Průřezové studie zahrnují údaje shromážděné v určitém čase. Často se používají k posouzení prevalence akutních nebo chronických stavů, ale nelze je použít k zodpovězení otázek týkajících se příčin onemocnění nebo výsledků intervence. Průřezová data nelze použít k odvození kauzality, protože není známa časová souvislost. Lze je také označit jako sčítání lidu. Průřezové studie mohou zahrnovat speciální sběr dat, včetně otázek o minulosti, ale často se opírají o data původně shromážděná pro jiné účely. Jsou středně nákladné a nejsou vhodné pro studium vzácných onemocnění. Ke zkreslení může přispět i obtížné vybavování si minulých událostí.
VýhodyUpravit
Použití rutinně sbíraných údajů umožňuje provádět rozsáhlé průřezové studie s malými nebo žádnými náklady. To je hlavní výhoda oproti jiným formám epidemiologických studií. Byl navržen přirozený postup od levných průřezových studií rutinně sbíraných údajů, které naznačují hypotézy, ke studiím případů a kontrol, které je podrobněji testují, a poté ke kohortovým studiím a studiím, které stojí mnohem více a trvají mnohem déle, ale mohou poskytnout silnější důkazy. V průřezovém průzkumu se zkoumá určitá skupina, aby se zjistilo, zda určitá činnost, například konzumace alkoholu, souvisí se zkoumaným zdravotním účinkem, například s cirhózou jater. Pokud by užívání alkoholu souviselo s cirhózou jater, podpořilo by to hypotézu, že užívání alkoholu může souviset s cirhózou.
NevýhodyUpravit
Rutinná data nemusí být určena k zodpovězení konkrétní otázky.
Rutinně získaná data obvykle nepopisují, která proměnná je příčinou a která následkem. Průřezové studie využívající údaje původně shromážděné pro jiné účely často nemohou zahrnout údaje o matoucích faktorech, dalších proměnných, které ovlivňují vztah mezi domnělou příčinou a následkem. Například údaje pouze o současné konzumaci alkoholu a cirhóze by neumožnily prozkoumat roli užívání alkoholu v minulosti nebo jiných příčin. Průřezové studie jsou velmi náchylné ke zkreslení vzpomínek.
Většina studií případů a kontrol shromažďuje speciálně navržené údaje o všech účastnících, včetně datových polí určených k tomu, aby bylo možné testovat hypotézu, která je předmětem zájmu. Nicméně v otázkách, kde může jít o silné osobní pocity, mohou být specifické otázky zdrojem zkreslení. Například konzumace alkoholu v minulosti může být nesprávně uvedena jedincem, který chce snížit svůj osobní pocit viny. Takové zkreslení může být v rutinně shromažďovaných statistikách menší nebo může být účinně eliminováno, pokud jsou pozorování prováděna třetími stranami, například daňovou evidencí alkoholu podle oblastí.
Slabé stránky agregovaných údajůUpravit
Průřezové studie mohou obsahovat údaje na úrovni jednotlivce (jeden záznam na jednotlivce, například v národních zdravotních průzkumech). V moderní epidemiologii však může být nemožné provést průzkum celé zájmové populace, takže průřezové studie často zahrnují sekundární analýzu údajů shromážděných za jiným účelem. V mnoha takových případech nemá výzkumník k dispozici žádné individuální záznamy a musí použít informace na úrovni skupiny. Hlavními zdroji takových údajů jsou často velké instituce, jako je Census Bureau nebo Centers for Disease Control ve Spojených státech. Nejnovější údaje ze sčítání lidu se o jednotlivcích neposkytují, například ve Velké Británii se individuální údaje ze sčítání lidu zveřejňují až po sto letech. Místo toho jsou údaje agregovány, obvykle podle administrativních oblastí. Závěry o jednotlivcích založené na agregovaných údajích jsou oslabeny ekologickým omylem. Zvažte také možnost dopustit se „atomistického omylu“, kdy se na základě agregace údajů na úrovni jednotlivců (např. zprůměrování sčítacích obvodů pro výpočet průměru okresu) činí předpoklady o agregovaných počtech. Například může být pravda, že na úrovni města neexistuje korelace mezi kojeneckou úmrtností a příjmem rodiny, a přitom stále platí, že na úrovni jednotlivce existuje silný vztah mezi kojeneckou úmrtností a příjmem rodiny. Všechny souhrnné statistiky podléhají vlivu složení, takže důležitý je nejen vztah mezi příjmem a kojeneckou úmrtností na individuální úrovni, ale také podíl osob s nízkými, středními a vysokými příjmy v každém městě. Protože studie případů a kontrol jsou obvykle založeny na údajích na úrovni jednotlivců, tento problém se u nich nevyskytuje
.