OLGU-ÇAPRAZ ARAŞTIRMALARI

Olgu-çapraz araştırması, kısa süreli bir maruziyetin ani gelişen bir olayla ilişkisini araştıran gözlemsel bir tasarımdır. Karşılaştırma başka kişilerle değil, olay yaşayan kişinin farklı zamanlardaki maruziyetleri arasında yapılır. Böylece kişi kendi kontrolü olur. Maclure’un özgün tanımı, geçici maruziyetin akut olay riskinde kısa süreli değişiklik oluşturduğu sorulara yöneliktir; tasarım, rastgele tedavi sıralaması verilen çapraz araştırmayla aynı değildir.

Bu yaklaşımda karşılaştırma zamanlarının seçimi temel bir yöntem kararıdır. Hava kirliliği gibi maruziyetlerde mevsim, uzun dönem eğilimleri ve yakın günlerdeki ölçümlerin ilişkili olması dikkate alınmalıdır. Levy ve arkadaşlarının simülasyonları, ilk bakışta makul görünen bazı referans seçimi yöntemlerinin bile yanlılık oluşturabileceğini göstermiştir. Dolayısıyla yalnız aynı kişiyi karşılaştırmak, bütün zamanla değişen etkenlerin denetlendiği anlamına gelmez.

İstatistiksel modelin seçilmesi de bu zaman tanımlarından ayrı düşünülemez. Janes ve arkadaşları, bazı referans dönemlerinin gözlenen olay zamanına bağlı seçilmesinin koşullu lojistik regresyonda örtüşme yanlılığı oluşturabildiğini göstermiştir. Araştırmadaki bu yanlılığın genellikle küçük olması, önemsenmemesi gerektiği anlamına gelmez; büyüklüğü öngörülemez olabilir. Okur, yalnız kullanılan analiz programını değil, referans dönemlerinin nasıl oluşturulduğunu da incelemelidir.

Olayın kendisi sonraki davranışı değiştiriyorsa olaydan sonraki bir dönemi kontrol olarak kullanmak yanıltıcı olabilir. Örneğin kalp krizi sonrasında fiziksel etkinliğin azalması, önceki etkinliğin riskini olduğundan yüksek gösterebilir. Yöntem kısa süreli tetikleyici etkileri ele alır; birikimli veya uzun dönem etkilerle aynı soruyu yanıtlamaz. Maruziyeti karşılaştırılan dönemler boyunca değişmeyen kişiler de ilişki tahminine bilgi sağlamaz.

Maruziyetin kişide art arda benzer biçimde sürmesi ayrıca değerlendirilmelidir. Kubota ve arkadaşları, bu bağımlılığın zaman eğilimi bulunmasa bile standart analizde yanlılık oluşturabildiğini simülasyonla incelemiştir. Geliştirdikleri ağırlıklandırma belirli koşullarda yararlı bulunmuştur ve gerçek veri uygulamalarında değerlendirilmiştir. Bununla birlikte ölçülmemiş, zamanla değişen karıştırıcılar varsa yanlılık sürebilir; yeni bir analiz yöntemi bütün tasarım sorunlarını otomatik olarak gidermez.