Gli studi trasversali comportano dati raccolti in un tempo definito. Sono spesso usati per valutare la prevalenza di condizioni acute o croniche, ma non possono essere usati per rispondere a domande sulle cause della malattia o sui risultati degli interventi. I dati trasversali non possono essere usati per dedurre la causalità perché la temporalità non è nota. Possono anche essere descritti come censimenti. Gli studi trasversali possono comportare una speciale raccolta di dati, incluse domande sul passato, ma spesso si basano su dati originariamente raccolti per altri scopi. Sono moderatamente costosi e non sono adatti allo studio di malattie rare. La difficoltà nel ricordare gli eventi passati può anche contribuire a distorsioni.
VantaggiModifica
L’uso di dati raccolti di routine permette di fare grandi studi trasversali con poca o nessuna spesa. Questo è un grande vantaggio rispetto ad altre forme di studio epidemiologico. È stata suggerita una progressione naturale da studi trasversali economici di dati raccolti di routine che suggeriscono ipotesi, a studi caso-controllo che li testano in modo più specifico, poi a studi di coorte e trial che costano molto di più e richiedono molto più tempo, ma possono dare prove più forti. In un’indagine trasversale, un gruppo specifico viene esaminato per vedere se un’attività, ad esempio il consumo di alcol, è correlato all’effetto sulla salute che viene studiato, ad esempio la cirrosi epatica. Se l’uso di alcol è correlato alla cirrosi epatica, questo sosterrebbe l’ipotesi che l’uso di alcol può essere associato alla cirrosi.
SvantaggiModifica
I dati di routine potrebbero non essere progettati per rispondere alla domanda specifica.
I dati raccolti abitualmente non descrivono quale variabile è la causa e quale l’effetto. Gli studi trasversali che utilizzano dati originariamente raccolti per altri scopi spesso non sono in grado di includere dati sui fattori confondenti, altre variabili che influenzano la relazione tra la causa putativa e l’effetto. Per esempio, i dati solo sul consumo attuale di alcol e la cirrosi non permetterebbero di esplorare il ruolo dell’uso passato di alcol, o di altre cause. Gli studi trasversali sono molto suscettibili al recall bias.
La maggior parte degli studi caso-controllo raccolgono dati specificamente progettati su tutti i partecipanti, compresi i campi di dati progettati per consentire di testare l’ipotesi di interesse. Tuttavia, in questioni in cui possono essere coinvolti forti sentimenti personali, domande specifiche possono essere una fonte di bias. Per esempio, il consumo passato di alcol può essere riportato in modo errato da un individuo che desidera ridurre i propri sentimenti personali di colpa. Tale bias può essere minore nelle statistiche raccolte di routine, o effettivamente eliminato se le osservazioni sono fatte da terzi, per esempio le registrazioni fiscali dell’alcol per area.
Debolezze dei dati aggregatiModifica
Gli studi trasversali possono contenere dati a livello individuale (un record per individuo, per esempio, nelle indagini sanitarie nazionali). Tuttavia, nell’epidemiologia moderna può essere impossibile effettuare un’indagine sull’intera popolazione di interesse, quindi gli studi trasversali spesso comportano un’analisi secondaria dei dati raccolti per un altro scopo. In molti di questi casi, il ricercatore non ha a disposizione record individuali e deve utilizzare informazioni a livello di gruppo. Le principali fonti di tali dati sono spesso grandi istituzioni come il Census Bureau o i Centers for Disease Control negli Stati Uniti. I dati dei censimenti recenti non vengono forniti sugli individui, per esempio nel Regno Unito i dati dei censimenti individuali vengono rilasciati solo dopo un secolo. Invece i dati sono aggregati, di solito per area amministrativa. Le inferenze sugli individui basate su dati aggregati sono indebolite dalla fallacia ecologica. Si consideri anche la possibilità di commettere la “fallacia atomistica” in cui le assunzioni sui conteggi aggregati sono fatte sulla base dell’aggregazione dei dati a livello individuale (come la media dei tratti del censimento per calcolare una media di contea). Per esempio, potrebbe essere vero che non c’è correlazione tra la mortalità infantile e il reddito familiare a livello di città, mentre è ancora vero che c’è una forte relazione tra la mortalità infantile e il reddito familiare a livello individuale. Tutte le statistiche aggregate sono soggette a effetti di composizione, per cui ciò che conta non è solo la relazione a livello individuale tra reddito e mortalità infantile, ma anche le proporzioni di individui a basso, medio e alto reddito in ogni città. Poiché gli studi caso-controllo sono di solito basati su dati a livello individuale, non hanno questo problema.