Cross-sectional studyは、決められた時間に収集されたデータを使用します。 急性あるいは慢性疾患の有病率を評価するためにしばしば用いられるが、疾患の原因や介入の結果についての質問に答えるためには用いることができない。 また、時間軸が不明であるため、因果関係を推論することはできません。 また、センサス（census）と表現されることもある。 横断的研究は、過去に関する質問を含む特別なデータ収集を伴うことがあるが、多くの場合、もともと他の目的のために収集されたデータに依存している。 費用はそれなりにかかり、希少疾病の研究には適さない。
利点日常的に収集されたデータを使用することで、大規模な横断的研究をほとんど、あるいは全く費用をかけずに行うことができる。 これは、他の形式の疫学研究と比較して大きな利点である。 日常的に収集されたデータを用いた安価な横断研究によって仮説が示唆され、それをより具体的に検証する症例対照研究、そしてより費用がかかり時間もかかるがより強力な証拠を得ることができるコホート研究および試験へと自然に進展することが示唆されてきた。 横断的調査では、ある活動、例えばアルコール摂取が、調査対象の健康影響（例えば肝硬変）に関連しているかどうかを、特定のグループを対象に調べます。 もし、アルコールの摂取が肝硬変と相関していれば、アルコールの摂取が肝硬変と関連しているかもしれないという仮説を支持することになる」
欠点編集
定番データは、特定の質問に答えるために作られていないかもしれない。
ルーチンに収集されたデータは、通常、どの変数が原因でどの変数が結果であるかを記述しない。 もともと他の目的で収集されたデータを用いた横断的研究では、交絡因子、つまり推定される原因と結果の関係に影響を与える他の変数に関するデータを含めることができないことがよくあります。 例えば、現在のアルコール摂取と肝硬変に関するデータのみでは、過去のアルコール摂取や他の原因による影響を検討することはできない。 横断的研究は想起バイアスの影響を非常に受けやすい。
ほとんどの症例対照研究では、関心のある仮説を検証できるように設計されたデータフィールドを含む、すべての参加者のデータを特別に収集している。 しかし、強い個人的感情が関与している可能性がある問題では、特定の質問がバイアスの原因となることがある。 例えば、過去のアルコール摂取について、個人的な罪悪感を軽減したいがために、誤った報告をしてしまう可能性がある。 このようなバイアスは日常的に収集される統計では少なく、また、地域ごとのアルコールの課税記録など、第三者による観察が行われる場合には効果的に排除されるかもしれない。 しかし、現代の疫学では、対象となる集団全体を調査することは不可能な場合があり、横断的研究では、別の目的で収集されたデータの二次解析が行われることが多い。 そのような場合、研究者は個人の記録を入手できないことが多く、集団レベルの情報を使用しなければならない。 このようなデータの主な情報源は、米国では国勢調査局や疾病管理センターのような大規模な機関であることが多い。 最近の国勢調査データは個人単位では提供されておらず、例えば英国では個人の国勢調査データは1世紀後にしか公開されない。 その代わり、データは通常、行政区域ごとに集計される。 集計データに基づく個人に関する推論は、生態学的誤謬によって弱体化される。 また、個人レベルのデータの集計に基づいて集計された数についての仮定がなされる「原子論的誤謬」を犯す可能性についても考えてみよう（例えば、郡の平均を計算するために国勢調査区を平均化するような場合である）。 例えば、都市レベルでは乳幼児死亡率と世帯収入に相関がないことが事実であっても、個人レベルでは乳幼児死亡率と世帯収入に強い相関があることが事実である場合がある。 すべての集計統計は構成効果に左右されるため、重要なのは個人レベルでの所得と乳幼児死亡率の関係だけでなく、各都市における低所得者、中所得者、高所得者の割合も重要である。 ケースコントロール研究は通常、個人レベルのデータに基づいているので、このような問題はない
。