されたコントロールと比較できます。 相対オッズ、または オッズ比 (表3)。 

 


表 3. 症例対照研究の関連性の尺度: 木粉への曝露と鼻腔および副鼻腔の腺癌

 

 

ケース

コントロール

露出

18

55

露出していない

5

140

トータル

23

195

 

相対オッズ (オッズ比) (OR) =

エクスポージャーに起因するリスクの割合 ()=

人口寄与リスクパーセント (PAR%) =

コラボレー = 曝露されたコントロールの割合 = 55/195 = 0.28

 

* かっこ内の 95% 信頼区間は、次のボックスの数式を使用して計算されます。

出典:ヘイズらから改作。 1986年。


 

関連性の強さを報告するために、効果の相対尺度は絶対尺度よりも頻繁に使用されます。 ただし、絶対的な測定値は、協会の公衆衛生への影響をより適切に示す可能性があります。 心臓病などの一般的な病気の小さな相対的な増加は、より多くの人に影響を与え (大きなリスク差)、次のような希少疾患の大きな相対的な増加 (ただし絶対的な差は小さい) よりも公衆衛生に大きな影響を与える可能性があります。肝臓の血管肉腫。

有意性テスト

観察された効果が帰無仮説と異なる (つまり、効果がない) 可能性を評価するために、統計的有意性の検定が効果の尺度に対して行われることがよくあります。 多くの研究、特に生物医学研究の他の分野では、 p値、疫学研究は通常存在する 信頼区間 (CI) (別名 信頼限界)。 たとえば、95% 信頼区間は、研究データから得られた推定測定値と、真の値を含む確率が 95% の効果測定値の範囲です。 間隔外の値は、効果の真の尺度を含む可能性が低いと見なされます。 比率の CI に XNUMX が含まれる場合、比較対象のグループ間に統計的に有意な差はありません。

信頼区間は、p 値のみよりも有益です。 p 値のサイズは、XNUMX つの理由のいずれかまたは両方によって決定されます。 関連の測定値 (例、率比、リスク差) が大きいか、調査中の母集団が大きいかのいずれかです。 たとえば、大規模な母集団で観察された疾病率のわずかな差が、非常に有意な p 値をもたらす可能性があります。 p 値が大きい理由は、p 値だけでは特定できません。 ただし、信頼区間を使用すると、XNUMX つの要因を解きほぐすことができます。 第 XNUMX に、効果の大きさは、効果測定値と間隔に含まれる数値によって識別できます。 たとえば、リスク比が大きいほど、効果が強いことを示します。 第二に、母集団のサイズは信頼区間の幅に影響します。 統計的に不安定な推定値を持つ小さな母集団は、大きな母集団よりも広い信頼区間を生成します。

結果のばらつきを表すために選択された信頼度 (「統計的有意性」) は任意ですが、伝統的に 95% であり、p 値 0.05 に相当します。 95% 信頼区間には、95% の確率で効果の真の尺度が含まれます。 90% など、その他の信頼度が使用されることもあります。

ばく露は、二分法(例えば、ばく露と未ばく露)の場合もあれば、多くのレベルのばく露を含む場合もあります。 影響の測定値 (すなわち、応答) は、曝露のレベルによって異なります。 評価中 暴露反応 関係は、疫学的データを解釈する上で重要な部分です。 動物実験における暴露反応の類似物は「用量反応」です。 曝露レベルに応じて反応が増加する場合は、傾向が観察されない場合よりも因果関係がある可能性が高くなります。 曝露と反応の関係を評価するための統計的検定には、Mantel 拡張検定とカイ XNUMX 乗傾向検定が含まれます。

標準化

対象となる一次曝露および疾患以外の要因を考慮に入れるために、関連の尺度は次のようになります。 標準化されました 成層化または回帰手法を使用します。 層別化とは、母集団を因子に関して均一なグループ (性別グループ、年齢グループ、喫煙グループなど) に分割することを意味します。 各層についてリスク比またはオッズ比が計算され、リスク比またはオッズ比の全体の加重平均が計算されます。 これらの全体的な値は、層化因子で調整された、一次曝露と疾病との関連性、すなわち層化因子の影響を除いた関連性を反映しています。

A 標準化率 (SRR) は、XNUMX つの標準レートの比率です。 言い換えれば、SRR は層固有のレート比の加重平均であり、各層の重みは非曝露グループまたは参照対象グループの人時間分布です。 同じ重みが使用されている場合、XNUMX つ以上のグループの SRR を比較できます。 レート比と同様に、SRR の信頼区間を構築できます。

  標準化死亡率 (SMR) は年齢別の割合比の加重平均であり、加重 (例: 危険にさらされている時間) は調査中のグループから得られ、率は対象母集団から得られます。これは、SRR の状況とは逆です。 通常の参照対象集団は一般集団であり、その死亡率は容易に入手でき、多数に基づいているため、調査中の職業集団の暴露されていないコホートまたはサブグループからの死亡率を使用するよりも安定しています。 参照母集団の代わりにコホートからの重みを使用することは、間接標準化と呼ばれます。 SMR は、コホートで観察された死亡数と予測数の比率であり、参照母集団からの率に基づいています (比率は通常、提示のために 100 を掛けられます)。 関連付けが存在しない場合、SMR は 100 に等しくなります。率は参照母集団に由来し、重みは研究グループに由来するため、XNUMX つ以上の SMR は比較できない傾向があることに注意してください。 この比較不可能性は、疫学的データの解釈においてしばしば忘れられ、誤った結論が導き出される可能性があります。

健康労働者効果

職業コホートの総死亡率が一般集団よりも低いことは非常に一般的であり、たとえ労働者が職場での暴露による選択された死因のリスクが高い場合でも. と呼ばれるこの現象は、 健康労働者効果、雇用された人々のグループは、労働者や病気や障害のために働くことができない人々を含む一般人口よりも、平均して健康である可能性が高いという事実を反映しています. 一般人口の全体的な死亡率は、労働者の死亡率よりも高くなる傾向があります。 効果は死因によって強さが異なります。 たとえば、慢性閉塞性肺疾患よりも一般的に癌にとって重要性が低いようです. この理由の XNUMX つは、ほとんどのがんは、若年での職業選択の根底にあるがんの素因から発生した可能性が低いことです。 特定の労働者グループにおける健康労働者効果は、時間の経過とともに減少する傾向があります。

比例死亡率

場合によっては、コホートの完全な集計表 (つまり、危険にさらされている時間) が利用できず、コホートが経験した死亡または一部の死亡に関する情報しかない場合があります (たとえば、退職者および現役従業員の死亡であり、労働者の死亡ではありません)。年金受給資格を得る前に離職した者) 人年の計算には、生命表法を含む人時間評価を扱う特別な方法が必要です。 病気の状態に関係なく、すべてのコホート メンバーの総人時間情報がなければ、SMR と SRR を計算することはできません。 その代わり、 比例死亡率 (PMR) を使用できます。 PMR は、対象集団における特定の原因による総死亡数の割合に基づいて、予測された数と比較した特定の原因による死亡数の観察数の比率であり、研究における総死亡数を掛けたものです。グループ、100 倍。

すべての死因を合わせた死亡率は 1 (PMR=100) に等しくなければならないため、一部の PMR は過剰に見える場合がありますが、実際には他の死因の実際の不足のために人為的に膨らんでいます。 同様に、一部の明らかな赤字は、他の死因の実際の過剰を反映しているだけかもしれません。 たとえば、空中殺虫剤散布機が事故による大幅な実際の過剰死亡を起こしている場合、すべての原因を合わせた PMR が 100 に等しいという数学的要件により、たとえ死亡率が過剰であっても、何らかの XNUMX つまたは他の死因が不足しているように見える可能性があります。 この潜在的な問題を改善するために、主に癌に関心のある研究者は計算することができます 比例がん死亡率 (PCMR)。 PCMR は、観察されたがん死亡数を、参照対象集団における関心対象のがんのがんによる死亡総数 (すべての死亡ではなく) の割合に基づいて予測される数と、研究グループのがんによる死亡の総数を掛けて、 100. したがって、PCMR は、事故、心臓病、または非悪性肺疾患など、癌以外の死因における異常 (過剰または不足) の影響を受けません。

PMR研究は、以下を使用してよりよく分析できます 死亡率 (MOR)、本質的に、あたかもケースコントロール研究からのものであるかのようにデータを分析します。 「コントロール」は、研究中の曝露とは無関係であると考えられるすべての死亡のサブセットからの死亡です。 たとえば、研究の主な関心が癌である場合、死亡オッズ比は、癌による死亡の曝露と心血管死の曝露を比較して計算できます。 このアプローチは、PCMR と同様に、全体の PMR が 100 に等しくなければならないという理由だけで、XNUMX つの死因の変動が別の死因の明らかなリスクに影響を与えるときに発生する PMR の問題を回避します。ただし、制御死因の選択は重要です。 . 前述のように、それらは暴露に関連していてはなりませんが、暴露と疾病との間の可能な関係は、多くの潜在的な制御疾病について知られていない可能性があります。

帰属リスク

ばく露と疾病との間に観察された関連性が因果関係にある場合、ばく露に起因する疾病の量を表す利用可能な尺度があります。 の エクスポージャーに起因するリスク (ARe) は、被ばく者の罹患率から未被ばく者の率を引いたものです。 症例対照研究では疾患率を直接測定できないため、ARe コホート研究でのみ計算可能です。 関連する、より直感的な尺度である エクスポージャーに起因するリスクの割合 (ARe%)、いずれかの研究デザインから取得できます。 ARe% は、暴露に起因する暴露集団で発生した症例の割合です (式については、表 2 および表 3 を参照してください)。 ARe% は、レート比 (またはオッズ比) から 1 を引いたものを、レート比 (またはオッズ比) で割り、100 を掛けたものです。

  人口に起因するリスク (PAR) と 人口に起因するリスクの割合 (PAR%)、または 病因分数は、観察された関連性が因果関係にある場合、被ばくした人および被ばくしていない人で構成される総人口における疾病の量を表します。 PARはコホート研究から得ることができ(表28.3)、PAR%はコホート研究および症例対照研究の両方で計算することができる(表2および表3)。

代表性

説明されているリスクのいくつかの測定値があります。 それぞれは、イベントをカウントするための基本的な方法を想定しており、これらのイベントを代表して定義されたグループに分類します。 研究間で結果を比較する場合、観察された違いを説明するには、使用された方法を理解することが不可欠です。

 

戻る

火曜日、01 March 2011 01:48

研究デザインのオプション

疫学者は、変数間の関係、主に暴露変数と結果変数に関心があります。 通常、疫学者は、病気の発生が集団内の特定の病原体の存在 (暴露) に関連しているかどうかを確認したいと考えています。 これらの関係を研究する方法は、かなり異なる場合があります。 その病原体にさらされたすべての人を特定し、それらを追跡して病気の発生率を測定し、その発生率を適切な非暴露集団での病気の発生率と比較することができます。 あるいは、露出したものと露出していないものを完全に列挙することなく、単純にサンプリングすることもできます。 または、第 XNUMX の選択肢として、定義された期間内に対象の疾患を発症したすべての人 (「症例」) と、無病の個人の適切なグループ (症例のソース母集団のサンプル) を特定し、確認することができます。曝露のパターンが XNUMX つのグループ間で異なるかどうか。 調査参加者の追跡調査は XNUMX つのオプションです (いわゆる縦断調査): この状況では、暴露の発生と病気の発症の間にタイムラグが存在します。 代替オプションの XNUMX つは、被ばくと病気の両方が同時に測定される母集団の断面図です。

この記事では、コホート、ケース レファレント (ケース コントロール)、および横断的な一般的な研究デザインに注意を払います。 この議論の土台を整えるために、小さな町にある大きなビスコース レーヨン工場を考えてみましょう。 二硫化炭素への暴露が心血管疾患のリスクを高めるかどうかの調査が開始されました。 調査にはいくつかの設計上の選択肢があり、いくつかは明白ではありません。 最初の戦略は、二硫化炭素にさらされたすべての労働者を特定し、心血管死亡率を追跡することです。

コホート研究

コホート研究には、共通の事象である曝露を共有する研究参加者が含まれます。 古典的なコホート研究では、暴露された人々の定義されたグループを特定し、その後全員を追跡し、罹患率および/または死亡率を記録します。 一般的な定性的なエクスポージャーとは別に、コホートはその他のエクスポージャーについても定義する必要があります。 適格基準研究の有効性と効率を高めるために、年齢層、性別(男性または女性、またはその両方)、曝露の最小期間と強度、他の曝露からの自由などなど。 入学時には、すべてのコホートメンバーは、疾患を測定するために使用される一連の経験的基準に従って、研究対象の疾患に感染していない必要があります。

例えば、二硫化炭素の冠動脈罹患率に対する影響に関するコホート研究で、冠動脈心疾患が臨床的梗塞として経験的に測定されている場合、ベースラインで冠動脈梗塞の病歴があった人はコホートから除外されなければなりません。 対照的に、心筋梗塞の既往のない心電図の異常は受け入れられます。 ただし、新しい心電図の変化の出現が経験的な結果の尺度である場合、コホートメンバーはベースラインで正常な心電図も持っている必要があります。

曝露コホートの罹患率(発生率)または死亡率は、理想的には、曝露を除くすべての関連する側面で曝露コホートと可能な限り類似しているべき参照コホートと比較して、以下の相対リスクを決定する必要があります。曝露による病気または死亡。 類似しているが曝露されていないコホートを参照経験の提供者として使用することは、曝露されたコホートの罹患率または死亡率を年齢で標準化された国の数値と比較する一般的な(誤った)慣行よりも好ましい.比較有効性のための基本的な要件。 このような比較から得られる標準化罹患率 (または死亡率) 比 (SMR) は、通常、曝露されたコホートにバイアスが作用するため、真のリスク比の過小評価を生成し、XNUMX つの母集団間の比較可能性の欠如につながります。 この比較バイアスは「健康労働者効果」と呼ばれています。 しかし、それは実際には真の「効果」ではなく、雇用された人口の健康選択的な離職から生じた負の交絡からのバイアスです. (健康状態の悪い人は、「暴露された」コホートから移動するか、まったく入らない傾向があり、最終的な目的地は、一般人口の失業者のセクションであることがよくあります。)

「露出」コホートは、特定の露出があると定義されるため、 その単一の暴露によって引き起こされる影響 (またはエクスポージャーの組み合わせ) を同時に調べることができます。 一方、コホートデザインにより、以下の研究が可能になります 同時にいくつかの病気. 狭心症、心電図の変化、臨床的心筋梗塞、冠動脈死亡率など、同じ疾患の付随するさまざまな症状を研究することもできます。 コホート研究は、特定の仮説 (例えば、「二硫化炭素への暴露は冠状動脈性心臓病を引き起こす」) をテストするのに適していますが、「この暴露によってどのような病気が引き起こされるのか?」というより一般的な質問に対する答えも提供します。

たとえば、鋳物工場の労働者が肺癌で死亡するリスクを調査するコホート研究では、死亡率データは国家死因登録簿から取得されます。 この研究は、鋳物粉塵が肺がんを引き起こすかどうかを判断することでしたが、データ ソースは同じ努力で、他のすべての死因に関する情報も提供します。 したがって、他の可能性のある健康リスクを同時に研究することができます。

コホート研究のタイミングは、レトロスペクティブ (歴史的) または前向き (同時) のいずれかです。 どちらの場合も、設計構造は同じです。 暴露された人々の完全な列挙は、ある時点または期間で行われ、その結果は、定義されたエンドポイントを通じてすべての個人について測定されます。 プロスペクティブとレトロスペクティブの違いは、調査のタイミングにあります。 遡及的である場合、エンドポイントはすでに発生しています。 見込みがある場合は、それを待つ必要があります。

レトロスペクティブ デザインでは、コホートは過去のある時点で定義されます (たとえば、1 年 1961 月 1961 日に暴露されたコホート、または 1970 年から XNUMX 年の間に暴露された仕事を引き受けたコホート)。 の罹患率および/または死亡率 すべてのコホート メンバー その後現在に至る。 「全員」ということは離職者も追跡しなければならないことを意味しますが、実際には100%のカバレッジが達成されることはめったにありません。 ただし、フォローアップが完了すればするほど、研究はより有効になります。

プロスペクティブ デザインでは、コホートが現在または将来のある期間に定義され、その後、罹患率が将来に渡って追跡されます。

コホート研究を行う場合、関心のあるエンドポイントが明らかになるのに十分な時間を確保するために、フォローアップに十分な時間を確保する必要があります。 過去の記録は過去の短い期間しか利用できない場合があるため、このデータ ソースを利用することが望ましい場合もあります。これは、研究の結果が得られるまでに、より短い期間の将来の追跡調査が必要になることを意味するためです。利用可能。 このような状況では、後ろ向きコホート研究デザインと前向きコホート研究デザインの組み合わせが効率的です。 コホート データを表す頻度表の一般的なレイアウトを表 1 に示します。

表 1. コホート データを表す頻度表の一般的なレイアウト

罹患率の構成要素

暴露コホート

非曝露コホート

病気や死亡の場合

c1

c0

コホートの人数

N1

N0

 

暴露されたコホートで観察された罹患者の割合は、次のように計算されます。

および参照コホートのそれは次のとおりです。

レート比は次のように表されます。

N0 および N1 通常、人数ではなく人時間単位で表されます。 人口。 人年は、個人ごとに個別に計算されます。 多くの場合、同じ日付ではなく、ある期間中にさまざまな人々がコホートに参加します。 したがって、フォローアップ時間は異なる日付で開始されます。 同様に、彼らの死後、または関心のあるイベントが発生した後、彼らはもはや「危険にさらされている」わけではなく、分母に人年を提供し続けるべきではありません.

RR が 1 より大きい場合、曝露されたコホートの罹患率は参照コホートの罹患率よりも高く、逆もまた同様です。 RR は推定値であり、信頼区間 (CI) を計算する必要があります。 研究が大きくなればなるほど、信頼区間は狭くなります。 RR = 1 が信頼区間に含まれていない場合 (たとえば、95% CI が 1.4 ~ 5.8)、結果は選択された確率レベル (この例では α = 0.05) で「統計的に有意」と見なすことができます。

一般人口を参照人口として使用する場合、 c0 「期待される」数値に置き換えられ、 E(c1 )、その集団の年齢で標準化された罹患率または死亡率から導出されます(つまり、関心のある暴露が行われなかった場合にコホートで発生したであろう症例数)。 これにより、標準化された死亡率 (または罹患率) 比、SMR が得られます。 したがって、

SMR についても、信頼区間を計算する必要があります。 一般母集団が参照カテゴリである場合、統計的有意性検定は意味がないため、p 値よりも出版物でこの尺度を提供する方が適切です。 このような比較にはかなりの偏りが伴います( 健康労働者効果 統計的有意性検定は、もともと実験研究用に開発されたもので、系統誤差があると誤解を招く可能性があります。

問題は、石英粉塵が肺がんを引き起こすかどうかであるとします。 通常、石英粉塵は、鉱山のラドン娘やディーゼル排気ガス、鋳造工場の多芳香族炭化水素など、他の発がん物質と一緒に発生します。 花崗岩の採石場では、石材労働者がこれらの他の発がん物質にさらされることはありません。 したがって、この問題は、花崗岩の採石場で雇用されている石材労働者の間で最もよく研​​究されています。

次に、2,000 年から 20 年の間に 1951 の採石場で雇用された 1960 人の労働者全員がコホートに登録され、最初の暴露から 1990 年後 (誘導時間を考慮するため) から開始して、彼らの癌の発生率 (または死亡率のみ) を追跡すると仮定します。これは 20 年から 30 年 (参入した年によって異なります)、または平均して 25 年の採石労働者 1,000 人の癌による死亡率 (または罹患率) の追跡調査です。特に花崗岩の労働者でした。 各コホート メンバーの曝露履歴を記録する必要があります。 採石場を離れた人々を追跡し、その後の曝露履歴を記録する必要があります。 すべての住民が一意の登録番号を持っている国では、これは簡単な手順であり、主に国のデータ保護法によって管理されています。 そのようなシステムが存在しない場合、フォローアップのために従業員を追跡することは非常に困難です。 適切な死亡または疾病登録が存在する場合、すべての死因、すべての癌、および特定の癌部位による死亡率は、国家死因登録簿から取得できます。 (がん死亡率については、より正確な診断が含まれているため、全国がん登録の方が優れた情報源です。さらに、発生率 (または罹患率) データも取得できます。) 死亡率 (またはがん発生率) は、「ばく露されたコホートの人年を基礎として使用して、全国の率から計算された。

コホートで 70 人の肺がんの死亡例が発見され、予想される数 (曝露がなければ発生したであろう数) が 35 であると仮定します。

c1 = 70、 E(c1) = 35

したがって、SMR = 200 は、被爆者の肺がんによる死亡リスクが 10 倍に増加することを示しています。 詳細な曝露データが利用可能であれば、がんによる死亡率は、さまざまな潜伏時間 (たとえば、15、20、70 年)、さまざまな種類の採石場 (さまざまな種類の花崗岩) での作業、さまざまな歴史的期間、さまざまな曝露の関数として研究できます。強度など。 ただし、XNUMX のケースをあまり多くのカテゴリに分割することはできません。各カテゴリに分類される数が急速に統計分析には小さすぎるためです。

どちらのタイプのコホート デザインにも長所と短所があります。 遡及的研究では、原則として、死亡率のみを測定できます。これは、より軽度の症状に関するデータが通常不足しているためです。 がん登録は例外であり、おそらく脳卒中登録や退院登録など、その発生率データで利用できる他のいくつかのものもあります。 過去の暴露を評価することは常に問題であり、暴露データは通常遡及的研究ではかなり弱い. これにより、エフェクトマスキングが発生する可能性があります。 一方、事例はすでに発生しているため、調査結果ははるかに早く入手可能になります。 たとえば、XNUMX〜XNUMX年で。

前向きコホート研究は、研究者のニーズに合わせてより適切に計画することができ、曝露データを正確かつ体系的に収集することができます。 病気のいくつかの異なる徴候を測定することができます。 暴露と結果の両方の測定を繰り返すことができ、すべての測定を標準化し、その妥当性を確認することができます。 ただし、潜伏期が長い病気(がんなど)の場合、研究結果が得られるまでには、20 年から 30 年もかかることもあります。 この間、多くのことが起こる可能性があります。 たとえば、研究者の離職、暴露測定技術の改善、研究用に選択された植物の改造または閉鎖などです。 これらすべての状況は、研究の成功を危険にさらします。 プロスペクティブ研究のコストも通常、レトロスペクティブ研究のコストよりも高くなりますが、これは主に、より多くの費用がかかる死亡登録ではなく、はるかに多くの測定 (反復暴露モニタリング、臨床検査など) によるものです。 したがって、 情報単位あたりのコスト 遡及的研究の結果を必ずしも超えるとは限りません。 これらすべてを考慮すると、前向き研究は潜伏期間が短く、フォローアップが短い疾患に適していますが、遡及研究は潜伏期間が長い疾患に適しています。

ケースコントロール(またはケースリファレント)研究

ビスコースレーヨン工場に戻りましょう。 暴露された労働者の名簿が失われている場合、後ろ向きコホート研究は実行できない可能性がありますが、前向きコホート研究は非常に長い時間で適切な結果をもたらします. 別の方法として、指定された期間内に町で冠状動脈性心臓病で死亡した人々と、同じ年齢層の総人口のサンプルとの比較があります。

古典的なケース コントロール (またはケース参照) 設計は、動的な (オープン、メンバーシップの回転によって特徴付けられる) 母集団からのサンプリングに基づいています。 この母集団は、国全体、地区、または地方自治体 (この例のように) の母集団である場合もあれば、患者が入院する行政上定義された母集団である場合もあります。 定義された母集団は、ケースとコントロール (または参照対象) の両方を提供します。

この手法は、特定の時点に存在する問題の疾患のすべての症例を収集することです。 ポイント 時間内に(一般的なケース)、または定義された期間中に発生しました 期間 時間の(インシデントケース)。 したがって、症例は、罹患率または死亡率の登録簿から引き出されるか、病院または有効な診断を有する他の情報源から直接収集されます。 コントロールは サンプル 非症例の中から、または集団全体から、同じ集団から。 別のオプションは、 select 対照として別の病気にかかっている患者がいますが、これらの患者は、症例が発生した集団を代表している必要があります。 ケースごとに XNUMX つまたは複数のコントロール (参照先) が存在する場合があります。 サンプリング アプローチは、母集団全体を調査するコホート研究とは異なります。 ケース・コントロール設計の低コストという点での利益が相当なものであることは言うまでもありませんが、サンプルが適切であることが重要です。 代表者 症例が発生した全集団(すなわち、「研究ベース」)の

ケースとコントロールが特定されたら、質問票、インタビュー、または場合によっては既存の記録 (例: 勤務履歴から推測できる給与記録) によって、曝露履歴が収集されます。 データは、参加者自身から、または参加者が死亡している場合は近親者から入手できます。 対称的なリコールを確実にするためには、死亡例と生存例および参照対象の比率が等しいことが重要です。 症例間の暴露パターンに関する情報は、対照間の暴露パターンと比較され、推定値が提供されます。 オッズ比 (OR)、の間接的な尺度 病気にかかるリスク 未露光のものと比較して。

症例対照計画は、特定の疾患を持つ患者 (すなわち症例) から得られた曝露情報と、症例の発生元の集団からの非罹患者 (すなわち対照) のサンプルに依存しているため、曝露との関係は、のみを調査することができます 一つの病気. 対照的に、このデザインは、の効果の付随研究を可能にします いくつかの異なる露出. 症例参照研究は、特定の研究上の疑問 (例えば、「二硫化炭素への暴露によって冠状動脈性心臓病が引き起こされるか?」) に対処するのに適していますが、より一般的な質問である「どのような暴露がこの病気を引き起こす可能性があるか?」に答えるのにも役立ちます。 ?」

有機溶剤への曝露が原発性肝臓がんを引き起こすかどうかという問題は、(例として)ヨーロッパで提起されています。 ヨーロッパでは比較的まれな疾患である原発性肝がんの症例は、全国のがん登録から収集するのが最善です。 XNUMX 年間に発生したすべてのがん症例が症例シリーズを形成すると仮定します。 この研究の人口ベースは、問題のヨーロッパの国における全人口の XNUMX 年間の追跡調査です。 コントロールは、同じ集団から肝臓癌のない人のサンプルとして抽出されます。 便宜上 (対照のサンプリングに同じソースを使用できることを意味します)、溶媒暴露に関係のない別の種類のがんの患者を対照として使用できます。 結腸がんと溶剤曝露との関係は知られていません。 したがって、このがんの種類は、コントロールに含めることができます。 (がん対照を使用すると、症例と対照によって与えられる病歴の精度が平均して対称的であるという点で、想起バイアスが最小限に抑えられます。しかし、結腸がんと溶媒への曝露との間の現在未知の関係が後で明らかになった場合、このタイプの対照は原因となるでしょう。本当のリスクの過小評価であり、誇張ではありません。)

より大きな統計的検出力を達成するために、肝がんの各症例について 70 つの対照が描かれます。 (さらに多くのコントロールを描画することもできますが、利用可能な資金が制限要因になる可能性があります。資金が制限されていない場合、おそらく XNUMX つのコントロールが最適でしょう。XNUMX つを超えると、収穫逓減の法則が適用されます。) データから適切な許可を得た後保護当局、ケースとコントロール、またはそれらの近親者は、通常、郵送されたアンケートによってアプローチされ、すべての雇用主、業務部門、および責任者の名前の時系列リストに特に重点を置いて、詳細な職歴を求めます。異なる雇用における仕事のタスク、およびそれぞれのタスクにおける雇用期間。 これらのデータは、親族から入手するのに多少の困難があります。 ただし、特定の化学物質や商品名は、通常、親族にはよく思い出されません。 アンケートには、アルコールの使用、アフラトキシンを含む食品への曝露、B 型および C 型肝炎の感染など、考えられる交絡データに関する質問も含める必要があります。 十分に高い回答率を得るために、未回答者には XNUMX 週間間隔で XNUMX 回のリマインダーが送信されます。 これにより、最終的な回答率は通常 XNUMX% を超えます。 産業衛生士は、回答者の症例や管理状況を知らずに職歴を精査し、溶剤への暴露を高、中、低、なし、未知の暴露に分類します。 癌診断の直前の XNUMX 年間の曝露は無視されます。なぜなら、潜伏時間がそれほど短い場合、イニシエータ型発癌物質が癌の原因である可能性は生物学的に妥当ではないからです (ただし、プロモーターは実際には可能性があります)。 この段階で、さまざまな種類の溶媒暴露を区別することもできます。 完全な職歴が与えられているので、最初の研究仮説には含まれていませんでしたが、他の暴露を調査することも可能です。 オッズ比は、任意の溶媒、特定の溶媒、溶媒混合物への暴露、暴露強度のさまざまなカテゴリ、およびがん診断に関連するさまざまな時間枠について計算できます。 曝露が不明な人は分析から除外することをお勧めします。

ケースとコントロールは、次のいずれかの方法でサンプリングして分析できます。 独立シリーズ or 一致したグループ. マッチングとは、特定の特性または属性に基づいてケースごとにコントロールが選択され、ペア (ケースごとに複数のコントロールが選択される場合はセット) を形成することを意味します。 照合は、通常、年齢、生命状態、喫煙歴、症例診断の暦時間などの XNUMX つまたは複数の要因に基づいて行われます。 この例では、ケースとコントロールが年齢とバイタル ステータスで照合されます。 (生存状態は重要です。なぜなら、患者自身は通常近親者よりも正確な暴露歴を示し、妥当性の理由から対称性が不可欠だからです。) 今日、推奨事項はマッチングを制限することです。 ) 交絡。

XNUMX つのコントロールが XNUMX つのケースに一致する場合、そのデザインは a マッチドペア設計. より多くのコントロールを調査するコストが法外に高くない場合、ケースごとに複数の指示対象を使用すると、OR の推定値の安定性が向上し、調査の規模がより効率的になります。

比類のないケースコントロール研究の結果のレイアウトを表 2 に示します。

表 2. ケース コントロール データのサンプル レイアウト

ばく露分類

 

露出

露出していない

ケース

c1

c0

非症例

n1

n0

 

この表から、症例間の曝露のオッズと母集団(対照)の曝露のオッズを計算し、除算して曝露オッズ比 OR を得ることができます。 ケースの場合、露出オッズは次のとおりです。 c1 / c0、およびコントロールの場合は n1 / n0. OR の推定値は次のようになります。

コントロールよりも比較的多くのケースが暴露された場合、OR は 1 を超え、逆もまた同様です。 信頼区間は、RR と同じ方法で計算し、OR に提供する必要があります。

さらなる例として、大企業の産業保健センターは、さまざまな粉塵やその他の化学物質にさらされている 8,000 人の従業員にサービスを提供しています。 私たちは、混合粉塵曝露と慢性気管支炎との関係に関心があります。 この研究には、この集団の 100 年間の追跡調査が含まれます。 当院では、慢性気管支炎の診断基準を「100年連続で朝の咳嗽とたんが40ヶ月続くこと」と定めています。 「陽性」の粉塵暴露の基準は、研究が始まる前に定義されます。 ヘルスセンターを訪れ、15 年間にこれらの基準を満たす各患者がケースであり、肺以外の問題について医学的アドバイスを求める次の患者がコントロールとして定義されます。 研究期間中に XNUMX 人の症例と XNUMX 人の対照が登録されたとします。 XNUMX のケースと XNUMX のコントロールが粉塵にさらされたと分類されます。 それで

c1 = 40、 c0 = 60、 n1 = 15 n0 = 85。

その結果、

前述の例では、交絡の可能性が考慮されていません。交絡は、年齢などの変数における症例と対照の間の体系的な違いにより、OR の歪みにつながる可能性があります。 このバイアスを軽減する 3 つの方法は、コントロールを年齢またはその他の疑わしい要因に基づいてケースに一致させることです。 これにより、表 XNUMX に示すデータ レイアウトが得られます。

表 3. XNUMX つのコントロールが各ケースに一致する場合のケース コントロール データのレイアウト

指示対象

ケース

露出 (+)

曝露 (-)

露出 (+)

f+ +

f+ -

曝露 (-)

f- +

f- -

 

分析は、一致しないペアに焦点を当てています。 (f+–); および「ケース非公開、コントロール公開」 (f–+). ペアの両方のメンバーが公開されているか公開されていない場合、そのペアは無視されます。 マッチド ペア研究デザインの OR は次のように定義されます。

鼻がんと木粉への曝露との関連性に関する研究では、164 組の症例と対照群がまとめて存在しました。 ケースとコントロールの両方が暴露されたのは 150 組のみで、ケースもコントロールも暴露されなかったペアは 12 組でした。 これらのペアは、それ以上考慮されません。 ケース(コントロールではない)は XNUMX ペアで、コントロール(ケースではない)は XNUMX ペアで暴露されました。 したがって、

この間隔には XNUMX が含まれていないため、結果は統計的に有意です。つまり、鼻がんと木粉への曝露との間に統計的に有意な関連性があります。

ケースコントロール研究は、コホート研究よりも効率的です。 病気はまれです。 実際には、唯一のオプションを提供する場合があります。 ただし、一般的な病気もこの方法で研究できます。 もし 露出は少なく、 暴露ベースのコホートは、好ましい、または実行可能な唯一の疫学的デザインです。 もちろん、コホート研究も一般的な暴露で実施できます。 曝露と疾患の両方が一般的である場合のコホート デザインとケース コントロール デザインの選択は、通常、妥当性を考慮して決定されます。

ケースコントロール研究は、通常は参加者の記憶に基づく遡及的曝露データに依存しているため、曝露情報の不正確さと粗雑さが弱点であり、結果として、 非微分 (対称的な) 曝露状況の誤分類。 さらに、ケースとコントロールの間でリコールが非対称になることもあり、ケースは通常「よりよく」覚えていると考えられています (リコール バイアス)。

選択的想起は、効果拡大バイアスを引き起こす可能性があります。 ディファレンシャル (非対称) 曝露状況の誤分類。 ケースコントロール研究の利点は、費用対効果が高く、問題の解決策を比較的迅速に提供できることです。 サンプリング戦略により、非常に大規模なターゲット集団の調査が可能になり(たとえば、全国がん登録を通じて)、研究の統計的検出力が向上します。 データ保護法や適切な人口および罹患率の登録の欠如がコホート研究の実施を妨げている国では、病院ベースの症例対照研究が疫学研究を実施する唯一の実用的な方法である可能性があります。

コホート内のケース コントロール サンプリング (入れ子になったケース コントロール研究デザイン)

コホート研究は、完全なフォローアップではなく、サンプリング用に設計することもできます。 このデザインは、以前は「ネストされた」ケースコントロール研究と呼ばれていました。 コホート内のサンプリング アプローチでは、比較が同じコホート内で行われるため、コホートの適格性に異なる要件が設定されます。 したがって、これには、高曝露の労働者だけでなく、曝露の少ない労働者、さらには曝露のない労働者も含める必要があります。 露出コントラスト それ自体の中で。 コホートを組み立てる際には、適格要件のこの違いを理解することが重要です。 適格基準が「多くの」暴露であったコホートに対して完全なコホート分析が最初に実行され、同じコホートで「ネストされた」症例対照研究が後で行われた場合、研究は感度が低くなります。 これは、コホートのメンバー間の曝露経験にばらつきがないため、「設計上」曝露コントラストが不十分であるため、効果マスキングを導入します。

しかし、コホートが幅広い暴露経験を持っている場合、ネストされたケースコントロールアプローチは非常に魅力的です. 追跡期間中にコホートで発生したすべての症例を収集して、症例シリーズを形成します。 サンプル 非ケースの数は、コントロール シリーズ用に描画されます。 次に、研究者は、伝統的なケースコントロールデザインのように、ケースとコントロール (またはその近親者) にインタビューすることによって、雇用者の人事ロールを精査することによって、暴露経験に関する詳細な情報を収集します。 仕事の露出マトリックス、またはこれらのアプローチのXNUMXつ以上を組み合わせることによって。 コントロールはケースに一致させるか、独立したシリーズとして扱うことができます。

サンプリング アプローチは、コホートの各メンバーに関する徹底的な情報調達と比較して、コストがかからない可能性があります。 特に、コントロールのサンプルのみが調査されるため、各ケースとコントロールの詳細で正確な暴露評価により多くのリソースを割くことができます。 ただし、従来のコホート研究と同じ統計的検出力の問題が蔓延しています。 適切な統計的検出力を達成するために、コホートは、検出されるべきリスクの大きさに応じて、常に「適切な」数の暴露症例で構成されている必要があります。

横断研究デザイン

科学的な意味では、横断計画は、時間を考慮せずに研究対象集団を横断したものです。 暴露と罹患率 (有病率) の両方が同じ時点で測定されます。

病因学的観点からすると、この研究デザインは脆弱であり、その理由の XNUMX つは、発生率ではなく有病率を扱っているためです。 有病率は、病気の発生率と期間の両方に応じた複合的な尺度です。 これはまた、横断的研究の使用を長期の疾患に制限します。 さらに深刻なのは、曝露の影響に対してより敏感な人々の曝露グループから健康に依存して排除されることによって引き起こされる強い負のバイアスです。 したがって、病因の問題は、縦方向の設計によって最もよく解決されます。 実際、横断的研究では、暴露が病気に先行したのか、あるいはその逆なのかについて結論を出すことはできません。 クロスセクションは、曝露と結果の間に真の時間関係が存在する場合にのみ病因学的に意味があります。つまり、現在の曝露が即時の影響を与える必要があります。 しかし、被ばくは横断的に測定できるため、過去のより長い期間 (血中鉛レベルなど) を表し、アウトカム指標は有病率 (神経伝導速度など) の XNUMX つです。 その場合、研究は、研究集団の単なる断面ではなく、縦方向と断面のデザインの混合です。

横断的記述調査

横断的調査は、科学的な目的というよりも、実務上および管理上の目的で役立つことがよくあります。 疫学的原則は、次のような労働衛生環境における体系的な監視活動に適用できます。

  • 職業、作業領域、または特定の暴露に関連する罹患率の観察
  • 既知の職業上の危険にさらされている労働者の定期的な調査
  • 新しい健康被害に接触する労働者の検査
  • 生物学的モニタリングプログラム
  • ハザードを特定および定量化するための曝露調査
  • さまざまな労働者グループのスクリーニング プログラム
  • 予防または定期的な管理(例:血圧、冠状動脈性心臓病)が必要な労働者の割合を評価する。

 

すべての種類の調査で、代表的で有効な特定の罹患率指標を選択することが重要です。 調査またはスクリーニングプログラムは、臨床診断とは対照的に、かなり少数のテストしか使用できないため、スクリーニングテストの予測値は重要です。 感度の低い方法では目的の疾患を検出できませんが、感度の高い方法では偽陽性の結果が多すぎます。 職業環境で希少疾患のスクリーニングを行う価値はありません。 すべての症例発見 (つまり、スクリーニング) 活動には、診断と治療の両方の観点から、「陽性」の結果を示した人々の世話をするためのメカニズムも必要です。 そうしないと、フラストレーションだけが生じ、良い結果よりも害が大きくなる可能性があります。

 

戻る

火曜日、01 March 2011 02:17

研究デザインにおける妥当性の問題

妥当性の必要性

疫学は、集団における病気の経験を理解することを目的としています。 特に、不健康の職業上の原因についての洞察を得るために使用できます。 この知識は、病気にかかっている人々のグループを、その病気にかかっていない人々と比較することによって実施された研究から得られます。 別のアプローチは、特定の職業に就いて特定の曝露を受けた人々がどのような病気にかかるかを調べ、これらの疾患パターンを同様に曝露されていない人々の疾患パターンと比較することです。 これらの研究は、特定の曝露に対する病気のリスクの推定値を提供します。 そのような研究からの情報が予防プログラムの確立、職業病の認識、および被ばくによって影響を受けた労働者が適切に補償されるために使用されるためには、これらの研究は有効でなければなりません。

妥当性 調査が実際の状況を反映する能力として定義できます。 したがって、有効な研究とは、暴露と疾患との関連性 (陽性、陰性、または欠如) を正しく測定するものです。 これは、真のリスクの方向と大きさを表しています。 内部妥当性と外部妥当性という XNUMX つのタイプの妥当性が区別されます。 内部妥当性は、研究対象者の間で実際に起こったことを反映する研究の能力です。 外部妥当性は、母集団で起こり得ることを反映しています。

妥当性は、測定の真実性に関連しています。 妥当性は、研究の規模と研究デザインの効率の関数である測定の精度とは区別されなければなりません。

内部妥当性

研究は、偏りがなく、したがって、研究参加者の間に存在する暴露と疾患との関連を真に反映している場合、内部的に有効であると言われます。 暴露に関連して観察された病気のリスクは、実際の関連に起因する可能性があり、したがって有効である可能性がありますが、バイアスの影響も反映している可能性があります. 偏見は歪んだ現実のイメージを与えます。

とも呼ばれる XNUMX つの主なタイプのバイアス 系統誤差、通常は区別されます。

  • 選択バイアス
  • 情報または観察バイアス
  • 混乱させる

 

それらは、労働衛生の設定からの例を使用して、以下に簡単に提示されます。

選択バイアス

研究への参加が潜在的な研究参加者の曝露状況の知識に影響される場合、選択バイアスが発生します。 したがって、この問題は、その人が研究に参加する前に、病気がすでに発生している場合にのみ発生します。 通常、疫学的設定では、これはケースコントロール研究またはレトロスペクティブ コホート研究で発生します。 これは、暴露されたことが知られている場合、その人が症例と見なされる可能性が高くなることを意味します。 XNUMX セットの状況がこのようなイベントにつながる可能性があり、これは病気の重症度にも依存します。

自己選択バイアス

これは、過去に有害であると考えられている既知の製品にさらされたことを知っており、自分の病気が曝露の結果であると確信している人々が、それほどさらされていない他の人々が無視した可能性のある症状について医師に相談する場合に発生する可能性があります. これは、特に目立った症状がほとんどない疾患で発生する可能性があります。 例としては、がん治療に使用される薬を扱う女性看護師の早期流産や自然流産が挙げられます。 これらの女性は、ほとんどの女性よりも生殖生理学に精通しており、子供を産む能力について心配することで、他の女性が月経の開始の遅れとしてのみ考えるものを自然流産として認識またはラベル付けする可能性が高くなります. Rothman (1986) が引用した後向きコホート研究の別の例には、ネバダ州での米国の原爆実験中に存在していた軍隊の白血病に関する疾病管理センターの研究が含まれています。 テストサイトに存在する軍隊のうち、76%が追跡され、コホートを構成しました. これらのうち、82% は調査官によって発見されましたが、さらに 18% は研究についての宣伝を聞いた後、調査官自身に連絡を取りました。 CDC によって追跡された 82% に 18 例の白血病が存在し、自己言及した XNUMX% に XNUMX 例が存在しました。 これは、暴露された人を特定する研究者の能力が白血病のリスクに関連していたことを強く示唆しています。

診断バイアス

これは、医師が患者が以前に何にさらされたかを知った後、特定の病気を診断する可能性が高い場合に発生します. たとえば、ほとんどの塗料が鉛ベースだったとき、麻痺を伴う末梢神経炎と呼ばれる末梢神経の病気の症状は、画家の「リスト ドロップ」としても知られていました。 患者の職業を知ることで、初期段階でも病気の診断が容易になりましたが、職業的に鉛にさらされていることが知られていない研究参加者では、原因物質の特定がはるかに困難になります。

研究への参加を拒否することによる偏見

健康であるか病気であるかにかかわらず、人々が研究に参加するよう求められた場合、同意するかどうかを決定する際にいくつかの要因が関与します. 場合によっては微妙な問題について質問する、さまざまな長さのアンケートに回答する意欲、さらには血液やその他の生物学的サンプルを提供する意欲は、その人の自己利益の程度によって決定される場合があります。 過去に曝露の可能性があることを知っている人は、病気の原因を見つけるのに役立つことを期待して、この調査に応じる準備ができているかもしれませんが、危険なものにさらされていないと考えている人、または興味がない人は、知っている場合、研究への参加の招待を断る場合があります。 これにより、最終的に研究参加者になる可能性のあるすべての人々と比較して、研究参加者になる人々が選択される可能性があります。

情報バイアス

これは観察バイアスとも呼ばれ、フォローアップ研究における疾患転帰および症例対照研究における曝露評価に関係します。

前向きフォローアップ(コホート)研究における差別的転帰評価

調査の開始時に、暴露グループと非暴露グループの XNUMX つのグループが定義されます。 症例の検索がこれら XNUMX つのグループ間で異なる場合、診断バイアスの問題が発生します。 たとえば、特定の業界でダイオキシンの偶発的な放出にさらされた人々のコホートを考えてみましょう。 高度に暴露されたグループについては、積極的なフォローアップ システムが設定され、健康診断と生物学的モニタリングが定期的に行われますが、残りの労働人口は日常的なケアのみを受けます。 綿密な監視の下でグループ内でより多くの疾患が特定される可能性が高く、リスクの過大評価につながる可能性があります。

後ろ向きコホート研究における損失の差

後ろ向きコホート研究では、前の段落で説明したメカニズムとは逆のメカニズムが発生する可能性があります。 これらの研究では、通常、特定の業界で過去に雇用されていたすべての人々のファイルから開始し、雇用後の病気や死亡率を評価します。 残念なことに、ほとんどすべての研究ファイルが不完全であり、人が行方不明になっているという事実は、暴露状況または疾病状況、またはその両方に関連している可能性があります。 たとえば、芳香族アミンに暴露された労働者を対象に化学産業で実施された最近の研究では、尿路腫瘍の細胞学的スクリーニングを受けた 777 人の労働者のグループで 34 つの腫瘍が発見されました。 全部で 4.4 のレコードのみが欠落していることが判明し、これは曝露評価ファイルからの 25% の損失に相当しますが、膀胱がんの症例では、XNUMX つのケースのうち XNUMX つ、つまり XNUMX% で曝露データが欠落していました。 これは、ケースになった人のファイルは、他の作業者のファイルよりも失われやすいことを示しています。 これは、会社内でのより頻繁な職務変更 (暴露効果に関連している可能性があります)、辞任、解雇、または単なる偶然のために発生する可能性があります。

ケースコントロール研究における曝露の差別的評価

症例対照研究では、研究開始時にすでに疾患が発生しており、過去の暴露に関する情報が求められます。 バイアスは、インタビュアーまたは研究参加者の調査に対する態度に起因する可能性があります。 情報は通常、調査の根底にある仮説を認識している場合と認識していない場合がある、訓練を受けたインタビュアーによって収集されます。 たとえば、高度に工業化された地域で実施された膀胱がんの集団ベースの症例対照研究では、研究スタッフは、芳香族アミンなどの特定の化学物質が膀胱がんの危険因子であるという事実を十分に認識している可能性があります. 誰がこの病気を発症し、誰が発症していないかもわかっている場合、対照群よりも膀胱がんの参加者に対してより詳細なインタビューを行う可能性があります。 彼らは過去の職業についてより詳細な情報を主張し、芳香族アミンへの曝露を体系的に検索するかもしれませんが、対照のために、彼らはより日常的な方法で職業を記録するかもしれません. 結果として生じるバイアスは次のように知られています。 暴露疑惑バイアス.

参加者自身もそのような偏見の責任を負う可能性があります。 これは リコールバイアス インタビュアーのバイアスと区別するために。 どちらも、バイアスのメカニズムとして暴露の疑いがあります。 病気の人は、自分の病気の原因が職業にあるのではないかと疑うかもしれないので、暴露された可能性のあるすべての危険な病原体をできるだけ正確に思い出そうとします. 未定義の製品を扱う場合、特に疑わしい製品のリストが利用可能になると、正確な化学物質の名前を思い出す傾向があります。 対照的に、コントロールは同じ思考プロセスをたどる可能性が低いかもしれません。

交絡

曝露と疾患との間に観察された関連性が、研究中の曝露の影響と別の要因の混合の結果の一部である場合、交絡が存在します。 たとえば、溶接工の肺がんのリスクが高いことを発見したとしましょう。 溶接ガスへの曝露と肺がんとの間には因果関係があるとすぐに結論付けたくなる。 しかし、喫煙が肺がんの主な危険因子であることもわかっています。 したがって、情報が得られれば、溶接工や他の研究参加者の喫煙状況のチェックを開始します。 溶接工は、非溶接工よりも喫煙する可能性が高いことがわかります。 そのような状況では、喫煙は肺がんと関連していることが知られており、同時に、私たちの研究では、喫煙は溶接工であることにも関連していることがわかりました. 疫学的に言えば、これは肺がんと溶接の両方に関連する喫煙が、溶接と肺がんの関連性を混乱させていることを意味します。

相互作用または効果の変更

上記のすべての問題、すなわちバイアスである選択、情報、交絡とは対照的に、相互作用は研究デザインや分析の問題によるバイアスではなく、現実とその複雑さを反映しています。 この現象の例は次のとおりです。ラドンへの曝露は、喫煙と同様に肺がんの危険因子です。 さらに、喫煙とラドン被ばくは、それらが一緒に作用するか単独で作用するかによって、肺がんのリスクに異なる影響を与えます。 このトピックに関する職業研究のほとんどは地下鉱山労働者の間で実施されており、時には相反する結果をもたらしています. 全体として、肺がんの発生における喫煙とラドン曝露の相互作用を支持する議論があるようです。 これは、非喫煙者であっても、ラドンへの曝露によって肺がんのリスクが増加することを意味しますが、ラドンによるリスク増加の大きさは、非喫煙者よりも喫煙者の方がはるかに大きいことを意味します. 疫学的に言えば、その影響は相乗的であると言います。 上記の交絡とは対照的に、相互作用は生物学的レベルで起こっていることを反映しており、単に研究デザインが不十分な結果ではないため、単に制御するのではなく、慎重に分析し、分析で説明する必要があります。 その説明は、調査結果のより有効な解釈につながります。

外部妥当性

この問題は、内部の有効性が確保された後にのみ対処できます。 研究で観察された結果が実際の関連性を反映していると確信している場合、これらの結果を、研究参加者自身が抽出されたより大きな集団、または同一の他の集団に推定できるかどうかを自問することができます.または少なくとも非常に似ています。 最も一般的な質問は、男性で得られた結果が女性にも当てはまるかどうかです。 何年もの間、研究、特に職業疫学調査は、男性のみを対象として実施されてきました。 1960 年代と 1970 年代に米国、英国、スウェーデンで行われた化学者の研究では、白血病、リンパ腫、膵臓がんなど、特定のがんのリスクが増加していることが明らかになりました。 溶剤やその他の化学物質への曝露の影響について私たちが知っていたことに基づいて、実験室での作業が女性の発がんリスクも伴うことを当時すでに推測できた. これは事実、1980 年代半ばに女性化学者を対象とした最初の研究が最終的に発表され、男性と同様の結果が得られた場合に当てはまることが示されました。 発見された他の過剰ながんは乳房と卵巣の腫瘍であり、伝統的に内因性要因または生殖のみに関連すると考えられていましたが、農薬などの新たに疑われた環境要因が役割を果たしている可能性があることは注目に値します. 女性のがんの職業的決定要因については、さらに多くの研究を行う必要があります。

有効な研究のための戦略

完全に有効な研究は決して存在しませんが、できるだけ多くのバイアスを回避するか、少なくとも最小限に抑えるようにすることは、研究者の義務です。 これは多くの場合、研究の設計段階で行うのが最適ですが、分析中に実行することもできます。

研究デザイン

選択と情報の偏りは、疫学調査を慎重に設計し、その後の日々のガイドラインすべてを綿密に実施することによってのみ回避できます。これには、フィールド条件での調査の実施に関する品質保証への細心の注意が含まれます。 交絡は、設計段階または分析段階のいずれかで対処できます。

選択

参加者をケースと見なす基準は、明示的に定義する必要があります。 不明確な臨床状態を研究しようとすることはできませんし、少なくともすべきではありません。 曝露に関する知識が疾患評価に及ぼす影響を最小限に抑える方法は、患者の病歴に関する情報に関係なく、診断されたであろう重篤な症例のみを含めることです。 がんの分野では、境界病変を含めることを避けるために、研究は多くの場合、疾患の組織学的証拠のある症例に限定されます。 これは、調査中のグループが明確に定義されていることも意味します。 たとえば、がんの疫学では、特定の臓器内の異なる組織型のがんが異なる危険因子を持っている可能性があることはよく知られています。 症例数が十分であれば、肺の扁平上皮癌から肺の腺癌を分離する方がよい。 研究への参加の最終基準が何であれ、それらは常に明確に定義され、説明されるべきです。 たとえば、疾患の正確なコードは、国際疾病分類 (ICD) を使用して示す必要があります。がんについては、国際疾病分類 - 腫瘍学 (ICD-O) を使用して示す必要があります。

基準が特定されたら、研究への参加を最大化するための努力を行う必要があります。 参加を拒否するという決定が無作為になされることはめったにないため、偏見につながります。 研究は、まず第一に、患者を診察している臨床医に提示する必要があります。 患者にアプローチするには彼らの承認が必要であり、したがって彼らは研究を支持するよう説得する必要があります。 多くの場合、説得力のある議論の XNUMX つは、研究が公衆衛生の利益になるというものです。 ただし、この段階では、関係する臨床医に過度の影響を与えることを避けるために、評価されている正確な仮説について議論しない方がよい. 医師は、補助的な任務を引き受けるよう求められるべきではありません。 研究に必要な通常のケアに加えて、追加のタスクを実行するための手段が研究研究者によって提供されている場合、医療従事者に研究への支援を提供するよう説得する方が簡単です. インタビュアーとデータ抽出者は、患者の病気の状態を認識してはなりません。

参加者に提供される情報にも同様の注意を払う必要があります。 調査の目的は、広範で中立的な言葉で説明する必要がありますが、説得力と説得力もある必要があります。 医療用語を避けながら、公衆衛生上の機密保持と利益の問題を完全に理解することが重要です。 ほとんどの場合、金銭的またはその他のインセンティブの使用は適切とは見なされませんが、参加者が負担する可能性のある費用については補償を提供する必要があります。 最後になりましたが、一般の人々は、そのような研究の重要性を理解するのに十分な科学的知識を持っている必要があります. 参加の利点とリスクの両方について、参加予定者が質問票に記入する必要がある場合、および/または保管および/または分析のための生物学的サンプルを提供する必要がある場合に、各参加者に説明する必要があります。 事前の完全なインフォームド コンセントを取得する際に、いかなる強制も適用されるべきではありません。 研究がもっぱら記録ベースである場合、そのような記録の機密性を確保する責任を負う機関の事前の承認を確保する必要があります。 このような場合、通常、個々の参加者の同意は放棄できます。 代わりに、組合と政府職員の承認で十分です。 疫学調査は、個人の私生活を脅かすものではありませんが、人々の健康を改善する潜在的な助けとなります。 治験審査委員会(または倫理審査委員会)の承認は、研究を実施する前に必要であり、上記の内容の多くは、審査のために彼らによって期待されます.

情報

前向きフォローアップ研究では、疾患または死亡状況の評価手段は、暴露された参加者と暴露されていない参加者で同一でなければなりません。 特に、暴露されていない参加者の中央死亡記録簿のみをチェックし、暴露された参加者に対して集中的な能動的監視を使用するなど、異なる情報源を使用すべきではありません。 同様に、死因は厳密に比較可能な方法で取得する必要があります。 これは、一般集団であることが多い非暴露集団の公式文書へのアクセスを得るためにシステムが使用される場合、医療記録や参加者自身またはその家族へのインタビューを通じて、さらに正確な情報を取得する計画を立てるべきではないことを意味します。露出したサブグループ。

レトロスペクティブ コホート研究では、調査中の集団が関心のある集団と比較してどれだけ近いかを判断するために努力する必要があります。 人口の構成に関するさまざまな情報源を使用して、暴露されたグループと暴露されていないグループの潜在的な差異の損失に注意する必要があります。 たとえば、給与リストを組合員リストやその他の職業リストと比較すると便利な場合があります。 不一致は調整する必要があり、研究に採用されたプロトコルに厳密に従わなければなりません。

ケースコントロール研究では、バイアスを回避するための他のオプションが存在します。 インタビュアー、調査スタッフ、および調査参加者は、調査中の正確な仮説を認識する必要はありません。 テスト対象のアソシエーションを知らない場合、期待される答えを提供しようとする可能性は低くなります。 研究仮説に関して研究者を秘密にしておくことは、実際には非常に非現実的であることが多い. インタビュアーは、ほとんどの場合、誰がケースで誰がコントロールであるかだけでなく、最大の潜在的関心のエクスポージャーを知っています。 したがって、私たちは彼らの正直さと、彼らの専門的背景の一部であるべき基本的な研究方法論の訓練にも頼らなければなりません。 客観性は、科学のすべての段階における特徴です。

研究参加者に研究の正確な目的を知らせない方が簡単です。 健康と病気をよりよく理解するためにデータを収集する必要性についての適切で基本的な説明は、通常十分であり、倫理審査の必要性を満たします。

交絡

交絡は、研究デザインの段階で、または十分な情報が利用可能であれば分析段階で対処できる唯一のバイアスです。 例えば、年齢は疾患のリスク (すなわち、癌は高齢になるほど頻度が高くなる) および暴露 (暴露の条件は年齢または資格、役職、雇用期間などの年齢に関連する要素を含む)、いくつかの解決策が存在します。 最も単純な方法は、研究を特定の年齢範囲に限定することです。たとえば、40 歳から 50 歳の白人男性のみを登録します。これにより、簡単な分析の要素が得られますが、結果の適用が XNUMX 人に制限されるという欠点もあります。性年齢/人種グループ。 別の解決策は、年齢によるマッチングです。 これは、各ケースについて、同じ年齢の指示対象が必要であることを意味します。 これは魅力的なアイデアですが、一致する要素の数が増えるにつれて、この要件を満たすことが困難になる可能性があることに留意する必要があります。 さらに、因子が一致すると、疾患の発生におけるその役割を評価することができなくなります。 最後の解決策は、分析でそれらをチェックするために、研究データベースに潜在的な交絡因子に関する十分な情報を用意することです。 これは、単純な層化分析、または多変量解析などのより高度なツールを使用して行うことができます。 ただし、設計や実施が不十分な研究は分析によって補うことができないことを覚えておく必要があります。

まとめ

疫学研究でバイアスが発生する可能性は、長い間確立されています。 これは、研究対象の関連性が強い場合 (喫煙と肺がんの場合のように) はあまり問題にならなかったため、多少の不正確さは深刻な問題にはなりませんでした。 しかし、より弱いリスク要因を評価する時が来た今、より良いツールの必要性が最も重要になっています. これには、優れた研究デザインの必要性と、ケースコントロールやコホート研究などのさまざまな従来のデザインの利点を、コホート内にネストされたケースコントロール研究などのより革新的なアプローチと組み合わせる可能性が含まれます。 また、バイオマーカーの使用は、現在およびおそらく過去の曝露、ならびに疾患の初期段階のより正確な評価を取得する手段を提供する可能性があります。

 

戻る

火曜日、01 March 2011 02:20

ランダム測定誤差の影響

ばく露測定の誤差は、誤差がどのように分布するかによって、研究対象のばく露と疾病の関係にさまざまな影響を与える可能性があります。 疫学研究が盲目的に行われた場合 (つまり、研究参加者の病気や健康状態を知らずに測定が行われた場合)、測定誤差は病気や健康状態の層全体に均等に分布すると予想されます。

表 1 に例を示します。よくある病気を調査するために、職場で毒物にさらされている人々のコホートを募集するとします。 募集時にのみ露出状況を判断します(T0)、フォローアップ中のそれ以上の時点ではありません。 しかし、多くの個人が実際に翌年に暴露状況を変更したとしましょう: 時点 T1、最初に暴露された 250 人のうち 1,200 人が暴露をやめ、最初に暴露されなかった 150 人のうち 750 人が毒物に暴露され始めました。 したがって、時刻 T1、1,100 人が曝露され、850 人が曝露されていません。 結果として、時間 T での曝露状況の最初の測定値に基づいて、曝露の「誤分類」が発生します。0. これらの個人は、20 年後 (時間 T) に追跡されます。2)および疾患の累積リスクが評価されます。 (この例で行われている仮定は、XNUMX 年を超えるばく露のみが懸念されるということです。)


表 1. 時間 T に募集された 1950 人の仮説コホート (職場で暴露されたものと暴露されていないもの)0 T 時点で病状が確認されている患者2

Time

 

T0

T1

T2

ばく露した労働者 1200 250 ばく露をやめる 1100 (1200-250+150)

時間 T における疾患の症例2 = 曝露した労働者のうち 220 人

非暴露作業員 750 150 暴露開始 850 (750-150+250)

時間 T における疾患の症例2 = 曝露していない労働者のうち 85 人

  真のリスク 時間 T における疾患の2 暴露された労働者の 20% (220/1100)、
非曝露労働者では 10% (85/850) (リスク比 = 2.0)。

推定リスク Tで2 T で被ばくしたと分類された患者の疾患の割合0:20%
(つまり、暴露された人の真のリスク) ´ 950 (つまり、1200-250)+ 10%
(つまり、暴露されていない場合の真のリスク) ´ 250 = (190+25)/1200 = 17.9%

推定リスク Tで2 非曝露に分類される疾患の割合
T0: 20% (つまり、暴露された人の真のリスク) ´ 150 +10%
(すなわち、暴露されていない場合の真のリスク) ´ 600 (すなわち、750-150) = (30+60)/750 = 12%

推定リスク比 = 17.9% / 12% = 1.49


この例では、誤分類は、曝露測定の技術的な制限ではなく、研究デザインと母集団の特性に依存しています。 誤分類の影響は、暴露された人々と暴露されていない人々の間の累積リスク間の「真の」比率 2.0 が「観測された」比率 1.49 になるようなものです (表 1)。 このリスク比の過小評価は、曝露と疾患との関係の「曖昧さ」から生じます。これは、この場合のように、曝露の誤分類が疾患または健康状態に従って均等に分布している場合に発生します(つまり、曝露測定値がその人が私たちが研究している病気にかかったかどうかには影響されません)。

対照的に、露出の誤分類が関心のある結果全体に均等に分散されていない場合、関心のある関連付けの過小評価または過大評価が発生する可能性があります。 この例では、 バイアスばく露の分類が作業者の病気や健康状態に依存する場合、病因関係が曖昧になるだけではありません。 これは、例えば、職場での暴露に関連する初期の変化を特定するために、暴露された労働者のグループと暴露されていない労働者のグループから生物学的サンプルを収集することを決定した場合に発生する可能性があります。 暴露された労働者からのサンプルは、暴露されていない労働者からのサンプルよりも正確な方法で分析される可能性があります。 科学的好奇心により、研究者は暴露された人々の追加のバイオマーカー (例えば、リンパ球の DNA 付加物や DNA への酸化的損傷の尿中マーカーなど) を測定するようになるかもしれません。 これはかなり一般的な態度ですが、深刻な偏見につながる可能性があります.

 

戻る

水曜日、02月2011 03:15

統計的方法

因果関係に関する疫学的研究における統計の役割については、多くの議論があります。 疫学では、統計は主に、人間 (および動物) の集団に基づいてデータを評価するための方法の集まりです。 特に、統計学は不確実な現象を定量化し、測定するための技術です。 現実の非決定論的で可変的な側面を扱うすべての科学的調査は、統計的方法論から恩恵を受ける可能性があります。 疫学では、変動性は観察単位に固有のものであり、人は決定論的な存在ではありません。 ランダムな変動に関して統計の仮定をよりよく満たすという点で実験計画は改善されるでしょうが、倫理的および実際的な理由から、このアプローチはあまり一般的ではありません. 代わりに、疫学は観察研究に従事しており、ランダムおよびその他の変動源の両方に関連しています。

統計理論は、経験的観察から有効な推論を行うために、データの構造化されていない変動性を制御する方法に関係しています。 調査された現象の可変挙動についての説明が欠けているため、統計はそれを次のように想定しています。 ランダム—つまり、自然界の平均的な状態からの非体系的な逸脱です (これらの仮定に対する批判については、Greenland 1990 を参照してください)。

科学は経験に頼る 証拠 自然現象の理論モデルが妥当性を持っているかどうかを実証すること。 実際、統計理論から使用される方法は、現実世界での観測が科学者の見解 (数学的モデル形式) にどの程度一致するかを決定します。 したがって、数学に基づく統計手法は慎重に選択する必要があります。 「統計で嘘をつく方法」についての例はたくさんあります。 したがって、疫学者は、病気のリスクを測定するために適用する技術の適切性を認識する必要があります。 特に、統計的に有意な結果と統計的に有意でない結果の両方を解釈する際には、細心の注意が必要です。

言葉の最初の意味 統計 一連の値で計算された集計数量に関連します。 算術平均、中央値、最頻値などの記述指標または統計は、一連の観察結果の情報を要約するために広く使用されています。 歴史的に、これらの要約記述子は州によって管理目的で使用されていたため、名前が付けられました。 統計. 疫学では、一般的に見られる統計は、疫学の性質に固有の比較から導き出されます。これは、次のような質問をします。 このような比較を行う場合、相対リスクは、個人の特徴と病気になる確率との間の関連の強さの一般的な尺度であり、病因研究で最も一般的に適用されます。 帰属リスクは、個人の特徴と病気の発生との関連の尺度でもありますが、問題の要因を取り除く介入によって免れる症例数の観点からの利益を強調しています。これは主に公衆衛生と予防医学に適用されます。

言葉の第二の意味 統計 技術のコレクションと統計的推論の基礎となる理論に関連しています。 これは、経験的観測の特定のセットから有効な一般化を取得するためのルールを指定する帰納的論理の特定の形式です。 この一般化は、いくつかの仮定が満たされていれば有効です。 これは、教育を受けていない統計の使用が私たちを欺く XNUMX つ目の方法です。観察疫学では、統計手法によって暗示された仮定を確信することは非常に困難です。 したがって、感度分析と堅牢な推定量は、正しく実施されたデータ分析の仲間でなければなりません。 また、最終的な結論は全体的な知識に基づいている必要があり、統計的仮説検定の結果だけに頼るべきではありません。

定義

A 統計単位 経験的観察が行われる要素です。 それは、人、生物学的標本、または分析対象の原材料の一部である可能性があります。 通常、統計単位は研究者が個別に選択しますが、より複雑なデザインを設定できる場合もあります。 たとえば、縦断研究では、時間の経過とともに一連の決定が行われます。 この研究の統計単位は一連の決定であり、独立したものではありませんが、研究対象の各個人とのそれぞれの関係によって構造化されています。 統計単位間の独立性または相関性の欠如は、統計分析において特別な注意を払う必要があります。

A 変数 特定の統計単位で測定された個々の特性です。 それは 定数、固定された個人の特性—たとえば、人間に関する研究では、頭または胸部を持つことは定数ですが、研究の単一のメンバーの性別は変数です.

変数はさまざまな方法で評価されます 測定の目盛り. 最初の違いは、質的尺度と量的尺度の間です。 質的変数はさまざまな情報を提供します モダリティ or カテゴリ. 各モダリティを他のモダリティ (髪の色や性別のモダリティなど) と比較してランク付けまたは順序付けできない場合、変数を次のように表します。 名目. 病気の重症度のように、カテゴリを順序付けできる場合、変数は呼び出されます。 序数. 変数が数値で構成されている場合、スケールは定量的であると言います。 あ 個別の スケールは、変数がいくつかの明確な値 (たとえば、疾患の症例数の整数値) のみを想定できることを示します。 あ 連続的な スケールは、結果として生じる測定に使用されます リアル 数字。 連続スケールは インターバル null 値が純粋に従来の意味を持つ場合にスケーリングします。 つまり、ゼロの値は量がゼロであることを意味しません。たとえば、摂氏 XNUMX 度の温度は、熱エネルギーがゼロであることを意味しません。 この例では、値の違いのみが意味を持ちます (これが「間隔」スケールという用語の理由です)。 実際のヌル値は、 規模。 そのスケールで測定された変数の場合、値の比率も意味があります。実際、XNUMX 倍の比率は量が XNUMX 倍であることを意味します。 たとえば、物体の温度が XNUMX 番目の物体の XNUMX 倍であるということは、XNUMX 番目の物体の XNUMX 倍の熱エネルギーがあることを意味します。 あれば 温度は比率スケールで測定されます (たとえば、ケルビン度)。 特定の変数の許容値のセットは、変数のドメインと呼ばれます。

統計パラダイム

統計は、一連の特定の観察から一般化する方法を扱います。 この一連の経験的測定値は、 サンプル. サンプルから、収集された情報を要約するためにいくつかの記述統計を計算します。

測定値のセットを特徴付けるために一般的に必要とされる基本的な情報は、その中心的な傾向とその変動性に関連しています。 いくつかの選択肢の中から選択することは、現象を測定するために使用されるスケールと、統計が計算される目的によって異なります。 表 1 では、中心傾向と変動性 (または分散) のさまざまな測定値が説明され、適切な測定スケールに関連付けられています。

表 1. 測定尺度別の中心傾向と分散の指標

 

測定の目盛り

 

 

索引

定義

名目

序数

間隔/比率

算術平均

観測値の合計を観測の総数で割った値

 

x

中央値

観測された分布の中点値

 

x

x

モード

最頻値

x

x

x

レンジ

分布の最低値と最高値

 

x

x

分散

観測値の合計数から 1 を引いた値で割った平均値からの各値の差の XNUMX 乗の合計

 

 

x

 

計算された記述統計量は呼び出されます 見積もり サンプルが選択された母集団の類似量の代用としてそれらを使用する場合。 推定値の対応する母集団は、定数と呼ばれる定数です。 パラメータ. 異なる統計手法を使用して、同じパラメーターの推定値を取得できます。 見積もりは有効かつ正確でなければなりません。

母集団サンプル パラダイムは、母集団からサンプルを選択する方法によって妥当性を保証できることを意味します。 ランダムまたは確率的サンプリングが通常の戦略です。母集団の各メンバーがサンプルに含まれる確率が同じである場合、平均して、サンプルは母集団を代表する必要があり、さらに、期待値からの偏差が発生する可能性があります。たまたま説明。 ランダム サンプリングが実行されていれば、期待値からの特定の偏差の確率も計算できます。 同じ種類の推論が、母集団パラメーターに関してサンプルに対して計算された推定値に適用されます。 たとえば、サンプルの算術平均を母集団の平均値の推定値として使用します。 サンプル平均と母集団平均の間に差がある場合は、サンプルに含まれるメンバーの選択プロセスにおけるランダムな変動に起因します。 サンプルが無作為に選択された場合、この差の任意の値の確率を計算できます。 サンプル推定値と母集団パラメーターの間の偏差が偶然に説明できない場合、推定値は次のようになります。 偏った. 観測または実験の設計は、推定値に妥当性を提供し、基本的な統計パラダイムは無作為抽出のパラダイムです。

医学では、異なるグループ間の比較が研究の目的である場合、XNUMX 番目のパラダイムが採用されます。 典型的な例は対照臨床試験です。事前に定義された基準に基づいて、類似した特性を持つ一連の患者が選択されます。 この段階では、代表性は考慮されません。 試験に登録された各患者は、標準治療と評価対象の新薬を投与する治療群、または標準治療とプラセボを投与する対照群に無作為に割り付けられます。 この設計では、各グループへの患者のランダムな割り当てが、サンプルのメンバーのランダムな選択に取って代わります。 XNUMX つのグループ間の差の推定値は統計的に評価できます。これは、新薬の有効性がないという仮説の下で、非ゼロの差の確率を計算できるためです。

疫学では、ランダムに暴露されたグループと暴露されていない人々のグループを集める可能性がありません。 この場合、分析されたグループがランダムに選択または割り当てられたかのように、統計的手法を使用できます。 この仮定の正しさは、主に研究デザインに依存します。 この点は特に重要であり、生物医学研究における統計的手法よりも疫学的研究デザインの重要性を強調しています。

信号とノイズ

用語 ランダム変数 定義された確率が、想定できる各値に関連付けられている変数を指します。 確率変数の確率分布の理論モデルは母集団モデルです。 対応するサンプルは、サンプル頻度分布によって表されます。 これは、一連のデータを報告する便利な方法です。 これは、横軸に対象の変数、縦軸に周波数または相対周波数をとったデカルト平面で構成されます。 グラフィック表示により、最も頻度の高い値と、分布が算術平均などの特定の中心値の周りにどのように集中しているかを簡単に確認できます。

確率変数とその確率分布については、次の用語を使用します パラメータ, 平均期待値 (算術平均の代わりに)および 分散. これらの理論モデルは、特定の現象の変動性を記述します。 情報理論では、信号は中心傾向 (平均値など) で表され、ノイズは分散指数 (分散など) で測定されます。

統計的推論を説明するために、二項モデルを使用します。 以降のセクションでは、点推定値と信頼区間の概念、仮説の検定と誤った決定の確率、および研究の検出力について説明します。

表 2. 二項実験の可能な結果 (はい = 1、いいえ = 0) とその確率 (n = 3)

ワーカー

確率

A

B

C

 

0

0

0

1

0

0

0

1

0

0

0

1

0

1

1

1

0

1

1

1

0

1

1

1

 

例: 二項分布

生物医学研究と疫学において、確率的変動の最も重要なモデルは二項分布です。 これは、ほとんどの現象が XNUMX つのカテゴリのみを持つ名義変数として動作するという事実に依存しています。たとえば、病気の有無: 生存/死亡、または回復/病気です。 このような状況では、私たちは成功の確率、つまり、関心のあるイベント (病気の存在、生存、回復など) と、それを変える可能性のある要因または変数に関心があります。 考えさせて n = 3 人の作業員で、視覚障害がある確率 p に関心があるとします (はい/いいえ)。 私たちの観察の結果は、表 2 の可能な結果になる可能性があります。

表 3. 二項実験の可能な結果 (はい = 1、いいえ = 0) とその確率 (n = 3)

成功数

確率

0

1

2

3

 

これらのイベントの組み合わせのいずれかの確率は、各被験者に対して一定であり、他の結果から独立している (個々の) 成功確率である p を考慮することによって簡単に取得できます。 特定の順序付けられたシーケンスではなく、成功の総数に関心があるため、表を次のように並べ替えることができ (表 3 を参照)、一般に、次の確率を表します。 x 成功 P(x) を次のように定義しています:

コラボレー x は成功数と表記 x! の階乗を表す xすなわち、 x! = x×(x–1)×(x–2)…×1。

「病気である/病気ではない」という事象を個人確率で考えると、 対象が推定される状態を指します。 疫学では、この確率は「有病率」と呼ばれます。 p を推定するには、サンプル比率を使用します。

p = x/n

分散あり:

同じサイズの複製されたサンプルの仮想的な無限シリーズ n、異なるサンプル比率が得られます p = x/n, 二項式で与えられる確率で。 の「真の」値  は各サンプル比率によって推定され、p の信頼区間、つまり p の可能性のある値のセットは、観測されたデータと事前に定義された信頼レベル (たとえば 95%) が与えられた場合に、二項分布から次のように推定されます。の確率を与える p の値のセット x 事前に指定された値 (2.5% など) よりも大きい。 私たちが観察した仮説的な実験では x = で 15 回成功 n = 30 回の試行、推定成功確率は次のとおりです。

p = ×/n = 15 / 30 = 0.5 

表 4. 二項分布。 の異なる値の確率  x = n = 15 回の試行で 30 回の成功

確率

0.200

0.0002

0.300

0.0116

0.334

0.025

0.400

0.078

0.500

0.144

0.600

0.078

0.666

0.025

0.700

0.0116

 

表 95 から得られる p の 4% 信頼区間は 0.334 – 0.666 です。 表の各エントリは、 x = で 15 回成功 n = 二項式で計算された 30 回の試行。 たとえば、 = 0.30、次から取得します。

n 大きくて p 0.5 に近い場合、ガウス分布に基づく近似を使用できます。

コラボレー za /2 確率の標準ガウス分布の値を示します

P (|z| ³ za /2) = a/2;

1 - 選択された信頼レベルです。 検討した例では、 = 15/30 = 0.5; n = 30 で、標準のガウス テーブルから z0.025 = 1.96。 95% 信頼区間の結果は、値のセット 0.321 ~ 0.679 になります。 p = 0.5、 n = 30 z0.025 = 1.96 をガウス分布の上記の式に代入します。 これらの値は、以前に計算された正確な値に近いことに注意してください。

仮説の統計的検定には、母集団パラメーターの値に関する決定手順が含まれます。 前の例で、特定の工場の労働者の間で視覚障害のリスクが高いという命題に対処したいとします。 私たちの経験的観察によって検証される科学的仮説は、「特定の工場の労働者の間で視覚障害のリスクが高い」というものです。 統計学者は、「視覚障害のリスクの上昇はない」という補完仮説を偽ることによって、そのような仮説を実証します。 これは、数学的デモンストレーションに従います 不条理につき そして、主張を検証する代わりに、経験的証拠はそれを反証するためだけに使用されます。 統計的仮説は、 帰無仮説. XNUMX 番目のステップでは、観測値の変動性をモデル化するために使用される確率分布のパラメーターの値を指定します。 この例では、現象が XNUMX 値 (つまり、視覚障害の有無) であるため、パラメーター p (視覚障害の確率) を持つ XNUMX 項分布を選択します。 帰無仮説は、 = 0.25 とします。 この値は、トピックに関する知識のコレクションと、暴露されていない (つまり、非労働者) 集団における視覚障害の通常の有病率に関する演繹的知識から選択されます。 データが推定値を生成したとします。 = 0.50、調査した 30 人のワーカーから。

帰無仮説を棄却できますか?

はいの場合、何を支持して 代替案 仮説?

帰無仮説が棄却されることを証拠が示している場合、対立仮説を候補として指定します。 非方向性 (両側) の対立仮説は、母集団パラメーターが帰無仮説で述べられた値と異なると述べています。 方向性 (片側) の対立仮説は、母集団パラメーターが null 値よりも大きい (または小さい) ことを示します。

表 5. 二項分布。 の成功確率  = 0.25 in n = 30 回の試行

X

確率

累積確率

0

0.0002

0.0002

1

0.0018

0.0020

2

0.0086

0.0106

3

0.0269

0.0374

4

0.0604

0.0979

5

0.1047

0.2026

6

0.1455

0.3481

7

0.1662

0.5143

8

0.1593

0.6736

9

0.1298

0.8034

10

0.0909

0.8943

11

0.0551

0.9493

12

0.0291

0.9784

13

0.0134

0.9918

14

0.0054

0.9973

15

0.0019

0.9992

16

0.0006

0.9998

17

0.0002

1.0000

.

.

.

30

0.0000

1.0000

 

帰無仮説の下で、例の結果の確率分布を計算できます。 表 5 は、 = 0.25と n = 30、確率 (方程式 (1) を参照) および累積確率:

この表から、 x ³15 の視覚障害のある労働者

P(x ³15) = 1 - P(バツ15) = 1-0.9992 = 0.0008

これは、暴露されていない集団の病気の蔓延を経験した場合、15 人以上の労働者が視覚障害を持っていることを観察する可能性が非常に低いことを意味します。 したがって、帰無仮説を棄却し、調査対象の労働者集団において視覚障害の有病率が高いことを確認できます。

日時 n×p ³ 5 および n×(1-) ³ 5、ガウス近似を使用できます。

標準ガウス分布の表から、次のことが得られます。

P(|z|>2.95) = 0.0008

正確な結果と密接に一致しています。 この近似から、仮説の統計的検定の基本構造は、シグナルとノイズの比率で構成されていることがわかります。 この場合、シグナルは (p)、帰無仮説からの観測された偏差、ノイズはの標準偏差です P:

比率が大きいほど、ヌル値の確率が低くなります.

統計的仮説に関する意思決定を行う際に、XNUMX 種類のエラーが発生する可能性があります。 またはタイプ II のエラー、偽の場合の帰無仮説の受け入れ。 確率レベル、または p値、 ギリシャ文字 a で表されるタイプ I エラーの確率です。 これは、帰無仮説の下での観測値の確率分布から計算されます。 a-error レベル (たとえば、5%、1%) を事前に定義し、観測結果がこのいわゆる臨界レベル以下の確率を持つ場合、帰無仮説を棄却するのが通例です。

タイプ II エラーの確率は、ギリシャ文字 β で表されます。 それを計算するには、対立仮説で、テストするパラメーターの α 値を指定する必要があります (この例では、 )。 一般的な対立仮説 (異なる、より大きい、より小さい) は役に立ちません。 実際には、一連の対立仮説の β 値、または検定の統計的検出力と呼ばれるその補数が重要です。 たとえば、α-エラー値を 5% に固定すると、表 5 から次のことがわかります。

P(x ³12) <0.05

帰無仮説の下で = 0.25。 少なくとも観察するなら x = 12 回成功した場合、帰無仮説は棄却されます。 対応する β 値と検出力 x = 12 は表 6 で与えられます。 

表 6. x = 12、n = 30、α = 0.05 のタイプ II 誤差と検出力

β

出力

0.30

0.9155

0.0845

0.35

0.7802

0.2198

0.40

0.5785

0.4215

0.45

0.3592

0.6408

0.50

0.1808

0.8192

0.55

0.0714

0.9286

 

この場合、私たちのデータは、 はヌル値の 0.25 より大きく、0.50 未満です。これは、これらの値に対して研究の検出力が低すぎる (<80%) ためです。 <0.50 — つまり、この調査の感度は 8% です。 = 0.3、22% = 0.35、…、64% = 0.45。

より低い β またはより高いレベルの検出力を達成する唯一の方法は、研究の規模を拡大することです。 たとえば、表 7 では、β と検出力を報告しています。 n = 40; 予想通り、検出できるはずです  0.40 より大きい値。 

表 7. x = 12、n = 40、α = 0.05 のタイプ II 誤差と検出力

β

出力

0.30

0.5772

0.4228

0.35

0.3143

0.6857

0.40

0.1285

0.8715

0.45

0.0386

0.8614

0.50

0.0083

0.9917

0.55

0.0012

0.9988

 

研究デザインは、検討に値する代替仮説のセットの慎重な精査に基づいており、適切なサンプルサイズを提供する研究への力を保証します.

疫学文献では、信頼できるリスク推定値を提供することの関連性が強調されてきました。 したがって、信頼区間 (95% または 90%) を報告することが重要です。 p-仮説検定の値。 同じ種類の推論に従って、小規模な研究からの結果の解釈に注意を払う必要があります。検出力が低いため、中間の影響でさえ検出されない可能性があり、一方で、大きな影響が後で再現されない可能性があります。

高度な方法

産業医学のコンテキストで使用される統計手法の複雑さの程度は、ここ数年で増加しています。 主な発展は、統計モデリングの分野で見られます。 Nelder および Wedderburn 族の非ガウス モデル (一般化線形モデル) は、関連する応答変数が XNUMX 値 (例: 生存/死亡) またはカウント(例:労働災害の数)。

これは、分割表に基づく従来型の分析 (単純な層別分析) に代わるものとして、回帰モデルを広範囲に適用するための出発点でした。 ポアソン回帰、コックス回帰、およびロジスティック回帰は、現在、それぞれ縦断研究およびケース コントロール研究の分析に日常的に使用されています。 これらのモデルは、カテゴリ応答変数の線形回帰に対応するものであり、関連する関連する疫学的尺度を直接提供するという優れた機能を備えています。 たとえば、ポアソン回帰の係数は率比の対数ですが、ロジスティック回帰の係数はオッズ比の対数です。

これをベンチマークとして、統計モデリングの分野でのさらなる発展は、XNUMX つの主要な方向性を示しました。反復カテゴリ測定のモデルと、一般化線形モデル (一般化加法モデル) を拡張するモデルです。 どちらの場合も、現実から生じるより複雑な問題に対処するために、統計ツールの柔軟性を高めることに重点が置かれています。 反復測定モデルは、分析単位が個人以下のレベルにある多くの職業研究で必要とされます。 例えば:

  1. 手根管症候群に対する労働条件の影響に関する研究では、互いに独立していない人の両手を考慮する必要があります。
  2. 環境汚染物質の時間的傾向の分析と子供の呼吸器系への影響は、用量反応関係の正確な関数形式を取得するのが難しいため、非常に柔軟なモデルを使用して評価できます。

 

ベイジアン統計のコンテキストでは、並行しておそらくより速い発展が見られました。 ベイジアン法を使用することの実際的な障壁は、コンピューター集約的な方法の導入後に崩壊しました。 ギブズ サンプリング スキームなどのモンテカルロ手順により、ベイズ法の最も困難な機能である事後分布を計算するための数値積分の必要性を回避することができました。 実際の問題や複雑な問題におけるベイジアンモデルの応用の数は、応用ジャーナルのスペースを増やしています。 たとえば、地理的分析と小地域レベルでの生態学的相関関係、およびエイズ予測モデルは、ベイジアン アプローチを使用して取り組むことがますます多くなっています。 これらの開発は、疫学的データの分析に使用できる代替統計ソリューションの数の増加を表すだけでなく、ベイジアン アプローチがより健全な戦略と見なすことができるため、歓迎されます。

 

戻る

この章のこれまでの記事では、疫学的観察から信頼できる推論を導き出すために、研究デザインを注意深く評価する必要があることを示してきました。 観察疫学における推論は、この学問分野の非実験的性質のために弱いと主張されてきたが、よく計画された観察よりもランダム化比較試験やその他の種類の実験計画が優れているという組み込みの優位性はない(Cornfield 1954)。 ただし、健全な推論を引き出すには、バイアスと交絡の潜在的な原因を特定するために、研究デザインを徹底的に分析する必要があります。 偽陽性と偽陰性の両方の結果は、さまざまな種類のバイアスに起因する可能性があります。

この記事では、疫学的観察の因果関係を評価するために提案されたガイドラインのいくつかについて説明します。 さらに、優れた科学は倫理的に正しい疫学研究の前提ですが、倫理的な懸念に関連する追加の問題があります。 したがって、疫学研究を行う際に発生する可能性のある倫理的問題の分析について、いくつかの議論を行ってきました。

因果関係の評価

何人かの著者が疫学における因果関係の評価について論じている (Hill 1965; Buck 1975; Ahlbom 1984; Maclure 1985; Miettinen 1985; Rothman 1986; Weed 1986; Schlesselman 1987; Maclure 1988; Weed 1988; Karhausen 1995)。 議論の主なポイントの XNUMX つは、疫学が他の科学で使用される因果関係の確認に同じ基準を使用するか、または使用する必要があるかどうかです。

原因をメカニズムと混同してはなりません。 たとえば、アスベストは中皮腫の原因ですが、がん遺伝子の突然変異は推定メカニズムです。 既存の証拠に基づいて、(a) 異なる外部被ばくが同じメカニズム段階で作用する可能性があり、(b) 通常、疾患の発症におけるメカニズム段階の固定された必要な順序は存在しない可能性があります。 たとえば、発がんは、遺伝子変異から細胞増殖、さらに遺伝子変異へと至る一連の確率的 (確率論的) 遷移として解釈され、最終的には癌に至ります。 さらに、発がんは多因子プロセスです。つまり、さまざまな外部被ばくが影響を与える可能性があり、感受性のある人にはそれらのどれも必要ありません. このモデルは、がんに加えていくつかの疾患に適用される可能性があります。

ほとんどの曝露と疾患の関係のこのような多因子的かつ確率論的な性質は、XNUMX つの特定の曝露が果たす役割を解きほぐすことが問題であることを意味します。 さらに、疫学の観察的性質により、イベントの経過を故意に変更することで病因関係を明らかにする実験を行うことができなくなります。 曝露と疾病との間の統計的関連の観察は、その関連が因果関係があることを意味するものではありません。 たとえば、ほとんどの疫学者は、ディーゼル排気への曝露と膀胱がんとの関連を因果関係として解釈していますが、ディーゼル排気に曝露された労働者 (主にトラックやタクシーの運転手) は、曝露されていない個人よりも喫煙者であることが多いと主張する人もいます。 . したがって、この主張によれば、観察された関連性は、喫煙などのよく知られた危険因子によって「混乱」することになります。

ほとんどの曝露と病気の関連性は確率論的多因子性であるため、疫学者は因果関係を認識するためのガイドラインを作成しました。 これらは、もともとサー ブラッドフォード ヒルが慢性疾患に対して提案したガイドラインです (1965 年)。

  • 協会の強み
  • 用量反応効果
  • 時間的な曖昧さの欠如
  • 調査結果の一貫性
  • 生物学的妥当性
  • 証拠の一貫性
  • 協会の特異性。

 

これらの基準は、一般的なガイドラインまたは実用的なツールとしてのみ考慮されるべきです。 実際、科学的因果評価は、暴露と疾病の関係の測定を中心とした反復プロセスです。 ただし、ヒルの基準は、疫学における因果推論手順の簡潔で実用的な説明としてよく使用されます。

ヒルの基準を適用して、塩化ビニルへの曝露と肝臓血管肉腫との関係の例を考えてみましょう。

疫学的研究の結果の通常の表現は、暴露と疾患との関連の程度の尺度です (ヒルの最初の基準)。 1 よりも大きい相対リスク (RR) は、曝露と疾患との間に統計的な関連があることを意味します。 例えば、肝臓の血管肉腫の発生率が通常 10 万分の 1 であるのに対し、塩化ビニルにさらされた人では 100,000 万分の 100 である場合、RR は 100 になります (つまり、塩化ビニルを扱う人は XNUMX 倍増加します)。塩化ビニルを使用しない人に比べて血管肉腫を発症する危険性があります)。

暴露レベルの増加に伴ってリスクが増加する場合 (用量反応効果、Hill の第 XNUMX 基準)、および暴露と疾患の間の時間的関係が生物学的根拠に基づいている場合 (暴露が影響に先行し、この「誘導」期間の長さは、疾患の生物学的モデル (Hill の第 XNUMX 基準) と互換性があります。 さらに、異なる状況で調査結果を再現することができた他の人によって同様の結果が得られた場合、関連性は因果関係である可能性が高くなります (「一貫性」、Hill の第 XNUMX 基準)。

結果の科学的分析には、生物学的妥当性の評価が必要です (ヒルの第 XNUMX 基準)。 これは、さまざまな方法で実現できます。 たとえば、単純な基準は、主張されている「原因」が標的臓器に到達できるかどうかを評価することです(たとえば、肺に到達しない吸入物質は体内を循環できません)。 また、動物実験から得られた裏付けとなる証拠も役に立ちます。塩化ビニルで治療された動物における肝臓血管肉腫の観察は、ヒトで観察された関連性を強く補強します。

観察結果の内部的な一貫性 (たとえば、RR は両方の性別で同様に増加する) は重要な科学的基準です (Hill の第 XNUMX 基準)。 関係が非常に具体的である場合、つまり、まれな原因および/またはまれな疾患、または患者の特定の組織型/サブグループが関係している場合、因果関係の可能性が高くなります (Hill の XNUMX 番目の基準)。

「列挙的帰納法」(曝露と疾病との関連の事例を単純に列挙すること)は、因果推論における帰納的段階を完全に説明するには不十分です。 通常、数え上げ帰納法の結果は、複雑で依然として混乱した観察結果を生み出します。これは、さまざまな因果連鎖、またはより頻繁には、真の因果関係とその他の無関係な露出が絡み合っているためです。 別の説明は、「排除帰納法」によって排除する必要があります。これは、関連性が他のものと「交絡」していないため、因果関係がある可能性が高いことを示しています。 別の説明の簡単な定義は、「その影響が関心のあるエクスポージャーの効果と混合され、したがって関心のあるエクスポージャーのリスク推定を歪める無関係な要因」です (Rothman 1986)。

帰納の役割は知識を拡大することであり、演繹の役割は「真実を伝達する」ことです (Giere 1979)。 演繹的推論は、研究デザインを精査し、経験的に真実ではなく、論理的に真実である関連性を特定します。 そのような関連付けは事実ではなく、論理的な必要性です。 たとえば、 選択バイアス 暴露グループが病人から選択された場合 (塩化ビニルに「暴露」された肝臓血管肉腫のクラスターを募集するコホート研究を開始したときのように)、または非暴露グループが健康な人々から選択された場合に発生します。 どちらの場合も、暴露と病気の間に見られる関連性は必然的に (論理的に) あるが、経験的には真実ではない (Vineis 1991)。

結論として、その観察的(非実験的)性質を考慮しても、疫学は他の科学分野の伝統と実質的に異なる推論手順を使用していません(Hume 1978; Schaffner 1993)。

疫学研究における倫理的問題

因果関係の推測には微妙な問題が伴うため、疫学者は研究を解釈する際に特別な注意を払う必要があります。 確かに、倫理的な性質のいくつかの懸念はこれから流れます。

疫学研究における倫理的問題は、激しい議論の対象となっている (Schulte 1989; Soskolne 1993; Beauchamp et al. 1991)。 その理由は明らかです。疫学者、特に職業疫学者や環境疫学者は、経済、社会、健康政策に重大な意味を持つ問題を研究することがよくあります。 特定の化学物質への暴露と病気との関連に関する否定的および肯定的な結果は、何千人もの人々の生活に影響を与え、経済的決定に影響を与え、したがって政治的選択を深刻に左右する可能性があります。 したがって、疫学者はプレッシャーにさらされている可能性があり、他の人から、彼または彼女の調査結果の解釈をわずかにまたは大幅に変更するように誘惑されたり、奨励されたりすることさえあります。

いくつかの関連する問題の中で、 透明 データ収集、コーディング、コンピューター化、および分析を行うことは、研究者側の偏見の申し立てに対する防御として中心的役割を果たします。 また、重要であり、そのような透明性と相反する可能性があるのは、疫学研究に登録された被験者が個人情報の公開から保護される権利です。
(秘密 問題)。

特に因果推論のコンテキストで発生する可能性のある不正行為の観点から、倫理ガイドラインによって対処されるべき問題は次のとおりです。

  • 誰がデータを所有しており、どのくらいの期間データを保持する必要がありますか?
  • 行われた作業の信頼できる記録を構成するものは何ですか?
  • 公的助成金は、適切な文書化、アーカイブ、およびデータの再分析に関連する費用を予算内に収めていますか?
  • 第三者によるデータの再分析において、主任研究者の役割はありますか?
  • データストレージの実践基準はありますか?
  • 職業疫学者および環境疫学者は、データの精査や監査をすぐに実行できる規範的な環境を確立する必要がありますか?
  • 適切なデータ保管慣行は、不正行為だけでなく、不正行為の申し立てを防ぐためにどのように役立ちますか?
  • データ管理、結果の解釈、および擁護に関連して、職業疫学および環境疫学における不正行為を構成するものは何ですか?
  • 疫学者および/または専門機関の、実践基準および評価のための指標/結果の開発、およびアドボカシーの役割における専門知識の貢献における役割は何ですか?
  • 倫理と法律に関する懸念に対処する上で、専門機関/組織はどのような役割を果たしますか? (ソスコルネ 1993)

 

職業疫学および環境疫学の場合、他の重要な問題は、研究の予備段階への労働者の関与、および登録されて直接影響を受ける被験者への研究結果の公開に関連しています (Schulte 1989 )。 残念ながら、疫学研究に参加している労働者が、研究の目的、その解釈、および調査結果の潜在的な用途について共同で議論することは一般的ではありません (これは、労働者にとって有益であると同時に有害である可能性があります)。

これらの質問に対する部分的な回答は、最近のガイドライン (Beauchamp et al. 1991; CIOMS 1991) によって提供されています。 しかし、各国の職業疫学者の専門家団体は、倫理的な問題について徹底的な議論を行い、場合によっては、国際的に受け入れられている規範的な実践基準を認識しながら、地域の状況に適した一連の倫理ガイドラインを採用する必要があります。

 

戻る

台湾のような国での職業病の文書化は、産業医にとって挑戦です。 化学物質安全データ シート (MSDS) を含むシステムがないため、作業員は通常、自分が扱っている化学物質を認識していませんでした。 多くの職業病は潜伏期間が長く、臨床的に明らかになるまで特定の症状や徴候を示さないため、職業上の原因の認識と特定はしばしば非常に困難です。

職業病をよりよく管理するために、工業用化学物質の比較的完全なリストと一連の特定の徴候および/または症状を提供するデータベースにアクセスしました。 推測と反論の疫学的アプローチ(つまり、考えられるすべての代替説明を検討し、除外する)と組み合わせて、XNUMX種類以上の職業病とボツリヌス中毒の発生を記録しました。 同様の状況にある他の国にも同様のアプローチを適用し、各化学物質の識別シート(MSDSなど)を含むシステムを提唱し、迅速な認識を可能にし、それによって職業上の労働災害を防止するためのXNUMXつの手段として実施することをお勧めします。病気。

カラー印刷工場の肝炎

1985 年、カラー印刷工場の 1991 人の労働者が、急性肝炎の症状で地域の病院に入院しました。 XNUMX 人のうちの XNUMX 人は重度の急性腎不全でした。 台湾ではウイルス性肝炎の有病率が高いため、最も可能性の高い病因の中でウイルス起源を考慮する必要があります。 アルコールや薬物の使用、職場での有機溶剤も含まれるべきです。 台湾には MSDS のシステムがなかったため、従業員も雇用主も工場で使用されているすべての化学物質を認識していませんでした (Wang XNUMX)。

いくつかの毒物学データベースから肝毒性および腎毒性物質のリストを作成する必要がありました。 次に、上記の仮説から考えられるすべての推論を導き出しました。 たとえば、A 型肝炎ウイルス (HAV) が原因である場合、感染した労働者の抗体 (HAV-IgM) を観察する必要があります。 B 型肝炎ウイルスが原因である場合、影響を受けていない労働者と比較して、影響を受けた労働者の間でより多くの B 型肝炎表面抗原 (HBsAg) キャリアを観察する必要があります。 アルコールが主な病因である場合、影響を受けた労働者の間でより多くのアルコール乱用者または慢性アルコール依存症を観察する必要があります。 有毒な溶媒 (例: クロロホルム) が原因である場合は、職場で見つける必要があります。

各労働者に対して総合的な医学的評価を実施しました。 ウイルスの病因は、アルコール仮説と同様に、証拠によって裏付けられなかったため、簡単に反駁されました。

代わりに、工場の 17 人の労働者のうち 25 人が異常な肝機能検査を受けており、異常な肝機能の存在と、相互接続された空調システムが使用されていた 115 つの部屋のいずれかで最近働いた履歴との間に有意な関連性が見つかりました。印刷機の冷却用に設置。 この関連性は、B 型肝炎のキャリア状態による層別化の後も残っていました。後に、印刷機のポンプを洗浄するために「洗浄剤」(四塩化炭素) を不注意に使用した後に事件が発生したことが判明しました。 さらに、ポンプ洗浄操作のシミュレーション テストでは、肝臓の損傷を引き起こす可能性のある 495 ~ 20 ppm の四塩化炭素の周囲空気レベルが明らかになりました。 更なる反駁の試みとして、職場から四塩化炭素を除去することにより、新たな症例は発生せず、影響を受けたすべての労働者は職場から XNUMX 日間離れた後に改善したことがわかりました。 したがって、発生は四塩化炭素の使用によるものであると結論付けました。

カラー印刷工場の神経症状

1986 年 1991 月、Chang-Hwa のカラー印刷工場の見習いが突然、急性の両側性筋力低下と呼吸麻痺を発症しました。 犠牲者の父親は電話で、同様の症状を持つ他の労働者が何人かいると主張した。 カラー印刷工場では、有機溶剤への暴露による職業病が報告されていたため、溶剤中毒の可能性を念頭に置いて病因を決定するために職場に行きました (Wang XNUMX)。

しかし、私たちの一般的な実践は、上位運動ニューロン、下位運動ニューロン、および神経筋接合部の機能障害を含む他の医学的問題を含む、すべての代替推測を考慮することでした. 繰り返しますが、上記の仮説から結果ステートメントを導き出しました。 たとえば、多発神経障害を引き起こすと報告されている溶媒 (例、n-ヘキサン、メチルブチルケトン、アクリルアミド) が原因である場合、神経伝導速度 (NCV) も損なわれます。 それが上位運動ニューロンを含む他の医学的問題である場合、意識障害および/または不随意運動の兆候があるでしょう.

フィールド観察では、影響を受けたすべての労働者が臨床経過を通じて明確な意識を持っていたことが明らかになりました。 影響を受けた 26 人の労働者の NCV 研究では、正常な下位運動ニューロンが示されました。 不随意運動はなく、症状出現前の投薬歴や咬傷はなく、ネオスチグミン検査は陰性でした。 27 月 32 日または XNUMX 日に工場のカフェテリアで朝食を食べることと、病気との間に有意な関連性が見られました。 この XNUMX 日間、影響を受けた労働者 XNUMX 人中 XNUMX 人、影響を受けていない労働者 XNUMX 人中 XNUMX 人が工場で朝食を食べました。 さらなるテストの取り組みにより、A型ボツリヌス毒素が無認可の会社によって製造された缶詰のピーナッツで検出され、その標本も完全な成長を示したことが示されました. ボツリヌス菌. 最終的な反証裁判は、そのような製品を商業市場から排除することであり、その結果、新しい事件は発生しませんでした. この調査は、台湾の市販食品からのボツリヌス中毒症の最初の事例を記録したものです。

パラコート製造業者における前癌性皮膚病変

1983 年 1985 月、パラコート製造工場の 28 人の労働者が皮膚科クリニックを訪れ、日光にさらされた手、首、顔の一部に過角化症の変化を伴う多数の両側性色素沈着斑を訴えました。 一部の皮膚標本では、ボウェノイドの変化も示されました。 ビピリジル製造労働者の間で悪性および前悪性の皮膚病変が報告されたため、職業上の原因が強く疑われました。 しかし、電離放射線、コールタール、ピッチ、すす、またはその他の多環芳香族炭化水素 (PAH) への曝露など、皮膚がんの他の代替原因 (または仮説) も考慮する必要がありました。 これらの推測を​​すべて排除するために、我々は 1987 年に調査を実施し、パラコートの製造または包装に携わったことのある 1993 の工場すべてを訪問し、製造工程と労働者を調査しました (Wang et al. XNUMX; Wang XNUMX)。

我々は 228 人の労働者を調べたが、日光と 4'-4'-ビピリジンとその異性体を除いて、前述の皮膚発がん物質にさらされた者はいなかった。 複数回曝露した労働者を除外した後、管理者の 82 人に 17 人、パラコート包装労働者 XNUMX 人に XNUMX 人が色素沈着過剰の皮膚病変を発症したのに対し、ビピリジンの結晶化と遠心分離のみに関与した労働者の XNUMX 人に XNUMX 人が色素沈着過剰の皮膚病変を発症したことがわかりました。 さらに、過角化症またはボーエン病変を有する XNUMX 人の労働者全員が、ビピリジルおよびその異性体への直接暴露の病歴を持っていました。 ビピリジルへの曝露が長くなるほど、皮膚病変が発生する可能性が高くなり、この傾向は、層別化およびロジスティック回帰分析によって示されるように、日光や年齢では説明できません. したがって、皮膚病変は暫定的にビピリジル暴露と日光の組み合わせに起因すると考えられました。 ビピリジル暴露を含むすべてのプロセスを囲んだ後、新しいケースが発生した場合は、フォローアップするためにさらに反論を試みました. 新しいケースは見つかりませんでした。

議論と結論

上記の XNUMX つの例は、反論アプローチと職業病のデータベースを採用することの重要性を示しています。 前者は、最初の直観的仮説と同じように代替仮説を常に考えさせますが、後者は、真の原因論に導くことができる化学物質の詳細なリストを提供します. このアプローチの考えられる制限の XNUMX つは、想像できる別の説明しか考えられないことです。 選択肢のリストが不完全な場合、答えがないか、間違った答えが残る可能性があります。 したがって、職業病の包括的なデータベースは、この戦略の成功に不可欠です。

以前は、面倒な方法で独自のデータベースを構築していました。 ただし、最近公開された OSH-ROM データベースには、160,000 を超える抄録の NIOSHTIC データベースが含まれており、そのような目的で最も包括的なデータベースの XNUMX つになる可能性があります。 百科事典. さらに、新しい職業病が発生した場合、そのようなデータベースを検索して、既知のすべての病因を除外し、反論の余地のないものを残さない可能性があります。 このような状況では、まず問題を軽減し、さらに仮説を検証できるように、新しいエージェント (または職業環境) をできるだけ具体的に特定または定義しようとすることがあります。 パラコート製造業者による前癌性皮膚病変の事例は、この種の良い例です。

 

戻る

免責事項: ILO は、この Web ポータルに掲載されているコンテンツが英語以外の言語で提示されていることについて責任を負いません。英語は、オリジナル コンテンツの最初の制作およびピア レビューに使用される言語です。その後、特定の統計が更新されていません。百科事典の第 4 版 (1998 年) の作成。

内容