142. Badanie przekrojowe – zastosowania, zalety i ograniczenia

Badanie przekrojowe jest jednym z najczęściej stosowanych schematów badań obserwacyjnych. Pozwala opisać częstość występowania zjawiska, cechy badanej populacji oraz współwystępowanie wybranych zmiennych w określonym czasie. Jest użyteczne zarówno w epidemiologii i zdrowiu publicznym, jak i w psychologii, pielęgniarstwie, ratownictwie czy naukach społecznych. Jego podstawową cechą jest jednorazowy lub ograniczony do krótkiego okresu „pomiar przekrojowy” — badacz obserwuje populację tak, jakby wykonywał jej zdjęcie w określonym momencie. Nie oznacza to jednak, że badanie jest metodologicznie proste. Jakość wniosków zależy od sposobu doboru próby, definicji zmiennych, kompletności pomiaru i ostrożności w interpretowaniu zależności.

Czym jest badanie przekrojowe?

W badaniu przekrojowym informacje o ekspozycji, stanie zdrowia, zachowaniu lub innych cechach są zbierane od osób należących do określonej populacji w jednym punkcie czasu albo w krótkim, z góry wyznaczonym przedziale. Jednostką analizy może być osoba, gospodarstwo domowe, szkoła, placówka medyczna, region lub inna jednostka zdefiniowana w projekcie.

Badacz nie przydziela uczestników do grup i nie wprowadza eksperymentalnej interwencji. Z tego względu badanie przekrojowe należy do badań obserwacyjnych. Może mieć charakter:

• opisowy — gdy głównym celem jest oszacowanie częstości, średniej, rozkładu lub poziomu danego zjawiska;
• analityczny — gdy badacz porównuje grupy i analizuje związki między ekspozycją a wynikiem;
• powtarzany przekrojowy — gdy podobne pomiary wykonuje się w różnych latach, lecz niekoniecznie u tych samych osób.

Ważne jest odróżnienie powtarzanych badań przekrojowych od badania podłużnego. Jeśli w 2024 i 2026 roku badamy dwie niezależne próby mieszkańców miasta, jest to seria badań przekrojowych. Jeżeli natomiast śledzimy te same osoby od 2024 do 2026 roku, mamy do czynienia z projektem podłużnym, na przykład kohortowym.

Jakie pytania odpowiada badanie przekrojowe?

Ten schemat najlepiej nadaje się do pytań o stan populacji i współwystępowanie cech. Możemy zapytać:

• Jaki odsetek dorosłych mieszkańców miasta ma podwyższone ciśnienie tętnicze?
• Jak często studenci zgłaszają objawy przeciążenia psychicznego w czasie sesji?
• Czy brak snu współwystępuje z większym nasileniem lęku u pielęgniarek?
• Jaki odsetek pacjentów oddziału ratunkowego deklaruje trudności w dostępie do podstawowej opieki zdrowotnej?

Badanie przekrojowe może również służyć do generowania hipotez. Jeśli zaobserwujemy, że osoby pracujące zmianowo częściej zgłaszają bezsenność, wynik może uzasadniać zaplanowanie badania kohortowego lub interwencyjnego. Sam wynik przekrojowy nie rozstrzyga jednak, czy praca zmianowa spowodowała bezsenność.

Częstość występowania i podstawowe miary

Najbardziej typową miarą w badaniu przekrojowym jest prewalencja, czyli częstość występowania zjawiska w określonej populacji i czasie. Dla wyniku binarnego można ją zapisać następująco:

Prewalencja = liczba osób z daną cechą / liczba wszystkich osób z ważnym pomiarem

Jeżeli w próbie 800 osób u 120 stwierdzono depresję według wcześniej określonych kryteriów, prewalencja wynosi:

120 / 800 = 0,15 = 15%

W oznaczeniach matematycznych:

P = D / N

• P — oszacowana prewalencja;
• D — liczba osób spełniających definicję badanego zjawiska;
• N — liczba osób objętych analizą, zwykle osób z kompletnym i ważnym pomiarem.

Wynik należy uzupełnić o 95-procentowy przedział ufności, który informuje o niepewności oszacowania wynikającej między innymi z losowania próby. Samo „15%” bez informacji o liczebności próby, sposobie doboru i przedziale ufności jest niewystarczającym opisem wyniku.

W badaniach analitycznych można obliczać między innymi iloraz szans, iloraz prewalencji lub różnicę prewalencji. Wybór miary powinien zależeć od pytania badawczego, rodzaju zmiennej wynikowej, planu analizy oraz częstości badanego zjawiska. Nie należy automatycznie utożsamiać ilorazu szans z ryzykiem względnym ani z prawdopodobieństwem wystąpienia choroby.

Zastosowania badania przekrojowego

Monitoring zdrowia populacji

Badania przekrojowe są często wykorzystywane do oszacowania rozpowszechnienia chorób, objawów, niepełnosprawności, zachowań zdrowotnych lub potrzeb opieki. Mogą dostarczać danych potrzebnych do planowania świadczeń, programów profilaktycznych i alokacji zasobów. Przykładowo, samorząd może zbadać częstość otyłości, palenia tytoniu i niewystarczającej aktywności fizycznej w poszczególnych grupach wieku.

Ocena potrzeb i jakości usług

W pielęgniarstwie i organizacji ochrony zdrowia badanie przekrojowe może służyć do oceny obciążenia pracą, satysfakcji pacjentów, wypalenia zawodowego, dostępności świadczeń lub częstości niepożądanych doświadczeń. Trzeba jednak jasno określić, czy wynik dotyczy wszystkich pacjentów, osób korzystających z konkretnej placówki, czy tylko respondentów, którzy odpowiedzieli na ankietę.

Psychologia i nauki społeczne

W psychologii można w jednym pomiarze zebrać dane o objawach lęku, jakości snu, wsparciu społecznym i funkcjonowaniu akademickim. W naukach społecznych schemat ten pozwala badać opinie, postawy, warunki życia oraz zależności między statusem społecznym a dobrostanem. Wnioski zależą jednak od jakości narzędzi pomiarowych i reprezentatywności próby.

Zalety badania przekrojowego

• Relatywnie krótki czas realizacji. Dane można zebrać w jednym etapie, bez wieloletniego śledzenia uczestników.
• Niższy koszt niż w wielu projektach podłużnych. Nie ma potrzeby utrzymywania kontaktu z uczestnikami przez długi czas.
• Możliwość oszacowania prewalencji. Jest to szczególnie ważne dla planowania opieki i polityki zdrowotnej.
• Jednoczesny pomiar wielu zmiennych. Jedna ankieta lub badanie kliniczne może obejmować cechy demograficzne, zachowania, objawy i warunki środowiskowe.
• Przydatność w generowaniu hipotez. Wyniki mogą wskazać problemy wymagające dalszych badań.
• Możliwość badania rzadkich ekspozycji w odpowiednio dobranej próbie. Na przykład badanie pracowników wykonujących specyficzny zawód może opisać ich warunki pracy i stan zdrowia.

Nie oznacza to, że badanie przekrojowe jest zawsze rozwiązaniem optymalnym. Jego zalety dotyczą przede wszystkim opisu stanu populacji, a nie ustalania kolejności zdarzeń ani dowodzenia skuteczności leczenia.

Ograniczenia i źródła błędów

Niepewna kolejność czasowa

Najważniejszym ograniczeniem jest trudność w ustaleniu, co wystąpiło wcześniej: ekspozycja czy wynik. Jeśli osoby z bezsennością częściej zgłaszają wysoki poziom stresu, nie wiemy, czy stres poprzedzał bezsenność, czy też przewlekłe problemy ze snem zwiększały odczuwany stres. Jest to problem odwrotnej przyczynowości.

Brak podstaw do automatycznego wnioskowania przyczynowego

Wynik statystycznej zależności nie jest dowodem, że jedna zmienna powoduje drugą. Możliwy jest wpływ zmiennej zakłócającej. Na przykład związek między niską aktywnością fizyczną a gorszym nastrojem może częściowo wynikać z wieku, przewlekłej choroby, sytuacji ekonomicznej lub ograniczeń funkcjonalnych.

Obciążenie selekcją

Jeżeli do badania częściej zgłaszają się osoby szczególnie zainteresowane zdrowiem, wynik może różnić się od wyniku w całej populacji. Problemem może być także wykluczenie osób bez dostępu do internetu, osób hospitalizowanych, osób z trudnościami językowymi albo respondentów, którzy nie ukończyli ankiety.

Obciążenie informacją i pomiarem

Błędy mogą wynikać z niedokładnego narzędzia, niejednoznacznej definicji przypadku, pamięci respondentów lub tendencji do udzielania społecznie akceptowanych odpowiedzi. Jeżeli badacz pyta o „częste zmęczenie”, powinien zdefiniować, co oznacza „częste”: codziennie, co najmniej trzy razy w tygodniu czy w innym okresie.

Ograniczona przydatność do oceny zapadalności

Prewalencja obejmuje osoby, które mają dane zjawisko w chwili badania, ale nie mówi bezpośrednio, ile nowych przypadków pojawiło się w czasie. Na jej wartość wpływa zarówno zapadalność, jak i czas trwania stanu. Choroba przewlekła może mieć wysoką prewalencję mimo umiarkowanej liczby nowych przypadków, ponieważ osoby chore żyją z nią długo.

Przykład praktyczny: stres i jakość snu u pielęgniarek

Załóżmy, że zespół badawczy chce ocenić częstość wysokiego stresu zawodowego i jego związek z jakością snu u pielęgniarek pracujących w szpitalu. W jednym tygodniu zaprasza do badania wszystkie pielęgniarki zatrudnione w placówce. Uczestniczki wypełniają kwestionariusz stresu zawodowego i narzędzie oceniające jakość snu, a także podają wiek, staż pracy, system zmianowy i liczbę dyżurów nocnych w ostatnim miesiącu.

To badanie jest przekrojowe, ponieważ wszystkie zmienne są mierzone w tym samym okresie. Badacz może oszacować odsetek osób z wysokim stresem, opisać średnią jakość snu oraz sprawdzić, czy wysoki stres współwystępuje z gorszym snem. Może także użyć regresji, aby uwzględnić wiek, staż i liczbę dyżurów.

Nie wolno jednak napisać, że „stres zawodowy spowodował zaburzenia snu”, jeśli projekt nie ustala następstwa czasowego i nie kontroluje wszystkich istotnych czynników. Ostrożniejszy wniosek brzmi: „W badanej próbie wysoki stres zawodowy był związany z gorszą jakością snu po uwzględnieniu wybranych zmiennych towarzyszących”. Taki język jest zgodny z charakterem schematu obserwacyjnego.

Jak zaplanować dobre badanie przekrojowe?

1. Zdefiniuj populację docelową. Określ, do kogo mają odnosić się wnioski: do wszystkich mieszkańców, pacjentów konkretnej poradni czy pracowników jednej placówki.
2. Ustal jednostkę obserwacji i kryteria kwalifikacji. Zapisz, kto może uczestniczyć, a kto jest wykluczony, oraz z jakiego powodu.
3. Wybierz sposób doboru próby. Dobór losowy zwykle lepiej wspiera reprezentatywność niż próba wygodna, choć jego zastosowanie może być trudniejsze organizacyjnie.
4. Zoperacjonalizuj zmienne. Podaj definicję wyniku, sposób pomiaru, punkt odcięcia i okres referencyjny.
5. Zaplanuj obsługę braków danych. Wskaż, kiedy pomiar uznaje się za nieważny i jak będą analizowane braki.
6. Określ analizę przed zebraniem danych. Zapisz główne pytanie, zmienną wynikową, potencjalne zmienne zakłócające i plan raportowania.
7. Raportuj zgodnie ze schematem STROBE. Wytyczne STROBE obejmują między innymi opis uczestników, źródła danych, definicje zmiennych, sposób doboru próby, braki danych i ograniczenia badania (von Elm i in., 2007; Vandenbroucke i in., 2007). ([journals.plos.org])

Najczęstsze błędy

• Traktowanie próby ochotniczej jako reprezentatywnej dla całej populacji bez uzasadnienia.
• Używanie sformułowań przyczynowych w badaniu, które nie ustala kolejności czasowej.
• Podawanie samej wartości p bez wielkości efektu i przedziału ufności.
• Interpretowanie braku istotności statystycznej jako dowodu braku związku.
• Pomijanie odsetka osób, które odmówiły udziału lub nie ukończyły pomiaru.
• Niejasne definiowanie wyniku, na przykład „osoba z depresją” bez wskazania narzędzia i kryterium.
• Mylenie prewalencji z zapadalnością i ryzykiem zachorowania.
• Wykonywanie wielu testów bez określenia głównego pytania i bez refleksji nad problemem wielokrotnych porównań.
• Wnioskowanie na poziomie osób na podstawie danych zagregowanych dla grup lub regionów. Jest to ryzyko błędu ekologicznego.

Jak interpretować wynik?

Rzetelna interpretacja powinna odpowiadać kolejno na cztery pytania: co zmierzono, u kogo, kiedy i z jaką niepewnością? Wynik „20% uczestników miało objawy depresyjne” wymaga dopowiedzenia: według jakiego narzędzia, w jakim okresie, w jakiej populacji i przy jakim odsetku braków danych.

W analizie zależności należy rozdzielić trzy kwestie. Istotność statystyczna dotyczy zgodności danych z określonym modelem i hipotezą zerową. Wielkość efektu opisuje skalę różnicy lub związku. Znaczenie praktyczne wymaga oceny, czy zaobserwowana różnica ma znaczenie dla pacjentów, personelu, organizacji opieki lub polityki publicznej. Wartość p nie jest prawdopodobieństwem prawdziwości hipotezy zerowej i sama nie mówi, czy wynik jest ważny klinicznie.

Co warto zapamiętać?

• Badanie przekrojowe jest obserwacyjnym pomiarem populacji w określonym czasie.
• Najlepiej służy do opisu prewalencji, cech populacji i współwystępowania zmiennych.
• Jest zwykle szybsze i tańsze niż badanie podłużne, ale nie ustala dobrze następstwa czasowego.
• Zależność zaobserwowana w przekroju nie jest automatycznie związkiem przyczynowym.
• Najważniejsze zagrożenia to obciążenie selekcją, błąd pomiaru, braki danych, odwrotna przyczynowość i czynniki zakłócające.
• Dobry raport powinien jasno opisywać populację, dobór próby, definicje zmiennych, czas pomiaru, analizę i ograniczenia.
• Wnioski należy formułować na poziomie uzasadnionym przez projekt, bez rozszerzania ich na niebadane populacje.

W ramach szkolenia na statystyk.edu.pl badanie przekrojowe warto traktować jako ważny etap rozumienia całej logiki schematów obserwacyjnych. Jego moc nie polega na tym, że odpowiada na każde pytanie, lecz na tym, że przy właściwie zdefiniowanym celu może dostarczyć szybkiej, uporządkowanej i użytecznej informacji o stanie populacji.

Źródła i dalsza lektura

1. Levin, Kate Ann (2006). Study design III: Cross-sectional studies. Evidence-Based Dentistry, 7(1), 24–25. DOI: 10.1038/sj.ebd.6400375.
2. von Elm, Erik; Altman, Douglas G.; Egger, Matthias; Pocock, Stuart J.; Gøtzsche, Peter C.; Vandenbroucke, Jan P.; for the STROBE Initiative (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) Statement: Guidelines for Reporting Observational Studies. PLoS Medicine, 4(10), e296. DOI: 10.1371/journal.pmed.0040296.
3. Vandenbroucke, Jan P.; von Elm, Erik; Altman, Douglas G.; Gøtzsche, Peter C.; Mulrow, Cynthia D.; Pocock, Stuart J.; Poole, Charles; Schlesselman, James J.; Egger, Matthias; for the STROBE Initiative (2007). Strengthening the Reporting of Observational Studies in Epidemiology (STROBE): Explanation and Elaboration. PLoS Medicine, 4(10), e297. DOI: 10.1371/journal.pmed.0040297.
4. Kirkwood, Betty R.; Sterne, Jonathan A. C. (2003). Essential Medical Statistics. 2nd edition. Blackwell Science. Informacja wydawcy / źródło.
5. Rothman, Kenneth J.; Greenland, Sander; Lash, Timothy L. (2008). Modern Epidemiology. 3rd edition. Wolters Kluwer Health/Lippincott Williams & Wilkins. Informacja wydawcy / źródło.
6. Creswell, John W.; Creswell, J. David (2018). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches. 5th edition. SAGE Publications. Informacja wydawcy / źródło.