Badania przekrojowe obejmują dane zebrane w określonym czasie. Są one często wykorzystywane do oceny rozpowszechnienia ostrych lub przewlekłych stanów chorobowych, ale nie mogą być wykorzystywane do odpowiedzi na pytania dotyczące przyczyn choroby lub wyników interwencji. Dane przekrojowe nie mogą być wykorzystane do wnioskowania o przyczynowości, ponieważ nie jest znana czasowość. Można je również określić mianem spisów powszechnych. Badania przekrojowe mogą wymagać specjalnego zbierania danych, w tym pytań dotyczących przeszłości, ale często opierają się na danych pierwotnie zebranych do innych celów. Są one umiarkowanie kosztowne i nie nadają się do badania rzadkich chorób. Trudności w przypominaniu sobie zdarzeń z przeszłości mogą również przyczynić się do stronniczości.
ZaletyEdit
Wykorzystanie rutynowo zbieranych danych pozwala na przeprowadzenie dużych badań przekrojowych przy niewielkich lub żadnych kosztach. Jest to główna zaleta w porównaniu z innymi formami badań epidemiologicznych. Zasugerowano naturalny postęp od tanich badań przekrojowych rutynowo zbieranych danych, które sugerują hipotezy, do badań kontrolnych przypadków testujących je bardziej szczegółowo, a następnie do badań kohortowych i prób, które kosztują znacznie więcej i trwają znacznie dłużej, ale mogą dać mocniejsze dowody. W badaniu przekrojowym analizuje się określoną grupę osób, aby sprawdzić, czy dana czynność, np. spożywanie alkoholu, jest związana z badanym efektem zdrowotnym, np. marskością wątroby. Jeśli spożywanie alkoholu jest skorelowane z marskością wątroby, potwierdzałoby to hipotezę, że spożywanie alkoholu może być związane z marskością wątroby.
WadyEdit
Dane rutynowe mogą nie być przeznaczone do odpowiedzi na konkretne pytanie.
Rutynowo zbierane dane zazwyczaj nie opisują, która zmienna jest przyczyną, a która skutkiem. Badania przekrojowe wykorzystujące dane pierwotnie zebrane do innych celów często nie są w stanie uwzględnić danych na temat czynników zakłócających, innych zmiennych, które wpływają na związek między domniemaną przyczyną a skutkiem. Na przykład, dane dotyczące tylko obecnego spożycia alkoholu i marskości wątroby nie pozwoliłyby na zbadanie roli spożywania alkoholu w przeszłości lub innych przyczyn. Badania przekrojowe są bardzo podatne na błąd przypominania.
Większość badań case-control gromadzi specjalnie zaprojektowane dane o wszystkich uczestnikach, w tym pola danych zaprojektowane tak, aby umożliwić testowanie interesującej nas hipotezy. Jednak w sprawach, w które mogą być zaangażowane silne osobiste uczucia, specyficzne pytania mogą być źródłem tendencyjności. Na przykład, spożycie alkoholu w przeszłości może być nieprawidłowo podane przez osobę, która chce zmniejszyć swoje osobiste poczucie winy. Taka stronniczość może być mniejsza w rutynowo zbieranych statystykach lub skutecznie wyeliminowana, jeśli obserwacje są dokonywane przez osoby trzecie, na przykład rejestry podatkowe alkoholu według obszaru.
Słabości danych zagregowanychEdit
Badania przekrojowe mogą zawierać dane na poziomie indywidualnym (jeden rekord na osobę, na przykład w krajowych badaniach zdrowotnych). Jednak w nowoczesnej epidemiologii może być niemożliwe przebadanie całej populacji, dlatego badania przekrojowe często obejmują wtórną analizę danych zebranych w innym celu. W wielu takich przypadkach badacz nie ma dostępu do indywidualnych rekordów i musi korzystać z informacji na poziomie grupy. Głównymi źródłami takich danych są często duże instytucje, takie jak Census Bureau czy Centers for Disease Control w Stanach Zjednoczonych. Najnowsze dane spisowe nie są udostępniane na temat poszczególnych osób, na przykład w Wielkiej Brytanii indywidualne dane spisowe są udostępniane dopiero po stu latach. Zamiast tego dane są zagregowane, zazwyczaj według obszarów administracyjnych. Wnioskowanie o osobach na podstawie danych zagregowanych jest osłabione przez błąd ekologiczny. Należy również rozważyć możliwość popełnienia „błędu atomistycznego”, kiedy to założenia dotyczące zagregowanych liczebności są przyjmowane na podstawie agregacji danych na poziomie indywidualnym (np. uśrednianie obwodów spisowych w celu obliczenia średniej dla hrabstwa). Na przykład, może być prawdą, że nie ma korelacji pomiędzy śmiertelnością niemowląt a dochodami rodzin na poziomie miasta, podczas gdy nadal prawdą jest, że istnieje silny związek pomiędzy śmiertelnością niemowląt a dochodami rodzin na poziomie indywidualnym. Wszystkie statystyki zbiorcze podlegają efektom kompozycyjnym, tak więc znaczenie ma nie tylko związek na poziomie indywidualnym pomiędzy dochodem a śmiertelnością niemowląt, ale również proporcje osób o niskim, średnim i wysokim dochodzie w każdym mieście. Ponieważ badania case-control są zazwyczaj oparte na danych z poziomu indywidualnego, nie mają tego problemu.
.