Klinisk forskning – Fallkontrollstudier

2016-06-20 / Svensk Kirurgi / Volym 74 / Nr 3 / 2016

I den klassiska fall-kontrollstudien samlar man ihop ett antal personer (fall) som drabbats av ett utfall (oftast en sjukdom) och undersöker om de utsatts för en viss exponering innan de fick sjukdomen. Vidare undersöker man en grupp individer utan detta utfall (kontroller) med avseende på samma exponering. Som andra studiedesigner har detta sina speciella för- och nackdelar vilket belyses nedan.

JOHAN SUNDSTRÖM
johan.sundstrom@ucr.uu.se
Uppsala

Jämfört med kohortstudien har fall-kontrollstudien två stora fördelar. Den tar kortare tid att genomföra och blir billigare eftersom man inte behöver följa studiepersonerna under lång tid, och den har lägre behov av individer som inte har sjukdomen, vilket är särskilt praktiskt när man studerar sällsynta sjukdomar. Fall-kontrollstudien har dock några viktiga nackdelar. Det är viktigt att komma ihåg att varje fall-kontrollstudie är designad för att studera ett specifikt utfall, och att den i princip inte kan användas för att studera andra utfall (något som är möjligt i kohortstudier). Den viktigaste nackdelen är dock svårigheten att välja ut kontroller.

Är kontrollerna representativa för den population som producerade fallen?

Den till synes enkla regel som gäller vid val av kontroller är att de ska vara representativa för den population som producerade fallen. Det svåra är hur man sen ska kunna försäkra sig om det. Ska man slumpmässigt välja kontroller från folkbokföringsregistret bland dem som ligger på sjukhus för andra diagnoser eller ska man använda partners, vänner eller släktingar till fallen? Alla dessa alternativ har sina problem.

Om nu fallen inte har hämtats ur den allmänna befolkningen utan till exempel omfattar alla som söker vård på en viss klinik för en viss sjukdom, bör även kontrollerna väljas från den population som skulle ha sökt vård på denna klinik om de fått samma sjukdom. Somliga löser detta genom att välja kontroller bland patienter på samma klinik som har andra sjukdomar.

Men då delar fall och kontroller det faktum att de blivit sjuka, och det är svårt att garantera att den exponering man vill studera inte är relaterad till de sjukdomar som kontrollerna söker för. I allmänhet bör man undvika att använda patienter med andra sjukdomar som kontroller. En bra princip är att, om möjligt, välja både fallen och kontrollerna ur en kohortstudie; man vet ju då att de kommer från samma population. En sådan studie kallas nested case-control study.

Tidpunkt för val av kontroller

En annan faktor som är viktig att tänka på är hur man tidsmässigt samlar in sina kontroller. Ska man göra det i början eller i slutet av studieperioden? Traditionellt har man samlat in kontrollerna i slutet av studieperioden och ur den del av populationen som har haft ”chansen” att bli sjuk under studieperioden men som inte blivit det. Detta sätt att samla in kontroller brukar kallas exclusive sampling eftersom inga kontroller har sjukdomen.

Om man i stället väljer ut kontrollerna slumpvis i början av studieperioden kommer även en del av kontrollerna att utveckla den sjukdom som karakteriserar fallen. Denna typ av design har många namn: case-base, case-exposure, case-cohort. Detta sätt att välja kontroller kallas inclusive sampling. Fördelen är att om kontrollerna valts ut rätt, till exempel genom att de alla är del av en populationsbaserad kohortstudie, har de samma risk som populationen i stort och man kan då med lite teknisk finess bestämma risk ratio, vilket inte är möjligt vid exclusive sampling.

Ett tredje sätt att välja ut kontroller är att välja en frisk kontroll så fort man definierat ett fall. Denna kontroll kan dock senare under studieperioden få sjukdomen och blir då även inkluderad i fallgruppen. Denna typ av selektion av kontroller brukar kallas concurrent sampling. Om detta görs inom en kohortstudie kan man i analysfasen med lite ytterligare teknisk finess estimera ett rate ratio.

Bias i fall–kontrollstudier

I fall–kontrollstudier finns det risk för flera typer av bias som kan drabba både fall och kontroller. Selection bias innebär att man inte väljer kontroller som är representativa för den population som producerade fallen. Detta är den viktigaste felkällan i en fall-kontrollstudie och den som är svårast att komma runt. Information bias innebär att de uppgifter som inhämtas blir felaktiga eller ofullständiga. Detta beror oftast på responder bias (där recall bias är vanligast) och observer bias. Recall bias innebär att fallen eller kontrollerna inte kommer ihåg exponeringen på rätt sätt. Det är typiskt att om en person drabbas av en allvarlig sjukdom, till exempel cancer, kommer hen att fundera på vad som har tilldragit sig tidigare i livet för att komma fram till vad som har orsakat cancern. Fallen tenderar då att rapportera allmänt vedertaget riskfyllda exponeringar i större omfattning än kontrollerna som inte har haft anledning att fundera så mycket på detta, även om deras exponering var identisk. Observer bias är fel som kan uppkomma då den person som ska samla in data måste lägga in en egen tolkning i datainsamlingen. Om det i en studie avseende lungcancer till exempel gäller att klassificera om det finns asbestförändringar eller inte på lungröntgenbilder kanske man övertolkar fläckar på röntgenbilderna från fallen jämfört med kontrollerna. Det är därför viktigt att utvärderingen av exponeringarna i en fall–kontrollstudie görs under så blindade förhållanden som möjligt, det vill säga att den som tolkar exponeringarna inte ska veta vem som är fall respektive kontroll.

Matchning av kontroller

När man samlar in sina kontroller kan man antingen välja ut dem slumpvis från den population fallen har kommit från eller så kan man välja ut dem så att de är lika fallen på något eller några sätt, till exempel har samma ålder eller kön. Det sistnämnda kallas matchning. Det är viktigt att komma ihåg att man sen inte kan analysera de variabler som man har matchat urvalet på. Matchning görs i allmänhet för att öka precisionen i studien, kontrollera förväxlingsfaktorer som kan vara svåra att mäta, eller kunna estimera rate ratio (se concurrent sampling ovan).