Evidensbaseret medicin · K5-K6 · Udgave 1

Case-kontrol og andre observationelle studiedesign

Et case-kontrol-studie begynder med udfaldet. Det afgørende er, hvem der kunne være blevet case, og hvordan deres eksponering blev målt.

GPT-6 Sol · Extra High 18-25 min 1 eksamensopgave

Test først

Detaljegrad

Kort fortalt

Case-kontrol og andre observationelle studiedesign

Lær at læse et case-kontrol-studie som et effektivt udsnit af en kildepopulation: vælg cases og kontroller, forstå risk-set sampling og odds ratio, og find selektionsbias, informationsbias og confounding. Til sidst skelnes designet fra tværsnit, økologiske studier og case-crossover.

Spørgsmål og population

Begynd med det spørgsmål, designet skal belyse

Design vælges efter spørgsmålet, ikke en fast evidenspyramide

Standard

Randomisering er stærk til mange spørgsmål om en planlagt intervention.

Sjældne skader, lange latenstider eller uetiske forsøg kan kræve observationelle data.

Hvad skal undersøges?

Et forsøg med tilfældig tildeling kan mindske confounding ved behandlingseffekt, men kan være upraktisk eller uetisk ved mistænkt skade. Et registerbaseret studie kan omfatte mange mennesker og sjældne udfald. Det køber størrelse og realisme på bekostning af den kontrol over tildelingen, som randomisering giver.

Case-kontrol er et udtræk, ikke en tidsmaskine

Deltagere vælges ud fra, om udfaldet er indtruffet, hvorefter tidligere eksponering sammenlignes. Eksponeringen skal stadig defineres i tiden før udfaldet. Et kohortestudie begynder derimod med personer under risiko og følger udfaldene; et nested case-kontrol-studie trækker kun en del af denne kohortes personer ind i den dyre måling.

Tegn kildepopulationen, før du leder efter kontroller

Standard

Kildepopulationen er de personer og den persontid, hvor cases kunne opstå.

En passende kontrol skal kunne være blevet case i den samme population.

Tid og sted hører med

Definér hvor personer kom fra, hvornår de var under risiko, og hvilket udfald der gjorde en person til case. Hvis cases hentes fra ét hospital, men kontroller fra en anden population, kan forskellen i eksponering skyldes rekrutteringen. Den rette kontrol er ikke blot en “rask person”, men en repræsentant for eksponeringen i den relevante kildepopulation.

Indeksdatoen låser sammenligningen

For hver case skal eksponering og relevante confoundere måles før eller ved en veldefineret indeksdato. Kontroller får en tilsvarende dato. Uden dette kan den ene gruppe få længere mulighed for at blive registreret som eksponeret end den anden.

Case-kontrol

Følg udvælgelsen fra cases til kontroller

Udvælgelsen begynder med et præcist udfald

Standard

Definér cases ens og helst uden kendskab til deres eksponering.

Kontroller udtages fra samme studiebase, ikke efter hvor lette de er at finde.

Hvem er en case?

En diagnosekode kan være for bred eller overse hændelser. Kræver studiet en verificeret førstegangshændelse, bør både valideringsmetoden og eventuelle udelukkelser fremgå. Hvis sandsynligheden for at blive registreret som case afhænger af eksponeringen, kan selektions- eller målefejl ændre sammenhængen.

Hvem er en kontrol?

En kontrol skal repræsentere dem, der kunne have optrådt som case på det relevante tidspunkt. Hvis eksponering øger sandsynligheden for at få netop den sygdom, som kontrolgruppen rekrutteres fra, vil kontrollerne få en kunstigt høj eksponeringsandel. Et ensartet alders- eller kønsmatch retter ikke en forkert studiebase.

Risk-set sampling bevarer tidsrækkefølgen i et nested design

Standard

Når en case opstår, udtages kontroller blandt personer, der stadig er under risiko da.

En kontrol kan senere selv blive case og kan efter designet udtrækkes igen.

Et nyt sæt for hver hændelse

Forestil dig en kendt kohorte med løbende opfølgning. På datoen for hver ny case trækker man kontroller fra det aktuelle risikosæt og sammenligner eksponering målt frem til samme dato. Det er mere end en bekvem genvej: udtrækket skal repræsentere persontiden i kohorten.

Hvad estimerer OR så?

Med korrekt risk-set udtræk og analyse kan odds ratio fra det nested case-kontrol-studie estimere kohortens incidensrateratio. Det kræver ikke i sig selv et sjældent udfald. Det er ikke samme argument som den almindelige tilnærmelse mellem odds ratio og kumulativ risikoratio ved sjældne udfald.

Case-kontrol-OR sammenligner eksponeringsodds

Standard

OR = odds for eksponering blandt cases divideret med odds blandt kontroller.

Antal cases og kontroller er valgt af forskerne; absolut sygdomsrisiko kan normalt ikke læses direkte ud af dem.

Regn et lille eksempel

Antag 20 eksponerede og 10 ueksponerede cases samt 40 eksponerede og 80 ueksponerede kontroller. Eksponeringsodds er 20/10 blandt cases og 40/80 blandt kontroller; OR er 2 / 0,5 = 4. Tallet er ikke i sig selv “fire gange så stor sandsynlighed for sygdom”.

Hvilken størrelse ønsker du?

Ved almindelig udvælgelse af kontroller kan en OR ligge tæt på en kumulativ risikoratio under bestemte betingelser, blandt andet et sjældent udfald. Ved risk-set sampling er målestokken i stedet typisk incidensrateratioen. Spørg altid hvordan kontrollerne blev udtaget, før du oversætter OR.

Matching kan hjælpe sammenlignelighed, men kræver passende analyse

Standard

Matching på fx alder og køn ændrer, hvem der kan udtages som kontrol.

Det fjerner ikke al confounding og må ikke ignoreres i analysen.

Hvad blev der matchet på?

Vælg variable, som er knyttet til både eksponering og udfald, og som er kendt før udfaldet. I et individuelt matchet case-kontrol-studie skal analysen afspejle de matchede sæt, fx med betinget logistisk regression. Tabeller over cases og kontroller ser derfor anderledes ud end baseline-tabellen i et randomiseret forsøg.

Overmatching og forkert matching

Matcher man på noget, der ligger tæt på selve eksponeringen, kan man fjerne den kontrast, man ville undersøge. Matcher man på en mediator eller en variabel påvirket af både eksponering og udfald, kan man indføre bias. En senere statistisk justering er ikke en universel reparation af et dårligt udvælgelsesvalg.

Fejlkilder

Undersøg hvad der kan forklare associationen

Spørg om både hvem der blev valgt og hvad der blev målt

Standard

Selektionsbias kan opstå, hvis udtræk til studiet afhænger af eksponering.

Informationsbias kan opstå, hvis eksponering eller udfald måles forskelligt.

Kontrolvalg er det særlige ømme punkt

Hospitalskontroller kan være praktiske, men deres indlæggelsesårsager må ikke forskyde den eksponering, man undersøger. Se også om case-registrering er lige følsom blandt eksponerede og ueksponerede. En høj deltagelsesprocent gør ikke en forkert kildepopulation rigtig.

Målefejl er ikke én ting

Et interview efter diagnosen kan give forskellig erindring hos cases og kontroller. Registerdata kan reducere recall bias, men en indløst recept er ikke sikker indtagelse, og en diagnosekode kan fejlklassificere udfaldet. Spørg om fejlen er ens i grupperne og om den plausibelt kan flytte estimatet.

Confounding er en alternativ forklaring på associationen

Standard

En fælles årsag kan påvirke både eksponering og udfald.

Matching, restriktion og justering kan hjælpe, men ikke kompensere for alt ukendt eller fejlmålt.

Tænk før regressionsmodellen

Ved lægemidler er behandlingsindikationen ofte knyttet til patientens øvrige sygdomme og prognose. Tegn den mulige kæde: sygdomsbyrde kan påvirke både sandsynligheden for at få lægemidlet og risikoen for udfaldet. Vælg confoundere ud fra en sådan faglig model, ikke kun efter p-værdier i tabel 1.

Hvad betyder et skift efter justering?

Et stort skift mellem rå og justeret OR tyder på, at de målte covariater har betydning for associationen. Det beviser ikke, at al confounding er fjernet, eller at den justerede association er en kausal effekt. Se hvad der blev målt, hvordan det blev kodet, og om centrale faktorer mangler.

Læs et registerstudie fra design til begrænset konklusion

Standard

Et dansk case-kontrol-studie undersøgte beta-blokkere og alvorlig øvre gastrointestinal blødning.

For “nogensinde brug” faldt OR fra 1,71 råt til 1,10 efter justering; det er ikke bevis for en beskyttende effekt.

Hvordan var det gjort?

Studiet definerede validerede blødningscases, valgte ti alders- og kønsmatchede kontroller fra det aktuelle risikosæt og brugte samme indeksdato til eksponeringsmåling. Receptindløsning blev brugt som mål for beta-blokkerbrug. Det er stærkere end at hente tilfældige “raske” kontroller fra en ubestemt kilde.

Hvorfor flyttede estimatet sig?

For nogensinde brug var rå OR 1,71 og justeret OR 1,10 (95 % KI 1,00-1,21). Patienter med blødning havde også mere komorbiditet og anden medicinbrug. Den justerede analyse taler imod en tydelig beskyttelse i disse data, men den kan ikke udelukke residual confounding eller fejlmålt håndkøbsmedicin og livsstil.

Andre observationelle design

Vælg analyseenhed og tidsvindue bevidst

Tværsnit beskriver et tidspunkt, men ofte ikke rækkefølgen

Standard

Eksponering og udfald måles hos de samme personer omkring samme tidspunkt.

Designet kan beskrive forekomst og association; årsagens retning er ofte uklar.

Et godt svar på et andet spørgsmål

Et repræsentativt spørgeskema kan vise, hvor udbredt en tilstand eller holdning er, og hvilke faktorer der optræder samtidig. Men hvis man måler sygdom og aktuel adfærd på én gang, kan sygdommen også have ændret adfærden. Se på udvælgelse, svarmønster og målemetode.

Brug ikke designet til at foregive opfølgning

Et tværsnit med individuelle 2×2-data kan give en association, men ingen person-tid eller dokumenteret sekvens. Hvis en eksponering er sikkert historisk og et udfald aktuelt, kan tidsargumentet være stærkere; det skal vises i data, ikke antages ud fra ordet “tværsnit”.

Økologiske data handler om grupper, ikke nødvendigvis individer

Standard

Ved økologiske studier er lande, regioner eller perioder analyseenheder.

En sammenhæng mellem gruppetal kan ikke uden videre overføres til den enkelte person.

Den økologiske fejlslutning

Hvis regioner med høj eksponering også har høj sygdomsrate, ved du endnu ikke, om de syge personer selv var eksponerede. Forskelle i alder, sygdomsregistrering, sundhedsvæsen eller andre gruppetræk kan forklare mønstret. Økologiske data kan generere hypoteser og vurdere befolkningsforløb, men sjældent alene besvare en individuel årsagspåstand.

Når en hel befolkning ændrer sig

Et naturligt eksperiment kan undersøge en politik eller indsats, der indføres på befolkningsniveau. En interrupted time series ser efter ændring i niveau eller hældning efter indgrebet. Kontroller for allerede igangværende trends, samtidige ændringer og ændret måling; et synligt knæk er ikke i sig selv bevis for årsag.

Case-crossover spørger “hvorfor netop nu?”

Standard

Sammenlign eksponering lige før en akut hændelse med andre tidsvinduer hos samme person.

Designet passer bedst til kortvarige eksponeringer med kortvarig virkning.

Personen er sin egen kontrol

Faste træk som genetik og stabil kronisk sygdom er de samme i hændelses- og referencevinduet. Forskellen ligger i, om en forbigående eksponering fandt sted. Definér vinduerne på forhånd ud fra den plausible virkningstid; et kronisk præparat med næsten konstant brug giver ringe kontrast.

Tiden kan stadig snyde

Forværring af sygdom kan ændre både lægemiddelbrug og akut hændelsesrisiko fra uge til uge. En stigende brug over kalenderen kan også gøre hændelsesvinduet mere eksponeret end et tidligere kontrolvindue, selv uden effekt. Selvkontrol fjerner stabile forskelle mellem personer, ikke tidsvarierende confounding.

STROBE gør rapporten læsbar; det afgør ikke risikoen for bias

Standard

STROBE angiver hvad et observationsstudie bør rapportere.

En udfyldt rapporteringsliste er ikke et kvalitetsstempel eller en kausal analyse.

Brug STROBE til at finde oplysningerne

Tjek om artiklen beskriver design, deltagere, eksponering, udfald, confoundere, manglende data, analyse og begrænsninger. God rapportering gør vurderingen mulig; metoden kan stadig være skæv. Dårlig rapportering efterlader usikkerhed, men beviser ikke i sig selv, at studiet blev udført forkert.

Vælg biasværktøj efter estimand

Forelæsningen nævner ROBINS-I, der er udviklet til ikke-randomiserede studier af interventioners effekt. Ved en ikke-interventionel eksponering findes ROBINS-E. Intet af dem bør bruges som automatisk score på alle observationsdesign; afklar først hvilket resultat og hvilken kausal påstand du vil vurdere.

MCQouture

Opgaver fra MCQ

1 opgave i én session. Resultatet justerer kun de emner, som opgaverne dækker.

Fra MCQB10 F23 · Spørgsmål 1

Genkend et case-kontrol-studie

Spørgsmål 1 af 1

Spørgsmål 1 I et tysk studie ønskede forskerne at undersøge, om vaccination for Covid-19 forebyggede indlæggelse i den periode, hvor Delta-varianten dominerede som hovedinfektionstype. Studiet blev gennemført ved at patienter, der blev indlagt på hospitalsafdelinger i perioden 1. juni 2021 til 31. januar 2022 med en alvorlig COVID-19 infektion, blev spurgt om de havde modtaget en COVID-19 vaccination eller ej. Som sammenligningsgruppe blev patienter indlagt med forskellige former for knoglebrud og uden COVID-19 infektion inviteret til undersøgelsen og tilsvarende spurgt, om de havde modtaget en COVID-19 vaccination eller ej. Hvilket studiedesign er anvendt?

Randomiseret kontrolleret forsøgKohortestudieCase-kontrol-studieTværsnitsstudie

Kilde-ID: B10-F23-01

Afventer faglig gennemgang.