Poikkileikkaustutkimuksissa kerätään tietoja tiettynä ajankohtana. Niitä käytetään usein akuuttien tai kroonisten sairauksien esiintyvyyden arviointiin, mutta niiden avulla ei voida vastata kysymyksiin sairauden syistä tai toimenpiteiden tuloksista. Poikkileikkaustietoja ei voida käyttää syy-yhteyden päättelyyn, koska ajallisuutta ei tunneta. Niitä voidaan kutsua myös väestölaskennoiksi. Poikkileikkaustutkimuksiin voi liittyä erityistä tiedonkeruuta, kuten kysymyksiä menneisyydestä, mutta ne perustuvat usein alun perin muihin tarkoituksiin kerättyihin tietoihin. Ne ovat kohtalaisen kalliita, eivätkä ne sovellu harvinaisten sairauksien tutkimiseen. Vaikeus palauttaa mieleen menneitä tapahtumia voi myös lisätä harhaa.
EdutMuutos
Rutiininomaisesti kerättyjen tietojen käyttö mahdollistaa suurten poikkileikkaustutkimusten tekemisen pienin kustannuksin tai ilman kustannuksia. Tämä on merkittävä etu muihin epidemiologisiin tutkimusmuotoihin verrattuna. On ehdotettu luonnollista etenemistä halvoista rutiininomaisesti kerätyistä tiedoista tehdyistä poikkileikkaustutkimuksista, jotka viittaavat hypoteeseihin, tapaus- ja kontrollitutkimuksiin, joissa testataan hypoteeseja tarkemmin, ja sitten kohorttitutkimuksiin ja kokeisiin, jotka maksavat paljon enemmän ja kestävät paljon kauemmin, mutta saattavat antaa vahvempaa näyttöä. Poikkileikkaustutkimuksessa tutkitaan tiettyä ryhmää sen selvittämiseksi, onko jokin toiminto, esimerkiksi alkoholinkäyttö, yhteydessä tutkittavaan terveysvaikutukseen, esimerkiksi maksakirroosiin. Jos alkoholinkäyttö korreloi maksakirroosin kanssa, tämä tukisi hypoteesia, jonka mukaan alkoholinkäyttö voi olla yhteydessä maksakirroosiin.
HaitatMuutos
Loikittaisaineistoa ei ehkä ole suunniteltu vastaamaan tiettyyn kysymykseen.
Rutiininomaisesti kerätty aineisto ei yleensä kuvaa, mikä muuttuja on syy ja mikä vaikutus. Poikkileikkaustutkimukset, joissa käytetään alun perin muihin tarkoituksiin kerättyjä tietoja, eivät useinkaan pysty sisällyttämään tietoja sekoittavista tekijöistä, muista muuttujista, jotka vaikuttavat oletetun syyn ja vaikutuksen väliseen suhteeseen. Esimerkiksi pelkästään nykyistä alkoholinkäyttöä ja kirroosia koskevien tietojen perusteella ei voida tutkia aikaisemman alkoholinkäytön tai muiden syiden merkitystä. Poikkileikkaustutkimukset ovat hyvin alttiita recall biasille.
Useimmissa tapaus-kontrollitutkimuksissa kerätään erityisesti suunniteltuja tietoja kaikista osallistujista, mukaan lukien tietokentät, jotka on suunniteltu siten, että kiinnostava hypoteesi voidaan testata. Kuitenkin kysymyksissä, joihin voi liittyä voimakkaita henkilökohtaisia tunteita, erityiskysymykset voivat olla harhan lähde. Esimerkiksi henkilö, joka haluaa vähentää henkilökohtaista syyllisyydentuntoaan, voi ilmoittaa virheellisesti aikaisemman alkoholinkäytön. Tällainen vääristymä voi olla vähäisempi rutiininomaisesti kerätyissä tilastoissa, tai se voidaan tehokkaasti poistaa, jos havainnot ovat kolmansien osapuolten tekemiä, esimerkiksi alueittaiset verotustiedot alkoholista.
Aggregoitujen tietojen heikkoudetEdit
Ristikkäistutkimukset voivat sisältää yksilötason tietoja (yksi tietue yksilöä kohti, esimerkiksi kansallisissa terveystutkimuksissa). Nykyaikaisessa epidemiologiassa voi kuitenkin olla mahdotonta tutkia koko kiinnostuksen kohteena olevaa väestöä, joten poikkileikkaustutkimuksiin liittyy usein toista tarkoitusta varten kerättyjen tietojen sekundaarianalyysi. Monissa tällaisissa tapauksissa tutkijalla ei ole käytettävissään yksittäisiä tietoja, ja on käytettävä ryhmätason tietoja. Tällaisten tietojen tärkeimpiä lähteitä ovat usein suuret laitokset, kuten Census Bureau tai Centers for Disease Control Yhdysvalloissa. Tuoreita väestölaskentatietoja ei anneta yksittäisistä henkilöistä, esimerkiksi Yhdistyneessä kuningaskunnassa yksittäisiä väestölaskentatietoja julkaistaan vasta sadan vuoden kuluttua. Sen sijaan tiedot kootaan yhteen, yleensä hallintoalueittain. Aggregaattitietoihin perustuvia yksilöitä koskevia päätelmiä heikentää ekologinen harhaluulo. Huomioon on otettava myös mahdollinen ”atomistinen harhaluulo”, kun aggregoituja lukuja koskevia oletuksia tehdään yksilötason tietojen aggregoinnin perusteella (esimerkiksi laskemalla väestölaskenta-alueiden keskiarvo maakunnan keskiarvon laskemiseksi). Voi esimerkiksi olla totta, että lapsikuolleisuuden ja perheen tulojen välillä ei ole korrelaatiota kaupunkitasolla, mutta silti on totta, että lapsikuolleisuuden ja perheen tulojen välillä on vahva yhteys yksilötasolla. Kaikkiin aggregaattitilastoihin kohdistuu koostumusvaikutuksia, joten merkitystä ei ole ainoastaan yksilötason tulojen ja lapsikuolleisuuden välisellä suhteella, vaan myös pieni-, keski- ja suurituloisten henkilöiden osuuksilla kussakin kaupungissa. Koska tapaus-verrokkitutkimukset perustuvat yleensä yksilötason tietoihin, niissä ei ole tätä ongelmaa.