ScholarGate
دستیار

طرح‌های مطالعه مشاهده‌ای در خدمات سلامت

طرح‌های مطالعه مشاهده‌ای در تحقیقات خدمات سلامت، توصیف و مقایسه ارائه مراقبت، استفاده، و پیامدها را بدون تخصیص مواجهه‌ها یا مداخلات توسط محقق انجام می‌دهند. این طرح‌ها به شدت به داده‌های جمع‌آوری‌شده روتین – ادعاها، ثبت‌ها، سوابق الکترونیکی سلامت، و مجموعه‌داده‌های اداری – متکی هستند و منطق کوهورت، مورد-شاهدی، مقطعی، و شبه‌تجربی را برای سؤالات مربوط به عملکرد سیستم‌ها در شرایط دنیای واقعی به کار می‌برند.

یافتن موضوع با PaperMindبه‌زودیFind papers & topics
Tools & resources
دریافت اسلایدها
Learn & explore
ویدیوبه‌زودی

Definition

طرح‌های مطالعه مشاهده‌ای در خدمات سلامت رویکردهای غیرتجربی هستند که در آن‌ها محقق مراقبت، مواجهه‌ها، و پیامدها را همان‌طور که در عمل روتین رخ می‌دهند، مشاهده می‌کند و از ساختارهای کوهورت، مورد-شاهدی، مقطعی، و شبه‌تجربی برای تخمین ارتباطات و، با تنظیم دقیق، اثرات علّی استفاده می‌کند.

Scope

این مدخل طرح‌های مشاهده‌ای اصلی مورد استفاده در تحقیقات خدمات سلامت و سیاست‌گذاری، منابع داده‌ای که آن‌ها را تغذیه می‌کنند، تهدید اصلی مخدوش‌کنندگی ناشی از اندیکاسیون، و روش‌ها و استانداردهای گزارش‌دهی مورد استفاده برای تقویت تفسیر علّی را پوشش می‌دهد. چارچوب آن روش‌شناختی است و توصیه‌های بالینی یا سیاستی ارائه نمی‌دهد.

Core questions

  • چه زمانی داده‌های جمع‌آوری‌شده روتین می‌توانند از یک ادعای علّی معتبر در مورد ارائه مراقبت حمایت کنند؟
  • چگونه مخدوش‌کنندگی ناشی از اندیکاسیون از یک اثر واقعی متمایز می‌شود؟
  • کدام طرح مشاهده‌ای برای سؤالی در مورد استفاده، دسترسی، یا پیامدها مناسب است؟
  • کدام روش‌های تنظیم، سوگیری را کاهش می‌دهند زمانی که تصادفی‌سازی غیرممکن است؟

Key concepts

  • طرح‌های کوهورت، مورد-شاهدی، و مقطعی
  • داده‌های اداری و ادعاها
  • سوابق الکترونیکی سلامت و داده‌های ثبت
  • مخدوش‌کنندگی ناشی از اندیکاسیون
  • سوگیری انتخاب و اطلاعات
  • نمرات تمایل و تنظیم چندمتغیره
  • برآورد دوگانه قوی
  • طرح‌های شبه‌تجربی (تفاوت در تفاوت‌ها، سری‌های زمانی قطع‌شده)
  • گزارش‌دهی STROBE

Mechanisms

از آنجا که مواجهه‌ها و مداخلات توسط محقق تخصیص داده نمی‌شوند، طرح‌های مشاهده‌ای در برابر مخدوش‌کنندگی آسیب‌پذیر هستند – به ویژه مخدوش‌کنندگی ناشی از اندیکاسیون، جایی که دلیل دریافت درمان یا خدمت توسط بیمار خود با پیامد مرتبط است. تحلیل‌گران این مشکل را از طریق طراحی (محدودیت، تطبیق، طرح‌های کاربر جدید و مقایسه‌کننده فعال) و تحلیل (رگرسیون چندمتغیره، روش‌های نمره تمایل، متغیرهای ابزاری، و برآوردگرهای دوگانه قوی که مدل‌سازی پیامد و مواجهه را ترکیب می‌کنند تا سوگیری کاهش یابد اگر هر یک از مدل‌ها صحیح باشد) برطرف می‌کنند. طرح‌های شبه‌تجربی از تغییرات طبیعی در سیاست یا زمان‌بندی برای تقریب تصادفی‌سازی بهره می‌برند. بیانیه STROBE نحوه گزارش این مطالعات را استاندارد می‌کند تا خوانندگان بتوانند اعتبار آن‌ها را قضاوت کنند (von Elm et al., 2007; Funk et al., 2011; Rothman et al., 2008).

Clinical relevance

مطالعات مشاهده‌ای بخش زیادی از شواهد دنیای واقعی را در مورد نحوه عملکرد خدمات و درمان‌ها خارج از کارآزمایی‌ها، از جمله در گروه‌هایی که اغلب از آزمایش‌ها حذف می‌شوند، تولید می‌کنند. ارزیابی انتقادی آن‌ها از قضاوت در مورد قدرت شواهد در سطح ارائه حمایت می‌کند. این مدخل نحوه تولید چنین شواهدی را توصیف می‌کند و مبنایی برای تصمیمات تشخیصی یا درمانی فردی نیست.

Epidemiology

طرح‌های مشاهده‌ای زمانی که تصادفی‌سازی غیراخلاقی، غیرعملی، یا بسیار کند است، پیش‌فرض هستند، که برای سؤالات در سطح سیستم و سیاست رایج است. مجموعه‌داده‌های بزرگ و مرتبط امکان مطالعه پیامدهای نادر و اثرات بلندمدت را در مقیاس وسیع فراهم می‌کنند، در حالی که بار تحلیلی کنترل مخدوش‌کنندگی را افزایش می‌دهند (Rothman et al., 2008).

Evidence & guidelines

بیانیه STROBE (von Elm et al., 2007) استاندارد اصلی گزارش‌دهی برای مطالعات کوهورت، مورد-شاهدی، و مقطعی را ارائه می‌دهد. ادبیات روش‌شناختی در مورد نمرات تمایل و برآورد دوگانه قوی (Funk et al., 2011) و متون مرجع اپیدمیولوژی (Rothman et al., 2008) نحوه مدیریت مخدوش‌کنندگی را توصیف می‌کنند. این منابع روش‌شناختی هستند و درمان‌ها را توصیه نمی‌کنند.

History

اپیدمیولوژی مشاهده‌ای مدت‌ها قبل از تحقیقات خدمات سلامت وجود داشته است، اما رشد ادعاهای اداری و سوابق الکترونیکی سلامت از اواخر قرن بیستم به بعد، مطالعه مشاهده‌ای در مقیاس بزرگ ارائه مراقبت را به امری روتین تبدیل کرد. بیانیه STROBE در سال ۲۰۰۷ رویه گزارش‌دهی را تثبیت کرد، و ظهور متعاقب روش‌های نمره تمایل و دوگانه قوی نشان‌دهنده تلاش مستمر برای استخراج استنتاج‌های علّی معتبرتر از داده‌های غیرتصادفی بود.

Debates

آیا داده‌های مشاهده‌ای می‌توانند از ادعاهای علّی در مورد اثرات درمان حمایت کنند؟
حتی با تنظیمات پیچیده، مخدوش‌کنندگی اندازه‌گیری‌نشده می‌تواند باقی بماند؛ تحلیل‌گران در مورد اینکه چه زمانی برآوردهای مشاهده‌ای قابل اعتماد هستند در مقابل چه زمانی فقط تصادفی‌سازی کافی است، اختلاف نظر دارند، و انتخاب‌های طراحی مانند مطالعات کاربر جدید با مقایسه‌کننده فعال برای کاهش این شکاف توصیه می‌شوند.

Key figures

  • Kenneth Rothman
  • Sander Greenland
  • Erik von Elm

Related topics

Seminal works

  • vonelm-2007-strobe
  • funk-2011

Frequently asked questions

چرا طرح‌های مشاهده‌ای در تحقیقات خدمات سلامت اینقدر رایج هستند؟
بسیاری از سؤالات در مورد نحوه سازماندهی، تأمین مالی، و ارائه مراقبت را نمی‌توان به دلایل اخلاقی یا عملی تصادفی‌سازی کرد، و داده‌های جمع‌آوری‌شده روتین امکان مطالعه جمعیت‌های بزرگ و واقعی را فراهم می‌کنند.
مخدوش‌کنندگی ناشی از اندیکاسیون چیست؟
این سوگیری زمانی ایجاد می‌شود که دلیل بالینی دریافت درمان یا خدمت توسط بیمار خود با پیامد مرتبط باشد، و گروه‌های تحت درمان و درمان‌نشده را غیرقابل مقایسه می‌کند مگر اینکه با دقت تنظیم شوند.

Methods for this concept

Related concepts