مؤ منان سالم ترند

 

شيوه زندگي مهم ترين ابزار براي حفظ وارتقاي سلامت است واز بين دوازده عامل موثر در شيوه زندگي سلامت مدار چهار عامل (ايمان به خداوند،فعاليت فيزيكي منظم،تغذيه خوب و مديريت استرس هاوهيجانهاي زندگي)از اهميت بيشتري برخوردار هستند. ايمان به خداوند عامل جدي در شيوه زندگي است كه پپس از سالها فراموشي ،اكنون در محافل علمي وسلامتي جهان مورد توجه واقع شده است و متخصصان جهاني سلامت مي گويند: وقت آن رسيده است كه به بعد معنوي سلامت توجه شودوآن عبارت است از: اعتقاد به خالق برتر ونظم حاكم بجهان هستي ومعني دار بودن زندگي. توجه به معنويت،  پاسخ به يكي از نيازهاي ضروري انسان بوده وكمبود آن مانند ساير مواد ضروري براي حيات انسان مانند كمبود ويتامينها عوارض  ناگوار وبيمار گونه فراواني را درپي خواهد داشت.

اين عامل به صورت مستقيم در سلامت معنوي وغير مستقيم در همه ابعاد جسمي، رواني واجتماعي سلامت تاثير گذار است و براي به سقف حداكثري سلامت نقش ويژه اي را ايفا مي كند . در محيط فيزيكي ،اجتماعي و رواني اطراف ما عوامل زيادي وجود دارند كه تهديد كننده سلامت بوده وتعدادي از آنها از كنترل ما خارج هستند. در ساده ترين شكل ايمان به خالق بر تر ويك نيروي ما ورا الطبيعه قدرت و تحمل ما را در پيشگيري واز هم پاشيدگي ناشي از اين عوامل مخرب افزايش مي دهد.در كتاب ارزشمند رهنمودهاي سلامت زيستن مي خوانيم كه :اعتقاد به معني داشتن زندگي ، نظم حاكم بر جهان و قدرت بر تر است كه به زندگي فرد مفهوم ژرف تر مي بخشد وروح انسان را فراتر از فرد به گذشت وبخشش ورسيدگي به نيازهاي ديگران بيش از نيازهاي خود فرا مي خواند. پرورش روح به هر شيوه اي كه انجام پذيرد نتيجه اش فرا رفتن از نيازهاي انسان است، ارتباط با خالق بر تر از طريق عبادات ،آيين ها و مراسم به زندگي فرد معنايي تازه مي بخشد . افراد سالم از نظر روحي ،اهدافي اساسي را در زندگي دنبال مي كنند ،آنها آموخته اند كه چگونه عشق به شادي وآرامش را احساس كنند و به خود وديگران براس دستيابي به ظرفيتهايشان ياري رسانند .

علايم و نشانهاي برخورداري از معنويت چيست؟ در يك مقايسه اگر بهداشت جسمي را داشتن بدني سالم با كاركرد مطلوب بدانيم ، شخص بر خوردار از بهداشت معنوي ، توجه و كوشش براي دستيابي به كمال داشته ، اخلاقيات و اصول تعريف شده اي داردو هدفي متعالي را در زندگي دنبال كرده و متعهد به ارزشهاي والا و خالق بر تر است . مختصر اينكه ،ايمان به خداوند و خالق برتر ، اتسان را در تو فانهاي مهيب زندگي و موقعيت هاي اظطراب آور و غير قابل پيش بيني به صورت سپري محكم حفظ مي كند . ايمان و معنويت در ياده ترين شكل آن همچون واكسني است كه مارا در هجوم بيماريهاي رواني ياري مي كند

 

چه كساني بايد واكسن آنفلوانزا بزنند؟

 

يكي از خصوصيات ويروس انفلوانزا اين است كه هر سال نسبت به سال قبل تغييراتي مي كند واگر جامعه از امني مناسبي بر خوردار نباشد ويروس جديد مي تواند بيمار مشابه ايجاد كند به طور معمول هر سال از ابتداي پاييز تا پايان سال اين ويروس شايع مي شود وهر يك تا سه سال مي تواند همه گيريهاي ايجاد كند ويروس انفلوانزا در دو تا سه سال دچار تغييرات جزئ وهر 20تا30سال دچار تغييرات كلي مي شود وبه همين دليل واكسن انفلوانزامانند واكسنهاي ديگر نيست كه سالهاي متمادي بتواند سطح ايمني ايجاد كند بلكه هر سال بر مبناي  ويروس در گردش سال گذشته واكسن جديد ساخته مي شود.

سر دسته گروه هدف واكسسيناسيون انفلوانزا سالمندان هستند كه به لحاظ علمي سن بالاي 50 سال را گويند .دسته دوم بيماران قلبي هستند مانند كساني كه نارسايي قلبي يا بيماريهاي دريچه اي دارند. دسته بعدي بيماريهاي ريوي هستند مانند اّسم يا برونشيت مزمن ويا كساني كه ريه انها دچار بدخيمي شده است .گروه هدف بعدي  كساني هستند كه به هردليل ضعف ايمني دارند مانند مبتلايان به ايدز؛ بد خيمي هاي متعدد وكساني كه به دليل بيماريهاي كليوي دياليز مي شوند وداروهاي تضعيف كننده سيسيتم ايمني مصرفمي كنند . همچنين بيماران دچار امراض رو ما تيسمي مانند  لو پوس  يا ارتريت روما توييد كه ناچارند كورتون وتركيبات استروييدي استفاده كنند.گروه ديكر مبتلايان به بيمارييهاي متابوليك مانند ديابت قندي هستند كه بايد واكسن دريافت كنند. خانمهاي بارداري كه سه ماهه دوم يا سوم بارداريشان با فصل انفلوانزا تلاقي مي كند.تزريق واكسن در سه ماهه اول بارداري توصيه نمي شود. كوكان ونوجوانان از شش ماه تا 18 سال كه ناچارند آسپرين مصرف كنند حتما بايد واكسن بگيرند زيرا آسپرين و ويروس آنفلوانزا با هم يك بيماري كبدي خطرناك به نام سندرم ري را ايجاد مي كنند. كودكان از شش ماه تا 5 سال امرزه مستقلا يك گروه هدف تعريف مي شوند زيرا رفتار انفلوانزا در انها مانند سالمندان است و نياز به بستي پيدا مي كنند.گروه ديگر كاركنان بخشهاي بهداشتي و درماني و سراي سالمندان هستند كه بايد واكسينه شوند تا ويروس به بيماران انتقال پيدا نكنند

 

مقدمه اي بر اپیدمیولو ژی عفونت هاي بيمارستاني

 

واژه nosocamial از دو كلمه يونانيnosos به معني بيماري و komeion به معني مراقبت، مشتق شده و به عفونت هاي كسب شده در بيمارستان يا ساير مراكز مراقبتي اطلاق مي گردد كه ممكن است در داخل بيمارستان يا بعد از ترخيص از بيمارستان اتفاق افتد.

عفونت هاي بيمارستاني از زمان شروع استفاده از مراقبت هاي پزشكي، بيماران بستري فراواني را مبتلا كرده است. از نقطه نظر تاريخي در قرن نوزدهم روشنگري هاي جوزف ليستر در مورد نقش باكتري ها در عفونت زخم هاي جرّاحي، منجر به درك مفهوم گندزدايي و آسپسي (عاري ساختن از عفونت) گرديد.

عفونت بيمارستاني  به عفونتي گفته مي‌شود كه پس از پذيرش بيمار در بيمارستان (48 يا 72 ساعت بعد) يا طي دوره اي مشخص (10 تا30 روز) پس از ترخيص بيمار (25 تا 50% عفونت‌هاي زخم جراحي، پس از ترخيص بيمار ظاهر مي‌گردند) رخ دهد و در زمان پذيرش بيمار وجود نداشته و در دوره نهفتگي خود نيز نبايد قرار داشته باشد.

هر يك از اعضاي بدن انسان مي‌تواند در بيمارستان، دچار عفونت گردد ولي در بين انواع عفونت‌هاي بيمارستاني، عفونت دستگاه ادراري (42%)، عفونت دستگاه تنفسي تحتاني (در مطالعه ديگر به عدد 11% اشاره شده است) يــا پنوموني (15% تا 20%)، عفونت ناشي از زخم جراحي (24%)، و عفونت دستگاه گردش خون (10-5%)، از اهميت خاصي برخوردارند.

هرچند پيشرفت هاي زيادي در كنترل عفونت بيمارستاني در بيش از يك قرن قبل صورت گرفته است  امّا عفونت هاي بيمارستاني به عنوان يك منبع مهمّ بيماريزايي و مرگ و مير به سير خود ادامه داده اند. به طوري كه تقريبا 10-5% بيماران بستري شده در آمريكا در طي زمان بستري، عفونت را تجربه مي كنند ولي  اين رقم در كشور هاي در حال توسعه بالاتر مي باشد و سالانه 4-2 ميليون مورد عفونت بيمارستاني در اين كشورها اتفاق مي افتد  تا آنجا كه يازدهمين علّت مرگ و مير در اين كشورها مي باشد. رشد تعداد بيماران مبتلا به نقص ايمني و افزايش  باكتري هاي مقاوم به آنتي بيوتيك ها، فرصت طلبي عفونت هاي قارچي و استفاده از وسايل و اقدامات تهاجمي، يك  چالش اساسي را در پيش روي ما قرار داده است. اين عفونت ها منجر به اقامت بيش از حد متوسط بيماران بستري در بيمارستان (تا 24 روز) شده و به صورت مستقيم  تا  يك صد هزار مورد مرگ ومير در سال ايجاد مي كنند و در ايالات متحده سالانه هزينه اي معادل 5/4 ميليارد دلار صرف مراقبت هاي ناشي از آن  مي شود. به رغم اطلاعات زياد در باره عفونت ها وكنترل آن ها و وجود آنتي بيوتيك هاي متعدد، عفونت بيمارستاني نه تنها براي بيماران بستري در بيمارستان ها و كليّه كاركنان مراكز پزشكي، مسئله ساز است بلكه براي افراد غيربستري و خانواده ها نيز مشكل مي آفريند زيرا بيماران بعد از ترخيص از بيمارستان ها عامل انتقال و پخش عفونت هاي مُسري بيمارستاني هستند و به طور كلّي ايجاد يك حلقه معيوب مي كنند كه بايد با اقدامات موثر و مداوم در نقاط مختلف، اين حلقه را درهم شكست. طبق بررسي‌هاي انجام شده، عفونت ادراري، شايع‌ترين و پنوموني كشنده ترين عفونت‌هاي بيمارستاني محسوب مي‌شوند

ميكروارگانيسم‌هاي متفاوتي مي‌توانند باعث بروز عفونت بيمارستاني به صورت اندميك و اپيدميك گردند كه تابع شرايطي مانند بيماري زمينه اي، استفاده از وسايل تهاجمي و مصرف قبلي آنتي بيوتيك است.به طور كلي در بين انواع عفونت‌هاي بيمارستاني E. Colشايعترين عامل عفونت دستگاه ادراري،استافيلوكوك آرئوس شايع‌ترين عامل عفونت زخم جراحي، پسودومونا آئروژينوزا و استافيلوكوك آرئوس شايع‌ترين باكتري‌هاي عفونت‌هاي دستگاه تنفسي تحتاني و كوكسي‌هاي گرم مثبت شايع‌ترين ميكروارگانيسم‌ها در ايجادباكتريمي اوليه بوده اند.

منابع

1- سليماني؛ حاجي عبدالباقي و افهمي عفونت هاي بيمارستاني وراه هاي كنترل آن. كتاب جامع بهداشت عمومي چاپ اوّل، تهران ، وزارت بهداشت1382.

2- سليماني حسين و افهمي  شيرين پيشگيري وكنترل عفونت هاي بيمارستاني چاپ دوم انتشارا ت تيمور زاده  سال 1379 فصول دوم هفتم ششم.

3-Jernigan، John A، Nosocamial infection،CECL Text Book of Medicine 21th Edition  W.B SSAUNDERS  COMPANY  Philadelfia  1581 –1586(2000).

4-Weinstein Robert A  Nosocamial infection HARRISON S Principles of Internal Medicine15st Edition، McGraw-Hill International Edition 853-859(2001).

 

 

 

مرگ وميرهاي ناشي از تصادفات رانندگي روي اميد به زندگي در بدو تولد وبار اقتصادي ناشي آن

 

امروزه در ایران توپولوف نامی آشناست وقتی از آن صحبت  به میان می آیدحوادث هوایی، تلفات جانی ونفرت از روسیه در ذهن تداعی می شود .در ماههای گذشته شاهد وقوع چندین حوادث هوایی ناشی از نقص فنی وفرسودگی این نوع هواپیمای روسی بودیم ومتاسفانه هم تعداد زیادی از هم وطنانمان جانشان را از دست دادند و صدای اعتراض و انتقاد از ناوگان هوایی کشور بلند شد اما آنچه در این مدت مورد غفلت واقع شده ونسبت به حوادث اخیر کمتر حساسیت ایجاد شده است تلفات حوادث جاده ای بوده است .امروزه توجه خيلي کمي به هزاران زندگي که دراثر تصادفات، بي رحمانه از دست مي رود مي شود.هر روز شاهد انتقال تعداد زيادي از مصدومين حوادث جاده اي به بخش اورژانس و سوگوار شدن خانواده ها مي باشيم بر اساس آمارهای موجود سالانه در ایران حدود سی هزار نفر در اثرحودث رانندگی جان خود را از دست می دهندواین جدا از آمار افرادی است که دچار معلو لیت و نقایص جسمی می شوند و می توان گفت کشور ما در حال حاضر درگیر جنگی است که شاید قربانیان آن بیش از بسیاری از جنگهای  تاريخ باشد احتمالا علت افزايش شتابان تعداد تصادفات رانندگي ومتعاقباً افزايش مرگ ومير ناشي از اين سوانح وتصادفات درسالهاي اخير به  افزایش تعداد خودروها  نسبت داده شود اما این نمی تواند به واقعیت نزدیک باشد زیرا در ژاپن تعداد خودروها حدود سه برابر کشور ماست اما حوادث و تلفات جاده ای در قیاس  با  ایران کمتر است. درحوادث رانندگی عوامل انسانی ،فنی و محیطی نقش دارند. سوانح وحوادث رانندگي تهديدي جدي براي سلامتي انسانها در سراسر دنيامي باشد. از تصادفات به عنوان يک مسئلة مهم بهداشت عمومي غفلت شده است وبه اين مسئله که از طريق تلاشهاي سازمان يافته در يک جامعه مي توان از اين آسيبها جلوگيري کرد به شکل محدودي مورد توجه قرار گرفته است.در کشورهاي  توسعه يافتة صنعتي راهکارهاي مقابله با سوانح وحوادث با دقت وحساسيت بررسي شده است  واپیدمیو لوژی حوادث وسوانح جایگاه خاصی پیدا کرده است. ولي در کشورهاي درحال توسعه اينگونه نيست و به جریمه کردن رانندگان متخلف بسنده میکنند که این هم راه را به جایی نمی رساند البته ما منکر تاثیر عوامل انسانی در ایجاد تصادفات نیستیم وباید از همه ابعاد مورد بررسی قرار گیرد.مرگ وميرهاي ناشي ازسوانح وتصادفات رانندگي در سالهاي اخيرباتوجه به ابعاد وسيع مسئله چندان که بايد مورد توجه قرارنگرفته است وتا کنون برآورددقيقي در مورد هزينه هاي اقتصادي مرگ وميرهاي ناشي ازسوانح وتصادفات رانندگي نشده است.با توجه به آثار منفي که اين مرگ وميرها در بلند مدت مي تواند بر اقتصاد کشور به جاي گذارد لزوم کنترل اين مرگ وميرها نيز ضرورت پيدا خواهدکردوبراي  شفاف ترشدن بعدفاجعه آگاهي از بار اقتصادي اين مرگ وميرها بر اقتصاد کشور ضرورتي انکار ناپذير خواهد داشت. واقعة مرگ ومير در سنين متفاوت از اهميت زيادي برخوردار است وآگاهي ازشاخصهاي مربوط به آن براي برنامه ريزان کشور ضرورتي انکار ناپذير دارد. اميد به زندگي در بدوتولد يكي از شاخص هاي توسعه يافتگي كشورها به شمار مي آيد و يكي از اهداف برنامه ريزان براي توسعه, افزايش اميد به زندگي در بدو تولد است. شاخص هاي تعيين كننده اميد به زندگي دربدو تولد , ميزان هاي مرگ‌ و مير ويژه سني مي باشد. هر چه ميزان‌هاي مرگ‌ و مير در سنين پايين مخصوصاً سنين زير 5 سال كمتر باشد اميد به زندگي روبه فزوني خواهد گذاشت .مرگ‌و مير در سنين 5 سال در كشور ما تا حد زيادي تحت كنترل درآمده  است. عامل مهم ديگري كه اميد به زندگي را تحت تاثير قرار مي دهد مرگ‌ و مير جوانان و افراد ميانسال است. با توجه به اينكه مرگ‌وميرهاي ناشي ازسوانح و تصادفات رانندگي بيشتر سنين مياني و پايين را تحت تاثير قرار مي دهند, تاثير منفي اين مرگ‌وميرهاي روي اميد زندگي در بدو تولدودر نتيجه روي اقتصاد وجامعه اجتناب ناپذير خواهد بود. امروزه‌ سلامت‌ محور توسعه‌ پايدار محسوب‌ مي‌شودو  سرمايه‌گذاري‌   در بخش‌ سلامت‌ سريعترين‌ و آسانترين‌ راه‌ براي‌ کاهش‌ فقر در جامعه‌ محسوب‌ مي‌شود.اپیدمیولوژیستها تصادفات رانندگي را به عنوان يک علت اصلي براي از دست دادن زندگي بارورومولدوهمچنين يک علت براي هزينه هاي بالاي مراقبتهاي بهداشتي ودرجه زيادي ازناتواني جسمي مي دانند.  با توجه به تاثير زياد مرگ‌ومير هاي ناشي ازسوانح و تصادفات رانندگي  روي شاخص‌هاي مرگ‌ومير بخصوص اميد به زندگي در بدو تولدواقتصاد کشور و عدم توجه به اين مرگ‌وميرها, لزوم توجه به آثار اين مرگ‌ وميرها ضروري است. كاهش اميد به زندگي آثار اقتصادي و اجتماعي سوئي براي جامعه به ارمغان مي‌آورد مردان به علل مختلف بيشتر از زنان در معرض خطر مرگ وميرهاي ناشي از سوانح وتصادفات رانندگي قرار دارند.آمار وارقام نشان مي دهند که تعداد مرگ ومير وسالهاي عمر از دست رفته به دليل مرگ وميرهاي ناشي از سوانح وتصادفات رانندگي در بين مردان چندين برابر بيشتر از زنان است.اين مسئله وقتي پررنگ تر جلوه خواهد کرد که مسئلة بالا بودن سهم اشتغال مردان نسبت به زنان وشرکت بيشترمردان در توليد اقتصادي مورد توجه قرار گيرد.اين قضيه از آنرو حائز اهميت است که مردان که از سهم اشتغال بالا ترودر نتيجه توليد اقتصادي بالاتري برخوردارنداز مرگ وميرهاي ناشي از سوانح وتصادفات رانندگي بالا تري نيز نسبت به زنان برخوردار هستندو بالطبع آثار سؤ اقتصادي واجتماعي بيشتري برکشور تحميل خواهند کرد وباعث از بين رفتن سرمايه هاي ملي کشور وتحميل هزينه هاي اقتصادي و اجتماعي خواهند شد. مرگ وميرهايي كه در اثر سوانح وتصادفات رانندگي روي مي دهند ، درواقع سرمايه هاي انساني كشورهارا ازبين مي برندواين سرمايه ها بعنوان پشتوانه توسعه كشورتلقي مي گردند. پيشگيري از اين مرگ وميرها تا حدي باعث كاهش نرخ مرگ ومير وافزايش اميد به زندگي دربدو تولد گردد. اميد به زندگي دربدو تولد بعنوان يكي از شاخصهاي مهم توسعه يافتگي كشورها  مي باشد ومقابله با اين مرگ وميرها ،همزمان با كاهش ساير مرگ وميرها كه درسنين پايين رخ مي دهد منجربه افزايش اميدبه زندگي دربدوتولدخواهد شد. سرمايه گذاري بيشتردربخش بهداشت براي كاهش مرگ وميرها ي ناشي ا ز سوانح وتصادفات رانندگي مي تواند روند رو به رشد افزايش اميدبه زندگي را تسريع بخشد.

بحران اقتصادی جهان درسال جاری و غفلت از اپیدمی بیماریها

 

هفتم آوریل، ۱۹فروردین، شصت ویکمین سالگرد تاسیس سازمان جهانی بهداشت  و روز جهانی بهداشت و سلامتی و سالروز تاسیس سازمان بهداشت جهانی است .

   هدف از نامگذاری چنین روزی ترغیب دولت ها، سازمان ها و شرکت های بازرگانی به سرمایه گذاری در امور بهداشتی و ساختن آینده ای ایمن تر است.  در حالی که بسیاری از کشورهای جهان با مشکلاتی چون بروز سیل و شیوع بیماریهای پس از آن، خشکسالی و کمبود آب آشامیدنی و غذا روبرو هستند، همکاری اعضای جامعه جهانی به کم شدن چنین اثرات ناگوار جوی منجر خواهد شد.  ایران هم به دلیل موقعیت جغرافیایی اش از جمله کشورهایی است که از پیامد های این تغییرات سخت آسیب خواهد دید. به عنوان مثال سرمای شدید و غیرمنتظره زمستان سال1386باعث شد که محصولات کشاورزی در نقاط مختلف کشور آسیب ببینند و زمزمه بروز خشکسالی در نقاط مختلف کشور شنیده شود. و اکنون نیز خطر خشک سالی و کم آبی ایران را تهدید می کند.سازمان بهداشت جهانی، نخستین مجمع جهانی خود را در سال ۱۹۴۸ برگذار کرد و از همان زمان تصمیم گرفت هرساله روز هفتم آوریل را با عنوان روز جهانی بهداشت نامگذاری کند که این تصمیم از سال ۱۹۵۰ اجرا شد.روز جهانی بهداشت یادآوراین مساله است که تهدیدهای عمومی علیه سلامتی مردم جهان مرز نمی شناسد.بهداشت، توسعه و امنیت جهانی ارتباط تنگاتنگی با هم دارند. سرمایه گذاری در بهداشت سنگ بنای توسعه اقتصادی و توسعه و پیش نیاز رسیدن به بسیاری از اهداف توسعه هزاره است .اشاعه بیماری ها، بلایای طبیعی، تغییرات محیط زیستی، تروریسم باسلاح های بیولوژیک، یا سموم شیمیایی همگی تاثیر گسترده ای بر مردم، جوامع و اقتصاد جوامع در تمام جهان دارند. چنین تهدیدهایی چالش های جدید به شمار میروند و باید پاسخی کارساز و فوری به آنها داده شود. سازمان جهاني بهداشت هشدار داد که بحران مالي کنوني در جهان احتمالا افزايش بيماري هاي رواني، مصرف سيگار و مشروبات الکلي را موجب خواهد شد.،  مارگارت چان مدير کل سازمان جهاني بهداشت در نشست کارشناسان اين سازمان که با محوريت پيامدهاي بحران مالي واقتصادي برگزارشد، با اعلام اين مطلب که جهان پيشتر هم مبتلابه تبعاتي مشابه در ارتباط با بحران ها بوده است، ناتواني مراکز بهداشت دولتي در ارايه خدمات درماني کافي به بيماران به خاطر بحرانهاي مالي را نگران کننده دانست.وي افزود، در شرايط بحران اقتصادي اغلب مردم ار رفتن به مراکز درماني خصوصي خودداري کرده وبه مراکز دولتي مشابه مراجعه مي کنند وتشديد فعاليت اين مراکز با توجه به عدم افزايش بودجه ي آنها از سوي دولت، کار درماني اين مراکز را با مشکلات زيادي مواجه مي کند.درهمين حال، ريچارد نيووارمر نماينده بانک جهاني در سازمان ملل در گفت وگو با خبرنگاران اظهار داشت: “با کاهش ميانگين رشد درکشورهاي درحال توسعه در سال ۲۰۰۹ ، جهان با حدود ۶۰ميليون نفر که زير خط فقر زندگي مي کنند، مواجه خواهد شد.

  با شروع حدودا يکساله بحران اقتصادي در جهان نمي‌توان براي پايان بحران تاريخي گذاشت اين بحران نشان داد که تئوريهاي مادي دوام زيادي ندارند و بحران در اولين گام دامن گير کشورهاي پيشرفته شد. ارمغان اين بحران  فقر،مشکلات بهداشتي ، مسائل اجتماعي و مسايل سياسي و امنيتي است   که مي‌‏تواند  بسيار وسيع و پردامنه باشد.گروه هاي حساس جامعه يعني کودکان ، زنان و افراد سالمند در تيررس مستقيم اين بحران قرار دارند.با توجه به اين در کشورهاي فقير که با مشکلات تغذيه اي جدي روبرو هستند اين مشکل مي تواند وخيم تر و جدي تر باشد.از طرف ديگر در کشورهاي در حال توسعه و توسعه يافته نيز مشکلات جدي دامن گير سلامت افراد شده است بطوري که سقوط افت شديد قيمت ها باعث اخراج بسياري از کارگران شده و اين باعث بي پولي و حاشيه نشيني و ايجادمشکل اجتماعي وفرهنگي مي شود.

  بحرانهاي  رواني نظير استرس و افسردگي به صورت يک اپيدمي جهاني سلامت بشريت را به خطر انداخته است واين بحرانها در کنارمشکل تغذيه اي  باعث کاهش مقاومت بدن درحملات ميکروبي مي شود و اين در حالي است که افراد حساس و مستعد به ابتلا نيز در جامعه نيز افزايش مي يابد و امکان اپيدمي نيز افزايش مي يابد اين اپيدمي يا همه گيري نه تنها شامل بيماريهاي ميکروبي مي شود بلکه اپيدمي افسردگي مزمن و استرس مرضي را نيز در پي دارد.بايد منتظر رشد تعداد افراد مبتلا به سل،سوء تغذيه،مرگ‌وميرشيرخواران ومادران وسالمندان بود.

   در نهايت اين بحران پايان خوشي نخواهد داشت و حتي با بهبودي جامعه بازمقاومت ميکروبي به آنتي بيوتيک ها در آينده مشکل زا خواهد بود هرچه اين مشکل طولاني تر شود تبعات آن بدتر و فراگير تر خواهد بود.

 

 

برنامه درسي دوره كارشناسي ارشد اپيدميولوژي

 

 

 

 

1- تعريف رشته و مقطع مربوطه

رشته اپيدميولوژي Epidemiology در مقطع كارشناسي ارشد ناپيوسته (M.S.) شاخه‌اي از علوم پايه پزشكي و بهداشت است كه سلامت فردي و اجتماعي جامعه را اندازه‌گيري مي‌گيرد و با گرد‌آوري و تحليل داده‌ها در سطح جامعه، توزيع آنها و عوامل مؤثر بر آنها را شناخته، درمانها و راه حلها را پيشنهاد داده و به ارزيابي خدمات واحدهاي بهداشتي در سطوح مختلف مي‌پردازد.

2- تاريخچه رشته و پيشرفتهاي جديد

تفكر اپيدميولوژي به اندازه پزشكي قدمت دارد. اولين اشاراتي به بررسي علل بيماريها به توصيه‌هاي بقراط به كساني است كه مي‌خواهند در رشته پزشكي فعاليت كنند.

بنابراين هركس كه مي‌خواهد در پزشكي به صورت مناسبي فعاليت كند، ابتدا بايد فصل‌هاي سال و تأثيري را كه هريك از آنها ايجاد مي‌كنند، در نظر بگيرد... به طرز زندگي مردم توجه كند و به پيشه آنان، اين كه شيفته پرخوري و پرنوشي هستند و اين كه تنبل بيكاره‌اند يا مشتاق ورزش....

از نظر تاريخي، علم اپيدميولوژي حداقل به سال 1662 بر مي‌گردد. «جان گرانت» با تحليل داده‌هاي تولد و مرگ توزيع كمي آنها را در جامعه گزارش داد. در سالهاي بعد نيز «فار» با مطالعه بر توزيع مرگ در گروه‌هاي مختلف شغلي و اجتماعي، مفاهيم اپيدميولوژيك چون جمعيت در معرض خطر و گروه‌هاي مقايسه را مطرح ساخت. با بررسي اسنو در سال 1854 بر توزيع وبا در لندن، اهميت به كارگيري روشهاي كمي در تحليل و ارزيابي مشكلات بهداشتي و سلامت جامعه قبل از تدوين علم نوين اپيدميولوژي نشان داده شد.

در كشور ما ايران، اپيدميولوژي به عنوان حرفه‌اي مستقل در سال 1330 (1951) در جريان تأسيس سازمان همكاري بهداشت (با همكاري وزارت بهداري آن زمان و همكاران آمريكائي) شناخته شد كه در آن سازمان يك واحد اپيدميولوژي مسئول بررسي و كنترل همه‌گيري‌ها بود. در سال 1331 انستيتو مالاريولوژي تأسيس شد كه سازماني وابسته به گروه انگل شناسي دانشكده پزشكي دانشگاه تهران با همكاري كامل با وزارت بهداري وقت بود. فعاليت مهم اين انستيتو تشكيل دوره‌هاي كوتاه مدت مالاريولوژي و نيز انجام مطالعات مالاريومتريك در سراسر كشور بود كه در هر دو فعاليت، رابطه رشته اپيدميولوژي با مالاريا به خوبي ديده مي‌شد. در 1332 (1952) قراردادي بين انستيتو مالاريولوژي و سازمان جهاني بهداشت تحت عنوان «برنامه مبارزه با بيماريهاي منطقه بوسيله بندپايان» منعقد شد كه بخشي از آن ترتيب يك دوره آموزشي يكساله اپيدميولوژي بود. اين دوره دو بار برگزار شد و در هر بار 3 نفر در آن شركت كرده و فارغ‌التحصيل شدند. مسئول ايراني اين قرارداد دكتر محمدعلي فقيه بود كه پس از تأسيس دانشكده بهداشت در دانشگاه تهران در سال (1345) به عنوان استاد اپيدميولوژي و دكتر ابوالحسن نديم يكي از دانش آموختگان دو دوره فوق، به عنوان دانشيار اپيدميولوژي منصوب شدند. بخش اپيدميولوژي اين دانشكده به تدريج توسعه يافت به طوريكه در سال 1357 (1979) داراي 3 استاد 3 دانشيار و 3 استاديار بود. همزمان در دانشگاه شيراز دوره ليسانس اپيدميولوژي راه اندازي شده بود كه چندين دوره فارغ‌التحصيل داشت. از همان آغاز تأسيس انجمن بين‌المللي اپيدميولوژي، دانشكده بهداشت دانشگاه تهران همكاري خود را با آن شروع كرد. يكي از جلسات بين‌المللي آن انجمن در تهران تشكيل شد و دكتر محمدعلي فقيه سالهاي چندي نماينده منطقه مديترانه شرقي در آن انجمن بود. پس از انقلاب به دلايل متعدد از تعداد اپيدميولوژيست هاي كشور كاسته شد. يكي دو نفر در گذشتند و چند نفر بازنشسته شدند و يكي دو نفر نيز به خارج از كشور مهاجرت كردند ولي از سال 1365 (1986) برنامه رزيدنتي اپيدميولوژي مجدداً در ايران شروع شد و همزمان تعدادي به خارج از كشور جهت دريافت درجه دكتري اپيدميولوژي اعزام شدند. آخرين بازنگري دوره به سال 1375 بر مي‌گردد.

3- رسالت رشته

قرن اخير شاهد تغيير عمده در الگوي سلامت جامعه بوده است. اين تغيير در الگوي تولد و مرگ در جامعه و تغيير هرم سني، تغيير در اميد به زندگي و الگوي بيماريهاي شايع در جامعه واضح است. تغيير در بيماريهاي شايع از بيماريهاي عفوني مثل وبا و سل به سمت بيماريهاي قلبي عروقي، سرطان و اختلالات متابوليك و مدل عليتي بيماريهاي جديد به علاوه توجه جدي‌تر به اندازه گيري نقش عوامل محيطي، شغلي و رواني در سلامت جامعه، تحرك جديدي را در اين رشته ايجاد كرد و زمينه‌هاي جديد توجه و تحقيق در سلامت جامعه و علل مؤثر بر آن را فراهم آورد. زمينه‌هاي جديد در رشته هاي ملكولي و ژنتيك محصول گرايش جديد به بررسي علت بيماريها و نيز پيشرفتهاي تكنولوژيك ساليان اخير مي‌باشد. مهمترين نقش اپيدميولوژيست، تحليل داده‌هاي سلامتي و ارزشيابي و پايش برنامه‌هاي سلامتي و نيز تعيين هزينه فايده برنامه‌هاي سلامتي است. در اين راستا با بهينه كردن هزينه در سطوح و برنامه‌هاي مختلف سلامتي و كمك در انتخاب بهترين روشها براي ارتقاء سلامت جامعه، كمك به ايفاي نقش زير ساختاري نظام سلامت را براي توسعه اقتصادي اجتماعي جامعه برعهده دارد.

4- چشم انداز رشته

دانش آموختگان كارشناسي ارشد اپيدميولوژي تفكر اپيدميولوژيكي را در جامعه و ميان بخشهاي مختلف سيستم اداره جامعه گسترش مي‌دهند. به تحليل داده‌هاي بخش سلامت جامعه مي‌پردازند و به مسئولان در تحليل داده‌ها و تصميم‌گيري مبتني بر شواهد و توجه به هزينه اثربخشي، كمك مي‌كنند. در اين راستا با بررسي زمينه‌ها و علل نابرابري سلامت در اجتماع، به دسترسي يكسان و كامل تمام افراد جامعه به خدمات بهداشتي با كيفيت كمك مي‌كنند. با حضور در طرح‌هاي تحقيقاتي باليني باتوجه به استانداردهاي تحقيق با افزايش كيفيت نتايج به پيشنهاد درمانها و راهكارهاي پيشگيري مؤثر و همزمان به ارتقاء علم پزشكي در كشور كمك مي‌كنند. انتظار مي‌رود در آينده قادر باشيم از مراكز اصلي تصميم‌گيري و سياستگزاري در زمينه بيماري سلامت در منطقه و جهان باشيم.

5- نقش دانش آموختگان

نقش هاي دانش آموختگان شامل: آموزشي، پژوهشي، مشاوره‌اي و مديريتي مي‌باشد.

6- وظايف حرفه‌اي دانش آموختگان Task Analysis

وظايف حرفه‌اي در نقش مديريتي:

- مديريت داده‌هاي بهداشتي و سلامتي و تحليل آنها در سطوح محيطي

-تصميم سازي و ارائه الگوهاي مناسب بهداشت همراه با آزمونهاي كوچك اجرايي در سطح جوامع كوچك

- وظايف حرفه‌اي در نقش مشاوره‌اي:

همكاري در طراحي منشور اجرايي و فعاليتهاي كنترل كيفيت داده‌هاي بهداشتي

ارائه مشاوره در تصميم‌گيري اجرايي و مديريت بيمارستاني

ارائه مشاوره در مراحل مختلف تحقيق از طراحي تا استنباط

- وظايف حرفه‌اي در نقش پژوهشي:

همكاري در طراحي منشور اجرايي و فعاليتهاي كنترل كيفيت داده‌هاي بهداشتي

مشاركت در طراحي و اجراي طرحهاي تحقيقاتي پايه، باليني و جامعه نگر

- وظايف حرفه‌اي در نقش آموزشي:

آموزش اپيدميولوژي، تدريس دانشگاهي و كارگاهي

آموزش به سطوح مختلف كارشناسان بخش سلامت

7- اهداف كلي

هدف اصلي برنامه تربيت نيروي انساني در سطح كارشناسي ارشد به منظور ارائه خدمات مرتبط با نظام سلامت در زمينه‌هاي زير مي‌باشد:

آموزش و توانمندسازي در زمينه شناسايي مشكلات سلامتي جامعه

آموزش و توانمندسازي در زمينه شناسايي الگوي رفتاري و ويژگي هاي جامعه در ابعاد گوناگون

آموزش و توانمندسازي در زمينه روشهاي علمي جمع‌آوري داده ها

آموزش و توانمندسازي در زمينه پايش و ارزيابي برنامه‌ها و تحليلهاي هزينه اثربخشي

آموزش و توانمندسازي در زمينه چگونگي استفاده از روشهاي آماري و كامپيوتر در تحليل داده‌ها

آموزش و توانمندسازي در زمينه شناسايي منشاء خطا و چگونگي كنترل آنها در مراحل مختلف تحقيق

8- استراتژي هاي كلي آموزشي

استفاده از دانش آموختگان رشته هاي علوم پايه پزشكي و بهداشت

گسترش توانايي هاي دانشجويان در ابعاد مختلف كاري

حمايت از مشاركت دانشجويان در طرح‌هاي تحقيقاتي دانشگاه و خارج آن

مشاركت در كارگاه‌هاي آموزشي برگزار شده در دانشگاه

توجه به ارتباط صميمانه و نزديك اساتيد با دانشجويان

تأكيد بر خودآموزي در آموزش براي تضمين مهارت و تداوم در تحصيل و پس از آن

تأكيد بر نيازها و مشكلات اپيدميولوژيكي جامعه و نقاط ابهام آن

توجه به علايق شخصي و حرفه‌اي دانشجويان در تحصيل

تشويق به استفاده مستمر از پايگاه‌هاي اطلاع رساني و اينترنت براي ارتباط با ساير محققان و مراكز تحقيقاتي

تهيه امكانات سخت افزاري و نرم افزاري كامپيوتر براي دانشجويان

9- شرايط و نحوه پذيرش در رشته:

داوطلبان ورود به دوره كارشناسي ارشد اپيدميولوژي بايد ضمن دارا بودن شرايط كلي ورود به دوره هاي آموزش عالي، شرايط خاص زيرا احراز كنند:

1- دارا بودن مدرك كارشناسي در يكي از رشته‌هاي بهداشت (عمومي، حرفه‌اي و محيط) حشره‌شناسي پزشكي – انگل شناسي – آموزش بهداشت – مدارك پزشكي – پرستاري – مامايي – اداره امور بيمارستان‌ها و يا دارندگان مدارك دوره دكتري عمومي پزشكي، دندانپزشكي، داروسازي و دامپزشكي و كليه مدارك تحصيلي مقطع كارشناسي رشته آمار.

2- موفقيت در آزمون ورودي كه شامل مواد امتحاني به شرح زير مي‌باشد:

مواد امتحاني	ضرائب
اپيدميولوژي شامل اصطلاحات، اصول و روش‌ها، بيماري‌هاي واگير و غير واگير	5/3
آمار زيستي	3
بهداشت عمومي و برنامه‌هاي كشوري مرتبط با سلامت	5/1
زبان عمومي	2

10- رشته‌هاي مشابه در داخل كشور

رشته مشابه در اين مقطع در كشور وجود ندارد.

11- رشته‌هاي مشابه در خارج كشور

كارشناسي ارشد در مقطع اپيدميولوژي از ساليان گذشته در دانشگاه‌هاي معتبر دنيا از جمله دانشگاه هاي مذكور، در ذيل ارائه مي‌گردد. علاوه بر گرايش عمومي در آموزش اپيدميولوژي در اين مقطع، دوره بصورت گرايش خاص نظير كارشناسي ارشد اپيدميولوژي محيط، بيماريهاي شغلي، ملكولار و ژنتيك اپيدميولوژي، تغذيه، سرطان و... نيز ارائه مي‌گردد.

-         London School of Hygiene & Tropical Medicine

-         The Johns Hopkins University

-         Yale University

-         University of Michigan

-         Karolinska University

-         Harvard University

-         McGill University

12- شرايط موردنياز براي راه اندازي رشته

طبق ضوابط شوراي گسترش و ارزشيابي دانشگاه هاي علوم پزشكي كشور مي‌باشد.

13- موارد ديگر

وجود ندارد. 

طول دوره براساس آيين نامه آموزشي دوره مربوطه مي‌باشد.

مدت تدريس در هر واحد نظري 17 ساعت و در هر واحد عملي 34 ساعت و كارآموزي 51 ساعت در طول يك نيم سال تحصيلي است.

دوره مشتمل بر تعدادي واحد اجباري و اختياري و جبراني به شرح زير مي‌باشد.

تعداد واحدهاي درسي:

- درس جبراني                                                   1 واحد (سيستمهاي اطلاع رساني پزشكي)

- دروس اختصاصي اجباري (core)                     18 واحد

- دروس اختصاصي اختياري                                6 واحد

- سمينار                                                            2 واحد

- پايان نامه                                                        6 واحد

جمع                                                                 32 واحد

جدول الف: دروس جبراني كارشناسي ارشد ناپيوسته رشته اپيدميولوژي 

كد درس	نام درس	تعداد واحد	ساعت			پيش نياز
			نظري	عملي	جمع
01	سيستمهاي اطلاع رساني پزشكي	1	9	17	26

 

كليه دانشجويان ملزم به اخذ و گذراندن اين واحد به عنوان كمبود و جبراني مي‌باشند.

جدول ب: دروس اختصاصي اجباري (core) كارشناسي ارشد ناپيوسته رشته اپيدميولوژي 

كد درس	نام درس	تعداد واحد	ساعت			پيش نياز
			نظري	عملي	جمع
02	اصول اپيدميولوژي	2	34	-	34
03	روش هاي اپيدميولوژي	2	34	-	34	02
04	روش هاي آمار زيستي 1	2	34	-	34	-
05	روش هاي آمار زيستي 2	2	34	-	34	04
06	اپيدميولوژي بيماري هاي واگير	2	34	-	34	02
07	اپيدميولوژي بيماري هاي غير واگير	2	34	-	34	03 و 02
08	تحليل داده‌هاي بهداشتي با كامپيوتر	2	17	34	51	05 و 04
09	روش هاي آماري در اپيدميولوژي	2	34		34	02 و 04
10	روش تحقيق	2	17	34	51
جمع		18

 

 

 

 

جدول ج: دروس اختصاصي اختياري (non core) كارشناسي ارشد رشته اپيدميولوژي

كد درس	نام درس	تعداد واحد	ساعت			پيش نياز
			نظري	عملي	جمع
11	روش هاي نمونه گيري	2	34	-	34	04
12	روش هاي آماري ناپارامتري	2	34	-	34	05
13	مدل سازي اپيدميولوژي	2	34	-	34	02 و 03 و 05 و 05
14	اقتصاد بهداشت	2	34	-	34	-
15	جمعيت شناسي پزشكي	2	34	-	34	-
16	اپيدميولوژي باليني	2	34	-	34	03 و 09
17	كارآزمايي باليني	2	34	-	34	03 و 02
18	روشهاي تحليل داده‌هاي چند متغيره	2	34	-	34	05
19	اپيدميولوژي محيط	2	34	-	34	02و04و05و10
20	اپيدميولوژي ژنتيك	2	34	-	34	02
21	اپيدميولوژي باروري	2	34	-	34	02
22	اپيدميولوژي سرطان	2	34	-	34	02و04و10
23	كاربرد اپيدميولوژي در نظام سلامت	2	34	-	34	03 و 02
24	كارآموزي بهداشت	2	-	-	102	02و04و10
25	اپيدميولوژي اجتماعي در سلامت	2	34	-	34	-
26	اصول مديريت و برنامه ريزي بهداشت	2	34		34	-
جمع		32

× دانشجو از بين واحدهاي فوق ملزم به گذراندن 6 واحد مي‌باشد.

 

 

 

سؤالات چهار گزینه ای اصول اپیدمیولوژی

 

 

1)کدام عبارت صحیح نیست؟

الف)اپیدمیولوژی به جای تمرکز بر روی سیر طبیعی بیماری بر وقوع بیماری متمرکز می گردد.

ب)هدف نهایی بیشتر مطالعات اپیدمیولوژیک توصیف عللی است که الگوهای وقوع بیماری را توجیه می کنند.

ج)آسیب شناسی همانند اپیدمیولوژی بر روی سیر طبیعی بیماری تمرکز دارد.

د)اغلب پژوهش های اپیدمیولوژیک به منظور ارزیابی فرضیه های علمی طراحی شده اند.

2)کدام اصطلاح صحیح تعریف نشده است؟

الف)زمان های بروز: زمان هایی که در آنها موارد جدید بیماری دربین اعضاء جمعیت رخ می دهد.

ب)سهم بروز:وقوع موارد جدید بیماری را در واحد شخص زمان اندازه گیری می کند.

ج)میزان بروز:سهم افرادی را که در طول دوره معین زمانی جدیدا" بیمار می شوند را اندازه گیری می کند.

د)شیوع:یک اندازه گیری از وضعیت بیماری درارتباط با موارد جدید بیماریست.

3)اگرNمتوسط اندازه جمعیت،t Δ دوره خطروA تعداد بروز بیماری باشد،میزان بروز شخص زمان برابر است با:

الف)N.A/Δt                      ب)N/A.Δt

ج)A.Δt/N                           د)A/N.Δt

4)درمحاسبه میزان بروز کدام موارد باید مد نظر قرار گیرد؟

الف)در مواردی که برای یک فرد بیش از یک وقوع امکان پذیر باشد ، می توان تمامی دفعات وقوع را درصورت کسر به حساب آورد.

ب)میزان های بروز اغلب اولین وقوع بیماری را به عنوان یک رویداد مناسب برای صورت کسر در نظر می گیرند.

ج)تنها رویدادهایی در صورت کسر قرار می گیرند که برای افرادی رخ داده باشند که درهنگام وقوع بیماری در زمان مخرج کسر آن میزان بروز مشارکت داشته باشند.

د)ب و ج

5)بخش عددی یک میزان بروز دارای کرانه پائین برابر با ..... و کرانه بالایی ......است.

الف)صفر-یک                      ب)صفر- صد

ج)صفر-ندارد                       د)صفر- هزار

6)در مورد میزان بروز کدام گزینه صحیح نمی باشد؟

الف)میزان بروز در واحدهای معکوس زمانی سنجیده می شود.

ب)میزان بروز سهمی از یک جمعیت که بیمار هستند رانشان می دهد.

ج)میزان بروز به هیچ وجه یک سهم نیست .

د)میزان بروزممکنست از عدد یک فراتر برود.

7)مقدار عددی یک میزان بروز به راحتی قابل تفسیر نیست ، زیرا:

الف)مقدار آن بستگی به انتخاب دلخواه واحد زمانی دارد.

ب)روش محاسبه آن دقیق نیست.

ج)یک میزان مبهم و نامفهوم است.

د)الف و ب

8)سهمی از یک جمعیت بسته در معرض خطر که در یک دوره زمانی معین بیمار نمی شوند عبارتست از:

الف)سهم بروز                              ب)میزان بروز

ج )سهم بقاء                                 د)شانس بروز

9)در مورد میزان کشندگی ( نسبت کشندگی )کدام عبارت صحیح نمی باشد؟

الف)نوع خاصی از سهم بروز می باشد.

ب)بیانگر سهم بروز مرگ در بین کسانی که در آنها بیماری روی می دهد ، می باشد.

ج)یک میزان واقعی می باشد.

د)دوره زمانی برای سنجش میزان کشندگی اغلب بیان نمی شود.

10)اصطلاح «استخر شیوع»عبارتست از:

الف)همان سهم شیوع می باشد.

ب)زیر مجموعه ای از جمعیت دارای بیماری می باشد.

ج)سهمی از افراد که در نقطه خاصی از زمان دارای بیماری هستند، می باشد.

د)ب و ج

11)نسبت P/N-P که در آن Nاندازه جمعیت و P اندازه شیوع می باشد، عبارتست از :

الف)شانس شیوع                           ب)سهم بقاء

ج )سهم بروز                                د)میزان شیوع

12)........ بازتابی از میزان بروز و احتمال بقاء بیماران است.

الف)میزان حمله                             ب)میزان بروز تجمعی

ج )شیوع                                      د)الف و ب

 

13)در صورتیکه دوره القاء بیشتر یا کمتر از حد واقعی فرض شود کدام نوع تورش ایجاد می شود؟

الف)تورش یادآوری     ب)تورش طبقه بندی

ج)تورش اطلاعات      د)تورش معاینه کامل

14)زمان دوره پیگیری در مطالعات همگروهی چه مدت است؟

الف)برابر متوسط دوره القاء بیماری

ب)بیشتر از حداکثر دوره القاء بیماری

ج)بیشتر از حداقل دوره القاء بیماری

د)زمان دوره پیگیری ارتباطی به دوره القاء بیماری ندارد.

15)علت استفاده از مطالعات مورد شاهدی لانه گزیده به جای مطالعات همگروهی چیست؟

الف)کاهش هزینه                 ب)کاهش زمان پیگیری

ج)کاهش حجم نمونه            د)کاهش تورش معاینه کامل

 

 

16)کدام طرح همسانسازی این امکان رافراهم می کند که شاهدهای همسان شده برای تعدادی از موارد و شاهدها همسان نشده برای دیگر موارد انتخاب شوند؟

الف)همسان سازی جزئی                 ب)همسان سازی حاشیه ای

ج)همسان سازی پرگاری                  د )همسان سازی سایه ای

17)مهمترین دلیل عدم استفاده از همسانسازی در مطالعات کوهورت چیست؟

الف)ایجاد تورش انتخاب                                 ب)هزینه بسیار زیاد

ج)کارآمدی آماری پائین مطالعات همسان شده       د)وقت گیر و طاقت فرسا بودن

18)همسان سازی در مطالعات کوهورت از چه طریقی کارآمدی آماری مطالعه را افزایش می دهد؟

الف)کاهش تورش انتخاب              

ب)کاهش انحراف معیار برآوردهای اثر

ج)بهینه کردن توزیع مواجهه در گروه های مطالعه

د)افزایش کیفیت اطلاعات بدست آمده از مواجهه

19)در چه صورتی همسانسازی در مطالعات کوهورت ممکنست نتواند کارآمدی آماری مطالعه را افزایش دهد؟

الف)طرح بلوک کردن جفتی مطالعه      ب)تصادفی بودن مواجهه

ج)تصادفی نبودن مواجهه                   د)عدم تخصیص تصادفی افراد به گروه های مواجهه و غیر مواجهه                           

20)مهمترین و اختصاصی ترین نوع مطالعه تجربی کدام است؟

الف)مطالعه مداخله ای                 ب)کارآزمایی بالینی

ج)کارآزمایی میدانی                     د)کارآزمایی جمعیت

21)کارآزمایی بالینی برروی چه افرادی صورت می گیرد؟

الف)بیمار                                 ب)سالم

ج)بیمارو سالم                            د)به صورت راندوم از هر دوگروه بیمارو سالم

22)اعتبار کارآزمایی بالینی به چه چیز بستگی دارد؟

الف)شناخت افرادی که به عنوان بیمار تشخیص داده می شوند و برای تخصیص نوع درمان پیگیری می شوند.

ب)انجام استنباط علیتی باحداقل مفروضات

ج)ایجاد شباهت بین گروه های درمانی و توزیع پایه عوامل خطر اندازه گیری نشده بوسیله طرح تخصیص تصادفی

د)تخصیص درمان به نحوی که تغییرات عوامل خارجی که ممکن است بر روی مقایسه اثر بگذارند به حداقل برسد.

23)بهترین روش در کورسازی یکطرفه «single blind»عبارتست از:

الف)کور نگه داشتن تخصیص دهنده درمان         ب)کور نگه داشتن بیماران

ج)کور نگه داشتن ارزیابی کننده                        د)ب و ج

24)چه هنگام در کارآزمایی بالینی از دارو نما استفاده نمی شود؟

الف)هنگامی که برای بیماری مورد مطالعه درمان پذیرفته شده ای وجودندارد.

ب)هنگامیکه پژوهشگر می خواهد فواید غیر روانی یک مداخله جدید را مطالعه کند.

ج)هنگامی که یک درمان اثرات جانبی کاملا" شناخته شده ای داشته باشد.

د)هنگامی که هدف کارآزمایی مقایسه درمان های مختلف است.

25)وجه افتراق کارآزمایی میدانی و کارآزمایی جمعیت چیست؟

الف)حجم نمونه    

ب)زمان شروع مواجهه در افراد تحت مطالعه      

ج)این که مداخله برای هر فرد به طور جداگانه انجام می شود یا خیر؟   

د)به تعداد گروه های تصادفی شده برای هر مداخله بستگی دارد.

26)در کدام مطالعه محقق قادر به تعیین مواجهه نمی باشد؟

الف)کارآزمایی بالینی                          ب)مطالعه همگروهی

ج)مطالعه مورد شاهدی                        د )کارآزمایی میدانی

---

 

 

پاسخنامه

 

شماره سؤال	پاسخ					شماره سؤال	پاسخ
	الف	ب	ج	د			الف	ب	ج	د
1	○	○	●		○	16	●	○	○	○
2	●	○	○		○	17	○	●	○	○
3	○	○	○		●	18	○	●	○	○
4	○	○	○		●	19	○	○	●	○
5	○	○	●		○	20	○	●	○	○
6	○	●	○		○	21	●	○	○	○
7	●	○	○		○	22	○	○	●	○
8	○	○	●		○	23	○	○	●	○
9	○	○	●		○	24	○	○	○	●
10	○	●	○		○	25	○

 

نمونه گیری

 

اهمیت و ضرورت نمونه گیری

پس از انتخاب موضوع تحقیق و بیان مسئله ٬یکی از تصمیمیات مهمی که در پیش روی هر پژوهشگری قرار دارد انتخاب نمونه است٬ نمونه ای که باید نماینده جامعه ای باشد که پژوهشگر قصد تعمیم یافته های تحقیق خود به آن جامعه را دارد.

اگر محقق پژوهش خود را بر تمامی افراد جامعه اجرا کند روش او سرشماری خواهد بود یعنی محقق باید تمامی افراد جامعه را تک تک مورد برسی و آزمون قرار دهد.

اما چون اکثر پژوهشگران توان و زمان اجرای پژوهش بر کل جامعه را ندارند به همین دلیل پژوهش خود را محدود به نمونه کوچکی می سازند.

تعریف جامعه

"جامعه عبارت است از مجموعه ای از افراد یا واحدها که دارای حداقل یک صفت مشترک باشد و تعریف جامعه آماری باید جامع و مانع باشد"

تعریف نمونه گیری

"انتخاب تعدادی از افراد ٬ حوادث ٬ و اشیا ء از یک جامعه تعریف شده به عنوان نماینده آن جامعه "

اولین قدم در نمونه گیری تعریف جامعه مورد نظر است و هدف نوعی نمونه گیری است که تمام افراد جامعه جهت انتخاب شدن شانس برابر داشته باشند.

دلایل استفاده از نمونه گیری

۱- جلوگیری از اتلاف وقت محقق

۲- صرفه جویی در منابع مالی و هزینه

تعیین حجم نمونه

هر چه حجم یا اندازه نمونه بزرگترباشد میزان اشتباهات در نتیجه گیری کم میشود و بر عکس هر چه تعداد نمونه محدود باشد مقدار اشتباهات زیادتر است٬ بنابر این زمانی که محقق سطح بالاتری از اطمینان یا معنی دار بودن آماری را ملاک ارزیابی اطلاعات تحقیق خود قرار میدهد لازم است حجم نمونه او بزرگتر انتخاب شود.

لذا اگر هر عضو در جامعه مادر دقیقا مشابه عضو دیگر باشد آنگاه انتخاب نمونه ای با حجم یک عضو هم کافی است. حجم نمونه باید به اندازه ای باشد که نتایج حاصل عینا با نتایج همان مطالعه در جامعه ای که نمونه از آن انتخاب شده است برابر باشد.

در شرایط ذیل انتخاب نمونه با اندازه بزرگ ضروری است :

۱- زمانی که در تحقیق متغیرهای کنترل نشده زیادی وجود دارند

۲- هنگامیکه پیش بینی تفاوت یا همبستگی پایین است . در تحقیقاتی که انتظار داریم برای گروههای مختلف تفاوت اندکی در متغیر وابسته بدست آوریم ٬ یا در مطالعاتی که به منظور تعیین ارتباط صورت می گیرند و همبستگی پایین مورد انتظار است.

۳- زمانی که گروههای انتخاب شده باید به زیر گروههای دیگری تقسیم شوند.

۴- زمانی که جامعه مورد نظر بر اساس متغیر های مورد مطالعه نامتجانس است.اگر کاملا شبیه هم باشند انتخاب نمونه ای با حجم یک نفر کافی است.

۵- زمانی که وسیله پایایی برای اندازه گیری متغیر وابسته وجود ندارد.پایایی ابزار اندازه گیری بدان معنا است که هر گاه این ابزار در شرایط و زمانهای مختلف بکار رود ٬ آزمودنیهای یکسان دارای نمره های مشابهی گردند.

اشتباهات نمونه گیری :

اشتباهات نمونه گیری از جمله عواملی هستند که ممکن است هر پژوهشگری در روند تحقیق خود مرتکب آن شود و به دو دسته زیر تقسیم میشوند: 

۱- اشتباهات نمونه گیری

۲- اشتباهات غیر نمونه گیری

  اشتباهات نمونه گیری:

۱- اشتباه ناشی از در دست نبودن فهرست کامل افراد جامعه

۲- اشتباه ناشی از انتخاب معدودی از افراد جامعه

۳- اشتباه ناشب از تحلیل آماری نامناسب

اشتباهات غیر نمونه گیری :

۱- اشتباه ناشی از عدم مشاهده افراد مورد مطالعه که به دو دسته تقسیم میشوند:عدم پوشش و عدم پاسخ.

۲- اشتباه ناشی از مشاهده نا دقیق که به سه دسته تقسیم میشوند:ابزار نادقیق ٬ ثبت نادقیق داده هاو استخراج نامناسب.

ارتباط حجم نمونه با فرضیه پوچ (صفر یا آماری):

همانطوریکه گفته شد حجم نمونه را باید تا حد امکان بزرگ انتخاب کرد زیرا حجم نمونه ارتباط بسیار نزدیکی با آزمون فرضیه پوچ در تحقیق دارد٬ بدین ترتیب که هر چه اندازه گروه نمونه بزرگتر انتخاب شود محقق با قاطعیت بیشتری فرض پوچ را که واقعا نادرست است رد میکند.

فرضیه پوچ ٬ صفر یا آماری هدفی جزء رد تحقیق ندارد این فرض صریحا منکر وجود تفاوت یا رابطه و یا اثر بین دو یا چند متغیر است. به سخن دیگر این فرض گویای آن است که هر نوع تفاوت ٬ رابطه یا اثر صرفا نتیجه وقایع اتفاقی یا خطاها و اشتباهات آماری و نمونه گیری است ٬ به همین جهت محقق به آزمایش و آزمون این فرض می پردازد.

خطای نمونه گیری

بین ویژگیهای یک نمونه و ویژگیهای جامعه ای که نمونه از آن انتخاب میشود تفاوت وجود دارد.این تفاوت برای نمونه تصادفی قابل بر آورداست و به آن خطای نمونه گیری گفته میشود.

خطای نمونه گیری تابع اندازه حجم نمونه است هر چه اندازه نمونه کوچکتر باشد خطای نمونه گیری زیاد است.

انواع نمونه گیری:

شیوه های نمونه گیری مرسوم و متداول در اصل به دو بخش تقسیم میشوند:

۱- نمونه گیری سهمیه ای

۲- نمونه گیری اتفاقی یا احتمالی

نمونه گیری سهمیه ای : اگر اعضای طبقه یک گروه بیشتر باشد پس در نمونه نیز تعدادشان بیشتر خواهد بود. از این شیوه وقتی استفاده می شود که : اولا هدف تحقیق کمتر جنبه علمی داشته باشد ٬ ثانیا ساخت جامعه مورد مطالعه مشخص باشد. نمونه گیری سهمیه ای شرط قابلیت تعمیم را به اندازه لازم دارا نیست .

نمونه گیری اتفاقی یا احتمالی:در این نوع نمونه گیری که گاه نمونه گیری تصادفی نیز خوانده میشود انتخاب افراد بر اساس ضابطه کنترل شده ای نیست و متکی به اصل " مشت نمونه خروار است " میباشد

نمونه گیری اتفاقی خود دارای انواع گوناگون می باشد که محققین در شرایط خاص تحقیق خود آنها را ابداع کرده و به کار بسته اند که به شرح ذیل می باشند :

۱- نمونه گیری تصادفی ساده

در این نوع نمونه گیری هر یک از اعضا ی جامعه تعریف شده شانس برابر و مستقلی برای قرار گرفتن در نمونه دارند ٬ منظور از مستقل بودن این است که انتخاب یک عضو به هیچ شکل در انتخاب سایر اعضای جامعه تاثیری ندارد. در این روش ابتدا فهرست اسامی تمامی اعضا را به دست آورده ٬ سپس به هر یک از آنها نمره ای اختصاص می دهیم و با استفاده از جدول اعداد تصادفی تعداد مورد نیاز را انتخاب می کنیم.

اگر جامعه مورد مطالعه کوچک باشد از روش قرعه کشی استفاده می شود ٬ یعنی اسامی افرا را بر روی یک تکه کاغذ نوشته و در داخل کیسه قرار می دهیم ٬ سپس کاغذ ها را به طو ر تک تک خارج می کنیم تا زمانیکه حجم نمونه مورد نظر کامل شود.

نمونه گیری به روش تصادفی شانس نماینده بودن نمونه را افزایش می دهد.

۲- نمونه گیری منظم یا سیستماتیک 

همانند نمونه گیری تصادفی ساده ٬ نمونه گیری منظم نیز برای انتخاب یک نمونه از یک جامعه تعریف شده به کار می رود.

از این روش زمانی استفاده می شود که تمام اعضای جامعه تعریف شده قبلا به صورت تصادفی فهرست شده باشند. به عنوان مثال صد نفر  دانش آموز از یک جامعه هزار نفری که قبلا فهرست شده اند انتخاب می کنیم ٬ برای این منظور ابتدا تعداد اعضای جامعه را به تعداد اعضای نمونه مورد نیاز تقسیم می کنیم.۱۰=۱۰۰/۱۰۰۰ سپس یک عدد تصادفی چنان انتخاب می کنیم که کوچکتر یا مساوی فاصله نمونه گیری باشد. به عنوان مثال ما عدد ۶ را انتخاب می کنیم ٬ بدین ترتیب افرادی را که در فهرست جامعه شماره های آنها به ترتیب شماره های ۶و۱۶و۲۶و۳۶و۴۶و... است انتخاب میکنیم و این را تا انتخاب ۱۰۰ نفر ادامه می دهیم.

این روش آسانتر از روش نمونه گیری تصادفی ساده است و تفاوت آن با روش نمونه گیری ساده در این است که در این روش انتخاب هر عضو مستقل از انتخاب سایر اعضاء جامعه نیست. هنگامیکه اولین عضو انتخاب شد بقیه اعضای نمونه مورد نظر به صورت خودکار تعیین می شوند.

اگر افراد جامعه به صورت تصادفی فهرست شده باشند می توان نمونه گیری منظم را به جای نمونه گیری تصادفی ساده به کار برد . اما در صورتیکه افراد جامعه با توجه به یک نظم معین بر اساس ویژگی یا ویژگیهایی فهرست شده باشند باید از نمونه گیری تصادفی ساده استفاده کرد.

۳- نمونه گیری طبقه ای

در این روش محقق مایل است نمونه تحقیقی را به گونه ای انتخاب کند که مطمئن شود زیر گرو هها با همان نسبتی که در جامعه وجود دارند به عنوان نماینده جامعه ٬ در نمونه نیز حضور داشته باشند. و این نوع نمونه گیری وقتی بکار میرود که جامعه دارای ساخت همگن و متجانس نیست.یعنی در این روش درصد آزمودنیهایی که به صورت تصادفی از هر گروه انتخاب می شوند با درصد همان گروه در جامعه مورد نظر برابر است . بنابر این اگر یک گروه به طور مثال ۸ درصد از جامعه را تشکیل می دهند همین گروه ۸ درصد از نمونه را نیز تشکیل خواهند داد.

این روش در مطالعه هایی که محقق قصد مقایسه زیر گروه های مختلفی را داشته باشد مناسب است ٬ اگر در چنین شرایطی از این روش استفاده نشود هر گونه تجزیه و تحلیل اطلاعات جمع آوری شده از نمونه ٬ نامناسب و موجب نتیجه گیری غلط خواهد بود.مثال  : دانش آموزان (عالی ـ متوسط ـ ضعیف) یا اعضای یک دانشگاه ( استاد ـ دانش جو ـ کارمند ـ کارگر ) .

به طور خلاصه در این روش محقق مطمئن است که نمونه انتخاب شده بر اساس ویژگیها و عواملی که اساس آن طبقه بندی بوده اند ٬ نماینده واقعی جامعه مورد نظر است.

۴-  نمونه گیری خوشه ای

در نمونه گیری خوشه ای واحد اندازه گیری فرد نیست ٬ بلکه گروهی از افراد هستند که به صورت طبیعی شکل گرفته و گروه خود را تشکیل داده اند.این روش وقتی به کار می رود که فهرست کامل افراد جامعه در دسترس نباشد. به این منظور افراد را در دسته هایی خوشه بندی می کنند سپس از میان خوشه ها نمونه گیری به عمل می آورند و زمانی به کار میرود که انتخاب گروهی از افراد امکانپذیر و آسانتر از انتخاب افراد در یک جامعه تعریف شده باشد.

به عنوان مثال فرض می کنیم جامعه مورد نظر و تعریف شده ما عبارت است از کلیه افراد یک شهر که بیشتر از ۱۸ سال سن دارند.در این جامعه نمونه گیری تصادفی ساده و نمونمه گیری منظم زمانی میسر است که فهرست کامل تمام افراد یک شهر را با سن آنها در دست داشته باشیم ٬ ذر غیر اینصورت به جای انتخاب فرد به عنوان واحد نمونه گیری ٬ منطقه را واحد نمونه گیری قرار می دهیم و سپس به روش نمونه گیری تصادفی ساده از بین مناطق ٬ منطقه یا مناطق مورد نظر را انتخاب می کنیم.

۵- نمونه گیری خوشه ای چند مرحله ای

این روش نوع دیگری از نمونه گیری خوشه ای است. زمانی که منطقه به صورت تصادفی انتخاب شد ٬ می توان نمونه گیری را در داخل منطقه نیز ادامه داد به عنوان مثال ٬ مطالعه کننده ممکن است آدرس کلیه افرادی را که در یک منطقه زندگی می کنند داشته باشد بنابر این از بین این افراد ٬ ۱۰ نفر را به صورت تصادفی انتخاب می کند. در روش نمونه گیری خوشه ای چند مرحله ای فهرست نمونه گیری دو بار و در بعضی مواقع بیش از دو با تهیه میشود.

نمونه گیری خوشه ای برخی از مواقع در تحقیقات آموزشی به کار میرود در این نوع تحقیقات از کلاس به عنوان واحد نمونه گیری استفاده می شود.

از مزیتهای عمده نمونه گیری خوشه ای جلوگیری از اتلاف وقت و صرفه جویی در منابع مالی است.

از معایب آن هم اینکه :

 ۱ - دقت آن از نمونه گیری تصادفی ساده کمتر است زیرا در نمونه گیری تصادفی ساده فقط یک اشتباه وجود دارد در صورتیکه در نمونه گیری خوشه ای در هر مرحله یک اشتباه نمونه گیری وجود خواهد داشت یعنی به تعداد مراحل خطای نمونه گیری وجود دارد.

۲-برای داده های جمع آوری شده از این نوع نمونه گیری فرمول آسانی را نمی توان به کار برد زیرا بکاربردن یک نوع ابزار آماری در جامعه های مختلف دقت آن را کاهش میدهد.

ذر پایان شایان ذکر است در برخی مواقع در صورتی که ایجاب کند انواع مختلف نمونه گیری کم و بیش در هم آمیخته شده و مورد استفاده قرار می گیرد .

 

فهرست منابع :

۱- روشهای تحقیق و چگونگی ارزشیابی آن در علوم انسانی ٬ تالیف :دکتر عزت ا... نادری و دکتر مریم سیف نراقی.

۲- مبانی نظری و عملی پژوهش در علوم انسانی ٬ تالیف : دکتر علی دلاور.

۳- کندو کاوها و پنداشته ها ٬ تالیف : دکتر فرامرز رفیع پور.

۴- روشهای تحقیق در علوم رفتاری ٬ تالیف : جمعی از نویسندگان ( دکتر زهره سرمد ٬ دکتر عباس بازرگان ٬ دکتر الهه حجازی).

۵- تستهای کارشناسی ارشد علوم اجتماعی.

 

 

طراحي مطالعه هاي مقطعي و مورد ـ شاهدي

 

در يك مطالعة مقطعي، پژوهشگر تمام سنجش هايش را در يك زمان خاص انجام مي‌دهد. وي نمونه اي از جمعيت را مي‌گيرد و به توزيع متغيرها در داخل آن نمونه نگاه مي‌كند، سپس ممكن است از روابط بين متغيرهايي كه تصميم مي‌گيرد (با استفاده از اطلاعات منابع گوناگون) به عنوان مستقل و وابسته طراحي نمايد استنتاج علت و معلولي كند. در يك مطالعة مورد ـ شاهدي، وارونه عمل مي‌كند. وي با پيامد، شروع مي‌كند، نمونه اي از جمعيت بيماران مبتلا (موارد) و نمونه ديگري از جمعيت بدون آن بيماري (شاهدها) را انتخاب مي‌كند، سپس سطوح متغيرهاي مستقل را در دو نمونه با هم مقايسه مي‌نمايد تا ببيند كداميك با پيامد بيماري رابطه دارند.

 

 مطالعه هاي مقطعي

ساختار يك مطالعة مقطعي شبيه ساختار يك مطالعه همگروهي است بجز اينكه تمام سنجش ها بدون دوره پيگيري يك مطالعه انجام مي‌شوند . طرح هاي مقطعي با هدف توصيف متغيرها و الگوهاي توزيع آن ها كاملا سازگار است، مثلا در "بررسي ملي معاينه بهداشتي و تغذيه اي” National Health and Nutrition Examination Survey) HANES) با نمونه به دقت انتخاب شده معرّف جمعيت ايالات متحده مصاحبه و معاينه به عمل آمد. بررسي ملي معاينه بهداشتي و تغذيه اي بطور دوره اي انجام شده و يك مطالعه پيگير (همگروهي) به طرح مقطعي اصلي افزوده شده است. ولي هر مطالعة مقطعي منبع عمده اطلاعات در باره وضع سلامت و عادات جمعيت ايالات متحده در سالي است كه مطالعه انجام شده و برآورده هايي از چيزهايي نظير شيوع استعمال دخانيات در گروه هاي جمعيت شناختي مختلف، فراهم مي‌كند.

از مطالعه هاي مقطعي براي بررسي روابط نيز مي‌توان استفاده كرد، هرچند انتخاب اينكه كداميك از متغيرها به عنوان مستقل و كداميك به عنوان وابسته در نظر گرفته شوند بجاي اينكه به طراحي مطالعه مربوط باشد، به فرضيه هاي علت و معلولي پژوهشگر ارتباط دارد. اين انتخاب براي عوامل وابسته به سلامتي، نظير سن، و نژاد آسان است، معمولا اين عوامل را نمي‌توان بوسيله ساير متغيرها تغيير داد و بنابراين عموما پيشگويي كننده هستند. با وجود اين، براي اغلب متغيرها اين انتخاب مشكل تر است. براي مثال، يك يافته مقطعي در سومين بررسي ملي معاينه بهداشتي و تغذيه اي رابطه بين چاقي كودكي و ساعت هايــي است كه تلويزيون تماشا مي‌شود (2 , 1). آيا اين بدين خاطر است كه تماشاي تلويزيون، كودكان را چاق مي‌كند يا بدين خاطر است كه كودكان چاق بيشتر دوست دارند تلويزيون نگاه كنند؟

 

مثال 1 يك شاخص مهم آمار توصيفي يعني شيوع را كه از مطالعه هاي مقطعي بدست مي‌آيد نشان مي‌دهد. شيوع، نسبتي از جمعيت است كه در لحظه اي از زمان، بيماري يا حالتي را داشته اند و از بروز (شاخص آماري كه از مطالعه همگروهي بدست مي‌آيد) كه نسبتي از جمعيت است كه در يك دوره زماني بيمار شده اند، متمايز مي‌باشد (جدول 1). از واژه شيوع و بروز مي‌توان براي متغيرهاي غير از بيماري نيز استفاده كرد، به طوري كه، شيوع استعمال دخانيات، مصرف كاپوت، يا هر صفت ديگري را مي‌توان برآورد نمود. شيوع براي برنامه ريزان بهداشتي كه مايلند بدانند چند نفر از مردم بيماري معيني دارند، تا بتوانند منابع مالي كافي براي مراقبت از آن ها اختصاص دهند، مفيد است و براي پزشك از اين نظر مفيد است كه بايد احتمال ابتلا به بيماري خاص را براي بيماري كه به او مراجعه كرده است برآورد كند.

 

مثال 2 مثالي از يك شاخص آمار تحليلي يعني شيوع نسبي (Relative Prevalence) را نشان مي‌دهد كه از مطالعه هاي مقطعي بدست مي‌آيد، شيوع نسبي، نسبت شيوع يك پيامد در افرادي است كه بر حسب سطح متغير مستقل شان طبقه بندي شده اند. شيوع نسبي مقياسي از ارتباط در مطالعه هاي مقطعي است كه معادل خطر نسبي مي‌باشد.

نقاط قوّت و ضعف مطالعه هاي مقطعي

يك نقطه قوّت عمده مطالعه هاي مقطعي بر مطالعه هاي همگروهي (و مطالعه هاي تجربي) اين است كه براي رويداد پيامد نبايد انتظار كشيد. اين امر آن ها را سريع و ارزان نموده و بدين معني است كه مسئله گم شدن افراد در حين پيگيري وجود ندارد. مطالعة مقطعي را مي‌توان با هزينه اندك يا بدون هزينه اضافي به عنوان نخستين مرحله يك مطالعه همگروهي يا تجربي در نظر گرفت. نتايج آن ويژگي هاي جمعيتي و باليني گروه تحت مطالعه را در آغاز مطالعه مشخص مي‌كند و گاهي مي‌تواند ارتباط‌ هاي مقطعي مورد نظر را نشان دهد. طرح مقطعي تنها طرحي است كه شيوع يك بيماري يا عامل خطر را بدست مي‌دهد.

مثال 1 ـ  مطالعة مقطعي

 

پرسش هاي پژوهش عبارتند از: "شيوع عفونت كلاميديايي در زنان مراجعه كننده به درمانگاه بيماري هاي آميزشي چقدر است ؟ و آيا با مصرف قرص هاي خوراكي پيشگيري از بارداري رابطه دارد؟" براي اينكه در يك مطالعة مقطعي به اين پرسش ها پاسخ داده شود، پژوهشگر مي‌تواند به صورت زير عمل كند:

1 ـ  انتخاب نمونه اي شامل 100 زن مراجعه كننده به درمانگاه بيماري هاي مقاربتي.

 

2 ـ سنجش متغيرهاي مستقل و وابسته با گرفتن سابقه مصرف قرص هاي خوراكي پيشگيري از بارداري و فرستادن ترشحات گردن رحم براي كشت كلاميديا به آزمايشگاه.

 

          شايان ذكر است كه چندين ركن زماني در اين مطالعه وجود دارد: متغير مستقل مصرف قرص هاي خوراكي پيشگيري از بارداري در سال گذشته است، متغير وابسته تا چند روز بعد در اختيار نمي‌باشد، و پژوهشگر 6 ماه براي بررسي تمام زنان صرف نموده است. با وجود اين، مطالعه هنوز مقطعي است، زيرا پژوهشگر تمام سنجش ها را براي هر فرد در يك زمان واحد انجام داده است.

 

         فرض كنيد كه نتايج از اين قرار باشند، كشت 4 نفر از 20 زن كه سابقه مصرف قرص خوراكي پيشگيري از بارداري داشته اند (20%) ، در مقايسه با 8 نفر از 80 زني كه قرص خوراكي پيشگيري از بارداري مصرف نمي‌كردند (10%) مثبت است0 پس شيوع كلي عفونت كلاميديايي در اين نمونه از مراجعه كنندگان به درمانگاه بيماري هاي مقاربتي (كه ممكن است معرّف جمعيت عمومي نباشد) 12% است و رابطه اي با شيوع نسبي   بين مصرف قرص هاي خوراكي پيشگيري از بارداري و كلاميديا وجود دارد.

جدول 1 ـ آمارهايي را نشان مي‌دهد كه فراواني بيماري را در مطالعه هاي مشاهده اي بيان مي‌كنند

 

نوع مطالعه	شاخص آماري	تعريف
مقطعي	شيوع	تعداد افرادي كه در يك لحظه از زمان بيمارند تعداد افراد در خطر در آن لحظه
همگروهي	بروز	تعداد موارد جديد بيماري در دوره اي از زمان تعداد افراد در خطر در طي آن دوره

 

مطالعه هاي مقطعي براي بررسي شبكه هاي روابط علتي راحت هستند، مثلا، در مثال 1 پژوهشگر مي‌تواند سن را به عنوان عامل پيشگويي كننده پيامد مصرف قرص هاي خوراكي پيشگيري از بارداري بررسي كند و سپس مصرف قرص هاي خوراكي پيشگيري از بارداري را به عنوان پيشگويي كننده پيامد عفونت كلاميديا بررسي نمايد.

يك نقطه ضعف مطالعه هاي مقطعي مشكل برقراري روابط علتي از داده هايي است كه در مقطعي از زمان گردآوري شده اند. اگر طرح مستلزم گردآوري اطلاعات از نمونه اي از افراد جمعيت عمومي باشد، مطالعه هاي مقطعي براي مطالعه بيماري هاي نادر، عملي نمي‌باشند، مثلا يك مطالعة مقطعي براي يافتن تنها يك مورد سرطان معده در مردان 49ـ45 ساله به تقريب 10000 شركت كننده لازم خواهد داشت.

اگر بجاي جمعيت عمومي، نمونه اي از جمعيت بيماران مبتلا گرفته شود، مطالعه هاي مقطعي را مي‌توان براي بيماري هاي نادر انجام داد. مطالعه يك مجموعه موارد  (Case Series) از اين نوع براي توصيف ويژگي هاي بيماري، مناسب تر از تحليل اختلاف بين اين بيماران و افراد سالم است. با وجود اين، گاهي مقايسه هاي غيررسمي با تجربه قبلي مي‌تواند عوامل خطر خيلي قوي را مشخص نمايد. براي مثال، از نخستين 1000 بيمار مبتلا به ايدز، 727 نفر مرد همجنس باز يا دو جنس باز  (Bisexual) و 236 نفر معتاد به داروهاي تزريقي بودند (3). براي نتيجه گيري كه اين گروه ها در خطر زيادي بودند به گروه شاهد رسمي نياز نبود. به علاوه، در داخل نمونه اي از بيماران مبتــلا به يك بيمــاري ممكن است روابــط جالبــي موجود باشــد (بــراي مثال، خطر ساركوم كاپوسي [Kaposi Sarcoma] در بين بيماران همجنس باز مبتلا به ايدز از معتادان به داروهاي تزريقي بيشتر است).

اين واقعيت كه مطالعه هاي مقطعي تنها مي‌توانند شيوع را اندازه بگيرند نه بروز را، اطلاعاتي را كه در باره پيش‌آگهي، سير طبيعي بيماري ها و عليت بيماري مي‌توانند به دست بدهند محدود مي‌كند. براي نشان دادن عليت، پژوهشگر بايد نشان دهد كه بروز بيماري در افراد مواجهه يافته با يك عامل خطر، متفاوت است. ولي مطالعه هاي مقطعي تنها مي‌توانند تاثيرات بر شيوع را نشان دهند، كه ناشي از بروز و دوره بيماري است. عاملي كه با شيوع بيماري رابطه دارد ممكن است علت بيماري باشد، ولي مي‌تواند با دوره بيماري نيز رابطه داشته باشد و روي دوره بيماري تاثير گذارد. براي مثال، شيوع افسردگي شديد نه تنها تحت تاثير بروز آن است، بلكه تحت تاثير ميزان خودكشي و پاسخ به درمان مبتلايان نيز مي‌باشد.

بررسي هاي پشت سر هم (سريال)

گاهي براي استنتاج در باره تغيير الگوها با گذشت زمان از مجموعه اي از مطالعه هاي مقطعي در يك جمعيت واحد كه در لحظه هاي زماني متعدد مشاهده مي‌شوند استفاده مي‌شود. استفاده از داده هاي سرشماري براي مشخص نمودن تغييرات در ساختار سني جمعيت ايران از يك دهه به دهه بعد مثال خوبي است. اين يك طرح همگروهي نيست، زيرا يك گروه واحد از افراد را با گذشت زمان پيگيري نمي‌كند بلكه از طريق تولد، مرگ و مهاجرت به داخل و به خارج از ايران تغييراتي در جمعيت بوجود مي‌آيد.

همچنين، وقتي پژوهشگر بخواهد تغييراتي را با گذشت زمان در يك جمعيت مشخص كند، طرح بررسي پشت سر هم (سريال) سودمند است، ولي سخن از اين است كه در يك طرح همگروهي بررسي اوليه اثر آموزنده اي ايجاد مي‌كند كه روي پاسخ هاي بررسي هاي پيگير اثر مي‌گذارد. مثالي از آن پروژه پنج شهــر استانفورد (Stanford Five City Project) است كه در آن براي مشاهده روند شيوع عوامل خطر بيماري عروق تاجي قلب از جمعيت هاي پنج شهر كاليفرنيا طي چند سال نمونه گرفته شد. از هر شهر دو نوع نمونه گرفته شد، اول، همگروهي واقعي از افراد تا در آن ها بتوان عوامل پيشگويي كننده تغييرات داخل شخصي (Within Individual) را مشاهده كرد و دوم مجموعه اي از نمونه هاي مستقل از افراد جديد كه اثر آموزش بهداشت بررسي قبل به آن ها سرايت نكرده باشد (4).

مطالعه هاي مورد ـ شاهدي

هم مطالعه هاي همگروهي و هم مقطعي نمونه هاي جمعيت كل، براي بررسي علل تمام بيماري ها، بجز شايع ترين آن ها، گران هستند: هر كدام هزاران شركت كننده لازم دارند تا عوامل خطر يك بيماري نادر، نظير سرطان معده را تعيين كنند. ديديم كه مجموعه موارد مبتلايان به بيماري با استفاده از آگاهي قبلي راجع به شيوع عوامل خطر در جمعيت عمومي مي‌تواند يك عامل خطر بديهي (نظير تزريق داروهاي غيرمجاز براي ايدز) را مشخص كند. با وجود اين، براي اغلب عوامل خطر، لازم است گروه مرجعي گردآوري شود، به طوري كه بتوان شيوع عامل خطر در افراد مبتلا به بيماري (موارد) را با شيوع آن در افراد بدون بيماري (شاهدها) مقايسه كرد.

ساختار يك مطالعة مورد ـ شاهدي در شكل 2 نشان داده شده است. در حالي كه مطالعه هاي همگروهي با افراد در خطر شروع مي‌شود و آن ها را از نظر زماني به سمت جلو پيگيري مي‌كند تا ببيند چه كسي بيمار مي‌شود و مطالعه هاي مقطعي در لحظه واحدي از زمان انجام مي‌گيرد، مطالعات مورد ـ شاهدي عموما گذشته نگر هستند. آن ها گروهي از افراد بيمار و گروهي ديگر از افراد غيربيمار را مشخص مي‌كنند، سپس به گذشته آن ها نگاه مي‌كنند تا اختلاف در متغيرهاي مستقل را كه ممكن است توضيح دهند چرا موارد، بيمار شده و شاهدها نشده اند پيدا كنند.

مطالعه هاي مورد ـ شاهدي مطالعه هاي اپيدميولوژي هستند تا عوامل خطر بيماري ها را شناسايي نمايد. بنابراين، بطور سنتي براي تعيين وضع مورد ـ شاهدي از وجود با عدم وجود بيماري استفاده مي‌شود. به اين دليل و بخاطر راحت تر نمودن بحث، اغلب به بيماران "مورد" مي‌گوييم. ولي، از طرح مورد ـ شاهدي مي‌توان براي بررسي پيامدهاي ديگر، نظير ناتواني در بين آنهايي كه به بيماري مبتلا هستند نيز استفاده مي‌شود. به علاوه، هرگاه پيامدهاي نامطلوب بجاي استثنا متداول باشند، موارد در يك مطالعة مورد  شاهدي ممكن است بيماران نادر با پيامد خوب باشند، نظير ترك سيگار يا بهبودي از يك بيماري معمولا كشنده.

در فهرست طرح هاي پژوهشي، مطالعه هاي مورد ـ شاهدي از همه جذابترند. اين ها از بقيه طرح ها فريبنده تر و اندكي پر مخاطره تر ولي خيلي ارزان تر و گاهي بطور شگفت انگيزي خوب هستند. بخاطر فرصت هاي فزاينده سوگرايي، طرح مطالعة مورد ـ شاهدي بحث انگيز است، ولي مثال هاي بسياري از مطالعه هاي خوب طراحي شده كه نتايج مهمي حاصل نموده اند، وجود دارد. اين ها شامل رابطه بين سرطان واژن در دختران و مصرف دي اتيل استيل بسترول (Diethylstilbestrol) توسط مادر (يك مطالعه كلاسيك كه براساس تنها هفت مورد به يك نتيجه گيري قطعي دست يافت) (5) و استفاده از بلوكرهاي كانال كلسيم كوتاه اثر و افزايش خطر سكته قلبي (6) مي‌باشد.

 

با مطالعه هاي مورد ـ شاهدي نمي‌توان بروز يا شيوع يك بيماري را برآورد كرد، زيرا نسبت افراد تحت مطالعه كه مبتلا به بيماري هستند بجاي نسبت آن ها در جمعيت، بوسيله اينكه پژوهشگر چه تعداد موارد و چه تعداد شاهد براي نمونه انتخاب كرده، تعيين مي‌شود. آنچه مطالعه هاي مورد ـ شاهدي انجام مي‌دهند اين است كه قدري اطلاعات توصيفي در مورد ويژگي هاي موارد فراهم مي‌كنند و مهمتر اينكه برآوردي از قدرت ارتباط بين هر يك از متغيرهاي مستقل و وجود يا فقدان بيماري فراهم مي‌كنند. اين برآوردها به شكل نسبت شانس است كه اگر شيوع بيماري خيلي زياد نباشد خطر نسبي را تخمين مي‌زند.

نقاط قوّت مطالعه هاي مورد ـ شاهدي

سودمندي براي پيامدهاي نادر: يكي از نقاط قوّت عمده مطالعه هاي موردـ شاهدي، بازده زياد اطلاعات از افراد به نسبت اندك است. يك مطالعه اثر ختنه كردن بر روي ابتلاي بعدي به سرطان آلت تناسلي مردانه را در نظر بگيريد. اين سرطان در مردان ختنه شده بسيار نادر است، ولي در مردان ختنه نشده نيز كمياب مي‌باشد، به طوري كه بروز تجمعي عمري آن ها حدود 16/0% است (12). براي انجام يك مطالعه همگروهي با شانسي معقول (80% ) براي پيدا نمودن حتي يك عامل خطر خيلي قوي (مثلا خطر نسبي 50) بيش از 6000 مرد لازم است، با اين فرض كه نسبتي كه ختنه شده اند و ختنه نشده اند به تقريب مساوي باشد. براي يك كارآزمايي تصادفي شده ختنه در موقع تولد اندازه نمونه مشابهي لازم است، ولي موارد بطور متوسط 67 سال پس از ورود به مطالعه روي خواهند داد و براي پيگيري شركت كنندگان سه نسل اپيدميولوژيست لازم خواهد بود! 

مثال 2 ـ  مطالعة مورد ـ شاهدي

 

          از آنجا كه در ايالات متحده بطور معمول به نوزادان ويتامين داخل عضلاني داده مي‌شود، يك جفت مطالعه دو برابر خطر سرطان كودكي را در بين كودكاني كه ويتامين K داخل عضلاني دريافت كرده بودند گزارش كردند (7 , 8). براي بررسي بيشتر اين ارتباط پژوهشگران آلمانـي (9)

1 ـ  نمونه اي از موارد انتخاب كردند. 107 كودك مبتلا به لوسمي از مركزثبت سرطان آلمان

2 ـ  نمونه اي از شاهدها انتخاب كردند. 107 كودك كه از نظر تاريخ تولد وجنس همسان سازي شده بودند از كودكاني كه در همان شهري كه موارد در هنگام تشخيص زندگي مي‌كردند بطور تصادفي انتخاب شدند (از سوابق دولتي ثبت ساكنان محلي) 0

3 ـ  متغيرهاي مستقل را اندازه گرفتند. سوابق پزشكي را بررسي كردند تا تعيين كنند كداميك از موارد و شاهدها در نوزادي ويتامين  K  داخل عضلاني دريافت كرده اند.

 

          نويسندگان مقاله دريافتند 69 نفر از 107 مورد (64%) و 63 نفر از107 شاهد (59%) با ويتامين  K داخل عضلاني مواجهه يافته بودند، با نسبت شانس 2/1 (95% دامنه اطمينان، 7/0 تا 3/2). بنابراين اين مطالعه وجود رابطه بين دريافت ويتامين K داخل عضلاني در نوزادي و لوسمي كودكي متعاقب را تاييد نكرد، اگرچه برآورد نقطه اي و حد بالاي 95% دامنه اطمينان احتمال افزايش لوسمي از نظر باليني مهم را باز گذاشت. (گرچه بيشتر مطالعه ها شواهدي دال بر رابطه بين ويتامين K و سرطان كودكي پيـــدا نكردند (11 , 10)، مسئله سياستگذاران اين است كه لوسمي خيلي شايعتر از خونريزي شديد ناشي از كمبود ويتامين K است، به طوري كه حتي يك نسبت شانس 1/1 بدين معني است كه باعث لوسمي هاي بيشتري مي‌شود تا از رويدادهاي خونريزي شديد پيشگيري كند.

 

حالا يك مطالعة مورد ـ شاهدي را براي همان موضوع در نظر بگيريد. براي همان شانس پيدا كردن همان خطر نسبي، تنها 16 مورد و 16 شاهد (و بدون صرف وقت زياد پژوهشگر) لازم خواهد بود. براي بيماري هايي كه نادر هستند، يا بين مواجهه و بيماري، دوران نهفته طولاني وجود دارد، مطالعه هاي مورد ـ شاهدي از ساير طرح ها خيلي موثرتر مي‌باشند. در واقع، اغلب تنها راه قابل اجرا هستند.

سودمندي براي ايجاد فرضيه ها : روش گذشته نگر مطالعه هاي مورد ـ شاهدي و توانايي آن ها براي بررسي تعداد زيادي از متغيرهاي مستقل، آنها را براي ايجاد فرضيه ها در باره علل يك طغيان جديد بيماري سودمند كرده است. براي مثال، در يك مطالعة مورد ـ شاهدي يك همه گيري نارسايي حاد كليوي در كودكان‌ هاييتي (13) يك نسبت شانس 7/52 براي خوردن شربت استامينوفن كه بطور محلي ساخته مي‌شد، يافت شد. بررسي هاي بيشتر نشان داد كه نارسايي كليوي ناشي از مسموميت با دي اتيلن گليكول بود كه معلوم شد محلول گليسيريني را كه براي ساختن شربت استامينوفن مصرف مي‌شده آلوده كرده است.

نقاط ضعف مطالعه هاي مورد ـ شاهدي

مطالعه هاي مورد ـ شاهدي نقاط قوّت زيادي دارند ولي محدوديت هاي عمده اي نيز دارند. اطلاعاتي كه در اختيار مطالعه هاي مورد ـ شاهدي مي‌باشند محدود است : روش مستقيمي براي برآورد بروز يا شيوع بيماري، يا خطر منتسب يا خطر افزوده وجود ندارد. همچنين، اين مشكل وجود دارد كه فقط يك پيامد را مي‌توان مطالعه كرد (وجود يا عدم وجود بيماري كه ضابطه گرفتن دو نمونه بود)، در حالي كه در مطالعه هاي همگروهـــي و مقطعي (و تجربي) هر تعداد از متغيرهاي وابسته را مي‌توان بررسي نمود. ولي بزرگ ترين نقطه ضعف مطالعه هاي مورد ـ شاهدي استعداد فزاينده آن ها به سوگرايي است. اين سوگرايي عمدتا از دو منبع مي‌آيد: نمونه گيري مجزاي موارد و شاهدها، و اندازه گيري گذشته نگر متغيرهاي مستقل. اين دو مسئله و راهكارهاي مبارزه با آن ها، موضوع بحث دو قسمت بعد است.

سوگرايي نمونه گيري و نحوه كنترل آن : در يك مطالعة مورد ـ شاهدي نمونه گيري با موارد آغاز مي‌شود. بطور مطلوب، نمونه موارد يك نمونه تصادفي از هركسي است كه بيماري تحت مطالعه را دارد. ولي بلافاصله يك مسئله ظاهر مي‌شود، چطور مي‌دانيم كه چه كسي بيماري را دارد و چه كسي ندارد؟ در مطالعه هاي همگروهي و مقطعي بطور منظم بيماري در تمام افراد تحت مطالعه جستجو مي‌شود، ولي در مطالعه هاي مورد ـ شاهدي بايد موارد از بين بيماراني كه قبلا بيماري در آن ها تشخيص داده شده و براي مطالعه در اختيار مي‌باشند انتخاب شوند. اين نمونه معرّف تمام بيماران مبتلا به آن بيماري نيست، زيرا كمتر احتمال دارد كساني كه تشخيص داده نشده اند، غلط تشخيص داده شده، يا فوت كرده اند در بر گرفته شوند .

بطور كلي، وقتي سوگرايي نمونه گيري حائز اهميت است كه نمونه موارد از نظر عامل خطر تحت مطالعه معرّف نباشد. نمونه گيري از موارد تشخيص داده شده ودر دسترس بيماري هايي نظير بي مخي (Anencephaly) ، قطع عضوهاي ناشي از ضربه كه به تقريب هميشه لازم است در بيمارستان بستري شوند و به نسبت، به سادگي تشخيص داده مي‌شوند بطور صحيح امكان پذير است. از طرف ديگر، حالاتي كه ممكن است به پزشك مراجعه نكنند بخاطر اينكه انتخاب قبل از تشخيص بوده براي مطالعه هاي گذشته نگر كاملا مناسب نيستند. براي مثال، زناني كه در سه ماهه اول آبستني به خاطر سقط هاي خود به خودي به درمانگاه زنان مراجعه مي‌كنند احتمال دارد با تمام زناني كه سقط هاي خود به خودي را تجربه مي‌كنند متفاوت باشند، زيرا آن ها كه بيشتر به مراقبت زايماني دسترسي دارند يا عوارض دارند بيش از حد نمايش داده مي‌شوند. اگر متغير مستقل مورد نظر با مراقبت زايماني در آن جامعه رابطه داشته باشد (نظير استفاده قبلي از وسيله داخل رحمي) ، نمونه گيري از درمانگاه مي‌تواند يك منبع مهم سوگرايي باشد. از طرف ديگر اگر متغير مستقل با مراقبت زايماني رابطه نداشته باشد (نظير نوع گروه خون) احتمال سوگرايي نمونه گيري كمتر خواهد بود.

هر چند انديشه در باره اين مسائل حائز اهميت است، در عمل اغلب انتخاب موارد امري است آسان، زيرا منابع در دسترس براي انتخاب شركت كنندگان محدود است. نمونه موارد ممكن است كاملا معرّف نباشد، ولي آنچه بوده همين است. تصميم گيري مشكل تري كه معمولا پژوهشگري كه يك مطالعة مورد ـ شاهدي را طراحي مي‌كند با آن روبرو است، داشتن دست بازتر در امر انتخاب شاهدها است. هدف كلي، نمونه گيري شاهدها از يك جمعيت در خطر بيماري است كه از ساير جهات مشابه موارد باشد و براي رسيدن به اين هدف چهار راهكار عمده وجود دارد.

 يك راهكار براي جبران احتمال سوگرايي انتخاب كه ناشي از انتخاب موارد از يك بيمارستان يا درمانگاه است اين است كه شاهدها از همان مراكز انتخاب شوند. براي مثال، در مطالعه استفاده قبلي از وسيله داخل رحمي به عنوان يك عامل خطر سقط خود به خودي، شاهدها را مي‌توان از جمعيت زناني انتخاب كرد كه براي التهاب مهبل  (Vaginitis) به همان درمانگاه مراجعه مي‌كنند. در مقايسه با يك نمونه تصادفي از زنان همان منطقه، اين شاهدها احتمالا معرّف بهتر جمعيت زناني خواهند بود كه سقط خود به خودي دارند و به درمانگاه مراجعه خواهند كرد و يك مورد خواهند شد.

ليكن، انتخاب يك نمونه غيرمعرّف از شاهدها به منظور جبران يك نمونه غيرمعرّف از موارد يك راهكار پر از مشكل است. اگر عامل خطر مورد نظر باعث بيماري هايي شود كه براي آنها شاهدها به دنبال مراقبت مي‌روند، شيوع عوامل خطر در گروه شاهد بطور كاذب زياد خواهد شد و نتايج مطالعه را سوگرا مي‌كند. براي مثال، اگر تعداد زيادي از زنان گروه شاهد التهاب مهبل داشته باشند و استفاده از وسيله داخل رحمي خطر التهاب مهبل را زياد كند، در بين شاهدها تعداد افرادي كه از وسيله داخل رحمي استفاده مي‌كنند بيش از حدّ خواهد بود و احتمال رابطه واقعي بين استفاده از وسيله داخل رحمي و سقط خود به خودي را پنهان مي‌نمايد.

از آنجا كه شاهدهاي مبتني بر بيمارستان و درمانگاه معمولا سالم نيستند و از آنجا كه بيماريشان ممكن است بطور مثبت يا منفي با عوامل خطر تحت مطالعه رابطه داشته باشد، استفاده از شاهدهاي مبتني بر بيمارستان يا درمانگاه هميشه در جبران نمودن يك نمونه غير معرّف از موارد، موفق نيست. ليكن بخاطر ملاحظه ديگر يعني راحتي انتخاب شاهدها، اغلب از چنين گروه هاي شاهدي استفاده مي‌شود. پژوهشگران باليني در بيمارستان ها و درمانگاه ها كار مي‌كنند، و جمعيت هاي افراد شاهد كه به راحتي در اختيار آن ها مي‌باشند كساني هستند كه به دلايل ديگر در بيمارستان يا درمانگاه مي‌باشند. آنچه كه پژوهشگر بايد تصميم بگيرد اين است كه آيا راحتي بيشتر شاهدهاي مبتني بر بيمارستان يا درمانگاه ارزش تهديد اعتبار مطالعه را دارد يا خير.

 جور كردن (همسان سازي) روش ساده اي است كه تضمين مي‌كند موارد و شاهدها از جنبه عوامل عمده مربوط به بيماري، ولي غيرمورد نظر پژوهشگر، قابل مقايسه مي‌باشند. براي مثال، خيلي از بيماري ها و عوامل خطر با سن و جنس رابطه دارند، و تا وقتي موارد و شاهدها از نظر اين دو متغير قابل مقايسه نشوند، نتايج مطالعه بي معني خواهد بود. يك روش براي اجتناب از اين مسئله، انتخاب شاهدهايي است كه از نظر اين متغيرهاي مستقل زمينه اي با موارد جور شوند. به هر حال، جور كردن عواقب زيانبار خودش را دارد، بويژه وقتي كه براي متغيرهاي مستقل تغييرپذير، نظير درآمد يا سطح كلسترول سرم، جور شده باشند.

 اكنون بخاطر افزايش سريع استفاده از مراكز ثبت آمار بيماري ها، مطالعه هاي مورد ـ شاهدي مبتني بر جمعيـت بــراي بسيــاري از بيماري ها امكان‌پذير شده است. بــراي مثال، در منطقــه خليج سانفرانسيســـكو (San Francisco Bay Area) مراكز ثبت آمار تمام موارد جديد سرطان، ناهنجاري هاي مادرزادي، ايدز ومرگ ناگهاني شيرخواران وجود دارد. چون مواردي كه از چنين مراكز ثبت آماري بدست مي‌آيند عموما معرّف كل جمعيت بيماران مبتلا به آن بيماري در منطقه است، انتخاب يك گروه شاهد را ساده كرده است. گروه شاهد بايد يك نمونه معرّف از جمعيتي باشد كه در منطقه اي كه توسط مراكز ثبت آماري پوشش داده مي‌شود زندگي مي‌كند. در مثال 2 ، تمام ساكنان شهر كه در فهرست دولت محلي مي‌باشند، چنين نمونه گيري را آسان كرده است. روش جايگزين مقرون به صرفه تر تلفن كردن با استفاده از اعداد تصادفي است.

تلفن كردن با اعداد تصادفي مي‌تواند شامل راهكار جور كردن باشد، كه تا هنگام حصول به يك فرد جور شده از نظر سني و جنسي همان پيش شماره موارد براي شاهدها  (در نتيجه جور كردن تقريبي بر حسب مناطق شهري) تكرار مي‌شود. ولي تلفن كردن با اعداد تصادفي مسائلي دارد. نخست، چون كه لازم است تمام شاهدها در خانوارهايي زندگي كنند كه تلفن دارند، موارد بدون تلفن بايد حذف شوند كه اندازه نمونه و تعميم مطالعه را به شدت كاهش مي‌دهد. دوم، قسمت بزرگ و غيرتصادفي شاهدها ممكن است پس از تماس تصادفي موافق شركت در مطالعه نباشند. در پايان، هرچه تعداد شماره هاي تلفن هر خانوار زيادتر شود، اين مسئله ايجاد مي‌شود كه خانوارهاي با چندين خط تلفن (كه معرّف تمام خانوارها نيستند) بيش از حد نمايش داده مي‌شوند.

وقتي مركز ثبت بيماري وجود داشته باشد، مطالعه هاي مورد ـ شاهدي مبتني بر جمعيت بوضوح مطلوب ترين هستند. هرچه يك مركز ثبت آمار بيماري كامل تر و جمعيت تحت پوشش آن با ثبات تر باشد (يعني، مهاجرتي به داخل يا خارج انجام نشود) ، مطالعة مورد ـ شاهدي مبتني بر جمعيت به مطالعة مورد ـ شاهدي لانه گزيده يا كارآزمايي باليني نزديك تر خواهد شد. اين طرح امكان بالقوه حذف سوگرايي نمونه گيري را دارد، زيرا موارد و شاهدها هر دو از يك جمعيت انتخاب شده اند. وقتي روش نمونه گيري يك مطالعة مورد ـ شاهدي را طراحي مي‌كنيد، بخاطر داشتن طرح مورد ـ شاهدي لانه گزيده به عنوان الگويي براي رقابت با آن سودمند است.

 از آنجا كه انتخاب گروه شاهد بويژه وقتي كه موارد يك نمونه معرّف بيماران نباشند، مي‌تواند خيلي مزورانه باشد، گاهي مقرون به صلاح است كه از دو گروه شاهد يا بيشتر كه به طرق متفاوت انتخاب شده اند استفاده شود. براي مثال، در مطالعه خدمات بهداشت عمومي در باره سندرم ري و تجويز داروها  (Public Health Service on Reye' syndrome and medication)، از چهار نوع شاهد استفاده شد: شاهدهاي بخش اتفاقات (مانند موارد به بخش اتفاقات مراجعه كرده اند) ، شاهدهاي بستري در بيمارستان (در همان بيمارستاني كه موارد بستري شده اند) ، شاهدهــاي مدرسه (به همــان مدرسه يا مهدكودكي مي‌رفتند كـه موارد مي‌رفتند) و شاهدهاي

جدول 2 ـ  روش هاي كورسازي پرسش هاي مصاحبه در يك مطالعة مورد ـ شاهدي  

شخص كور شده	كورسازي وضعيت مورد/شاهدي	كورسازي براي سنجش عامل خطر
شركت كننده	در صورتي كه هم موارد و هم شاهدها بيماريهايي داشته باشند كه بطور مقبول بتوان به عامل خطر ربط داد، امكان پذير است.	شامل عوامل خطر" ساختگي" و در صورتي كه بين موارد و شاهدها متفاوت بود بايد مشكوك شد اگر قبلا همه از عامل خطر بيماري با خبر باشند ممكن است بكار نيايد
مشاهده گر	در صورتي كه موارد از نظر ظاهر از شاهدها قابل تشخيص نباشند، امكان پذير است، ولي اظهارها و نشانه هاي جزيي كه شركت كنندگان ارائه مي‌كنند آن را مشكل مي‌كند	اگر مصاحبه گر پژوهشگر نباشد، امكان پذير است، ولي حفظ آن مشكل است

اجتماعي (با تلفن كردن تصادفي مشخص شد). نسبت هاي شانس براي استفاده از ساليسيلات در موارد با هريك از اين گروه هاي شاهد مقايسه شد كه عبارت بود از 39 ، 4/49 ، 5/57 ، 5/9 ، 6/12 و هركدام از نظر آماري، معني دار بوده، اين يافته ثابت از يك رابطه قوي با استفاده از گروه هاي شاهد با انواع گوناگون سوگرايي نمونه گيري بدست آمد، متقاعد كرد كه يك رابطه واقعي در جمعيت وجود دارد.

اگر گروه هاي شاهد نتايج متناقضي بدهند چه مي‌شود؟ خوشبختانه، اين امر كمتر از آنچه انتظار مي رود اتفاق مي‌افتد، و وقتي اتفاق بيفتد سودمند است، زيرا بعضي ضعف هاي ذاتي روش مورد ـ شاهدي را براي پرسش پژوهشي مورد نظر نشان مي‌دهد. در صورت امكان، پژوهشگر بايد به دنبال اطلاعات اضافي باشد تا اندازه سوگرايي هاي بالقوه را از هر گروه شاهد تعيين كند. به هر صورت، داشتن نتايج متناقص و اين نتيجه گيري كه پاسخ نامعلوم است خيلي بهتر از داشتن فقط يك گروه شاهد و نتيجه گيري غلط خواهد بود.

 سوگرايي افتراقي سنجش (Differential Measurement Bias) و نحوه كنترل آن

 دومين مسئله ويژه مطالعه هاي مورد ـ شاهدي سوگرايي است كه روي يك گروه بيش از گروه ديگر اثر مي‌كند و ناشي از روش گذشته نگر اندازه گيري متغيرهاي مستقل است. براي مثال، مطالعه هاي مورد ـ شاهدي ناهنجاري هاي زمان تولد به خاطر سوگرايي تفاوت در يادآوري  (Differential  Recall Bias) مختل شدند: والدين نوزادان مبتلا به ناهنجاري در مقايسه با والدين نوزادان طبيعي بهتر جزئيات مصارف دارويي خود را به ياد مي‌آورند، زيرا هنوز نگران علت ناهنجاري هستند. سوگرايي تفاوت در يادآوري نمي‌تواند در مطالعه هاي همگروهي روي دهد، زيرا قبل از تولد نوزاد، از والدين راجع به مواجهه ها پرسيده مي‌شود.

 علاوه بر راهكارهاي كنترل سنجش هاي سوگرا (استاندارد كردن تعريف هاي عملي متغيرها، انتخاب روش هاي عيني، تكميل متغيرهاي كليدي با داده هاي منابع متعدد و غيره) ، در مطالعه هاي مورد ـ شاهدي دو راهكار ويژه براي اجتناب از سوگرايي اندازه گيري عوامل خطر وجود دارد.

 1 ـ  استفاده از داده هاي ثبت شده قبل از رويداد پيامد

براي مثال، در مطالعة مورد ـ شاهدي ناهنجاري هاي تولد مي‌توان پرونده هاي قبل از تولد را بررسي كرد. محدوديت اين راهكار عالي مربوط به اين مي‌شود كه اطلاعات ثبت شده درباره عوامل خطر مورد نظر در دسترس باشند و قابليت اطمينان (پاياني) رضايت بخشي داشته باشند. با وجود اين، اگر پژوهشگر براي يافتن دلايل عادت‌  هاي گذشته، سوابق پزشكي موارد را با شدت بيشتري از شاهدها جستجو كند باز هم سوگرايي مي‌تواند روي دهد.

 2 ـ  استفاده از كورسازي

از آنجا كه هم مشاهده گران و هم افراد تحت مطالعه را مي‌توان بطور قابل تصور هم نسبت به وضعيت مورد شاهدي هر نفر و هم نسبت به عامل خطر تحت بررسي، كور كرد چهار نوع كورسازي امكان پذير است (جدول 2).

جدول 3 ـ  مزايا و معايب طرح هاي مشاهده اي اصلي 

طرح	مزايا	معايب *
همگروهي	برقراري ترتيب تقدم و تاخر رويداد پيامدهاي متعدد را مي‌توان مطالعه كرد. تعداد پيامدها با گذشت زمان زياد ميشود. بروز، خطر نسبي، و خطر افزوده را بدست ميدهد	اغلب به اندازه نمونه بزرگ نياز دارد براي پيامدهاي نادر قابل اجرا نيست
آينده نگر	كنترل بيشتر بر روي انتخاب افراد تحت مطالعه  كنترل بيشتر بر روي سنجش ها اجتناب از سوگرايي در اندازه گيري متغيرهاي مستقل	گرانتر طولاني تر
گذشته نگر	ارزانتر دوره كوتاهتر	كنترل كمتر بر روي انتخاب افراد تحت مطالعه كنترل كمتر بر روي سنجش ها
همگروهي چندتايي	وقتي كه همگروه هاي مجزا مواجهه هاي متفاوت يا نادر داشته باشند مفيدند	سوگرايي بالقوه نمونه گيري از چند جمعيت و مخدوش شدگي
مقطعي	مي‌توان چندين پيامد را مطالعه كند دوره نسبتا كوتاه يك قدم نخست مناسب براي مطالعه همگروهي شيوع و شيوع نسبي را به دست مي‌دهد	ترتيب تقدم و تاخر حوادث را مشخص نمي‌كند براي حالت هاي نادر قابل اجرا نيست ميزان بروز و خطر نسبي واقعي را بدست نمي‌دهد
مورد ـ شاهدي	براي مطالعه حالت هاي نادر مفيد است دوره كوتاه به نسبت ارزان به نسبت كوچك نسبت شانس را به دست مي‌دهد (معمولا برآورد خوبي از خطر نسبي است مگر اينكه پيامد شايع باشد)	سوگرايي و مخدوش شدگي بالقوه نمونه گيري از دو جمعيت ترتيب تقدم و تاخر حوادث را مشخص نمي‌كند سوگرايي بالقوه زنده ماندن  به يك متغير وابسته محدود شده است شيوع، بروز يا خطر افزوده را بدست نمي‌دهد
طرح هاي تركيبي
مورد ـ شاهدي لانه گزيده	مزاياي يك طرح همگروهي گذشته نگر، تنها كارآمدتر است	به بانك نمونه ها كه  تا موقع رويداد پيامد ذخيره شود، نياز است
مورد ـ همگروهي لانه گريده	مي‌تواند از يك گروه شاهد واحد براي چندين مطالعه استفاده كنند

 

*  تمام اين طرح هاي مشاهده اي (در مقايسه با مطالعه هاي تجربي) اين عيب را دارند كه مستعد تاثير متغيرهاي مخدوش كننده مي‌باشند.

 

بطور مطلوب، هم پژوهشگر و هم افراد تحت مطالعه نبايد بدانند كدام فرد مورد و كدام شاهد است. اگر بتوان اين كار را با موفقيت انجام داد، مي‌توان سوگرايي افتراقي در اندازه گيري متغيرهاي مستقل را از بين برد. در عمل، اغلب اين كار مشكل است. شركت كنندگان مي‌دانند كه بيمار يا سالم هستند. بنابراين، تنها وقتي مي‌شود آن ها را نسبت به وضعيت مورد ـ شاهدي كور كرد كه شاهدها از بين بيماراني انتخاب شوند كه مبتلا به نوعي بيماري هستند كه بطور مقبول با عوامل خطر تحت بررسي مربوط باشد (البته اگر بيماري هر يك از شاهدها با عامل خطر مورد بررسي ربط داشته باشد، ممكن است باعث سوگرايي نمونه گيري شود). تلاش براي كور كردن مصاحبه گر بوسيله ماهيت معلوم برخي ازبيماري ها (اگر بيمار مبتلابه يرقان باشد يا لارنگكتومي (Laryngectomy) شده باشد به سختي مي‌توان نگذاشت مصاحبه گر ملتفت شود) و با راهنمايي هايي كه مصاحبه گران از پاسخ هاي بيماران درك مي‌كنند مختل مي‌شود.

معمولا كورسازي نسبت به عامل خطر خاص تحت بررسي آسان تر از كورسازي نسبت به وضعيت مورد ـ شاهدي است. با در نظر گرفتن موضوع هاي "ساختگي" درباره عوامل خطر قابل قبول كه با بيماري ربط ندارند مي‌توان هم شركت كنندگان و هم مصاحبه گر را از فرضيه تحت بررسي بي خبر نگهداشت. مثلا اگر فرضيه خاصي كه بايد آزموده شود اين باشد كه آيا مصرف عسل با افزايش خطر بوتوليسم شيرخواري (Infant Botulism) رابطه دارد، مي‌توان پرسش هايي با همان شرح و تفصيل راجع به ژله، ماست و موز در مصاحبه گنجاند. اين نوع كورسازي در واقع از سوگرايي افتراقي پيشگيري نمي‌كند، ولي برآوردي از مسئله را امكان پذير مي‌كند: اگر موارد مواجهه با عسل بيشتري را گزارش كنند، ولي افزايشي در مواجهه با ساير غذاها گزارش نكنند، در آن صورت سوگرايي افتراقي سنجش كمتر محتمل است. اگر رابطه بين بوتوليسم شيرخواري و عسل قبلا بطور گسترده به اطلاع عموم رسيده باشد، يا اگر برخي از عوامل خطر ساختگي عوامل خطر واقعي از آب درآيند، اين راهكار بكار نخواهد آمد.

كورسازي مشاهده گر نسبت به وضعيت مورد ـ شاهدي افراد تحت مطالعه بويژه براي سنجش هاي آزمايشگاهي، نظير آزمايش هاي خون و پرتونگاري، راهكار خوبي است. كورسازي تحت چنين شرايطي آسان است و هميشه بايد انجام شود. يك نفر به غير از آن كسي كه اندازه گيري را انجام مي‌دهد بسادگي براي هر نمونه يك برچسب رمز شناسايي بكار مي‌برد. اهميت اين موضوع بوسيله 15 مطالعة مورد ـ شاهدي كه سنجش هاي توده استخواني را بين بيماران با شكستگي مفصل ران و شاهدها مقايسه مي‌كردند، نشان داده شده است. در مطالعه هايي كه از سنجش هاي كور نشده استفاده كرده بودند اختلاف هاي ايجاد شده خيلي بزرگتر از مطالعه هاي كورسازي شده بـود (15).

گزينش از بين طرح هاي مشاهده اي

جنبه هاي مثبت و منفي طرح هاي مشاهده اي اصلي كه در اين دو بخش ارائه شد در جدول 3 خلاصه شده است. ما اين مطالب را قبلا بطور مفصل شرح داديم، و در اينجا مي‌خواهيم به يك موضوع نهايي اشاره كنيم. از بين تمام اين طرح ها، هيچكدام بهترين يا بدترين نيستند، هر كدام بسته به موضوع پژوهش و شرايط جايگاه و هدف خودش را دارد.

1 ـ در يك مطالعة مقطعي، تمام متغيرها بدون اينكه بين متغيرهاي مستقل و وابسته فرق اساسي باشد در يك لحظه زماني واحد اندازه گيري مي‌شوند. مطالعه هاي مقطعي براي تهيه اطلاعات توصيفي در باره شيوع با ارزش هستند، همچنين مزيت اجتناب از صرف وقت، هزينه و مسائل گم شدگي يك طرح پيگير را دارند.

2 ـ ليكن، مطالعه هاي مقطعي از مطالعه هاي همگروهي شواهد ضعيف تري براي عليت بدست مي‌دهند، زيرا نشان داده نمي‌شود كه متغير مستقل قبل از متغير وابسته است. نقطه ضعف ديگر اين است كه وقتي شيوع بيماري ها و متغيرهاي غيرشايع در جمعيت عمومي مطالعه مي‌شود، به نمونه بزرگي نياز است (در مقايسه با اندازه نمونه در مطالعه هاي مورد ـ شاهدي) . با وجود اين، از طرح مقطعي مي‌توان براي مطالعه يك بيماري غيرشايع در يك مجموعه موارد از بيماران مبتلابه آن بيماري استفاده كرد و اغلب به عنوان نخستين گام يك مطالعه همگروهي يا تجربي بكار مي رود.

3 ـ در يك مطالعة مورد ـ شاهدي، شيوع عوامل خطر در نمونه اي از افراد مبتلا به يك بيماري يا پيامد مورد نظر ديگر (موارد) با نمونه اي كه بيماري را ندارند (شاهدها) مقايسه مي‌شود. اين طرح كه در آن افراد با و بدون بيماري بطور مجزا نمونه گيري شده اند، به نسبت ارزان و بطور بي‌نظيري براي مطالعه بيماري هاي نادر موثر است.

4 ـ يك مسئله مطالعه هاي مورد ـ شاهدي آسيب پذيري آن ها نسبت به سوگرايي نمونه گيري است. احتمال سوگرايي نمونه گيري هم به بيماري و هم به عامل خطر مورد نظر بستگي دارد. چهار راه حل براي كاهش سوگرايي نمونه گيري عبارتست از (الف) گرفتن نمونه شاهدها و موارد به يك طريق (مسلما غيرمعرّف) ، (ب) جوركردن موارد با شاهدها، (ج) انجام مطالعه مبتني بر جمعيت، (د) استفاده از چند گروه شاهد كه از جمعيت هاي مختلف نمونه گيري شده اند.

5 ـ مسئله عمده ديگر مطالعه هاي مورد ـ شاهدي طرح گذشته نگر آن ها است كه آن ها را مستعد سوگرايي افتراقي (بين موارد و شاهدها) مي نمايد. با بدست آوردن سنجش هاي گذشته متغير مستقل، و با كورسازي شركت كنندگان و مشاهده گران مي‌توان چنين سوگرايي را كاهش داد.

منابع

 

1) Andesen RE. Crespo CJ, Bartllett SJ, Cheskin LJ, Pratt M. Relationship  of physical activity and television  watching with body  weight and  level of fatness  among  children: results from the  third National  Health and Nutrition Examination Survey. JAMA 1998; 279:938-42. 

 

2) Robinson TN. Does television cause childhood obesity? JAMA 1998; 279  :959-60. 

 

3) Jaffe HW, Bregman DJ, Selik RM. Acquired  Immune  Deficiency in the  U.S. the first 1000 cases. J Infect Dis 1983; 148:339-45. 

 

4) Farquhar JW, Fortmann SP , Maccoby N, et al: The Stanford Five-City  Project: Design and methods. Am J Epidemiol. 1985; 122: 323-34. 

 

5) Herbst AL., Ulfelder H., Poskanzer DC. Adenocarcinoma of the vagina.  Association of maternal stilbestrol  therapy with  tumor appearance  in young women. N Engl J Med 1971; 284:87

 

6) Psaty BM, Heckbert SR , Koepsell TD, et al. The risk of  myocardial  infarction  associated with  antihypertensive  drug therapies. JAMA  1995; 274:620-5. 

 

7) Golding J, Paterson M, Kinlen LJ. Factors associated with childhood  cancer in a national cohort study. Br J Cancer 1990; 62:304-8. 

 

8) Golding J., Greenwood R. , Birmingham K. , Mott M.  Childhood cancer,  intramuscular vitamin K, and pethidine given during labour. BMJ 1992 ; 305: 341-6. 

 

9) Von Kries R, Gobel U, Hachmeister A, Kaletsch U., Michaelis J. ,Vitamin  K and childhood  cancer : a population based  case-control study in  Lower Saxony, Germany. BMJ 1996199: 203-313

 

10) Klebanoff MA, Read JS , Mills JL, Shiono PH. The risk of childhood  cancer after neonatal exposure to vitamin K. N Engl J Med 1993;329:925-8. 

 

11) McKinney PA, Juszczak E, Findlay E, Smith K. Case-control study of  childhood leukaemia and cancer in Scotland: findings for  neonatal  intramuscular vitamin K. BMJ 1998; 316:173-7. 

 

12) Kochen M , McCurdy S. Circumcision and the  risk of  cancer of the  peins: a life-table analysis. Am J Dis Child 1980; 134:484-6. 

 

13) O’ Brien KL., Selanikio JD., Hecdivers C., et al. Epidemic of pediatric  deaths from acute renal failure caused by diethylene glycol poisoning. Acute Renal Failure Investigation Team. JAMA 1998;279:1175-80. 

 

14) Hurwitz ES., Barrett MJ., Bregman D., et al: Public  Health Service  study on Reye's syndrome and medications. Report of the main study.  JAMA 1987; 257:1905-11. 

 

15) Cummings SR. Are patients  with hip  fractures  more osteoporotic?  Review of the evidence. Am J Med 1985;78:487-94. 

 بر گرفته از کتاب جامع بهداشت عمومی . دکتر حسین حاتمی

 

 

 

 

کاربردهای اندازه گیری کیفیت زندگی

	کاربردهای اندازه گیری کیفیت زندگی را می توان به این شکل خلاصه کرد: 1-  پزشکی: این ابزار در کنار سایر اقدامات تعیین کننده می تواند اطلاعات با ارزشی در مورد مواردی که روی فرد بیشترین اثر را دارند فراهم نموده و در یافتن بهترین انتخاب در مراقبت بیمار مفید باشد. 2-     بهبود روابط پزشک- بیمار: با افزایش درک پزشک از اثرات بیماری در زندگی بیمار روابط پزشک و بیمار بهتر شده و بیمار نیز خدمات پزشکی را موثرتر حس می کند. 3-    تعیین کارایی درمان های مختلف: جهت ارزیابی درمان های مختلف می توان از این ابزار جهت سنجش کیفیت زندگی به عنوان یک پیامد استفاده کرد. 4-     ارزیابی خدمات بهداشتی: در مرور کفایت و کیفیت خدمات پزشکی اولویت های بیمار قطعاَ مهم هستند که این ابزار مکمل با ارزشی جهت این ارزیابی فراهم می کند. 5-   تحقیقات: این ابزار بوسیله تعیین اثرات بیماری در تمام وجوه بیمار بصیرت جدیدی در مورد سیر طبیعی بیماری ایجاد می کند. 6-   سیاست گذاری: در  تعیین اثرات سیاست های جدید بر کیفیت زندگی افراد می توان از این ابزار سودجست. سیاست گذاران با در نظر گرفتن این پیامد می توانند تخصیص منابع محدود را با بینش وسیعتری انجام دهند. در بررسی های بار بیماری ها یا شاخص هایی چون QALY در این موارد از این اندازه ها جهت اندازه گیری وضعیت سلامت افراد استفاده می گردد

 

	ویژگیهای کیفیت زندگی   علیرغم اینکه یک توافق کلی در تعریف کیفیت زندگی وجود ندارد بیشتر پژوهشگران بر سه ویژگی کیفیت زندگی اتفاق نظر دارند این ویژگی ها عبارتند از : چند بعدی بودن، ذهنی بودن و  پویا بودن. الف) چند بعدی بودن: همه متخصصان دنیا معتقدند کیفیت زندگی موضوعی چند بعدی است دانشمندان توافق دارندکه مفهوم کیفیت زندگی همواره 5 بعد زیر را در بر می گیرد: بعد جسمی: بعد جسمی به دریافت فرد از توانایی هایش در انجام فعالیت ها و وظایف روزانه که نیاز به صرف انرژی دارد اشاره می کند و می تواند در بردارنده مقیاس هایی چون تحرک، توان و انرژی، درد و ناراحتی، خواب و استراحت و ظرفیت توان کاری باشد. بعد روانی: جنبه های روحی مانند افسردگی،ترس، عصبانیت،خوشحالی و آرامش را در بر می گیرد. بعضی از زیر گروه های این بعد عبارتند از تصویر از خود، احساس مثبت ، احساس منفی، اعتقادات مذهبی ، فکر کردن، یادگیری، حافظه و تمرکز حواس. بعد اجتماعی: به توانایی برقرار کردن ارتباط با اعضای خانواده، همسایگان، همکاران و سایر گروه های اجتماعی، و نیز وضعیت شغلی و شرایط اقتصادی کلی مربوط می شود. بعد روحی: درک فرد از زندگی و هدف و معنای زندگی را در بر می گیرد. ثابت شده است که بعد روحی زیر مجموعه بعد روانی نبوده و یک دامنه مهم و مستقل محسوب می شود. بعد علائم مربوط به بیماری یا تغییرات مربوط به درمان: مواردی مانند درد، تهوع و استفراغ را می توان نام برد. ب) ذهنی بودن: کیفیت زندگی را باید بیشتر به صورت یک مفهوم ذهنی به کار برد .  ارزیابی فرد از سلامت و خوب بودنش عامل کلیدی در مطالعه کیفیت زندگی می باشد. قضاوت فرد در مورد بیماری، درمان و سلامتی خود اهمیت بیشتری نسبت به ارزیابی عینی از سلامتی دارد. به عنوان مثال ممکن است فردی از یک یا چند بیماری مزمن رنج ببرد ولی خودش را سالم بداند در صورتیکه فرد دیگری با وجود آنکه هیچ نشان عینی از بیماری ندارد خود را بیمار می پندارد. عامل اصلی تعیین کننده کیفیت زندگی عبارتست از تفاوت درک شده بین آنچه هست و آنچه از دیدگاه فرد باید باشد. ج) پویا بودن: پویایی کیفیت زندگی به این معناست که با گذشت زمان تغییر می کند و به تغییرات فرد و محیط او بستگی دارد. این مشخصه در یک رابطه طولی قابل مشاهده است.

	تاریخچه مطالعات کیفیت زندگی       مفهوم کیفیت زندگی به دوران ارسطو در 385 سال قبل از میلاد مسیح باز می گردد، در آن دوران ارسطو « زندگی خوب» یا « خوب انجام دادن کارها» را به معنی شاد بودن در نظر گرفته است،لیکن در عین حال به تفاوت مفهوم شادی در افراد مختلف پرداخته است و ذکر نموده است سلامتی که باعث شادی در یک فرد بیمار می شود با ثروت که فرد فقیری را شاد می کند یکسان نمی باشندو به طور مشخص بیان نموده است که شادی نه تنها برای افراد مختلف معانی متفاوتی دارد بلکه برای یک فرد نیز در شرایط متفاوت معنی یکسانی نخواهد داشت.واژه کیفیت زندگی نخستین بار توسط Pigou در سال 1920 در کتاب « اقتصاد و رفاه» مورد استفاده قرار گرفت. او در این کتاب در مورد حمایت دولتی از اقشار پائین و تاثیر آن بر زندگی آنها و سرمایه های ملی به بحث پرداخته بود. این مطلب تا بعد از جنگ جهانی دوم مسکوت ماند تا اینکه در اثر دو حادثه مهم مورد توجه قرار گرفت . اول آنکه سازمان جهانی بهداشت تعریفی از سلامت منتشر کرد که شامل سلامت جسمی، روانی و اجتماعی بود. این امر منجر به بحث گسترده ای در مورد سلامت و چگونگی اندازه گیری آن شد. دومین اتفاق وجود نابرابری های گسترده اجتماعی در جوامع غربی و سایر کشورها به دنبال پیامدهای جنگ جهانی و پیشرفت در زمینه علوم انسانی و علوم تجربی بود که موجب افزایش فعالیت های اجتماعی و در نتیجه ابتکارات سیاسی گردید.       به مرور زمان محققین متوجه شدند که کیفیت زندگی می تواند یکی از پیامدهای پر اهمیت در ارزیابی های سلامت باشد،چنانچه تعریف سازمان بهداشت جهانی از سلامت نیز بر این نکته تاکید دارد. در سال 1985 در شمال غرب انگلستان برای اولین بار تحقیقات کیفیت زندگی انجام شد. محور اصلی این مطالعات محدود به بیماری های روانی مزمن بود و از آن به عنوان شاخصی در جهت ارزیابی سلامت روانی استفاده می شد. امروزه از این مفهوم در اندازه گیری کارایی درمان ها، داروها، جراحی ها و بررسی شاخص های سلامت استفاده می گردد.

 

مهمترين تلاش هاي تاريخي زيربنايي در توسعه علم اپيدميولوژي

 

- بقراط حكيم در 400 سال قبل از ميلاد مسيح (ع) در كتاب در باره هواها، آب ها، و مكان ها (On Airs, Waters, and Places) كه شامل 24 قسمت بود به نقش عوامل مرتبط با شيوه زندگي و عوامل محيط خارجي در ايجاد بيماري در انسان، اشاره كرد. وي را پدر علم بهداشت عمومي نيز مي‌شناسند.

- ابداع قرنطينه (quarantine) در قرن چهاردهم توسط ونيزي ها كه براي محافظت مردم از اپيدمي هاي طاعون انجام شد از تلاش هاي بسيار مهم بشر در عرصه اپيدميولوژي بود. در آن زمان براي اطمينان  از عدم انتقال بيماري طاعون به ونيز ـ ايتاليا به كشتي هايي كه به آن جا مي‌آمدند تا 40 روز اجازه ورود نمي‌دادند. ريشه قرنطينه از كلمات ايتاليايي quaranta giorni به معناي 40 روز گرفته شده است.

- در اوايل قرن هفدهم ميلادي فرانسيس بيكن (F. Bacon,1561-1626)  دانشمند انگليسي و همكاران او اصول تفكر، و نگرش منطقي و فلسفي اپيدميولوژي را بنيان نهادند.

- جان گرانت (1620-1674 J Graunt,)  آمارهاي مربوط به تولّد و مرگ در لندن را تحليل كرد و  اندازه هاي بيماري را محاسبه نمود.

- جيمز ليند (J. Lind,1716 – 1794) جراح نيروي دريايي اسكاتلند، اوّلين كارآزمايي باليني تجربي را در سال 1747 براي درمان اسكوربوت (كمبود ويتامين C) انجام داد. او با افزودن ميوه تازه و مواد غذايي حاوي ويتامين C به رژيم غذايي دريانوردان انگليسي، اين بيماري را تحت كنترل درآورد.

- در سال 1839 ميلادي ويليام فار (W. Farr, 1807-1883) كه در آن زمان رئيس اداره ثبت احوال انگلستان بود، سيستمي‌براي جمع‌آوري و خلاصه كردن داده هاي مربوط به علل مرگها در لندن بنا نهاد. گرچه فار، اوّلين كسي نبود كه از علم آمار براي مشخص كردن علّت مرگ ها استفاده كرد (اوّلين فرد ويليام هبردن W. Heberden در سال  1734 ميلادي بود)، لكن او را به نام پدر علم آمار حياتي مي‌شناسند.

- جان اسنو (J Snow, 1813-1858 ) ازجمله برجسته ترين دانشمنداني است كه در تاريخ اپيدميولوژي وجود دارند. بنابراين وي را به عنوان پدر اپيدميولوژي مدرن مي‌شناسند. او در سال 1849 تا 1854 اوّلين مطالعه تحليلي اپيدميولوژي را در لندن با آزمودن فرضيه اي در خصوص بيماري وبا انجام داد و ازجمله اوّلين كساني بود كه فهميد ابتلاء به بيماري وبا در ارتباط با مصرف آب آلوده است و به اهميّت و نقش بهداشت محيط در كنترل و پيشگيري از بيماري ها و كنترل اپيدمي ها پرداخت.

- در سال1920 گلدبرگر (J Goldberger, 1874-1929) دانشمند اتريشي ـ مجارستاني در زماني كه بحران بيماري پلاگر جنوب امريكا را فرا گرفته بود، اوّلين مطالعه توصيفي در عرصه (Descriptive field study) را براي نشان دادن تاثير عوامل تغذيه اي بر رخداد اين بيماري در داوطلبين زنداني در مي سي سي پي، انجام داد.

- در سال 1949 مطالعه فرامينگهام بعنوان اوّلين مطالعه همگروهي توسط موسسه ملّي قلب امريكا بر روي 5209 مرد وزن 30 تا 62 ساله ساكن شهر فرامينگهام، ايالت ماساچوست امريكا آغاز شد تا بتواند مهمترين عوامل خطرزا را در ارتباط با بيماري هاي عروق تاجي قلب شناسايي كند.

- ريچارد دال(Richard Doll, 1912-2005)  و همكارانش در سال 1950 اوّلين مطالعه مورد ـ شاهدي را بر روي تاثير مصرف سيگار بر سرطان ريه انجام دادند. آنها دريافتند كه در رخداد بيماري ها عواملي وجود دارند كه الزاماً باعث بيماري نمي‌شوند بلكه شانس و احتمال بيماري را در گروهي كه با آن عوامل مواجهه دارند افزايش مي‌دهند كه مي‌توان به آنها عوامل خطرزا (Risk factor) گفت. تلاش هاي دال و همكارانش طي حدود 6 دهه باعث ايجاد و توسعه اپيدميولوژي سرطان در جهان شد.

- در سال 1954 بزرگترين كارآزمايي در عرصه (Field trial) بر روي حدود يك ميليون كودك، كه كارآيي واكسن فلج اطفال نوع تزريقي (Salk) را مي‌آزمود انجام شد. حجم داده هاي حاصل از مطالعه تا زمان انجام اين مطالعه بي‌سابقه بود.

- مانتل و هنزل در سال 1959 روش آماري موسوم به همين نام (Mantel-Haenszel Test) را براي تجزيه و تحليل آماري داده هاي طبقه بندي شده مربوط به مطالعات مورد ـ شاهدي را ارائه دادند.

- مك ماهون (Brian MacMahon) متولد 1923 در انگلستان، اوّلين كتاب مرجع (Text) اپيدميولوژي تحت عنوان روش هاي اپيدميولوژيك (Epidemiologic Methods) را در سال 1960 منتشر كرد. او در اين كتاب به صورت سيستماتيك بر روي طراحي مطالعه، كار كرد. اين كتاب بعد ها با عنوان اپيدميولوژي : مباني و روش ها  (Epidemiology: Principles and Methods) ناميده شد.

- در سال 1964 كميته مشورتي دخانيات و سلامتي جراحان عمومي امريكا (‏The US Surgeon General’s Advisory Committee on Smoking and Health )، معيار هاي ارزشيابي علّيّت را منتشر كرد.

- مطالعات سه جامعه در استانفورد و پروژه كاروليناي شمالي طي سال هاي 1971-72 ميلادي بعنوان اوّلين مطالعه مبتني بر جامعه (Community-based) با هدف برنامه هاي پيشگيري از بيماري هاي قلبي  ـ عروقي آغاز شد.

ـ در اوايل دهه 1970 ميلادي روش هاي جديد آماري مانند آناليزLog-Linear  و Logistic  ارائه شد.

ـ از دهه 1990 به بعد نيز در زمينه توسعه و به كارگيري روش هاي نوين بيولوژي مولكولي در اپيدميولوژي تلاش هاي زيادي انجام شده است.

                               منبع:کتاب جامع بهداشت عمومی،دکتر حسین حاتمی

                                       نویسنده این مبحث: دکتر حمید سوری

 

 

 

اندازه ها و اندازه گيري ها در اپيدميولوژي

 

اپيدميولوژي به تعبيري علم كميّت هاست و با اندازه ها و اندازه گيري هاي مرتبط با سلامت و بيماري در جمعيت ها و گروه هاي انساني، سروكار دارد. داده ها در واقع به مثابه آجرهايي هستند كه بناي مطالعات اپيدميولوژي را بالا مي‌برند. اطلاعات مورد نياز در اپيدميولوژي، ممكن است كيفي (اسمي يا رتبه اي)، يا كمّي (پيوسته يا گسسته) باشند. اندازه گيري با دقت و تبديل اندازه ها به شاخص ها و معيار هاي مناسب موجب افزايش درك ما از اين داد ها خواهد بود. دقت در سنجش ها، استاندارد كردن اندازه گيري ها و روش هاي سنجش و به حداقل رسانيدن خطاهاي اندازه گيري، قابليت مقايسه داده ها را بيشتر مي‌كند. سيماي داده ها ممكن است به صورت نمايش فراواني، شدّت يا وخامت بيماري ها، طول دوره بيماري ها، دوره پنهان بيماري و مانند اينها باشد. بنابراين در زمان روش جمع‌آوري يا ارائه داده ها مي‌بايد به اين نكات توجه شود. براي مثال با استفاده از يك مطالعه مقطعي نمي‌توان داده هاي مربوط به بيماري هايي كه طول دوره كوتاهي دارند را به خوبي جمع‌آوري و تفسير كرد.

بنابراين ثبت داده هاي مربوط به اندازه ها در اپيدميولوژي، مي‌بايد ساده و در عين حال درست، قابل استفاده براي منظورهايي كه جمع‌آوري آنها را ايجاب كرده است، براساس تعاريف استاندارد و عمليّاتي، همراه با آموزش مناسب و كافي افرادي كه داده ها را جمع‌آوري مي‌كنند، قابل انتشار و ارائه به صورت مستمر به همراه پس خوراند (در صورت نياز)، و قابل پايش براي تكميل‌تر شدن و دقيق‌تر بودن باشد.    

مهم‌ترين اندازه گيري ها در اپيدميولوژي

·        اندازه گيري مرگ

·        اندازه گيري ابتلا

·        اندازه گيري ناتواني

·        اندازه گيري مواليد

·        اندازه گيري حضور، عدم حضور، يا توزيع عوامل مرتبط يا قابل انتساب به بيماري

·        اندازه گيري نيازهاي درماني، مراقبت هاي بهداشتي، مصارف خدمات بهداشتي و ساير عوامل مرتبط با سلامتي

·        اندازه گيري حضور، عدم حضور، يا توزيع عوامل محيطي و ساير عواملي كه در عليّت بيماري، موثرند

·        اندازه گيري متغيّرهاي جمعيت‌شناختي

 

براي ارزش دادن به اندازه هاي خام اپيدميولوژيك بايد آنها را به صورت نسبت ها يا ميزان هايي درآورد تا بتوان درك صحيح‌تري از آنها به دست آورد. براي مثال اگر به ما بگويند كه در شهر الف، 100 مورد از يك بيماري و در شهر ب. 200 مورد از همان بيماري رخ داده است، نمي‌توان چنين نتيجه گرفت كه بيماري در شهر ب دو برابر شايع تر از شهر الف است، زيرا براي مثال ممكن است جمعيّت شهر ب چهار برابر جمعيت شهر الف بوده در آن صورت نتيجه گيري كاملاً برعكس خواهد شد.

نسبت ها

از مهمترين اندازه هاي مهم در اپيدميولوژ ي نسبت ها هستند. نسبت (Ratio) مقداري است كه از تقسيم يك اندازه يا كميت بركميت ديگر به دست مي آيد. نسبت، يك واژه كلّي است كه ميزان، تناسب، درصد نيز از اجزاء آن هستند. تفاوت مهم بين نسبت و تناسب اين است كه تناسب صورت كسر در مخرج كسر ادغام شده است، در صورتي كه در نسبت اين حالت الزامي نيست. نسبت ها گاهي به صورت درصد بيان مي‌شوند (مثل نسبت ميرايي) و گاهي به صورت نسبت ميزان، كه عبارت از نسبت دو ميزان است (مانند نسبت ميزان يك رخداد در مواجهه يافته ها به نسبت ميزان همان رخداد در مواجهه نيافته ها).

همان گونه كه گفته شد نسبت تقسيم يك اندازه است به اندازه ديگر. نسبت هاي مهمي چون نسبت جنسي، نسبت سرباري، نسبت شانس، خطر نسبي و مانند اينها در اپيدميولوژي وجود دارند كه به شرح مختصري در باره هر كدام پرداخته مي‌شود.

 

ـ شانس و نسبت شانس (Odds & Odds Ratio):

از نسبت هاي مهم ديگر نسبت شانس مي‌باشد. نسبت شانس (Odds ratio) نسبت شانس در مواجهه يافته ها به شانس در مواجهه نيافته ها است. شانس يا بخت نيز احتمال رويداد يك واقعه به عدم رويداد آن واقعه است. شانس نسبت افرادي را گويند كه با يك عامل بيماري‌زا يا عامل خطرزا مواجه گرديده و بيمار شده اند به تعداد افرادي كه با همان عامل مواجه شده ولي بيمار نشده اند. نسبت شانس درواقع معادل نسبت شانس در مواجهه يافته ها به شانس در مواجهه نيافته ها است. نسبت شانس را مي‌توان در مطالعات مورد ـ شاهدي به دست آورد. براي مثال در جدول زير: “الف” تعداد جمعيت مواجهه يافته و بيمار شده، “ب” تعداد جمعيت مواجهه يافته و بيمار نشده، “ج” تعداد جمعيت مواجهه نيافته و بيمار شده، و  “د”  تعداد جمعيت مواجهه نيافته و بيمار نشده اند.

 

	بيماري
مواجهه يافتگي

 

بر اين اساس، شانس (Odds) در مواجهه يافته ها برابر ب/الف. و شانس در مواجهه نيافته ها برابر د/ج مي‌باشد. در اين صورت نسبت شانس، معادل نسبت اين دو و برابر با  الف  ضربدر  د  تقسيم بر  ب  ضربدر  ج خواهد شد. اگر نسبت شانس، برابر يك شود معناي آن اين است كه شانس رخداد بيماري در گروه مواجهه يافته برابر گروه مواجهه نيافته است و يا به تعبيري ديگر افراد چه با اين عامل خاص مواجه شوند و چه مواجه نشوند شانس يكساني براي بيمار شدن دارند.

هرچه مقدار به دست آمده براي نسبت شانس از يك بزرگتر باشد نشان دهنده افزايش بيشتر شانس رخداد بيماري در مواجهه با آن عامل در مقاسيه با عدم مواجهه است. بديهي است كه اگر مقدار نسبت شانس كمتر از يك باشد نشان دهنده اثر محافظتي مواجهه با آن عامل خواهد بود. زماني كه در مطالعات اپيدميولوژي و با استفاده از نمونه برداري، نسبت شانس را محاسبه مي‌كنيم لازم است 95 درصد حدود اطمينان براي نسبت شانس نيز محاسبه و گزارش شود. توضيحات بيشتر در قسمت كاربرد آمار در اپيدميولوژي ارائه خواهد شد.

 

ـ خطر نسبي (Relative risk)

خطر نسبي، نسبت خطر ابتلاء يا مرگ در مواجهه يافته ها به همان خطر در مواجهه نيافته ها است، به عبارتي ديگر، خطر نسبي عبارت از نسبت ميزان بروز (تجمعي) در گروه مواجهه يافته به نسبت بروز (تجمعي) بيماري در گروه مواجهه نيافته. خطر نسبي علاوه بر اين كه به ما مي‌گويد چقدر خطر بروز بيماري در مواجهه با يك عامل در مقايسه با فردي كه با آن عامل مواجهه نيافته وجود دارد، استحكام يك رابطه علّيّتي را نيز نشان مي‌دهد. با استفاده از جدول قسمت قبل خطر نسبي معادل:

 

 

همانند ميزان بروز، خطر نسبي را نمي‌توان در يك مطالعه مقطعي اندازه گيري كرد. اگر مقدار خطر نسبي برابر يك شود معناي آن اين است كه احتمال بروز بيماري در گروه مواجهه يافته برابر گروه مواجهه نيافته است و يا به تعبيري ديگر افراد چه با اين عامل خاص مواجه شوند و چه مواجه نگردند احتمال يكساني براي بيمار شدن خواهند داشت. هرچه مقدار به دست آمده خطر نسبي از يك بزرگتر باشد نشان دهنده افزايش بيشتر احتمال بروز بيماري در مواجهه با آن عامل در مقايسه با عدم مواجهه، همين طور استحكام بيشتر رابطه آنها است. اگر مقدار خطر نسبي كمتر از يك باشد نشان دهنده اثر محافظتي مواجهه با آن عامل در بروز بيماري خواهد بود. زماني كه در مطالعات اپيدميولوژي و با استفاده از نمونه برداري خطر نسبي را محاسبه مي‌كنيم لازم است كه 95 درصد حدود اطمينان براي آن نيز محاسبه و گزارش كنيم. همانند قسمت قبل توضيحات بيشتر در قسمت كاربرد آمار در اپيدميولوژي، ارائه خواهد شد.

در مطالعات مورد ـ شاهدي نمي‌توان خطر نسبي را اندازه گيري كرد. امّا در صورتي كه شروط ذيل تامين  شود نسبت شانس مي‌تواند برآورد تقريبي مناسبي از خطر نسبي در جامعه باشد:

ü     زماني كه بيماري مورد نظر در مطالعه شيوع زيادي در جامعه نداشته باشد.

ü     هنگامي كه مورد هاي مطالعه شده از نظر سابقه مواجهه، نماينده واقعي كل افراد مبتلا به بيماري در جمعيت انتخاب شده باشند.

ü     زماني كه شاهد هاي مطالعه شده از نظر سابقه مواجهه، نماينده واقعي كل افراد غير بيمار در جمعيت انتخاب شده براي مطالعه باشند.

ـ  خطر منتسب (Attributable risk)

خطر منتسب نيز يك نسبت است و عبارت از  تفاضل ميزان بروز بيماري در گروه مواجهه يافته ها از ميزان بروز پيامد در گروه مواجهه نيافته هاست، مشروط بر اين كه علل ديگري به جز علّت تحت بررسي، اثرات مشابهي در دو گروه داشته باشند. خطر منتسب جمعيت (Attributable fraction risk in population) يا جزء منتسب جمعيت، نسبتي است كه اگر مواجهه از بين برود، ميزان بروز پيامد در كلّ جمعيت، كاهش پيدا مي‌كند. براي برآورد اين اندازه از روش زير استفاده مي‌شود:

 AFp  معادل جزء منتسب جمعيت، Ip ميزان بروز بيماري مورد نظر در كل جمعيت،

 و Iu نيز اندازه بروز بيماري در گروه مواجهه نيافته ها است.

ميزان ها

ميزان هاي مهم در اپيدميولوژي عمدتاً شامل 3 گروه ميزان هاي تولّد (birth rates) (مانند ميزان تولّد خام، يا ميزان مواليد)، ميزان هاي ابتلاء  (Morbidity rates)(مانند ميزان بروز، ميزان شيوع يا ميزان حمله بيماري)، و ميزان هاي مرگ (Mortality rates) (مانند ميزان مرگ خام، ميزان مرگ اختصاصي علّيّتي. ميزان مرگ مادران، ميزان كشندگي، سال هاي از دست رفته عمد، ميزان سهمي مرگ) مي‌باشد. اطلاعات مبسوط در خصوص هر كدام از اين ميزان ها و ساير ميزان هايي كه در بهداشت عمومي و يا خدمات بهداشتي درماني كاربرد دارند در ساير منابع مربوطه قابل مطالعه است. در اينجا به شرح مختصري در باره ميزان هاي مهم در اپيدميولوژي مي پردازيم:

 

ـ  ميزان تولّد خام (Crude birth rate)

اين اندازه برابر تعداد تولد هاي زنده در يك جمعيت معيّن و يك دوره زماني مشخص (مثلاً يك سال) تقسيم بر متوسط تعداد كل جمعيت ضربدر 1000 است. اندازه اين شاخص در كشور هاي مختلف متفاوت است اما، بخاطر خام بودن آن نمي‌تواند تصوير جامعي از وضع مواليد در جوامع مختلف ارائه دهد. براي مثال در سال 2005 ميلادي ميزان تولّد خام در جهان 2/21 در هزار (4/10 در هزار در كشورهاي توسعه يافته و 1/39 در هزار در كشورهاي درحال توسعه) بوده است. روند ميزان تولّد خام نيز در جهان طي دو دهه گذشته رو به كاهش بوده است، به طوري كه اين كاهش در كشورهاي در حال توسعه 9/12 درصد و در كشورهاي توسعه يافته 3/28 بوده است.

 

ـ  ميزان باروري (Fertility rate)

ميزان باروري به صورت ميزان باروري عمومي و ميزان كل باروري ارائه مي‌شود. ميزان باروري عمومي (General fertility rate) برابر تعداد سالانه تولد هاي زنده در يك جمعيت معيّن به ازاي هر يك هزار زن در سن باروري در آن جامعه است. زنان سن باروري را معمولاً زنان 15 تا 49 ساله و گاهي 15 تا 44 ساله در نظر مي‌گيرند. ميزان كل باروري (Total Fertility Rates) عبارت از متوسط تعداد نوزادان زنده به دنيا آمده از زنان يك جامعه دردوره باروري است. اين ميزان شامل مجموع ميزان هاي مواليد اختصاصي زنان (Age-specific fertility rate) در سنين مختلف دوره باروري آنها است. ميزان كل باروري در سال 2005 ميلادي كشورهاي در حال توسعه حدود 2 برابر اين ميزان در كشورهاي توسعه يافته بوده است. اين ميزان در سطح جهان حدود 5/2 محاسبه گرديده است. در صورتي كه ميزان مورد اشاره در جامعه اي كمتر از 1/2 باشد نشان دهنده روند كاهش رشد جمعيت و در صورتي كه بيشتر از اين مقدار باشد نشان دهنده روند رو به افزايش جمعيت در آن جامعه است. براي مثال اين ميزان در سال 2005 ميلادي، در ايتاليا 23/1  و در سومالي 25/7 و در ايران برابر 33/2 بوده است. 

 

ـ  ميزان بروز بيماري )Disease Incidence Rate(

اين ميزان برابر موارد جديد رخداد يك بيماري به ازاي جمعيّت در معرض خطر بيماري است كه در يك دوره زماني معيّن رخ مي‌دهد. كاربرد هاي اين ميزان در تعيين احتمال گسترش يك بيماري خاص در يك دوره زماني مشخص مثلاً يك سال، و جستجوي عوامل سبب‌ساز بيماري است. ميزان بروز را مي‌توان در مطالعات تحليلي به كار برد. اين ميزان اندازه اي است كه در مقايسه بين دو جامعه، كاربرد دارد و براي مطالعات مربوط به كنترل و پيشگيري، با اهميّت است. ميزان بروز براي بيماري هايي كه دوره كوتاهي دارند بيشتر كاربرد دارد.

ميزان بروز به دو نوع مشخص ميزان بروز تجمعيI.   Cumulative و تراكم بروز  I.  Density تقسيم مي‌شود:

ميزان بروز تجمعي تعداد يا نسبتي از يك گروه افراد است كه در يك فاصله زماني معيّن، آغاز يك بيماري را تجربه مي‌كنند. اما تراكم بروز معادل ميزان بروز شخص ـ زمان است. ميزان بروز شخص  ـ زمان مترادف تراكم بروز فاصله اي بوده، در واقع نوعي اندازه گيري ميزان بروز يك بيماري يا مرگ در يك جمعيت در معرض خطر است. اين اندازه معادل نسبت تعداد موارد بيماري يا مرگ است كه طي آن فاصله زماني رخ داده تقسيم بر تعداد واحد هاي شخص زمان در خطر در ابتداي همان فاصله زماني است. براي مثال اگر شخصي تنها پس از يك سال بيماري از مطالعه خارج شود معادل يك شخص ـ سال و اگر پس از 10 سال بيماري از مطالعه خارج شود معادل 10 شخص ـ سال محاسبه مي‌شود. از شاخص ميزان بروز شخص ـ زمان بيشتر براي تعيين بروز بيماري در دوره هاي طولاني و متغير استفاده مي‌شود.جدول زير مقايسه ميزان بروز بر مبناي شخص (بروز تجمعي) و بروز بر مبناي شخص ـ زمان (تراكم بروز) را نشان مي‌دهد.

 

بايد توجه داشت كه ميزان خطر (Risk) نيز كه گاه با ميزان بروز تجمعي معادل يكديگر گرفته مي‌شود تفاوت هايي با اين اندازه دارد. اولاً خطر احتمال رويداد ابتلاء يا مرگ در يك فرد در يك محدوده زماني يا سنّي از پيش تعيين شده است. دوّم آن كه خطر، برخلاف ميزان بروز كه واحد آن شخص ـ زمان است، واحد ندارد. سوّم آن كه در سنجش خطر، احتمال بروز بيماري اندازه گيري مي‌شود، ولي ميزان بروز، سرعت رويداد بيماري را مي‌سنجد.

جدول 1 ـ مقايسه ميزان بروز بر مبناي شخص (بروز تجمعي) و بروز بر مبناي شخص ـ زمان (تراكم بروز)

 

بروز بر مبناي شخص (بروز تجمعي)	بروز بر مبناي شخص ـ زمان (تراكم بروز)
- اندازه به دست آمده بين صفر تا يك است.	- اندازه به دست آمده مي‌تواند بين صفر تا بي نهايت باشد.
- خطر مطلق را اندازه گيري مي‌كند. (براي مثال 50 مورد در 1000 نفر مساوي 5 درصد)	- مقدار خطر مطلق را ارائه نمي‌دهد (براي مثال مي‌گويد 50 مورد در 1000 شخص ـ سال بيماري)
- مي‌توان از آن در محاسبه خطر نسبي مستقيماً استفاده كرد.	- مي‌توان از آن در محاسبه خطر نسبي مستقيماً استفاده كرد.
- براساس برآورد جمعيت (مانند آمار سرشماري) قابل محاسبه است.	-  براساس برآورد جمعيت قابل محاسبه نيست.
- مستقيماً از طريق مطالعات همگروهي كه تمام افراد مورد مطالعه در همان زمان درگير مطالعه هستند قابل محاسبه است.	- هم از طريق مطالعه همگروهي و هم زمان هاي پراكنده قابل محاسبه است. (در واقع افراد در چند دوره زماني پراكنده در مطالعه وارد مي‌شوند)

 

ـ  ميزان شيوع بيماري (Disease Prevalence Rate)

ميزان شيوع عبارت از تعداد موارد موجود بيماري در يك جمعيت در معرض خطر است، كه مي‌تواند به صورت شيوع لحظه اي (Point prevalence)  (شيوع در يك نقطه  يا لحظه زماني معيّن)، شيوع دوره اي(Period prevalence)  (شيوع در يك دوره زماني معيّن) و يا شيوع  تمامي عمر  (Lifetime prevalence) (نسبت كساني كه بيماري را در كل طول عمر خود داشته اند به جمعيت در معرض خطر در شروع آن دوره زماني) باشد. كاربرد هاي ميزان شيوع در اندازه گيري حجم بيماري در جامعه، و تعيين نياز هاي مربوط به مراقبت هاي بهداشتي در جامعه است.

براي مثال در پاسخ به سوالات زير اندازه هاي مختلفي از ميزان هاي شيوع قابل اندازه گيري است:

q    آيا در حال حاضر مبتلا به كمر درد هستيد: (شيوع لحظه اي)

q    آيا در سال گذشته هرگز كمردرد داشته ايد؟ (شيوع دوره اي)

q    آيا در طول زندگي خود هميشه كمر درد داشته ايد؟ (شيوع تمامي عمر)

 

اطلاعات مورد نياز براي محاسبه ميزان هاي بروز و شيوع:

o       اطلاعات مربوط به وضعيت سلامت افراد

o       تعريف دقيق مورد بيماري

o       تعداد دقيق افرادي كه به بيماري مبتلا شده اند (Numerator).

o        تعداد افراد در معرض خطر بيماري (Denominator)

o       دوره زماني مشاهده بيماري يا زمان انجام اندازه گيري

 

برخي نكات مهم ميزان شيوع و ميزان بروز بيماري:

·        ميزان هاي بروز و شيوع از اندازه هاي بسيار مهم در اپيدميولوژي محسوب مي‌شوند.

·        در ميزان بروز  افرادي كه قبلا بيمار نبوده اند ولي در يك دوره زماني خاص به بيماري مبتلا شده اند اندازه گيري مي‌شود، ولي در ميزان شيوع نسبت تعدادي كه در يك جمعيت بيمار هستند اندازه گيري مي‌شود. به تعبيري بروز معادل موارد جديد و شيوع معادل موارد قديم و جديد  (همه موارد) بيماري است.

·        منظور از يك دوره زماني ممكن است يك سال، يك دوره زماني معيّن، يا يك لحظه زماني باشد.  

·        شيوع محصول مجموع موارد بروز در دوره هاي زماني گذشته است كه هنوز به بيماري مبتلا هستند.

·        اندازه گيري ميزان شيوع آسان‌تر و ارزان تر از ميزان بروز است.

·        در اندازه گيري ميزان بروز ابتدا بايد جمعيتي را مشخص كرد، آنها را در يك دوره زماني معيّن تعقيب (پيگيري) نمود تا موارد بروز آشكار شوند.

·        با استفاده از ميزان هاي بروز و شيوع مي‌توان متوسط مدّت بيماري را نيز تعيين كرد. در واقع متوسط مدّت بيماري  معادل نسبت ميزان شيوع تقسيم بر ميزان بروز همان بيماري است. به عبارت ديگر ميزان شيوع بيماري معادل حاصل ضرب ميزان بروز بيماري در متوسط مدّت بيماري است.

 

 ميزان حمله بيماري )Disease Attack Rate(

ميزان حمله بيماري شامل تعداد موارد جديد يك بيماري مشخص در يك جمعيّت در معرض خطر است كه به صورت درصد بيان مي‌شود. در واقع اين ميزان برابر بروز تجمعي عفونت در گروهي است كه در يك دوره براي مثال در خلال همه گيري مشاهده مي‌شود. اين ميزان را مي‌توان با شناسايي موارد باليني يا سرواپيدميولوژي تعيين نمود. در اين ميزان معمولاً بُعد زماني مشخص نيست. اندازه گيري اين ميزان در تاييد وجود همه گيري ها بسيار با اهميّت است.

 

ميزان بقا (Survival rate)

            اين ميزان، عبارت از تعداد بازماندگان از يك بيماري در طي يك دوره زماني (براي مثال، يك دوره 5 ساله) به كل مبتلايان در همان دوره زماني است. از اين ميزان، عمداً براي ارزيابي استانداردهاي مربوط به روش هاي درماني، استفاده مي‌شود. اين زمان معمولاً از تاريخ تشخيص بيماري يا شروع درمان محاسبه مي‌شود و به خصوص در درمان هاي مربوط به سرطان ها از آن استفاده گردد. بنابراين ميزان بقا عبارت است از تعداد بيماران زنده از يك بيماري پس از 5 سال، تقسيم بر تعداد كل بيماران تشخيص داده شده يا تحت درمان ضربدر 100.

 اندازه گيري مواجهه يافتگي

در بسياري از فعاليت هاي اپيدميولوژي نياز به تعيين مواجهه يافتگي افراد يا گروههاي جمعيتي با عامل يا عوامل بيماري‌زا يا خطرزا وجود دارد. براي مثال گاه لازم است بدانيم كه آيا آنها كه با سرب سروكار دارند بيشتر دچار كم خوني مي‌شوند؟ براي يافتن پاسخ بايد وضعيت مواجهه يافتگي با سرب بررسي شود. مواجهه يافتگي ها به سه صورت دوتايي (Dicotamous)، پيوسته (Continious)، و رتبه اي (Ranked)،  طبقه بندي مي‌شوند. اغلب مواجهه يافتگي ها به صورت دوتايي است (مانند فرد سيگار مي‌كشد يا نمي‌كشد، با سرب سرو كار دارد يا ندارد). در مواجهه يافتگي رتبه ايكه بيشتر براي فعاليت هاي افراد، يا مواجهه يافتگي هاي شغلي به كار مي‌رود، مواجهه يافتگي به صورت دقيق‌تري بررسي مي‌شود. براي مثال فرد خود سيگار مي‌كشد، در معرض دود سيگار ديگران است، و سيگار نمي‌كشد، و يا مواجهه با مقادير بسيار زياد سرب، مقادير متوسط سرب، مقادير كم سرب، و عدم مواجهه با سرب (كه البته براي هركدام از اين گروه ها تعريف عملياتي معيّني وجود خواهد داشت). مواجهه يافتگي پيوسته باز جزئيات بيشتري در باره مواجهه يافتگي را بررسي مي‌كند. براي مثال مصرف روزانه صفر تاn  سيگار در روز، مواجهه با صفر تاn  ميكروگرم سرب در روز و مانند اينها. مواجهه با عوامل مختلف را همچنين ممكن است براساس الگوهاي آماري  يا استفاده از معيار هاي استاندارد دسته بندي كرد. براي مثال مواجهه با سرب را  براساس يك سوّم تحتاني داده ها، يك سوّم مياني، و يك سوّم بالايي به سه گروه طبقه بندي نمود، و يا براساس معيار هاي استاندارد (مقادير مجاز مواجهه) طبقه بندي را انجام داد. زماني كه اطلاعات مربوط به مواجهه يافتگي را جمع‌آوري مي‌كنيم نيز مي‌بايد براساس استاندارد هاي مدون استناد كرد.

 

اطلاعات مربوط به مواجهه يافتگي معمولاً شامل موارد زير است:

·        شدت يا قدرت (Intensity): سطح يا حجم مواجهه با عامل بيماري‌زا يا عامل خطرزا

·        طول دوره مواجهه يافتگي (Duration):  مدّت زماني كه مواجهه رخ داده است

·        نمودار مواجهه (Profile): اين كه آيا مواجهه به صورت مستمر و يكنواخت، و يا با نوسان با دوره مواجهه و عدم مواجهه رخ داده است.

·        دوره زماني (Time period): دوره بيولوژيك مرتبط با مواجهه

·        تاثير عوامل محيطي كه مي‌تواند بر نقش عامل مواجهه تاثير مضاعفي بگذارند.

ابزارهاي مورد استفاده براي جمع‌آوري اطلاعات مربوط به مواجهه يافتگي نيز متنوع و شامل مواردي چون مصاحبه، استفاده از پرسشنامه، مدارك و اسناد بهداشتي ـ درماني، اندازه گيري مستقيم عوامل محيطي، اندازه گيري شاخص هاي بيولوژيك كه تحت تاثير مواجهه بوده اند، مي‌باشد. 

 

مدل هاي اكولوژيك در ارتباط با علّيّت بيماري ها

 

 

مدل مثلث اپيدميولوژي

مدل مثلث اپيدميولوژي يك مدل اكولوژيك است كه سالهاست مورد استفاده قرار مي‌گرفته و هنوز هم به آن توجه مي‌شود. اين مدل نشان دهنده تعامل متقابل سه عامل ميزبان، عامل بيماري‌زا و محيط در تعيين علّيّت بيماري ها است. در گذشته كه مطالعات اپيدميولوژي منحصر به بيماري هاي واگير بود عوامل بيماري‌زا جزئي مجزا و علتي لازم براي رخداد بيماري محسوب مي‌شد، در صورتي كه در مورد بيماري هاي غير واگير، مانند مصدوميت هاي ناشي از حوادث يا بيماري هاي قلبي ـ عروقي نمي‌توان عامل بيماري‌زاي بخصوصي را مورد توجه قرار داد. از اين رو عامل بيماري‌زا را جزئي از عوامل مرتبط با محيط يا ميزبان دانسته و يا از مدل هاي ديگر استفاده مي‌كنند.

مدل چرخ (Wheel Model)

اين مدل بر هماهنگي و تعامل ژن ها، و ميزبان با محيط تاكيد دارد. داراي يك هسته مركزي است كه حاوي ساختار ژنتيكي ميزبان كه در بروز بيماري نقش دارد، مي‌باشد. در اطراف آن عوامل مربوط به ميزبان و حول آن عوامل محيط اجتماعي،  عوامل شيميايي و فيزيكي و عوامل بيولوژيك محيط قرار دارند.  اندازه نسبي اجزاي چرخ با توجه به نقش هر عامل در رخداد بيماري هاي مختلف فرق مي‌كند. براي مثال در مورد بيماري هاي اسهالي هسته چرخ بسيار كوچك ولي در مورد بيماري هموفيلي يا تالاسمي كه عامل ژنتيك نقش مهمي در رخداد بيماري دارد هسته مركزي به نسبت بسيار بزرگ خواهد بود. روي هم افتادن منطقه مربوط به اجزاي محيط تاكيد بر رجحان مطلق آنها دارد. اين مدل نيز براي تفسير ساده تر علّيّت، كاربرد دارد و ابتدا براي بررسي علّيّت بيماري فنيل كتونوريا كه يك بيماري اتوزومال (غير وابسته به جنسيت) است از آن استفاده شد.  

 

 

مدل اعتقاد به سلامتي يا باور بهداشتي

مدل اعتقاد به سلامتي سالها است كه اساس پيشگيري از بيماري ها، آموزش و ارتقاء بهداشت است. اعتقاد بر اين كه سلامتي يك ارزش است و براي حفظ و ارتقاي آن بايد تلاش كرد، ديدگاهي است كه بايد منجر به تغيير رفتار شود. اين اعتقاد نه تنها در توده مردم و استفاده كنندگان از خدمات بهداشتي ـ درماني، بلكه در محققين علوم بهداشتي، و شاغلين حرف نيز بسيار موثر است. عمده ترين علل وقوع بيماري هاي مزمن بخصوص غير واگير يا پيشگيري و كنترل آنها به رفتار، مربوط است. اين بيماري ها عمدتاً در نتيجه باور فرد، اعتقاد و شيوه زندگي او مربوط مي‌شود. براي مثال عادات غذايي فرد، ورزش كردن يا بي‌تحرّكي وي، و يا چگونگي گذران اوقات فراغتش ميتواند در وقوع اين گونه بيماري ها موثر باشد.

 

چهار ضابطه اساسي در مدل اعتقاد به سلامتي كه در اپيدميولوژي كاربرد دارد عبارتند از:

·        شخص يا جامعه بايد به اين امر معتقد باشد كه سلامتي او در معرض خطر مي‌باشد.

·        شخص يا جامعه بايد احساسي منطقي در باره مسايلي كه در زندگيش باعث بيماري يا ناتواني او مي‌شود داشته باشد.

·        شخص يا جامعه بايد اعتقاد داشته باشد كه در مقابل بيماري ها آسيب پذير است و براي حفظ و ارتقاء سلامتي خود سرمايه گذاري نمايد، و متقاعد شود كه اين سرمايه گذاري به نفع اوست و سلامتي برايش دست يافتني است.

·        شخص يا جامعه بايد دركي منطقي از اثرات سوء عدم رعايت موازين بهداشتي، داشته باشد و عكس‌العملي منطقي در پاسخ به آنچه پيرامون او رخ مي‌دهد نشان بدهد.

 مدل استخوان ماهي

اين مدل نيز يكي از مدل هاي مربوط به تفسير رابطه علّت و معلولي بيماري هاست كه مجموعه عوامل ممكن كه در ايجاد بيماري، ناتواني يا مرگ، سهيم هستند را توضيح مي‌دهد. دياگرام استخوان ماهي به اپيدميولوژيست ها در زماني كه مي‌خواهند علل ممكن بيماري را تعيين يا اندازه گيري كنند، كمك ميكند. تدوين اين مدل شامل چند مرحله زير است:

·        مرحله اوّل در اين مدل شامل فهرست كردن تمامي علل اساسي يا عوامل خطر موثر در ايجاد بيماري است. سپس قرار دادن گروه هايي از علل روي استخوان هاي دياگرام است تا بتوان با قابل مشاهده كردن آنها علل را به آساني برسسي و تجزيه و تحليل كرد.

·        مرحله دوم گسترش زير گرو ه هايي (subcategories) از علل ايجاد كننده بيماري براي هركدام از مناطق دياگرام است. هر شاخه از استخوان ماهي يك برچسب (Label) كه عوامل مرتبط با بيماري را نشان مي‌دهد، خواهد گرفت.

·        سطح سوم علل را نيز ممكن است به استخوان ها اضافه كرد.

·        سر ماهي را معلول (بيماري، ناتواني، مصدوميت يا مرگ) تشكيل مي‌دهد.

تعيين رابطه علّت و معلولي براي هر كدام از گروه ها با پاسخ “بلي”   يا “خير”  يا “True” و “Not true” با مطالعه هر كدام از روابط مشخص مي‌شود.

 

 

مدل شبکه علّيّت

اين مدل در سال 1960 توسط برايان مك ماهون و همكارانش ارائه شد و مفهومش آن است كه معلول ها (Effects) هميشه نتيجه يك علّت مشخص نيستند بلكه مجموعه اي از علل (Causes) يا عوامل  كه همچون شبكه اي به هم اتصال دارند باعث ايجاد معلول مي‌شوند. شبكه علّيّت را مي‌توان به صورت نمودار علّيّتي (Causal diagram) يا مدل شبكه عنكبوتي ‏ (The spider’s web)نمايش داد. نمودار علّيّتي يك نمايش روابط علّتي بين متغيرها است كه به هر متغيّر يك محل ثابت تخصيص مي‌يابد و در آن هر رابطه علّت و معلول يك متغير با متغير ديگر با استفاده از يك پيكان كه نوك پيكان به سمت معلول و انتهاي آن به طرف علّت است رسم مي‌شود.

 

چگونگي تشكيل شبكه علّيّت:

o       مسئله را مشخص كنيد و يك تشخيص درست و دقيق از معلول (بيماري) به دست آوريد.

o       معلول تشخيص داده شده را در مركز يا پايين شبكه (web) قرار دهيد.

o       تمامي علل يا منابع ممكن معلول را فهرست كنيد.

o       تمامي عوامل خطرزا و عوامل زمينه اي موثر در ايجاد معلول را مشخص و فهرست نماييد.

o       سوّمين لايه شبكه را براي شاخه هاي فرعي مرتبط با معلول (Narrow list) گسترش دهيد.

o       فهرستي از منابع يا عوامل خطرزاي معلول كه بطور عمومي و غير مستقيم با آن در ارتباط هستند را مشخص كرده، هرچه ارتباط قوي‌تر است آن را به مركز شبكه نزديكتر كنيد.

o       در مورد هريك از عوامل خطر جديدي كه طي مطالعات جديد مشخص مي‌شوند شبكه را توسعه بخشيده و روي آن كار كنيد.

در مدل شبكه عنكبوتي معلول يا بيماري در مركز تار و علت ها در اطراف آن رسم مي‌شوند.

                               فاكتورهاي علّيّت

·        عوامل زمينه ساز (Predisposing factors) مانند سن، درآمد، جنس

·        عوامل تشديدكننده(Enabling factors)  که در گسترش بيماري موثرند مانند تغذيه نامناسب، عدم دسترسي به امکانات بهداشتي ـ درماني

·        عوامل تسريع کننده  (Precipitating factors)مانند مواجهه يافتگي با عوامل خطرزا

·        عوامل تقويت کننده (Reinforcing factors) مانند طول و مدّت مواجهه يافتگي با عوامل خطرزا

·        تعامل (Interaction) وجود چند عامل خطرزا در کنار يکديگر مانند سيگار کشيدن و کار در محيط پر گرد و غبار

عوامل موثر بر علّيّت

استحکام (Strength)

يك ارتباط قوي بين علّت و معلول مي‌تواند بر عوامل ديگر يا مخدوش كننده ها اثر خنثي كننده داشته باشد. اگر ميزان خطر نسبي بيشتر از 2 باشد ارتباط علّت و معلولي را مي‌توان مستحكم قلمداد كرد. براي مثال مصرف سيگار تقريباً 2 برابر امكان بروز سكته قلبي و 4 برابر خطر بروز سرطان ريه را افزايش مي‌دهد. بنايراين مي‌توان يك رابطه علّت و معلولي مستحكم بين مصرف سيگار و اين بيماري ها متصوّر بود.

معقول بودن  (Plausibility)

علّيّت بايد منطبق با عقل باشد، يعني با اطلاعات ما راجع به بيماري و عوامل ايجاد كننده آن همخواني داشته و بديهيات علمي پيشين مرتبط با اين ارتباط را نقض نكند. گاه ممكن است برخي يافته هاي آماري وجود ارتباطي جعلي بين دو يا چند عامل را نشان دهد كه اين رابطه، عقلايي نيست.

ثبات  (Consistency)

ثبات يا پايايي علّيّت زماني به اثبات مي‌رسد كه انجام چندين بار آزمايش يا مطالعه مشابه، دقيقاً همان نتايج را به دست دهد. هرچند كه يكسان نشدن نتايج چند آزمايش، علّيّت را بطور كلّي نقض نمي‌كند (زيرا سطوح مختلف مواجهه يافتگي يا شرايط موثر ديگر در مطالعه ممكن است دخالت جدّي در علّيّت داشته باشد)، ولي اگر شرايط مواجهه يافتگي و بقيه عوامل موثر ديگر ثابت نگه داشته شود، ثبات نتايج و در نتيجه علّيّت بايد حاصل شود.

ارتباط موقت  (Temporal Relationship)

     در مواردي كه علّت رخداد يك معلول مواجهه يافتگي با يك عامل است كه اين مواجهه مي‌تواند در سطوح مختلف وجود داشته باشد، مهم خواهد بود كه مدّت زمان و مقدار كافي فرد با عامل مورد نظر (علت) مواجهه داشته باشد. در غير اين صورت ممكن است حتي با وجود علّت و مواجهه با آن معلول حاصل نشود. بنابراين گاه ارتباط موقت با علّت ميتواند در رخداد معلول غير موثر باشد. براي مثال سروصداي مزاحم يك علّت ثابت شده براي رخداد افت شنوايي است، امّا اين مواجهه بايد مدّت زمان معيّني وجود داشته باشد تا معلول بروز كند.

اصول کخ در تعيين علّيّت براي بيماري هاي عفوني

در اثبات رابطه علّيّتي براي بيماري هاي عفوني، جهت آن كه بتوانيم يك رابطه علّت و معلولي منطقي بين يك عامل بيماري‌زا و بيماري را اثبات كنيم از اصول كخ، دانشمند آلماني استفاده مي‌شود.

1 ـ عامل بيماري در هر مورد بيماري بايد وجود داشته باشد.

2 ـ  بايد بتوان عامل بيماري‌زا را از فرد مبتلا جدا کرد و در محيط مناسب کشت داد.

3 ـ عامل بيماري‌زا بايد بتواند در هر فرد يا حيوان مستعد ديگر ايجاد بيماري با علايم يا نشانه هاي بيماري اوّليه ايجاد کند.

4 ـ بايد بتوان عامل بيماري‌زا را مجدّداً در اين فرد يا حيوان ثالث جدا کرده در محيط مناسب کشت داد.

 

                                منبع:کتاب جامع بهداشت عمومی،دکتر حسین حاتمی

                                       نویسنده این مبحث: دکتر حمید سوری

 

روش هاي مطالعه در اپيدميولوژي

 

مطالعات اپيدميولوژي را به صورت هاي مختلف مي‌توان طبقه بندي كرد. براي مثال برخي از آنها را به دو گروه مطالعات كمّي در مقابل كِيفي، گروهي كاربردي در مقابل بنيادي يا توصيفي در برابر تحليلي،  برخي ديگر آن را به دو دسته مشاهده اي در برابر مداخله اي يا تجربي طبقه بندي مي‌كنند. گاهي نيز براساس طراحي مطالعه، آنها را به پنج گروه اصلي بومشناختي، مقطعي، مورد ـ شاهدي، تجربي، و همگروهي طبقه بندي مي‌كنند.

در انتخاب روش براي مطالعه بيماري ها كه به مثابه انتخاب محمل مناسب براي رسيدن به مقصد يا هدف است بايد به سه نكته اساسي هدف مطالعه، قابليت انجام مطالعه، و اعتبار مطالعه، توجه داشت.

هدف مطالعه مي‌تواند  اندازه گيري رخدادها، تعيين ارتباط بين عوامل خطرزا و بيماري يا پيامد مورد نظر، تعيين وضعيت بيماري در يك جمعيت، يا مطالعه در باره علل ايجاد بيماري باشد.

قابليت انجام مطالعه شامل مواردي چون قابليت دسترسي به افراد مورد مطالعه، ابزار يا مواد مورد نياز براي انجام مطالعه، و يا نيروي انساني، زمان، و بودجه مورد نياز براي انجام مطالعه باشد.

اعتبار مطالعه نيز شامل اين نكته مي‌شود كه اعتبار يافته هاي مطالعه با توجّه به مقدورات و امكانات مطالعه تا چه حد براي ما با اهميّت است.

توضيحات مبسوط در باره روش هاي مطالعات اپيدميولوژي در بخش هاي ديگر اين كتاب آمده است كه خوانندگان با مراجعه به آنها مي‌توانند اطلاعات بيشتر را كسب نمايند. در اينجا به بخشي از مطالعات كه در متون متداول كمتر به آنها پرداخته شده است مي پردازيم:

مطالعات توصيفي

مطالعات توصيفي شامل موارد زير است:

·     ·        استفاده از داده هاي موجود (تجزيه و تحليل مجدد داده ها)   Existing Data (Secondary data analysis)

·        ·        مطالعه موردي يا گزارش مورد   Case studies (Case reports)

·        ·        مطالعات مربوط به مرور موارد   Case series studies

·        ·        مطالعات بومشناختي   Ecological studies

·        ·        مطالعات تاريخي   Historical studies

·        ·        تلخيصات   Summaries

·        ·        متا آناليز   Metaanalyses

·        ·        مطالعات طولي   Longitudinal studies

·        ·        مطالعات مرتبط با سنجش دانش، نگرش و عمل يا رفتار   KAP studies

·          ·   مطالعات هنجاري  Normative Studies

·       ·   مطالعات مقطعي  Cross sectional studies

در اينجا به شرح مختصري در باره برخي از اين روش ها مي پردازيم:

استفاده از داده هاي موجود (تجزيه و تحليل مجدد داده ها)   

اين روش شامل آزمايش مجدد داده هاي موجود است. جمع‌آوري و خلاصه كردن اطلاعات ثبت شده در پرونده هاي پزشكي كه در گذشته انجام شده از متداولترين نوع اين شيوه مطالعه است. اين روش گاه به اشتباه گذشته نگر ناميده ميشود. مزيت اين روش، سريع و ارزان بودن آن و عدم نياز به جمع‌آوري داده هاست. بـــه دليل

جدول 3 ـ دسته بندي طرح هاي مطالعات در پزشكي

 

مطالعات مشاهده اي	Observational studies
الف: مطالعات توصيفي	Descriptive studies
- مطالعه مورد	Case study
- مرور موارد	Case-series study
- مطالعه هنجاريابي	Normative study
- مطالعه اكولوژيك	Ecologic study
- مطالعه طولي	Longitudinal study
- مطالعه تاريخي	Historical study
- مطالعات KAP	KAP Study
- مطالعات مبتني بر داده هاي موجود	Research based on existing data
- تحليل مجدد داده ها	Secondary data analysis
- مطالعه فرعي	Ancillary study
- مرور منظم	Systematic review
ب: مطالعات مقطعي	Cross-sectional studies
ج: مطالعات مورد- شاهدي	Case- control studies
د: مطالعه هم‌گروهي	Cohort study
- مطالعه هم‌گروهي آينده نگر	Prospective cohort study
- مطالعه هم‌گروهي تاريخي	Retrospective cohort study
مطالعات مداخله اي	Interventional studies
الف: مطالعات تجربي	Experimental studies
- مطالعه تجربي با شاهدهاي هم‌زمان يا موازي	Parallel or concurrent controls experiment
- مطالعه تجربي با شاهدهاي متوالي	Sequential controls experiment
- مطالعه متقاطع	Cross-over study
- مطالعات مبتني بر روش هاي ميداني	Field study
ب) مطالعات نيمه تجربي	Quasi- Experimental study
ج) مطالعات مداخله اي بدون گروه شاهد	Studies with no controls

عدم برنامه ريزي تحقيق(Unplanned)  اعتبار داده ها ممكن است پايين باشد.

مطالعه موردي يا گزارش مورد   

گزارش يا مطالعه مورد، توجه و بررسي دقيق يك مورد غيرمعمول يا كمياب است، كه چگونگي و مكانيسم احتمالي رخداد مورد را بررسي مي‌كند. اين مطالعات نمي‌توانند نتيجه گيري قطعي از علّيّت رخداد مسئله را ارائه نمايد و بيش از آنكه در صدد تأييد يا رد مسئله اي باشند به توصيف آن مي‌پردازند.

 مطالعات مربوط به مرور موارد   

مرور موارد، گسترش يك گزارش مورد و يا گزارش چند مورد بجاي يك مورد است. در اين نوع مطالعه معمولاً خصوصيات تعدادي از بيماران در يك مقطع يا دوره زماني مطالعه مي‌شود و توزيع چگونگي رخدادها در زير گروههاي جمعيتي (مانند سن، جنس، شغل) مشخص مي‌گردد.

مطالعات تاريخي   

تحقيقات تاريخي، براي توصيف و تشريح مسئله اي است كه در گذشته رخ داده است. اين بررسي كمك ميكند تا وضيعت مسئله مورد پژوهش در حال حاضر مشخص‌تر و آشكارتر گردد. داده هاي مربوط به اين مطالعات از طريق بررسي اسناد و مدارك و يا مصاحبه با افراد مطلع حاصل مي‌شود.

تلخيصات

گاه پيرامون موضوعي، تحقيقات مختلفي انجام شده است كه يك جمع بندي و تلخيص (Summaries) از مجموع اين مطالعات مي‌تواند در تعميم گسترده تر مسئله و درك عميق‌تر آن كمك نمايد. از تلخيص بيشتر براي تهيه دستورالعمل ها(Guidelines)  استفاده مي‌شود و حاصل مقايسه نتيجه گيري ها و پيشنهادها و توصيه هاي تحقيقاتي است.

 متا آناليز   

انجام متاآناليز(Metaanalysis)  جمع‌بندي، خلاصه، و ارائه يك دستورالعمل پزشكي براساس داده هاي كمّي اسناد و تحقيقات قبلي انجام شده مي‌باشد. تحقيقات چند مركزي (Multi Central) كه روش يكسان و طراحي مشابهي را با هدف مشترك بكار گرفته اند قابليت انجام متاآناليز دارند.

مطالعات طولي   

اين مطالعات براي تعيين تغيير الگوي يك رخداد در طول زمان استفاده مي‌شوند. معمولاً جزء مطالعات تحليلي طبقه بندي مي‌شوند و زماني كه هد ف مطالعه تعيين ارتباط بين يك علّت با يك معلول است بعنوان يك مطالعه همگروهي قلمداد مي‌شود.

مطالعات مرتبط با سنجش دانش، نگرش و عمل يا رفتار   (KAP studies)

مطالعات مربوط به بررسي معلومات يا دانش Knowledge، نگرش Attitude رفتار يا عملكرد , Practice/ Performance  هستند. اين مطالعات بيشتر در آموزش پزشكي و بهداشت كاربرد دارند.

 

مطالعات هنجاري  

در اين مطالعات خصوصيات يا صفات كمّي در يك جمعيت تعيين مي‌گردد و معلوم مي‌شود كه اين خصوصيات يا اندازه ها تا چه حد با يكديگر تفاوت دارند. انجام مطالعات هنجاري در مورد خصوصيّات يا اندازه هايي كه به دلايل مختلف ممكن است از جامعه اي به جامعه ديگر متفاوت باشد در هر جامعه ضروري است.

 

 برخي طراحي هاي مربوط به كارآزمايي هاي باليني

 كارآزمايي باليني عبارتست از هرگونه پژوهش بر روي انسان ها كه به منظور كشف،‌ يا تأييد اثرات باليني، دارويي و يا ساير اثرات فارماكوديناميكي يك فرآورده تحقيقاتي و يا به منظور شناسايي هرگونه واكنش نامطلوب يك فرآورده تحقيقاتي و يا مطالعه جذب، توزيع سوخت و ساز و دفع يك فراورده تحقيقاتي با هدف اثبات بي‌خطري و يا تأثير آن صورت مي‌گيرد. برخي طراحي هاي مربوط به اين كارآزمايي ها به شرح زير است:

طراحي موازي ‍Parallel Design :

اكثر كارآزمايي هاي باليني تصادفي طراحي موازي دارند.  در اين مطالعات هر گروه از شركت كنندگان در معرض يكي از مداخلات مطالعه قرار مي‌گيرند.

 

طراحي متقاطع Cross-over Design:

يك كارآزمايي‌ باليني تصادفي زماني طراحي متقاطع دارد كه هريك از شركت‌كنندگان كليه مداخلات مطالعه را در دوره هاي متوالي دريافت كنند. اين كه كدام شركت كننده، كدام يك از مداخلات را دريافت كند بطور تصادفي معيّن مي‌شود. در طراحي متقاطع هريك از شركت‌كنندگان خود شاهد خود مي‌باشند (شاهد و مورد يكي است).

 

ويژگي هاي طراحي متقاطع:

·        ·        مداخلات بايد در بيماري هاي مزمن و غيرقابل درمان (سريع) استفاده شود.

·        ·        اثرات يك مداخله بايد شروع سريع و دوره كوتاه داشته باشد.

·        ·        وضعيت بيماري بايد ثابت باشد.

 

طراحي فاكتوريل: Factorial Design

يك كارآزمايي باليني تصادفي با طراحي فاكتوريل به ارزشيابي مجزا و همچنين تركيبي از دو يا چند مداخله تجربي و در مقابل شاهد مي‌پردازد. اين طراحي امكان مقايسه مداخلات تجربي با شاهد، با يكديگر و تداخل احتمالي آنها را ارايه مي‌دهد.

كارآزمايي مگا Mega Design :

در اين كارآزمايي، مطالعه با شركت هزاران بيمار و جمع‌آوري اطلاعات محدود شده انجام مي‌شود.  اين نوع كارآزمايي نياز به شركت كنندگان زياد (گاه صدها نفر) از چندين مركز يا چند كشور مختلف دارد.

 

كارآزمايي متوالي: Sequential Design

مطالعه اي است با طراحي موازي كه در آن شركت كنندگان از قبل توسط بررسي كنندگان مشخص نمي‌شوند. در عوض بررسي كنندگان به نمونه گيري شركت‌كنندگان ادامه مي‌دهند تا سودمندي يكي از مداخلات مشاهده گردد يا متقاعد شوند كه اختلاف مهمي در مداخلات وجود ندارد.

 

كارآزمايي با اندازه ثابت Fixed size Design :

در اين كارآزمايي، بررسي كنندگان بطور استنباطي تعداد شركت‌كنندگان را مشخص مي‌كنند.  اين تعداد بطور اختياري يا با استفاده از روشهاي آماري تعيين مي‌شود. گاه اين اندازه معادل 30 نمونه در هر گروه مي‌باشد.

 

كارآزمايي باز Open Trial :

كارآزمايي تصادفي شده اي است كه در آن كليه افراد درگير در كارآزمايي از مداخله اي كه هريك از شركت‌كنندگان دريافت مي‌كنند آگاهند.  اكثر كارآزمايي هاي مربوط به مداخلات جراحي از اين نوع هستند.

 

طراحي زلن Zelen’s Design :

در اين كارآزمايي افراد واجد شرايط قبل از اعلام رضايت شركت در مطالعه براي دريافت درمان استاندارد يا مداخله تجربي، بطور تصادفي تخصيص داده مي‌شوند. گروهي كه جهت درمان استاندارد انتخاب مي‌شوند، به آنها گفته نمي‌شود كه در مطالعه (كارآزمايي) شركت دارند.

حال آنكه به گروه منتخب جهت مداخله گفته مي‌شود كه در مطالعه شركت دارند. اگر شركت در مطالعه را رد كردند مداخله استاندارد را دريافت مي‌كنند (در اين طرح همه بيماران واجد شرايط در مطالعه در كارآزمايي شركت داده مي‌شوند اما ممكن است نسبت بالايي از شركت كنندگان درمان استاندارد و گروه كوچكي درمان مداخله را دريافت كنند).

 

طرحي ونبرگ Venberg’s Design :

در اين كارآزمايي افراد واجد شرايط به طور تصادفي به دو گروه تمايل (Preference) و كارآزمايي تخصيص داده مي‌شوند. به افراد گروه تمايل، فرصت انتخاب مداخله اي كه دريافت مي‌كنند داده مي‌شود. حال آنكه افراد گروه كارآزمايي بطور تصادفي جهت دريافت هريك از مداخلات مطالعه بدون در نظر گرفتن علائق آن ها تخصيص داده مي‌شوند. در پايان مطالعه پيامدهاي مربوط به هريك از مداخلات در هريك از گروه ها مقايسه شده و جهت تخمين تاثير تمايل شركت كنندگان در پيامدها مورد استفاده قرار مي‌گيرند.

 

     منبع: دکتر حمید سوری، کتاب جامع بهداشت عمومی

 

 

 

Measurement error and bias

A

 

Epidemiological studies measure characteristics of populations. The parameter of interest may be a disease rate, the prevalence of an exposure, or more often some measure of the association between an exposure and disease. Because studies are carried out on people and have all the attendant practical and ethical constraints, they are almost invariably subject to bias.

Selection bias
Selection bias occurs when the subjects studied are not representative of the target population about which conclusions are to be drawn. Suppose that an investigator wishes to estimate the prevalence of heavy alcohol consumption (more than 21 units a week) in adult residents of a city. He might try to do this by selecting a random sample from all the adults registered with local general practitioners, and sending them a postal questionnaire about their drinking habits. With this design, one source of error would be the exclusion from the study sample of those residents not registered with a doctor. These excluded subjects might have different patterns of drinking from those included in the study. Also, not all of the subjects selected for study will necessarily complete and return questionnaires, and non-responders may have different drinking habits from those who take the trouble to reply. Both of these deficiencies are potential sources of selection bias. The possibility of selection bias should always be considered when defining a study sample. Furthermore, when responses are incomplete, the scope for bias must be assessed. The problems of incomplete response to surveys are considered further in .

Information bias
The other major class of bias arises from errors in measuring exposure or disease. In a study to estimate the relative risk of congenital malformations associated with maternal exposure to organic solvents such as white spirit, mothers of malformed babies were questioned about their contact with such substances during pregnancy, and their answers were compared with those from control mothers with normal babies. With this design there was a danger that "case" mothers, who were highly motivated to find out why their babies had been born with an abnormality, might recall past exposure more completely than controls. If so, a bias would result with a tendency to exaggerate risk estimates.

Another study looked at risk of hip osteoarthritis according to physical activity at work, cases being identified from records of admission to hospital for hip replacement. Here there was a possibility of bias because subjects with physically demanding jobs might be more handicapped by a given level of arthritis and therefore seek treatment more readily.

Bias cannot usually be totally eliminated from epidemiological studies. The aim, therefore, must be to keep it to a minimum, to identify those biases that cannot be avoided, to assess their potential impact, and to take this into account when interpreting results. The motto of the epidemiologist could well be "dirty hands but a clean mind" (manus sordidae, mens pura).

Measurement error
As indicated above, errors in measuring exposure or disease can be an important source of bias in epidemiological studies In conducting studies, therefore, it is important to assess the quality of measurements. An ideal survey technique is valid (that is, it measures accurately what it purports to measure). Sometimes a reliable standard is available against which the validity of a survey method can be assessed. For example, a sphygmomanometer's validity can be measured by comparing its readings with intraarterial pressures, and the validity of a mammographic diagnosis of breast cancer can be tested (if the woman agrees) by biopsy. More often, however, there is no sure reference standard. The validity of a questionnaire for diagnosing angina cannot be fully known: clinical opinion varies among experts, and even coronary arteriograms may be normal in true cases or abnormal in symptomless people. The pathologist can describe changes at necropsy, but these may say little about the patient's symptoms or functional state. Measurements of disease in life are often incapable of full validation.

In practice, therefore, validity may have to be assessed indirectly. Two approaches are used commonly. A technique that has been simplified and standardised to make it suitable for use in surveys may be compared with the best conventional clinical assessment. A self administered psychiatric questionnaire, for instance, may be compared with the majority opinion of a psychiatric panel. Alternatively, a measurement may be validated by its ability to predict future illness. Validation by predictive ability may, however, require the study of many subjects.

Analysing validity
When a survey technique or test is used to dichotomise subjects (for example, as cases or non-cases, exposed or not exposed) its validity is analysed by classifying subjects as positive or negative, firstly by the survey method and secondly according to the standard reference test. The findings can then be expressed in a contingency table as shown below.

Table 4.1 Comparison of a survey test with a reference test
Survey test result	Reference test result		Totals
	Positive	Negative
Positive	True positives, correctly identified = (a)	False positives = (b)	Total test positives = (a + b)
Negative	False negatives = (c)	True negatives correctly identified = (d)	Total test negatives = (c + d)
Totals	Total true positives = (a + c)	Total true negatives = (b + d)	Grand total = (a + b + c + d)

From this table four important statistics can be derived:

Sensitivity - A sensitive test detects a high proportion of the true cases, and this quality is measured here by a/a + c.

Specificity- A specific test has few false positives, and this quality is measured by d/b + d.

Systematic error - For epidemiological rates it is particularly important for the test to give the right total count of cases. This is measured by the ratio of the total numbers positive to the survey and the reference tests, or (a + b)/(a + c).

Predictive value-This is the proportion of positive test results that are truly positive. It is important in screening, and will be discussed further in Chapter 10.

It should be noted that both systematic error and predictive value depend on the relative frequency of true positives and true negatives in the study sample (that is, on the prevalence of the disease or exposure that is being measured).

Sensitive or specific? A matter of choice
If the criteria for a positive test result are stringent then there will be few false positives but the test will be insensitive. Conversely, if criteria are relaxed then there will be fewer false negatives but the test will be less specific. In a survey of breast cancer alternative diagnostic criteria were compared with the results of a reference test (biopsy). Clinical palpation by a doctor yielded fewest false positives (93% specificity), but missed half the cases (50% sensitivity). Criteria for diagnosing "a case" were then relaxed to include all the positive results identified by doctor's palpation, nurse's palpation, or xray mammography: few cases were then missed (94% sensitivity), but specificity fell to 86%.

By choosing the right test and cut off points it may be possible to get the balance of sensitivity and specificity that is best for a particular study. In a survey to establish prevalence this might be when false positives balance false negatives. In a study to compare rates in different populations the absolute rates are less important, the primary concern being to avoid systematic bias in the comparisons: a specific test may well be preferred, even at the price of some loss of sensitivity.

Repeatability
When there is no satisfactory standard against which to assess the validity of a measurement technique, then examining its repeatability is often helpful. Consistent findings do not necessarily imply that the technique is valid: a laboratory test may yield persistently false positive results, or a very repeatable psychiatric questionnaire may be an insensitive measure of, for example, "stress". However, poor repeatability indicates either poor validity or that the characteristic that is being measured varies over time. In either of these circumstances results must be interpreted with caution.

Repeatability can be tested within observers (that is, the same observer performing the measurement on two separate occasions) and also between observers (comparing measurements made by different observers on the same subject or specimen). Assessment of repeatability may be built into a study - a sample of people undergoing a second examination or a sample of radiographs, blood samples, and so on being tested in duplicate. Even a small sample is valuable, provided that (1) it is representative and (2) the duplicate tests are genuinely independent. If testing is done "off line" (perhaps as part of a pilot study) then particular care is needed to ensure that subjects, observers, and operating conditions are all adequately representative of the main study. It is much easier to test repeatability when material can be transported and stored - for example, deep frozen plasma samples, histological sections, and all kinds of tracings and photographs. However, such tests may exclude an important source of observer variation - namely the techniques of obtaining samples and records

Reasons for variation in replicate measurements
Independent replicate measurements in the same subjects are usually found to vary more than one's gloomiest expectations. To interpret the results, and to seek remedies, it is helpful to dissect the total variability into its four components:

Within observer variation - Discovering one's own inconsistency can be traumatic; it highlights a lack of clear criteria of measurement and interpretation, particularly in dealing with the grey area between "normal" and "abnormal". It is largely random-that is, unpredictable in direction.

Between observer variation - This includes the first component (the instability of individual observers), but adds to it an extra and systematiccomponent due to individual differences in techniques and criteria. Unfortunately, this may be large in relation to the real difference between groups that it is hoped to identify. It may be possible to avoid this problem, either by using a single observer or, if material is transportable, by forwarding it all for central examination. Alternatively, the bias within a survey may be neutralised by random allocation of subjects to observers. Each observer should be identified by a code number on the survey record; analysis of results by observer will then indicate any major problems, and perhaps permit some statistical correction for the bias.

Random subject variation -When measured repeatedly in the same person, physiological variables like blood pressure tend to show a roughly normal distribution around the subject's mean. Nevertheless, surveys usually have to make do with a single measurement, and the imprecision will not be noticed unless the extent of subject variation has been studied. Random subject variation has some important implications for screening and also in clinical practice, when people with extreme initial values are recalled. Thanks to a statistical quirk this group then seems to improve because its members include some whose mean value is normal but who by chance had higher values at first examination: on average, their follow up values necessarily tend to fall ( regression to the mean). The size of this effect depends on the amount of random subject variation. Misinterpretation can be avoided by repeat examinations to establish an adequate baseline, or (in an intervention study) by including a control group.

Biased (systematic) subject variation -Blood pressure is much influenced by the temperature of the examination room, as well as by less readily standardised emotional factors. Surveys to detect diabetes find a much higher prevalence in the afternoon than in the morning; and the standard bronchitis questionnaire possibly elicits more positive responses in winter than in summer. Thus conditions and timing of an investigation may have a major effect on an individual's true state and on his or her responses. As far as possible, studies should be designed to control for this - for example, by testing for diabetes at one time of day. Alternatively, a variable such as room temperature can be measured and allowed for in the analysis.

Analysing repeatability
The repeatability of measurements of continuous numerical variables such as blood pressure can be summarised by the standard deviationof replicate measurements or by their coefficient of variation(standard deviation mean). When pairs of measurements have been made, either by the same observer on two different occasions or by two different observers, a scatter plot will conveniently show the extent and pattern of observer variation.

For qualitative attributes, such as clinical symptoms and signs, the results are first set out as a contingency table:

Table 4.2 Comparison of results obtained by two observers
		Observer 1
		Positive	Negative
Observer 2	Positive	a	b
	Negative	c	d

The overall level of agreement could be represented by the proportion of the total in cells a and d. This measure unfortunately turns out to depend more on the prevalence of the condition than on the repeatability of the method. This is because in practice it is easy to agree on a straightforward negative; disagreements depend on the prevalence of the difficult borderline cases. Instead, therefore, repeatability is usually summarised by the statistic, which measures the level of agreement over and above what would be expected from the prevalence of the attribute.

 

 

Comparing disease rates

 

 

"Is this disease increasing in incidence? Does it occur with undue frequency in my local community? Does its incidence correlate with some suspected cause? Has the outcome changed since control measures were instituted?" To answer such questions means setting two sets of rates side by side and making some sense of the comparison. This chapter examines some of the problems that may arise.

Terminology and classifications of disease
Diagnostic labels and groupings are many and various, and in continual flux: in the interests of communication some standardisation is necessary, even though no single system can meet all requirements.

The ICD system
The International Classification of Diseases, Injuries, and Causes of Death, published by the World Health Organisation, assigns a three character alphanumeric code to every major condition. Often a fourth character is added for more exact specification: for example, ICD C92 is myeloid leukaemia", which may additionally be specified as C92.0 ("acute") or C92.1 ("chronic"). Broader groupings are readily formed - for example, ICD C81-C96 consists of all malignant neoplasms of lymphatic and haematopoietic tissue. This system is used for coding death certificates. It determines the presentation of results in the registrar general's reports and in the diagnostic registers of most hospitals.

The system has to be revised periodically to keep pace with medical usage. The ninth revision came into general use in 1979, and has now been superseded by the 10th revision for many applications. When the classification alters from one revision to the next, disease rates may not be directly comparable before and after the change. For example, the eighth revision included separate categories for gastric ulcer and for peptic ulcer of unspecified sites, whereas in the seventh revision this distinction was not made. In this situation some aggregation of categories is needed before valid comparisons can be made.

Measures of association
Several measures are commonly used to summarise comparisons of disease rates between populations, each with its special applications. The definitions given here assume that rates in an "exposed" population are being compared with those in "unexposed" people. The exposure might be to "risk factors" suspected of causing the disease (for example, being bottle fed or owning a cat) or of protecting against it (for example, immunisation). Parallel definitions can be used to compare disease rates between people with different levels of exposure to a risk factor (for example, people with high or low aluminium concentrations in their drinking water).

Attributable riskis the disease rate in exposed persons minus that in unexposed persons. It is the measure of association that is most relevant when making decisions for individuals. For example, in deciding whether or not to indulge in a dangerous sport such as rock climbing, it is the attributable risk of injury which must be weighed against the pleasures of participation.

Relative riskis the ratio of the disease rate in exposed persons to that in people who are unexposed. It is related to attributable risk by the formula:

Attributable risk= rate of disease in unexposed personsx ( relative risk- 1)

Relative risk is less relevant to making decisions in risk management than is attributable risk. For example, given a choice between a doubling in their risk of death from bronchial carcinoma and a doubling in their risk of death from oral cancer, most informed people would opt for the latter. The relative risk is the same (two), but the corresponding attributable risk is lower because oral cancer is a rarer disease.

Nevertheless, relative risk is the measure of association most often used by epidemiologists. One reason for this is that it can be estimated by a wider range of study designs. In particular, relative risk can be estimated from case-control studies (see Chapter 8) whereas attributable risk cannot. Another reason is the empirical observation that where two risk factors for a disease act in concert, their relative risks often come close to multiplying. Table 3.1 shows risks of lung cancer in smokers and non-smokers according to whether or not they had worked with asbestos. Risk in smokers was about 10-fold more than in non-smokers, irrespective of exposure to asbestos. Attributable risk does not show this convenient invariance as often as relative risk.

 

Table 3.1 Relative risks of lung cancer according to smoking habits and exposure to asbestos
Exposure to asbestos	Cigarette smoking
	No	Yes
No	1.0	10.9
Yes	5.2	53.2

Closely related to relative risk is the odds ratio, defined as the odds of disease in exposed persons divided by the odds of disease in unexposed persons. People who bet on horses will be aware that a rate or chance of one in 100 corresponds to odds of 99 to one against; and in general a rate of one in x is equivalent to odds of one to x - 1. In most circumstances, the odds ratio is a close approximation to relative risk.

Population attributable risk = attributable risk x prevalence of exposure to risk factor in population

Population attributable risk measures the potential impact of control measures in a population, and is relevant to decisions in public health.

Attributable proportionis the proportion of disease that would be eliminated in a population if its disease rate were reduced to that of unexposed persons. It is used to compare the potential impact of different public health strategies.

Confounding
In an ideal laboratory experiment the investigator alters only one variable at a time, so that any effect he observes can only be due to that variable. Most epidemiological studies are observational, not experimental, and compare people who differ in all kinds of ways, known and unknown. If such differences determine risk of disease independently of the exposure under investigation, they are said to confoundits association with the disease.

For example, several studies have indicated high rates of lung cancer in cooks. Though this could be a consequence of their work (perhaps caused by carcinogens in fumes from frying), it may be simply because professional cooks smoke more than the average. In other words, smoking might confound the association with cooking.

Confounding determines the extent to which observed associations are causal. It may give rise to spurious associations when in fact there is no causal relation, or at the other extreme, it may obscure the effects of a true cause.

Two common confounding factors are age and sex. Crude mortality from all causes in males over a five year period was higher in Bournemouth than in Southampton. However, this difference disappeared when death rates were compared for specific age groups (Table 3.2). It occurred not because Bournemouth is a less healthy place than Southampton but because, being a town to which people retire, it has a more elderly population.

Table 3.2 Deaths in males in Bournemouth and Southampton during a five year period
Age group (years)	Bournemouth			Southampton
	No of deaths	Population	Annual death rate per 100 000	No of deaths	Population	Annual death rate per 100 000
<1	116	919	2 524	223	1 897	2 351
1-44	204	34 616	118	332	64 090	104
45-64	1 252	19 379	1 292	1 728	24 440	1 414
65+	4 076	11 760	6 932	3 639	9 120	7 980
All ages	5 648	66 674	1 694	5 922	99 547	1 190

 

Standardisation
The above example shows the dangers of drawing aetiological conclusions from comparisons of crude rates. The problem can be overcome by comparing age and sex specific rates as in Table 3.2, but the presentation of such data is rather cumbersome, and it is often helpful to derive a single statistic that summarises the comparison while allowing for differences in the age and sex structure of the populations under study. Standardisedor adjusted ratesprovide for this need. Two techniques are available:

Direct standardisation
Direct standardisation entails comparison of weighted averages of age and sex specific disease rates, the weights being equal to the proportion' of people in each age and sex group in a convenient reference population. Table 3.3shows the method of calculation, based on mortality from coronary heart disease in men in the USA aged 35-64 during 1968. Table 3.4 gives standardised rates for men and women in the ensuing years, calculated in the same way, and shows a remarkable fall.

Table 3.3 Example of direct standardisation, based on mortality from coronary heart disease (CHD) in men in the USA aged 35-64, 1968
Age (years)	CHD deaths/100 000 (1)	% of reference population in age group (2)	(1) x (2)
35-44	93	34.4	3 199.2
45-54	355	360	12 780.0
55-64	961	29.5	28 349.5
Total		100	443 28.7 100 = 443

 

Table 3.4 Coronary heart disease in American men and women aged 35-64: changes in age standardised mortality (deaths/100 000/year) during 1968 - 1974
	1968	1969	1970	1971	1972	1973	1974
Men	443	430	420	413	408	399	377
Women	134	126	126	124	120	118	111

Indirect standardisation
The direct method is for large studies, and in most surveys the indirect method yields more stable risk estimates. Suppose that a general practitioner wants to test his impression of a local excess of chronic bronchitis. Using a standard questionnaire, he examines a sample of middle aged men from his list, and finds that 45 have persistent cough and phlegm. Is this excessive? The calculation is shown in .

Table 3.5 Example of indirect standardisation
Age (years)	No in study (1)	Symptom prevalence in reference group (2)	Expected cases = (1) x (2)
35-44	150	8%	12
45-54	100	9%	9
55-64	90	10%	9
Total			30

First the numbers of subjects in each age class are listed (column 1). The doctor must then choose a suitable reference population in which the class specific rates are known (column 2). (In mortality studies this would usually be the nation or some subset of it, such as a particular region or social class; in multicentre studies it could be the pooled data from all centres.) Cross multiplying columns 1 and 2 for each class gives the expected numberof cases in a group of that age and size, based on the reference population's rates. Summation over all classes yields the total expected frequency, given the size and age structure of that particular study sample. Where 30 cases were expected he has observed 45, giving an age adjusted relative riskor standardised prevalence ratioof 45/30 = 150%. (Conventionally, standardised ratios are often expressed as percentages.)

A comparable statistic, the standardised mortality ratio(SMR) is widely used by the registrar general in summarising time trends and regional and occupational differences. Thus in 1981 the standardised mortality ratio for death by suicide in male doctors was 172%, indicating a large excess relative to the general population at the time. To analyse time trends, as with the cost of living index, an arbitrary base year is taken.

Other methods of adjusting for confounders
The techniques of standardisation are usually used to adjust for age and sex, although they can be applied to control for other confounders. Other methods, which are used more generally to adjust for confounding, include mathematical modelling techniques such as logistic regression. These assume that a person's risk of disease is a specified mathematical function of his exposure to different risk factors and confounders. For example, it might be assumed that his odds of developing lung cancer are a product of a constant and three parameters - one determined by his age, one by whether he smokes, and the third by whether he has worked with asbestos. A computer program is then used to calculate the values of the parameters that best fit the observed data. These parameters estimate the odds ratios for each risk factor - age, smoking, and exposure to asbestos, and are mutually adjusted. Such modelling techniques are powerful and readily available to users of personal computers. They should be used with caution, however, as the mathematical assumptions in the model may not always reflect the realities of

 

Quantifying disease in populations

 

What is a case?
Measuring disease frequency in populations requires the stipulation of diagnostic criteria. In clinical practice the definition of "a case" generally assumes that, for any disease, people are divided into two discrete classes - the affected and the non-affected. This assumption works well enough in the hospital ward, and at one time it was also thought to be appropriate for populations. Cholera, for instance, was identified only by an attack of profuse watery diarrhoea, which was often fatal; but we now know that infection may be subclinical or cause only mild diarrhoea. Similarly for non-infectious diseases today we recognise the diagnostic importance of premalignant dysplasias, in situ carcinoma, mild hypertension, and presymptomatic airways obstruction. Increasingly it appears that disease in populations exists as a continuum of severity rather than as an all or none phenomenon. The rare exceptions are mainly genetic disorders with high penetrance, like achondroplasia; for most acquired diseases the real question in population studies is not "Has the person got it?" but "How much of it has he or she got?"

One approach, therefore, is to use measures that take into account the quantitative nature of disease. For example, the distribution of blood pressures in a population can be summarised by its mean and standard deviation. For practical reasons, however, it is often helpful to dichotomise the diagnostic continuum into "cases" and "non-cases". In defining the cut off point for such a division, four options may be considered:

Statistical - "Normal" may be defined as being within two standard deviations of the age specific mean, as in conventional laboratory practice. This is acceptable as a simple guide to the limits of what is common, but it must not be given any other importance because it fixes the frequency of "abnormal" values of every variable at around 5% in every population. More importantly, what is usual is not necessarily good.

Clinical- Clinical importance may be defined by the level of a variable above which symptoms and complications become more frequent. Thus, in a study of hip osteoarthritis cases were defined as subjects with a joint space of less than 2 mm on xray, as this level of narrowing was associated with a clear increase in symptoms.

Prognostic- Some clinical findings such as high systolic blood pressure or poor glucose tolerance may be symptomless and yet carry an adverse prognosis. Sometimes, as with glucose tolerance, there is a threshold value below which level and prognosis are unrelated. "Prognosticate abnormal" is then definable by this level.

Operational- For some disorders, none of the above approaches is satisfactory. In men of 50, a systolic pressure of 150 mm Hg is common (that is, "statistically normal"), and it is clinically normal in the sense of being without symptoms. It carries an adverse prognosis, with a risk of fatal heart attack about twice that of a low blood pressure, but there is no threshold below which differences in blood pressure have no influence on risk. Nevertheless, practical people require a case definition, even if somewhat arbitrary, as a basis for decisions. An operational definition might be based on a threshold for treatment. This will take into account symptoms and prognosis but will not be determined consistently by either. A person may be symptom free yet benefit from treatment or alternatively may have an increased risk that cannot be remedied.

Each of these four approaches to case definition is suitable for a different purpose, so an investigator may need to define the purposes before cases can be defined.

Whatever approach is adopted, the case definition should as far as possible be precise and unambiguous. A standard textbook of cardiology proposes these electrocardiographic criteria for left bundle branch block: "The duration of QRS commonly measures 0.12 to 0.16 seconds... V₅ or V₆ exhibits a large widened R wave..." (our italics). As a basis for epidemiological comparisons this is potentially disastrous, because each investigator could interpret the italicised words differently. By contrast, the epidemiological "Minnesota Code" defines it like this: "QRS duration 0.l2 seconds in any one or more limb leads and R peak duration 0.06 seconds in any one or more of leads, I, II, aVL, V₅, or V₆; each criterion to be met in a majority of technically adequate beats." If different studies are to be compared, case definitions must be rigorously standardised and free from ambiguity. Conventional clinical descriptions do not meet this requirement.

It is also essential to define and standardise the methods of measuring the chosen criteria. An important feature in diagnosing rheumatoid arthritis, for example, is early morning stiffness of the fingers; but two interviewers may emerge with different prevalence estimates if one takes an ordinary clinical history whereas the other uses a standard questionnaire. Cases in a survey are defined not by theoretical criteria, but in terms of response to specific investigative techniques. These, too, need to be defined, standardised, and reported adequately. As a result, epidemiological case definitions are narrower and more rigid than clinical ones. This loss of flexibility has to be accepted as the price of standardisation.

 

Measures of disease frequency
For epidemiological purposes the occurrence of cases of disease must be related to the "population at risk" giving rise to the cases. Several measures of disease frequency are in common use.

Incidence
The incidence of a disease is the rate at which new cases occur in a population during a specified period. For example, the incidence of thyrotoxicosis during 1982 was 10/100 000/year in Barrow-in-Furness compared with 49/100 000/year in Chester.

When the population at risk is roughly constant, incidence is measured as:

Number of new cases

---

Population at risk x time during which cases were ascertained

Sometimes measurement of incidence is complicated by changes in the population at risk during the period when cases are ascertained, for example, through births, deaths, or migrations. This difficulty is overcome by relating the numbers of new cases to the person years at risk, calculated by adding together the periods during which each individual member of the population is at risk during the measurement period. Thus incidence is defined as:

Number of new cases

---

Total person years at risk

It should be noted that once a person is classified as a case, he or she is no longer liable to become a new case, and therefore should not contribute further person years at risk. Sometimes the same pathological event happens more than once to the same individual. In the course of a study, a patient may have several episodes of myocardial infarction. In these circumstances the definition of incidence is usually restricted to the first event, although sometimes (for example in the study of infectious diseases) it is more appropriate to count all episodes. When ambiguity is possible reports should state whether incidence refers only to first diagnosis or to all episodes, as this may influence interpretation. For example, gonorrhoea notification rates in England and Wales increased dramatically during the 1960s, but no one knows to what extent this was due to more people getting infected or to the same people getting infected more often.

Prevalence
The prevalence of a disease is the proportion of a population that are cases at a point in time. The prevalence of persistent wheeze in a large sample of British primary school children surveyed during 1986 was approximately 3 per cent, the symptom being defined by response to a standard questionnaire completed by the children's parents. Prevalence is an appropriate measure only in such relatively stable conditions, and it is unsuitable for acute disorders.

Even in a chronic disease, the manifestations are often intermittent. In consequence, a "point" prevalence, based on a single examination, at one point in time, tends to underestimate the condition's total frequency. If repeated or continuous assessments of the same individuals are possible, a better measure is the period prevalence defined as the proportion of a population that are cases at any time within a stated period. Thus, the 12 month period prevalence of low back pain in a sample of British women aged 30-39 was found to be 33.6%.

 

Mortality
Mortality is the incidence of death from a disease.

 

Interrelation of incidence, prevalence, and mortality
Each new (incident) case enters a prevalence pool and remains there until either recovery or death:

incidence prevalence		recovery death

If recovery and death rates are low, then chronicity is high and even a low incidence will produce a high prevalence:

Prevalence = incidence x average duration

In studies of aetiology, incidence is the most appropriate measure of disease frequency. Mortality is a satisfactory proxy for incidence if survival is not related to the risk factors under investigation. However, patterns of mortality can be misleading if survival is variable. A recent decline in mortality from testicular cancer is attributable to improved cure rates from better treatment, and does not reflect a fall in incidence.

Prevalence is often used as an alternative to incidence in the study of rarer chronic diseases such as multiple sclerosis, where it would be difficult to accumulate large numbers of incident cases. Again, however, care is needed in interpretation. Differences in prevalence between different parts of the world may result from differences in survival and recovery as well as in incidence.

 

Crude and specific rates
A crude incidence, prevalence, or mortality (death rate) is one that relates to results for a population taken as a whole, without subdivision or refinement. The crude mortality from lung cancer in men in England and Wales during 1985-89 was 1034/million/year compared with 575/million/year during 1950-54. However, this bald fact masks a more complex pattern of trends in which mortality from lung cancer was declining in younger men while going up in the elderly (fig).

Mortality from lung cancer in men in England and Wales, 1950-89, by five year age groups

It is often helpful to break down results for the whole population to give rates specific for age and sex, but it is frustrating if results are given for 35-44 years in one report, 30-49 in another, and 31 to 40 in another. When feasible, decade classes should be 5-14, 15-24, and so on, and quinquennia should be 5-9, 10-14, and so on. Overlapping classes (5-10, 10-15) should be avoided.

Extensions and alternatives to incidence and prevalence
The terms incidence and prevalence have been defined in relation to the onset and presence of disease, but they can be extended to encompass other events and states. Thus, one can measure the incidence of redundancy in an employed population (the rate at which people are made redundant over time) or the prevalence of smoking in it (the proportion of the population who currently smoke).

Some health outcomes do not lend themselves to description by an incidence or prevalence, because of difficulties in defining the population at risk. For these outcomes, special rates are defined with a quasi population at risk as denominator.

Some special rates
Birth rate	Number of live births Mid-year population
Fertility rate	Number of live births Number of women aged 15-44 years
Infant mortality rate	Number of infant (< 1 year) deaths Number of live births
Stillbirth rate	Number of intrauterine deaths after 28 weeks Total births
Perinatal mortality rate	Number of stillbirths + deaths in 1st week of life Total births
NB These rates are usually related to one year

Sometimes the population at risk can be satisfactorily defined, but it cannot be enumerated. For example, a cancer registry might collect information about the occupations of registered cancer cases, but not have data on the number of people in each occupation within its catchment area. Thus, the incidence of different cancers by occupation could not be calculated. An alternative in these circumstances would be to derive the proportion of different types of cancer in each occupational group. However, care is needed in the interpretation of proportions. A high proportion of prostatic cancers in farmers could reflect a high incidence of the disease, but it could also occur if farmers had an unusually low incidence of other types of cancer. Incidence and prevalence are preferable to proportions if they can be adequately measured.

 

Longitudinal studies

 

 

In a longitudinal study subjects are followed over time with continuous or repeated monitoring of risk factors or health outcomes, or both. Such investigations vary enormously in their size and complexity. At one extreme a large population may be studied over decades. For example, the longitudinal study of the Office of Population Censuses and Surveys prospectively follows a 1% sample of the British population that was initially identified at the 1971 census. Outcomes such as mortality and incidence of cancer have been related to employment status, housing, and other variables measured at successive censuses. At the other extreme, some longitudinal studies follow up relatively small groups for a few days or weeks. Thus, firemen acutely exposed to noxious fumes might be monitored to identify any immediate effects.

Most longitudinal studies examine associations between exposure to known or suspected causes of disease and subsequent morbidity or mortality. In the simplest design a sample or cohort of subjects exposed to a risk factor is identified along with a sample of unexposed controls. The two groups are then followed up prospectively, and the incidence of disease in each is measured. By comparing the incidence rates, attributable and relative risks can be estimated. Allowance can be made for suspected confounding factors either by matching the controls to the exposed subjects so that they have a similar pattern of exposure to the confounder, or by measuring exposure to the confounder in each group and adjusting for any difference in the statistical analysis.

A problem when the cohort method is applied to the study of chronic diseases such as cancer, coronary heart disease, or diabetes is that large numbers of people must be followed up for long periods before sufficient cases accrue to give statistically meaningful results. The difficulty is further increased when, as for example with most carcinogens, there is a long induction period between first exposure to a hazard and the eventual manifestation of disease.

One approach that can help to counter this problem is to carry out the follow up retrospectively. In developing ideas about the fetal origins of coronary heart disease, it was possible to find groups of men and women born in the county of Hertfordshire before 1930 whose fetal and infant growth had been documented. These people were traced, and the cause of death was ascertained for those who had died. Death rates from coronary heart disease could thus be related to weight at birth and at one year old. Obviously, such a study is only feasible when the health outcome of interest can be measured retrospectively. Mortality and cancer incidence can usually be ascertained reliably, but disorders such as asthma may be harder to assess in retrospect. A further requirement is that the selection of exposed people for study should not be influenced by factors related to their subsequent morbidity.

Another modification of the method is to use the recorded disease rates in the national or regional population for control purposes, rather than following up a specially selected control group. This technique is legitimate when exposure to the hazard in the general population is negligible. Thus, in a cohort study of people occupationally exposed to ethylene oxide (used as a sterilant gas and in the manufacture of antifreeze), exposure in the general population was minimal and national death rates could be used as a reference. The numbers of deaths in the cohort were compared with the numbers that would have been expected if subjects had experienced the same death rates specific for age, sex, and calendar period as the general population.

Clinical follow up studies
What is the prognosis for a 38 year old man who presents with a first epileptic fit, and what advice should he be given about driving? What is the outlook for a manual labourer who has been off work for three months with low back pain? How likely is it that he will be fit to return to his job, and how soon? Questions such as these are investigated by clinical follow up studies - longitudinal studies in which patients with a disease are monitored systematically to establish how their illness progresses and what influences the prognosis.

The need for systematic follow up arises because clinical impressions are often misleading. For example, a neurologist's view of multiple sclerosis tends to be unduly gloomy. Patients in whom the disease remits without residual disability (a third) do not continue to attend that clinic. Those in whom the disease runs a less favourable course return again and again. A general practitioner might be expected to form a more representative impression, but because the disease is rare he will have only a few patients on his list and will not get a complete picture.

For the findings of a clinical follow up study to be generalised to patients elsewhere, it is important to define precisely how subjects are selected for study. For example, patients presenting with asthma to a respiratory physician are likely to have a different prognosis from those seen in general practice. Interpretation is usually easier if entry to follow up is determined by an event (such as first diagnosis) rather than a state (for example, all patients from a renal unit who are on the waiting list for transplants) as outlook for the latter will often vary according to how long they have been in that state. Most studies also document characteristics of subjects when they enter follow up (such as age, sex, and duration and severity of symptoms) so that the influence of these variables on prognosis can be examined.

The methods of follow up are similar to those used in other longitudinal studies and can be prospective or retrospective. For diseases that are often lethal, the outcome may be expressed as case fatality or survival rates. Case fatality rate (the proportion of episodes of illness that end fatally) describes the short term outcome of a disease, but must be interpreted with caution. An episode of illness does not correspond to a fixed time interval. Often it refers to a period of medical care, as in a coronary care unit, and case fatality rates may therefore be altered merely by varying the length of stay in hospital. To measure outcome over longer periods, survival rates are used. These show the proportion of patients surviving for a specified time from the date of diagnosis or start of treatment. Survival rates may be corrected to allow for deaths from causes other than the disease being studied. By plotting survival rates at different times it is possible to construct survival curves. An example is shown in the figure.

 

Survival of kidney grafts according to matching for HLA tissue types

 

 

Reading epidemiological reports

 

Epidemiological methods are widely applied in medical research, and even doctors who do not themselves carry out surveys will find that their clinical practice is influenced by epidemiological observations. Which oral contraceptive is the best option for a woman of 35? What prognosis should be given to parents whose daughter has developed spinal scoliosis? What advice should be given to the patient who is concerned about newspaper reports that living near electric power lines causes cancer? To answer questions such as these, the doctor must be able to understand and interpret epidemiological reports.

Interpretation is not always easy, and studies may produce apparently inconsistent results. One week a survey is published suggesting that low levels of alcohol intake reduce mortality. The next, a report concludes that any alcohol at all is harmful. How can such discrepancies be reconciled? This chapter sets out a framework for the assessment of epidemiological data, breaking the exercise down into three major components.

Bias
The first step in evaluating a study is to identify any major potential for bias. Almost all epidemiological studies are subject to bias of one sort or another. This does not mean that they are scientifically unacceptable and should be disregarded. However, it is important to assess the probable impact of biases and to allow for them when drawing conclusions. In what direction is each bias likely to have affected outcome, and by how much?

If the study has been reported well, the investigators themselves will have addressed this question. They may even have collected data to help quantify bias. In a survey of myopia and its relation to reading in childhood, information was gathered about the use of spectacles and the educational history of subjects who were unavailable for examination. This helped to establish the scope for bias from the incomplete response. Usually, however, evaluation of bias is a matter of judgement.

When looking for possible biases, three aspects of a study are particularly worth considering:

(1) How were subjects selected for investigation, and how representative were they of the target population with regard to the study question?

(2) What was the response rate, and might responders and nonresponders have differed in important ways? As with the choice of the study sample, it matters only if respondents are atypical in relation to the study question.

(3) How accurately were exposure and outcome variables measured? Here the scope for bias will depend on the study question and on the pattern of measurement error. Random errors in assessing intelligence quotient (IQ) will produce no bias at all if the aim is simply to estimate the mean score for a population. On the other hand, in a study of the association between low IQ and environmental exposure to lead, random measurement errors would tend to obscure any relation-that is, to bias estimates of relative risk towards one. If the errors in measurement were nonrandom, the bias would be different again. For example, if IQs were selectively under-recorded in subjects with high lead exposure, the effect would be to exaggerate risk estimates.

There is no simple formula for assessing biases. Each must be considered on its own merits in the context of the study question.

Chance
Even after biases have been taken into account, study samples may be unrepresentative just by chance. An indication of the potential for such chance effects is provided by statistical analysis.

Traditionally, statistical inference has been based on hypothesis testing. This can most easily be understood if the study sample is viewed in the context of the larger target population about which conclusions are to be drawn. A null hypothesis about the target population is formulated. Then starting with this null hypothesis, and with the assumption that the study sample is an unbiased subset of the target population, a p value is calculated. This is the probability of obtaining an outcome in the study sample as extreme from the null hypothesis as that observed, simply by chance. For example, in a case-control study of the relation between renal stones and dietary oxalate, the null hypothesis might be that in the target population from which the study sample was derived there is no association between renal stones and oxalate intake. A p value of 0~05 would imply that under this assumption of no overall association between renal stones and oxalate, the probability of selecting a random sample in which the association was as strong as that observed in the study would be one in 20. The lower the calculated p value, the more one is inclined to reject the null hypothesis and adopt a contrary view - for example, that there is an association between dietary oxalate and renal stones. Often a p value below a stated threshold (for example, 0.05) is deemed to be ( statistically ) significant, but this threshold is arbitrary. There is no reason to attach much greater importance to a p value of 0.049 than to a value of 0.051.

A p value depends not only on the magnitude of any deviation from the null hypothesis, but also on the size of the sample in which that deviation was observed. Failure to achieve a specified level of statistical significance will have different implications according to the size of the study. A common error is to weigh "positive" studies, which find an association to be significant, against "negative" studies, in which it is not. Two case-control studies could indicate similar odds ratios, but because they differed in size one might be significant and the other not. Clearly such findings would not be incompatible.

Because of the limitations of the p value as a summary statistic, epidemiologists today prefer to base statistical inference on confidence intervals. A statistic of the study sample, such as an odds ratio or a mean haemoglobin concentration, provides an estimate of the corresponding population parameter (the odds ratio or mean haemoglobin concentration in the target population from which the sample was derived). Because the study sample may by chance be atypical, there is uncertainty about the estimate. A confidence interval is a range within which, assuming there are no biases in the study method, the true value for the population parameter might be expected to lie. Most often, 95% confidence intervals are calculated. The formula for the 95% confidence interval is set in such a way that on average 19 out of 20 such intervals will include the population parameter. Large samples are less prone to chance error than small samples, and therefore give tighter confidence intervals.

Whether statistical inference is based on hypothesis testing or confidence intervals, the results must be viewed in context. Assessment of the contribution of chance to an observation should also take into account the findings of other studies. An epidemiological association might be highly significant statistically, but if it is completely at variance with the balance of evidence from elsewhere, then it could still legitimately be attributed to chance. For example, if a cohort study with no obvious biases suggested that smoking protected against lung cancer, and no special explanation could be found, we would probably conclude that this was a fluke result. Unlike p values or confidence intervals, the weight that is attached to evidence from other studies cannot be precisely quantified.

Confounding versus causality
If an association is real and not explained by bias or chance, the question remains as to how far it is causal and how far the result of confounding. The influence of some confounders may have been eliminated by matching or by appropriate statistical analysis. However, especially in observational studies, the possibility of unrecognised residual confounding remains. Assessment of whether an observed association is causal depends in part on what is known about the biology of the relation. In addition, certain characteristics of the association may encourage a causal interpretation. A dose-response relation in which risk increases progressively with higher exposure is generally held to favour causality, although in theory it might arise through confounding. In the case of hazards suspected of acting early in a disease process, such as genotoxic carcinogens, a latent interval between first exposure and the manifestation of increased risk would also support a causal association. Also important is the magnitude of the association as measured by the relative risk or odds ratio. If an association is to be completely explained by confounding then the confounder must carry an even higher relative risk for the disease and also be strongly associated with the exposure under study. A powerful risk factor with, say, a 10-fold relative risk for the disease would probably be recognised and identified as a potential confounder.

The evaluation of possible pathogenic mechanisms and the importance attached to dose-response relations and evidence of latency are also a matter of judgement. It is because there are so many subjective elements to the interpretation of epidemiological findings that experts do not always agree. However, if sufficient data are available then a reasonable consensus can usually be achieved.

 

Planning and conducting a survey

 

 

Epidemiological surveys use various study designs and range widely in size. At one extreme a case-control investigation may include fewer than 50 subjects, while at the other, some large longitudinal studies follow up many thousands of people for several decades. The main study designs will be described in later chapters, but we here discuss important features that are common to the planning and execution of surveys, whatever their specific design.

Early planning
The success of data collection requires careful preparation. The first and often the most difficult question is "Why am I doing this survey?" Many studies start with a general hope that something interesting will emerge, and they often end in frustration. The general interest has first to be translated into precisely formulated, written objectives. Every survey should be reasonably sure to give an adequate answer to at least one specific question. This initial planning requires some idea of the final analysis; and it may be useful at the outset to outline the key tables for the final report, and to consider the numbers of cases expected in their major cells.

Every study needs a primary purpose. It is easy to argue "While we have the subjects there, let's also measure..."; but overloading, whether of investigators or subjects, must be avoided if it in any way threatens the primary purpose. Sometimes subsidiary objectives may be pursued in subsamples (every nth subject, or in a particular age group) or by recalling some subjects for a second examination: when their initial contact has been favourable then response to recall is usually good.

Background reading
Before planning the detail of a study, it is wise to carry out a library search of the relevant background publications. Occasionally this may show the answer to the study question without any need for further data collection; or it may uncover useful sources of published information, such as the registrar general's mortality and cancer registry reports, which can form the basis of an analysis without the requirement for an expensive and time consuming field survey. Even when survey work remains necessary, experience in earlier related investigations may guide the design or indicate pitfalls to be avoided.

Choice of examination methods
The overriding need in an epidemiological survey is to examine a representative sample of adequate size in a standardised and sufficiently valid way. This determines the choice of examination methods and the points where these differ from those of clinical practice. Methods must be acceptable, and if possible noninvasive, or else cooperation suffers and the study group becomes unrepresentative. They must be relatively cheap and quick, or not enough subjects can be examined: with fixed resources the need for detail conflicts with the need for numbers. Most important of all, methods and observers must be capable of rigorous standardisation; even if this excludes the benefits of clinical judgement.

Information abstracted from existing records
Sometimes adequately standardised information is already available from existing records. For example, in a study to examine the long term incidence of hypothyroidism after treatment with radioiodine for thyrotoxicosis, it was possible to identify treated patients and obtain the information needed to follow them up (name, date of birth, sex, address, etc) by searching hospital files. When existing records are exploited in this way, the required information is normally abstracted on to a specially designed form or even direct on to a portable computer.

The design of the abstraction form or of the computer program for inputting data should take into account the layout of the source material. Having to flick repeatedly backwards and forwards through the source record is not only tedious and time consuming, but may also increase the chance of error. Each abstracted record should be identified by a serial number, and should include sufficient information to permit easy access back to the source material for checking and to obt2in additional data if required. When data are not abstracted direct on to computer, later transfer to computer will often be facilitated by numerical coding, in which case coding boxes can be provided on the right hand side of the abstraction form. Some items of data (for example, dates of birth) can easily be written direct into the coding boxes. Others, such as occupation, may need to be recorded in words and coded later as a separate exercise. Time spent writing is minimised if non-numerical information is, when possible, ringed or ticked rather than having to be written out. To minimise the chance of error, any reformulation of numerical data (for example, derivation of age at hospital admission from date of birth and date of admission) should be carried out by the computer after date entry, and not as part of the abstraction process. When coding data, allowance must be made for the possibility of missing information.

 

Questionnaires
Epidemiological data are often obtained by means of questionnaires. These may be either self administered (that is, completed by the subject) or administered at interview. Self administered questionnaires are easier to standardise because the possibility of systematic differences in interviewing technique is avoided. On the other hand, they are limited by the need to be unambiguously understood by all subjects. An interviewer may be essential to collect information on complex topics.

Good design of questionnaires requires skill. The language used should be clear and simple. Two short questions, each covering one point, are better than one longer question which covers two points at once. A question that has been used successfully in a previous study has obvious advantages. The order of questions should take into account the sensitivities of the person to whom they are addressed - it is better to start with "What is your date of birth?" than launch straight into "Have you ever been treated for gonorrhoea?" - and should be designed to facilitate recall. For example, all questions relating to one phase of the person's life might be grouped together. As a check on the reliability of information, it may sometimes be helpful to include overlapping questions. In a study of risk factors for back pain, some people reported that their jobs entailed driving for more than four hours a day but did not involve more than two hours sitting. This suggests that they had not properly understood the questions. An important consideration is whether to use closed or open ended questions. Closed ended questions, with one box for each possible answer (including "don't know") are more readily answered and classified, but cannot always collect information in the detail that is required. When interviewers are used then the wording with which they ask questions should be standardised as far as is compatible with the need to obtain useful information. As in abstracting existing records, the forms used to record answers to questions should be designed for ease and accuracy of completion and to simplify subsequent coding and analysis.

Physical examination and clinical investigations
Methods of physical examination should be designed to reduce variation within and between observers. Often, a quantitative measurement (for example, respiratory rate) is easier to standardise than a qualitative judgement (whether someone is tachypnoeic or not). Standardisation of laboratory assays can be improved by careful specification of the method by which specimens should be collected and stored and by rigorous quality control of the analysis.

Whatever method of data collection is adopted, it is usually worth trying it out in a pilot survey before embarking on the main study. Identification of practical snags at this stage can save much difficulty later. In large studies the questionnaire or record design should be discussed with the statistician who will later be concerned in the analysis.

 

Staff and training
In a small study the doctor himself may do all the work, but in large surveys he will need helpers. If an epidemiological examination technique requires skill and clinical judgement it has probably been insufficiently standardised: if it is adequately standardised it can usually be taught to any intelligent person.

The figure shows how two observers had distinct but opposite time trends in their performances during the early stages of a survey of skinfold thickness. Such training effects, which are common, should have been completed before the start of the main study: new staff need supervised practice under realistic field conditions followed by pre-survey testing.

 

Trend in mean values for triceps skinfold thickness obtained by two observers in the same survey

Despite all precautions, observer differences may persist. Observers should therefore be allocated to subjects in a more or less random way: if, for example, one person examined most of the men, and another most of the women, then observer differences would be confounded with true sex differences. To maintain quality control throughout the survey each examiner's identity should be entered on the record, and results for different examiners may then be compared.

Sampling

Sample size
Most surveys and trials are smaller than the investigator would wish, lack of numbers often setting a limit to some desirable subgroup analysis. This is inevitable. What can be avoided is discovering only at the final analysis that numbers do not permit achievement even of the study's primary objective. To prevent this disappointment the purpose of the study has first to be formulated in precise statistical terms. If the aim is to estimate prevalence, then sample size will depend on the required accuracy of that estimate. (Table 5.1 gives some examples.) Sampling error is proportionally greater for less common conditions; that is to say, to achieve the same level of confidence requires a larger sample if prevalence is low.

Table 5.1 95% confidence limits for various rates and sample sizes
Estimated prevalence (%)	95% confidence limits
	n=500	n=1000
2	1.0-3.7	1.2-3.1
10	7.5-13.0	8.2-12.0
20	16.6-23.8	17.6-22.6

Techniques also exist for calculating sample sizes required for estimating, with specified precision, the mean value of a variable, or for identifying a given difference in prevalence or mean values between two populations. These techniques may be found in textbooks or (better) by consulting a statistician; but either way the investigators must first know exactly what they want to achieve.

Sampling methods
When the study sample is selected from a larger study population, statistical inference will be more rigorous if the selection process is random, or effectively random; that is to say, if each individual in the study population has a known (usually identical) non-zero probability of selection. To achieve this a census or listing of the study population is first required. In a survey of adults in a hospital district the electoral register will probably serve. In an occupational group the payroll is invariably complete, and in a school there are class registers. In general practice there is an age-sex register. To choose a simple random sample the listed people are numbered serially. Numbers within the appropriate range are then read off from a table or computer generated list of random numbers until enough people have been selected.

It may be that an investigator wishes to choose a sample in which certain subgroups (particular ages, for instance, or high risk categories) are relatively overrepresented. To achieve this he may divide the study population into subgroups (strata) and then draw a separate random sample from each, while adjusting the various sample sizes to suit the investigation's requirements. This is a stratified random sample .

The study population may be large and widely scattered - for example, all the general practices in a city - but for the sake of convenience the investigator may wish to concentrate his survey in a few areas only. This can be done by drawing first a random sample of practices, and then, within these practices, drawing a random sample of individuals. Such two stage sampling works well, but there is some loss of statistical efficiency, especially if only a few units are selected at the first stage.

Recruiting subjects
Most people are willing to take part in medical surveys provided that they trust the investigators, just as patients will nearly always help their own doctors in their research. In population studies, however, there has usually been no previous contact. The selected subjects need an explanation of the purpose of the study, of why they in particular have been asked to take part, of what is expected from them, and what if anything they will get out of it (for instance a medical check up or a report on the research findings). Local general practitioners, too, need to know what is going on. Time given to preparatory public relations is always well spent.

Response must be made as easy as possible. If attendance at a centre is required, it is better to send everyone a provisional appointment than to expect them to reply to a letter asking whether they are willing to attend. Provision of transport may be welcomed. Often the difference between a mediocre response and a good one is tactful persistence, including second invitations (perhaps by recorded delivery), telephone calls, identifying the reasons for non-attendance, and home visits.

Response rates
The level of response that is acceptable depends both on the study question and on the population in which the question is being asked. Problems arise because non-responders may be atypical. For example, in a survey of coronary risk factors among adults registered with a group practice, those at highest risk may be the least inclined to complete a questionnaire or attend for examination. If a response rate of 85% were achieved, an estimated prevalence of heavy alcohol consumption of 3% among the responders could be substantially too low if most of the nonresidents drank heavily. On the other hand an estimated 50% prevalence of smokers would not need major revision, even if all of the non-responders smoked.

What matters is how unrepresentative non-responders are in relation to the study question. It is not important whether they are atypical in other respects. In a survey to evaluate the association between serum IgE concentrations and ventilatory function it would not matter if non-responders had an unusually high frequency of respiratory disease, provided that the relation of their ventilatory function to IgE was not unrepresentative.

Assessment of the likely bias resulting from incomplete response is ultimately a matter of judgement. However, two approaches may help the assessment. Firstly, a small random sample can be drawn from the non-responders, and particularly vigorous efforts made to encourage their participation, including home visits. The findings for this subsample will then indicate the extent of bias among nonresponders as a whole. Secondly, some information is generally available for all people listed in the study population. From this it will be possible to contrast responders and non-responders with respect to characteristics such as age, sex, and residence. Differences will alert the investigator to the possibility of bias.

In addition, it may help to put absolute bounds on the uncertainty arising from non-response by making extreme assumptions about the non-responders. For example, if the aim of a survey were to estimate a disease prevalence, what would be the prevalence if all of the non-responders had the disease, or none of them?

 

Analysis
Small studies can sometimes be analysed manually with the help of a calculator. Nowadays, however, the analysis of epidemiological data is almost always carried out by computer. With recent advances in technology, all but the largest data sets can be handled satisfactorily on a personal computer. Moreover, a wide range of software packages is now available to assist epidemiological analysis.

The starting point for analysis by computer is the coding and entry of data. These procedures should be checked, usually by carrying them out in duplicate. In addition, once the data have been entered, further checks should be made to ensure that all codes are valid (for example, nobody should have 31 February as a birth date) and to look for any internal inconsistencies (such as a date of admission to hospital being earlier than the subject's date of birth). Statistical analysis should only begin when the data set is as "clean" as possible.

With the ready availability of software packages, it is tempting for medical investigators to embark on analyses they do not fully understand, and in the process they may use inappropriate statistical techniques. For this reason it is preferable to obtain advice from a statistician when carrying out all but the simplest analyses. As with the earlier stages of data processing, statistical calculations should all be checked.

 ۰۰۰

 

Screening

 

Screening patients for preclinical disease is an established part of day to day medical practice. Routine recording of blood pressure, urine testing, and preoperative chest radiography may all be regarded as screening activities. Increasingly, screening is now being extended to people who have not themselves requested medical aid. For example, general practitioners invite patients who would not otherwise be attending the surgery to undergo tests such as cholesterol measurement and cervical cytology. This places the doctor in a different role, and there is a special obligation to ensure that such screening is beneficial. To this end three questions must be answered, for which epidemiological data are required.

Does earlier treatment improve the prognosis?
Lung cancers detected at an early stage in their development are more likely to be surgically resectable. Moreover, it is possible to identify such tumours when they are still asymptomatic by chest radiography and sputum cytology. However, a large study in the United States failed to demonstrate any clear reduction in mortality from lung cancer among heavy smokers who were offered fourmonthly screening by radiography and sputum cytology, despite the fact that more resectable tumours were detected in the screened population. As this example shows, the outcome of screening must be judged in terms of its effect on mortality or illness, and not simply by the number and severity of cases identified.

Assessing the benefits of early treatment is not always easy. One potential source of error is the phenomenon known as lead time .

Suppose that we wish to explore the scope for reducing mortality from breast cancer by early diagnosis. One approach might be to compare the survival of patients whose tumours were detected at screening with that of women who only present once their disease has become symptomatic. However, this could be misleading. Survival might be longer in the screened women not because early treatment is beneficial, but simply because their tumours are being diagnosed earlier in the natural history of their disease (fig).

 

Lead time (with screening (a) disease is diagnosed earlier than without screening (b) and survival is longer from diagnosis, but this does not necessarily imply that the time course of the disease has been modified.)

A further difficulty in comparisons of survival is that, apart from any effects of treatment, cases detected at screening tend to be more slowly progressive. Patients with aggressive disease are more likely to develop symptoms in the intervals between screening examinations and therefore present spontaneously.

Outcome is best assessed by systematically comparing the morbidity and mortality of a screened population with that of controls. Moreover, because people who attend for screening may have a different incidence of disease from those who do not, it is important to measure outcome in all of the population selected for screening and not only in those members who actually undergo investigation. Women from social classes IV and V have the highest rates of cervical cancer but the lowest uptake of cervical cytology. Thus an analysis restricted to women undergoing cervical screening would tend to indicate lower mortality even if in fact there was no advantage in early treatment.

Is a satisfactory screening test available?
Even if prognosis is improved by early treatment, screening is only worthwhile if a satisfactory diagnostic test is available. The test must detect cases in sufficient numbers and at acceptable cost, and it must not carry side effects that outweigh the benefits of screening. Because a screening test must be inexpensive and easy to perform, it is not usually the most valid diagnostic method for a disease. In screening, therefore, it has to be accepted that some cases will remain undetected. As with all diagnostic tests, there is a trade off between sensitivity and specificity, and the competing needs for each must be balanced.

In addition to its sensitivity and specificity, the performance of a test is measured by its predictive value . The predictive value of a positive result is the probability that a person who reacts positively to the test actually has the disease. Predictive value varies with the prevalence of disease in the population to whom the test is applied. If the prevalence is low then there are more false positive results than true positives, and predictive value falls. At the extreme, if nobody has the disease then the predictive value will be zero - all positive test results will be false positives. It follows that a test that functions well in normal clinical practice will not necessarily be useful for screening purposes. Sputum cytology has quite a high positive predictive value for bronchial carcinoma in patients presenting with haemoptysis, but if it is used to screen asymptomatic people most positive results will be false.

Because the average benefit to the individual from a screening programme is usually much smaller than from interventions in response to symptoms, screening tests need to be safer than those used in normal clinical practice. The radiation dose from a chest x ray examination is small, but if the investigation forms part of a screening programme for tuberculosis, then even the very small risk of complications may outweigh the benefits of early diagnosis. As the prevalence of pulmonary tuberculosis in the general population has declined, so mass radiographic screening has ceased to be justifiable.

What are the yields of the screening service?
The yield of a screening service is measured by the number of cases identified whose prognosis is improved as a result of their early detection. This must be related to the total number of tests performed. Theoretically, the yields of screening may be improved by restricting it to high risk groups, as has been suggested in the screening of infants for developmental and other abnormalities. But identifying relatively small high risk groups among whom most cases will be found is rarely feasible. If uptake of a screening procedure is low then yield will be correspondingly limited.

Ultimately the yields of a screening service have to be balanced against the costs, in terms of staff and facilities, of screening and making the confirmatory diagnoses. For breast cancer screening it has been found that identifying one case requires examining 170 women by palpation and mammography and taking nine biopsy specimens.

 

 

COHORT V.S. CASE-CONTROL STUDIES

 

O. Meirik
Unit for Epidemiological Research
Special Programme of Research, Development and Research Training in Human Reproduction,
World Health Organization, 1211 Geneva 27, Switzerland

Cohort and case-control methodologies are the main tools for analytical epidemiological research. Other important types of epidemiological studies mainly for generating hypotheses include cross-sectional and ecological, or correlation studies. The conclusions that can be drawn from findings of these types of studies are, however, much weaker compared to those of cohort and case-control studies. This is not to say that findings from cohort and case-control studies always reflect true associations which can be universally generalized. Epidemiological research is, to a large extent, of an observational character as opposed to experimental research. Experimental research provides data from which firmer conclusions can be made as compared with epidemiological studies. In experimental research, investigators can manipulate one factor while controlling others, and the main research question can be broken down into subquestions with comparatively simple causal assumptions (12). Through repeated manipulation of one or more factors in a series of experiments concerned with subquestions, the main research question can be resolved. The experimental approach allows control of the effect of extraneous factors that may have an effect on the outcome under study, but are not under investigation. Such extraneous factors may, if not under control, distort the results of the research and lead to false conclusions about cause and effect. In biomedical research on human beings the randomized clinical trial is the closest option to experimental research methodology. Observational epidemiological research has the disadvantage that extraneous factors cannot be manipulated by the investigators. Although information of such extraneous factors is collected and quantitatively adjusted for when they are known to be present, findings from observational epidemiological studies are generally less conclusive than those from experimental studies because of the less strict control of extraneous factors.

The two epidemiological methodologies to study disease causation outlined in this chapter have different approaches. The cohort study starts with the putative cause of disease, and observes the occurrence of disease relative to the hypothesized causal agent, while the case-control study proceeds from documented disease and investigates possible causes of the disease. The methodological principles of cohort and case-control studies are briefly outlined. For a more detailed account of design, conduct and analyses of epidemiological studies, the reader is referred to textbooks and methodological articles given in the list of references.

Cohort study

The starting point of a cohort study is the recording of healthy subjects with and without exposure to the putative agent or the characteristic being studied. Individuals exposed to the agent under study (index subjects) are followed over time and their health status is observed and recorded during the course of the study. In order to compare the occurrence of disease in exposed subjects with its occurrence in non-exposed subjects, the health status of a group of individuals not exposed to the agent under study (control subjects) is followed in the same way as that of the group of index subjects.

Measures of disease and association

The measure of disease in cohort studies is the incidence rate, which is the proportion of subjects who develop the disease under study within a specified time period. The numerator of the rate is the number of diseased subjects and the denominator is usually the number of person-years of observation. The incidence rates for exposed and non-exposed subjects are calculated separately.

The measure of association between exposure and disease in cohort studies is the relative risk. The relative risk is the ratio of the incidence rate of index subjects to that of control subjects. A relative risk of 1.0 signifies that the incidence rate is the same among exposed and non-exposed subjects and indicates a lack of association between exposure and disease. A relative risk of less than 1.0 provides evidence for a protective effect of exposure (the incidence rate of disease among exposed is lower than non-exposed) whereas a relative risk above 1.0 suggests that exposed people are at higher risk of disease than non-exposed persons.

Current and historical cohort studies

Depending on the time when the cohort study is initiated relative to occurrence of the disease(s) to be studied, one distinguishes between current and historical cohort studies. In a current cohort study, the data concerning exposure are assembled prior to the occurrence of disease—the current cohort design thus representing a true prospective study. In a historical cohort study, data on exposure and occurrence of disease are collected after the events have taken place—the cohorts of exposed and non-exposed subjects are assembled from existing records, or health care registries. In recent years, historical cohort studies have been referred to as retrospective cohort studies by some authors, because data are collected retrospectively. The methodological principle of historical cohort studies is, however, the same as those of prospective studies, and the term retrospective cohort study is a misnomer.

An example of a current cohort study is the Oxford Family Planning Association Study in the United Kingdom, which aimed to provide a balanced view of the beneficial and harmful effects of different methods of contraception (14). In collaboration with the Family Planning Association, the investigators recruited 17,032 women between 1969 and 1974 in 17 of the largest and best clinics run by the Family Planning Association. Of these 17,032 women, 56.6% were users of oral contraceptives (OCs), 24.8% were users of a diaphragm and 18.6 were users of an intrauterine device (IUD) at admission. The women met specific eligibility criteria for enrolment into the study. They were scheduled for visits on an annual basis. Those who failed to keep the appointment were sent a postal version of the follow-up form. If this was not answered the women were contacted by phone or visited at home. All events of ill health were recorded, including hospitalizations, as well as changes in contraceptive use. In the event of hospitalization, the hospital discharge reports were requested. Ascertainment of death and diagnosis of cancer were obtained from national death and cancer registries. A coordinating centre was set up to check and computerize the data. This study, which was originally anticipated to be conducted for about ten years, is still ongoing and has provided a large amount of information on the efficacy and safety of contraceptive methods, and in particular OCs, the diaphragm and IUDs. The methodology of the study is comprehensively described in the paper referred to in reference number 14.

A study of the outcome of delivery subsequent to induced abortion provides an example of a historical cohort study (8). This study aimed to examine if an induced abortion increases the risk of pre-term birth or low birthweight in pregnancies following the abortion. From 1970 to 1975, the investigators assembled information on the date and type of abortion, and the personal identification number of women having had an induced abortion in one hospital in Sweden. Sources of information were a computerized hospital discharge registry, and ledgers kept in the surgical unit of the Department of Obstetrics and Gynecology of the hospital. Information was obtained on 95% of the 5,292 induced abortions performed during the period studied. The computerized data on women having had a previous abortion were linked by means of the personal identification number to a national Medical Birth Registry which contains information on the outcome of all births in Sweden, including gestational duration and infant birthweight. Through this procedure, the investigators could identify women who gave birth after having had an induced abortion and were provided with information on the outcome from the Medical Birth Registry. A control group was selected from the Medical Birth Registry. The abortion history of women in the control group was checked from their antenatal care records. In this cohort study, the data collection was carried out from 1978 through to 1981, whereas the abortions (exposure) had taken place from 1970-1975 and the deliveries (outcomes) from 1970-1978.

Case-control study

The starting point of a case-control study is subjects with the disease or condition under study (cases). The cases’ history of exposure or other characteristics, or both, prior to onset of the disease, is recorded through interview and sometimes by means of records and other sources. A comparison group consisting of individuals without the disease under study (controls) are assembled, and their past history is recorded in the same way as for the cases. The purpose of the control group is to provide an estimate of the frequency and amount of exposure in subjects in the population without the disease being studied. Whereas the cohort study is concerned with frequency of disease in exposed and non-exposed individuals, the case-control study is concerned with the frequency and amount of exposure in subjects with a specific disease (cases) and people without the disease (controls).

Measure of association

In case-control studies, data are not available to calculate the incidence rate of the disease being studied, and the actual relative risk cannot be determined. The measure of association between exposure and occurrence of disease in case-control studies is the so-called odds ratio: the ratio of odds of exposure in diseased subjects to the odds of exposure in the non-diseased. The following table exemplifies the basic method of calculating the odds ratio in a case-control study.

Exposure	Disease
	Yes (cases)	No (controls)
Yes	a	b
No	c	d
Odds of exposure	a/c	b/d

The odds ratio (OR) or the ratio of odds of exposure is thus given by a/c:b/d (or ad/bc). The odds ratio is generally a good estimate of the relative risk. The terms odds ratio and relative risk are in fact interchangeable when used in case-control studies.

Population and hospital-based case-controls studies

Depending mainly on the infrastructure of the health care services and health and other information systems in the setting where research is undertaken, investigators can choose to undertake a population or a hospital-based case-control study. The population-based study requires full coverage of cases occurring in the population being studied. Either all ascertained cases during a given time period, or a sample of them, are included in the study. Controls can be selected from population registers, electoral rolls or similar rosters which include all subjects in the population. The pre-requisites for population-based studies are often at hand in developed countries for most diseases requiring hospitalization. In developing countries, full ascertainment of cases of a specific disease is difficult to obtain. This is not only due to limited access to health care and lack of knowledge of how to access health care facilities, but also to financial barriers to health care for certain segments of the population. In such circumstances, when only an unknown proportion of cases of disease will be ascertained by investigators and case ascertainment is governed by behavioural, social and economic factors, the hospital-based case-control study is the best choice (15). Cases in a hospital-based study are identified in hospitals participating in the study, and controls are selected from the same hospital to which the case was first admitted. When cases and controls are selected from among subjects in a cohort study the term " nested case-control study " is used.

An example of a population-based case-control study is a joint Swedish-Norwegian study of the association between the use of OCs and breast cancer in young women (9). In this study, in Sweden, during 13 months from 1984 to 1985, newly diagnosed cases of breast cancer in women of less than 45 years of age were identified from the National Cancer Registry, and in Norway they were traced in collaboration with all 71 surgical departments in the country. Age-matched controls were selected from the two countries’ National Central Bureaus of Statistics which carry continuously updated population registers. The material of this study involved 422 cases of breast cancer and 722 controls. Practically all interviews took place in the home of the women. As an aide to recall contraceptive history, a calendar was used in which life events such as menarche, cohabitation, marriage, divorce, childbirth, and abortions were recorded. The contraceptive history was then recalled relative to life events. To facilitate recall of the name of various OC brands, the interviewers had a binder with photographs of the different packages of OCs having been used in the two countries.

The World Health Organization’s Collaborative Study of Neoplasia and Steroid Hormone Contraceptives is an example of a hospital based case-control study (13). The study was initiated to explore the possible associations between use of steroid hormonal contraceptives and cancers of the breast, cervix, endometrium, liver, gallbladder, and ovary. There were 12 participating centres in Australia, Chile, China, Colombia, Germany, Israel, Kenya, Mexico, the Philippines and Thailand. Data collection took place from 1979 to 1986. In each hospital, cases were detected by monitoring all new admissions to wards where women with cancer were treated, and by checking outpatient gynecological and tumor clinics, and records of hospital pathology laboratories. Cases included all women diagnosed locally as having a malignant tumor of the six sites mentioned, who were born either after 1924 or after 1929 (depending on when hormonal contraceptives were first locally available), and who resided during the preceding year in a defined geographical area served by the hospital.

Controls were selected from women admitted to other than obstetric and gynecological wards, who met the same age and residential criteria for eligibility as the cases, and who were not admitted for treatment of conditions considered a priori possibly to alter contraceptive practices, such as, for example, circulatory and cardiovascular diseases, diabetes, chronic renal disease, benign breast disease, a previously diagnosed malignancy, chronic liver disease, or any obstetrical or gynecological condition.

About two controls were selected per case. A list of wards from which controls were to be selected was developed for each hospital. Each week, wards were visited in the order listed. At the time of a visit, all women eligible as controls who were admitted to the ward within the past 24 hours were selected as controls. The next ward on the list was then visited, and this procedure was repeated until sufficient controls were selected to give a cumulative ratio of two controls per case from the hospital. A standardized questionnaire was administered to all study subjects by specially trained female interviewers, to obtain information on the known and suspected risk factors for the neoplasms under study, and a complete obstetric and contraceptive history. Nearly all interviews were conducted in hospitals.

A calendar and samples of locally available oral contraceptives were used to facilitate recall of times of use and products taken. In addition, the medical records of women who gave a history of oral contraceptive use were reviewed when available, and in such instances, information from both interviews and these records were utilized by the interviewers to record details of the women’s use.

Confounding and bias

As mentioned above, cohort and case-control studies are observational studies and are potentially subject to the effect of extraneous factors which may distort the findings of these studies. The term confounding—or confounding factor—used in this context, refers to an extraneous variable that satisfies both of two conditions: it is a risk factor for the disease being studied, and it is associated with the exposure being studied but is not a consequence of exposure (12). For example, a large number of studies have demonstrated that smoking during pregnancy reduces fetal growth, and infants of mothers who smoke have lower weight at birth than infants of mothers who do not smoke during pregnancy. It is also shown that women with a history of induced abortion are more often cigarette smokers than are women who have not had an abortion. In a study of the effect of induced abortion on the outcome of childbirth after induced abortion, there is an apparent risk of attributing a finding of lower birthweight of infants of women with a previous abortion to the induced abortion, although the lower birth weight may just as well have been caused by smoking during pregnancy. Adjusting for the effects of confounding factors is evidently important in observational epidemiological studies, and can be dealt with in the study design by matching or stratifying sampling of study subjects, or in the data analysis by stratified or multivariate analyses (4,10,12).

Another potential complicating factor of not only observational but practically all types of research, is bias. Bias has been defined as any systematic error in the design, conduct, or analysis of a study that results in a mistaken estimate of an exposure’s effect on the risk of disease (12). Sackett has provided an extensive discussion of various types of bias (11). One type of bias frequently referred to in epidemiological research is " recall bias ", namely the propensity of diseased subjects (cases) when interviewed, to scrutinize their memory and report more accurately on past exposure and possible causes of their disease than non-diseased subjects (controls) would do. Such recall bias has been documented (3,5,7). In one study of the relationship between the history of induced abortion and risk of breast cancer, data from objectively validated sources gave a relative risk of 0,6 whereas the relative risk was 0,9 or 50% higher when it was based on data from interviews of cases and controls (7).

Advantages and disadvantages of cohort and case-control studies

When faced with a research question concerning the association between a possible etiologic factor and disease, the epidemiologist has to choose an appropriate strategy to resolve the matter. A number of circumstances have to be considered, such as the incidence rate of disease, time elapsing between exposure and clinical manifestation of the disease, whether the exposure is associated with only one or more diseases, the urgency of the research question, ethical issues, and funding available for the research, to name a few. In taking such factors into account the investigator may find that other research strategies than cohort or case-control methodology are appropriate. The following table lists some of the major advantages and drawbacks of cohort and case-control studies and can serve as a quick guide for choice of research strategy.

Cohort studies

Advantages.

1. Allow complete information on the subject’s exposure, including quality control of data, and experience thereafter.

2. Provide a clear temporal sequence of exposure and disease.

3. Give an opportunity to study multiple outcomes related to a specific exposure.

4. Permit calculation of incidence rates (absolute risk) as well as relative risk.

5. Methodology and results are easily understood by non-epidemiologists.

6. Enable the study of relatively rare exposures.

Disadvantages.

1. Not suited for the study of rare diseases because a large number of subjects is required.

2. Not suited when the time between exposure and disease manifestation is very long, although this can be overcome in historical cohort studies.

3. Exposure patterns, for example the composition of oral contraceptives, may change during the course of the study and make the results irrelevant.

4. Maintaining high rates of follow-up can be difficult.

5. Expensive to carry out because a large number of subjects is usually required.

6. Baseline data may be sparse because the large number of subjects does not allow for long interviews.

Case-control studies

Advantages.

1. Permit the study of rare diseases.

2. Permit the study of diseases with long latency between exposure and manifestation.

3. Can be launched and conducted over relatively short time periods.

4. Relatively inexpensive as compared to cohort studies.

5. Can study multiple potential causes of disease.

Disadvantages.

1. Information on exposure and past history is primarily based on interview and may be subject to recall bias.

2. Validation of information on exposure is difficult, or incomplete, or even impossible.

3. By definition, concerned with one disease only.

4. Cannot usually provide information on incidence rates of disease.

5. Generally incomplete control of extraneous variables.

6. Choice of appropriate control group may be difficult.

7. Methodology may be hard to comprehend for non-epidemiologists and correct interpretation of results may be difficult.

Assessment of causality

One of the more difficult tasks in epidemiological research is to assess whether associations between exposure and disease derived from observational epidemiological studies are of a causal nature or not. It has been underlined above that observational epidemiological studies are subject to the influence of factors over which the investigators most often do not have full control, and that findings from these studies are less reliable than those of studies with an experimental research design. It is therefore imperative that findings from analytical epidemiological studies are critically scrutinized before any judgement of causality is made. Furthermore, findings from one single epidemiological study only exceptionally provide conclusive evidence of a causal relationship between exposure and disease. Discussions and reasoning concerned with which criteria to apply for the assessment of causality have been given by several authors (1,2,6).

Bradford Hill has listed nine aspects concerned with the association between exposure and disease which need to be considered. The first of these is the strength of the association. A strongly elevated relative risk is more likely to reflect a causal association than is a slightly or moderately increased risk. Consistency of findings across studies conducted with different methodologies and in different settings, is another aspect. A third characteristic is specificity, that the exposure causes a particular disease, e.g. the observation that cigarette smoking is associated with squamous cell carcinoma of the respiratory tract. An important condition is the sequence of events: the potentially causative factor must precede the effect, which in this context is disease. The dose-response relationship, or biological gradient, is another aspect. For example, massive exposure to sunlight is more likely to cause melanoma in susceptible individuals than is little or moderate sunlight. Biological plausibility is an aspect which is important, but depends on the biological knowledge of the day. The association should be consistent with what is generally known about the occurrence of the disease, its natural history and pathophysiology, and should not conflict with this knowledge. The causal interpretation of an association is furthered if there is experimental evidence in support of it, for example if elimination of exposure reduces the incidence of the disease. The ninth aspect is analogy. For example, if a virus is shown to be oncogenic in animal studies, we are more prone to accept that the human papilloma virus may be the cause of cervical cancer in humans. In his essay on association and causation, Bradford Hill notes that " none of my nine viewpoints can bring indisputable evidence for or against the cause-and-effect hypothesis and none can be required as a sine qua non ". The challenge of assessing causation is one of many fascinating aspects of epidemiological research.

منابع اطلاعاتي در اپيدميولوژي

 

تصميم‌گيري در مورد وضعيت بيماري فرد، مبتني بر تشخيص باليني است كه براساس تاريخچه بيماري، آزمايش ها و معاينات پزشكي صورت مي‌گيرد. ضمناً تشخيص بيماري نياز به داده هاي اپيدميولوژيكي براساس اطلاعات، ميزان ها و اندازه ها در جامعه دارد. اطلاعات مربوط به مرگ و مير، بخاطر قابل دسترس‌تر بودن در اپيدميولوژي بيماري ها بسيار متداول است و هر چند گاه نياز به اطلاعات مربوط به ابتلاء (Morbidity) ضرورت دارد. سرشماري، آمارهاي حياتي سازمان هاي بين‌المللي. آمار مراكز بهداشتي درماني، آمار پليس، بيمه ها و مانند اين ها مي‌توانند از منابع اطلاعاتي مهم در اپيدميولوژي به حساب بيايند.

كاربردهاي اطلاعات اپيدميولوژيك، متنوع و شامل تعيين وضعيت سلامتي مردم، تعيين نيازهاي بهداشتي ـ درماني جامعه، مقايسه محلي ـ كشوري يا بين‌المللي شاخص هاي مربوط به سلامتي و بيماري،  تعيين وضعيت موجود سلامت و بيماري، ارزيابي مداخلات و كارهاي انجام شده، تهيه پس‌خوراند براي مديران و برنامه ريزان، تعيين تقاضاهاي مردم و ميزان رضايت مردم از خدمات مي‌باشد.

آمار جمعيتي (Census) Population statistics

در بسياري از كشورها سرشمارهاي عمومي يكي از منابع مهم اطلاعاتي به شمار مي‌آيد كه معمولاً هر 5 يا 10 سال يك‌بار انجام مي‌گيرد اطلاعات سرشماري در باره اوضاع جغرافيايي اقتصادي، ويژگي هاي افراد و خانواده ها مي‌باشد. اطلاعات عمومي كه در سرشماري ها جمع‌آوري ميشوند شامل: نام، سن، تاريخ تولد، محل تولد، مليت، وضع تاهل، ارتباط با سرپرست خانواده، آدرس محل سكونت، وضع آموزش و تحصيلات، وضعيت شغلي و استخدامي و تعداد افراد خانوار هستند. واحد اصلي سرشماري، خانواده است و خانواده شامل يك يا تعداد بيشتري افراد است كه در يك آدرس زندگي و از يك سفره ارتزاق مي‌كنند.

اوّلين سرشماري ها را به چين و ايران باستان نسبت مي‌دهند ولي اوّلين سرشماري علمي و جديد در اواخر قرن 18 در اروپا متداول شد و براي اوّلين بار، در سال 1750 ميلادي در سوئد و سپس در نروژ و دانمارك در سال 1769 در امريكا و 1797 در فرانسه و 1801 در انگلستان صورت گرفت. در ايران در سال 1304 شمسي اداره كل آمار و ثبت احوال تاسيس و وقايع چهارگانه تولد، ازدواج، طلاق و مرگ را ابتدا در تهران و سپس در شهرستان ها ثبت نمود. در سال 1320 سرشماري عمومي‌ براي جيره بندي قند و شكر و پارچه انجام شد. در سال 1331 اداره كل آمار عمومي تاسيس و در سال 1335 اوّلين سرشماري عمومي در سطح كشور صورت گرفت و از آن پس از ده سال سرشماري ها انجام شد.

سرشماري عبارتست از جمع‌آوري و انتشار اطلاعات جمعيتي، اجتماعي و اقتصادي در يك مقطع زمان از كليه افراد ساكن در يك كشور يا يك منطقه. در كشورهاي پيشرفته كه اكثريت جامعه باسوادند، سرشماري از طريق كتبي توسط خانواده ها پُر ميشود. در ايران از طريق خانوار، ماموريني كه آموزش ديده اند اطلاعات را به صورت مصاحبه كسب و در پرسشنامه ها درج ميكنند.

 

نكاتي كه بايد در سرشماري به آنها توجه كرد:

·        شمارش افراد بايد در مورد تمامي اعضاي جامعه انجام گيرد و قلم افتادگي و نمونه گيري نباشد.

·        سرشماري بايد در فواصل زماني معيّن مثلاً 5 سال يا 10 سال صورت گيرد.

·        حدود جغرافيايي مكاني كه سرشماري انجام مي‌شود بايد كاملاً مشخص باشد و خانه به خانه صورت پذيرد.

·        سعي شود يك سرشماري از لحاظ تعريف با سرشماريهاي قبل و بعد از آن يكسان و قابل مقايسه باشد.

·        انتشار اطلاعات جمع‌آوري شده بايد براي هر ناحيه از نواحي جغرافيايي منطقه جداگانه تهيه و منتشر شود.

 

مهمترين اطلاعاتي كه بايد در سرشماري جمع‌آوري شود:

·        تعداد كل جمعيت منطقه (روستا، شهر يا كشور)

·        توزيع جنسي بر حسب زن و مرد (اختلاف فاحش بين مردها و زنها ازدياد جمعيت تاثير زيادي دارد).

·        توزيع سني و نسبت جمعيت فعال و غير فعال جمعيت.

·        وضع ازدواج، مجردها، متاهل ها، بيوه ها و مطلقه ها.

·        سواد (با سواد كسي است كه يك جمله ساده را بتواند بخواند و بنويسد) خواندن و نوشتن اسم خود نشانه با سوادي نيست و مدرك تحصيلي ميزان سواد را مشخص مي‌كند.

·        وضع اقتصادي شامل بيكار، شاغل، كارگر، كارفرما و يا نوع شغل هاي موجود در جامعه و جمعيت آنها.

·        محل تولد، با تعيين محل تولّد و محل سكونت، تعيين مهاجرت ها. (برون كوچي يا درون كوچي).

·        مذهب، نسبت پيروان مذاهب مختلف

·        تابعيت

·        شهرنشيني، روستا نشيني، كوچ نشيني (عشايري).

·        تعيين خانوارهاي معمولي (يك يا چند نفر كه با هم غذا بخورند و خرج و تغذيه مشترك داشته باشند و در يك محل مسكوني زندگي كنند، خانواده معمولي گفته مي‌شود. معمولاً پدر، مادر و فرزندان).

·        تعيين خانوار دسته جمعي، كه شامل افرادي است كه به علّت وجود برخي مشتركات در يك مكان بطور دسته جمعي زندگي مي‌كنند و غالباً هيچ رابطه خويشاوندي بين آنها وجود ندارد. مانند آسايشگاه ها، زندان ها و پرورشگاه ها و ...)

وقايع چهارگانه

ثبت وقايع چهارگانه: توسط ثبت احوال انجام مي‌شود. تحوّل و دگرگوني جامعه را نشان ميدهد و به طور مستمر انجام مي‌شود. منظور از وقايع چهارگانه: ولادت، ازدواج، طلاق و مرگ است و معمولاً در شناسنامه مندرج است.

ولادت: قانون، پدر ـ قيم و مادر نوزاد را مسئول اعلام تولّد ميداند. همينطور زايمان هاي منجر به تولّد نوزادان زنده كه توسط پزشك، ماما يا در بيمارستان انجام ميشود بايد مورد تولّد را اين افراد گزارش نمايند. در شناسنامه مشخصات ميزان درآمد خانواده و سطح سواد و شغل (طبقه اجتماعي) افراد از عوامل موثر ديگر است. به طوري كه مثلاً در سال 1960 مرگ و مير كودكان كمتر از يك سال در طبقه مرفه فرانسه 6/1 درصد و در طبقه پايين 4 درصد بوده است، برعكس رشد جمعيت، نسبتي معكوس در بين طبقات مختلف اجتماعي نشان ميدهد.

رشد جمعيت در كشورهاي در حال توسعه و پيشرفته، تفاوتهاي محسوسي را نشان ميدهد. در سال 2005 ميلادي بيش از 80 ميليون نفر افزايش جمعيت در دنيا وجود داشته است، يعني در هر 10 ثانيه 44 نفر در دنيا به دنيا آمده اند كه تنها 4 نفر آنها مربوط به كشورهاي توسعه يافته بوده است . . . رشد جمعيت در كشورهاي توسعه يافته 1 تا 10 در هزار و اميد به زندگي در زمان تولّد حدود 80 سال است (براي مثال اميد به زندگي در بدو تولّد در سال 2005 ميلادي در تانزانيا 44 سال و در لهستان 82 سال بوده است). برخي كشورهاي اروپايي مثل آلمان، اكراين، روسيه، حتي 2 در هزار كاهش رشد در جمعيت دارند.

در كشورهاي در حال توسعه، سالانه بيش از 30 در هزار به جمعيت اضافه مي‌شود مثلاً هندوستان با وجود تمام فعاليتهايي كه در كنترل جمعيت مي‌كند باز سالانه 12 ميليون نفر به جمعيت آن اضافه مي‌شود، ميزان رشد جمعيت در ليبي 7/3 درصد و در يمن 5/3 درصد است.

شاخص مهمي كه در جمعيت شناسي بكار ميرود زمان لازم براي 2 برابر شدن جمعيت است. اين رقم در كشورهاي در حال توسعه كمتر از 25 سال و در كشورهاي پيشرفته بيشتر از 100 سال است. هرم جمعيتي در جهان پيشرفته و در حال توسعه مبين تركيب جمعيتي متناسب و نامتناسب اين كشورهاست.

 

اعتبار (Validity):

 مسئله مهم و اشكال اصلي در سرشماري ممكن است ناقص بودن اطلاعات يا عدم جمع‌آوري اطلاعات از همه افراد جامعه باشد (مثلاً افراد بي‌خانمان شمارش نشوند و يا مسئله برخي افراد دوبار شمارش شوند (سربازها).

 

برآورد جمعيت (Population Estimates)

برآورد جمعيت براساس اطلاعات سرشماري ها انجام مي‌شود اين برآورد براساس در نظر گرفتن توزيع سني جمعيت و تعداد تولدها، تعداد مرگها، مهاجرتهاي داخلي و مهاجرتهاي خارجي صورت مي‌گيرد مثلاً رشد جمعيت ايران در سال هاي اخير، 2 درصد بوده است. مثلاً اگر در سال 1375 جمعيت ايران 60 ميليون بوده در سال 76 به رقم 200000/61 نفر، افزايش يافته است. شايان ذكر است كه رشد جمعيت كشور ايران در حال حاضر در حدود 3/1 درصد مي‌باشد.

 

آمار مرگ و مير (Mortality statistics)

اوّلين سرشماري در سال 1086 در انگلستان و ولز انجام شد0 اوّلين سيستم ثبت مرگ ها بصورت استاندارد در سطح كشور اوّلين بار در سال 1836 در انگلستان شروع شده است. شامل اطلاعات مبسوطي ازجمله نام و نام خانوادگي متوفي، تاريخ فوت، سن، محل فوت، علّت مرگ و جنس و غيره است. مهمترين مسئله وجود اعتبار در مورد گواهي پزشكي مرگ و مير، علّت مرگ است كه متاسفانه در بسياري موارد قابل اعتبار نيست.

آمار مربوط به ابتلاء (Morbidity Statistics)

منابع اصلي اينگونه اطلاعات عبارتند از:

آمار بيمارستانها، مراكز بهداشتي درماني، كلينيك هاي خصوصي، مراكز علمي بيماري هاي خاص (سرطان، ديابت، دياليزي ها ...) مهمترين مسئله اينگونه اطلاعات مربوط به علّت بيماري و ثبت كامل موارد مشاهده شده است. يكي ديگر از مسائل مهم تعريف شدّت ابتلاء است. مثلاً در مورد مصدوميت هاي ناشي از حوادث، تنها موارد منجر به بستري در بيمارستان يا موارد نسبتاً شديد، ثبت مي‌شود.

 

آمار اجتماعي (Social Statistics) و نمونه برداري

يكي از راه ها انجام تحقيق در مورد درصدي از جمعيت مورد مطالعه است. مثلاً اندازه گيري سلامت و بيماري در يك درصد جمعيت ايران در سال 1370 منابع ديگر آمار اجتماعي مي‌تواند اطلاعات موجود در شركت هاي بيمه و سازمانهاي ديگر اجتماعي (مبارزه با مواد مخدر و اداره كار ...) ‌باشد.

 

اطلاعات بهداشتي بين‌المللي (International health information)

سازمان جهاني بهداشت نقش اساسي در استاندارد كردن و جمع‌آوري اينگونه اطلاعات در جهان دارد اطلاعات به تفكيك در مورد نواحي ششگانه اين سازمان وجود دارد.

 

منابع اطلاعاتي اپيدميولوژي ممكن  براي سنجش مواجهه يافتگي عبارتند از:

·        اطلاعات روتين

·        مصاحبه با پرسشنامه از اشخاص يا نزديكان آنها

·        اندازه گيري مستقيم (فشار خون ـ تب ...)

·        شاخص هاي جانشيني مثل عنوان شغلي

بهتر است كه همواره از چند منبع استفاده گردد و براي بعضي مطالعات (مواجه يافتگي ها) تائيد شود.

 

منابع اطلاعات مرگ- بيماري يا حادثه (Sources of outcome data)

هدف اين است كه اطلاعات بايد تا جاي ممكن از نظر مواجهه يافته ها و كنترل ها كامل باشد.

روش ها شامل:

·        گواهي فوت

·        آزمايش هاي دوره اي

·        مصاحبه يا استفاده از پرسشنامه

·        موارد ثبت شده بيماري مراكز بهداشتي

·        اسناد پزشكي در مطب ها يا بيمارستان باشد تركيبي از چند روش مناسب‌تر خواهد بود.

منابع خطا در سنجش ها يا اندازه ها مي‌بايست شناسايي و كنترل شوند.

شرايط لازم براي نظام اطلاعات بهداشتي مطلوب آن است كه اين اطلاعات بايد بر پايه جمعيت باشد، از گردآوري اطلاعات غيرضروري پرهيز شود، مشكل‌نگر باشد، اصطلاحات و متغيّرهاي مورد نظر، دقيق و قابل اندازه گيري تعريف شوند و شامل خلاصه اطلاعات (جداول، نمودارها و نسبت ها) و معني دار باشد، ضمن آن كه بايد امكان تهيه پس خوراند از آن وجود داشته باشد.

 

منابع جمع‌آوري اطلاعات جمعيتي

1 ـ اطلاعات موجود كه عبارتست از اندازه هاي مشخصه هاي مختلف در يك زمان معيّن مانند سن، جنس، فاكتورهاي اقتصادي و ... كه منبع متداول اخذ آن معمولاً سرشماري است.

2 ـ اطلاعات جاري كه عبارتست از تغييرات در اندازه هاي جمعيّت در طول زمان كه با توجه به اطلاعات موجود به دست مي‌آيد (مثلاً با احتساب رشد جمعيت، جمعيت را در فاصله هاي بين سرشماري حساب كنيم). منبع متداول، ادارات ثبت احوال و آمارهاي وقايع حياتي است.

 

منابع اطلاعاتي

به دست آوردن اطلاعات بسيار پر هزينه و گران است. اطلاعات بايد بطور واضح ارائه شود و تعريف مربوطه آن ساده و دقيق باشد. و داراي 3 ويژگي: زمانبندي شده- درستي و مربوط بودن به هدف جمع‌آوري اطلاعات (Relevance) باشد.

علاوه بر اينها اطلاعات بايد با استانداردهايي قابل تطبيق باشد+ چارچوب جمعيت مورد مطالعه بخوبي مشخص و تعريف شده باشد، فاقد تورش باشد و با اطلاعات مشابه قابل مقايسه باشد.

 

محل هاي اصلي اطلاعاتي كه در بهداشت عمومي و اپيدميولوژي كاربرد دارد عبارتند از:

·        آمار عمومي جمعيت (سر شماري ها)

·        آمار مربوط به مرگ و مير

·        آمار مربوط به ابتلاء (مثلاً آمار بيمارستان ها- مراكز بهداشتي درماني)

·        آمار اجتماعي (پليس، بيمه ...)

 

Ecological studies

 

 

Most epidemiological investigations of aetiology are observational. They look for associations between the occurrence of disease and exposure to known or suspected causes. In ecological studies the unit of observation is the population or community. Disease rates and exposures are measured in each of a series of populations and their relation is examined. Often the information about disease and exposure is abstracted from published statistics and therefore does not require expensive or time consuming data collection. The populations compared may be defined in various ways.

Geographical comparisons
One common approach is to look for geographical correlations between disease incidence or mortality and the prevalence of risk factors. For example, mortality from coronary heart disease in local authority areas of England and Wales has been correlated with neonatal mortality in the same places 70 and more years earlier. This observation generated the hypothesis that coronary heart disease may result from the impaired development of blood vessels and other tissues in fetal life and infancy.

Many useful observations have emerged from geographical analyses, but care is needed in their interpretation. Allowance can be made for the potential confounding effects of age and sex by appropriate standardisation (see Chapter 3). More troublesome, however, are the biases that can occur if ascertainment of disease or exposure, or both, differs from one place to another. For example, a survey of back disorders found a higher incidence of general practitioner consultation for back pain in the north than the south of Britain, which might suggest greater exposure to some causative agent or activity in the north. Closer investigation, however, indicated that the prevalence of back symptoms was similar in both regions and that it was patients' consultation habits that varied. Thus, in this instance correlations based on general practitioner consultation rates would be quite misleading. A study based on rates of admission to hospital for perforated peptic ulcer would probably be reliable as in affluent countries almost all cases will reach hospital and be diagnosed. On the other hand, unbiased ascertainment of disorders such as depression or Parkinson's disease may be difficult without a specially designed survey. When there is doubt about the uniformity of ascertainment, it may be necessary to explore the extent of any possible bias in a validation exercise.

 

Time trends
Many diseases show remarkable fluctuations in incidence over time. Rates of acute infection can vary appreciably over a few days, but epidemics of chronic disorders such as lung cancer and coronary heart disease evolve over decades. If time or secular trends in disease incidence correlate with changes in a community's environment or way of life then the trends may provide important clues to aetiology. Thus, the currently increasing incidence of melanoma in Britain has been linked with greater exposure to sunlight (from fashions in dress and holidays abroad); and successive rises and falls in mortality from cervical cancer have been related to varying levels of sexual promiscuity, as evidenced by notification rates for gonorrhoea.

Like geographical studies, analysis of secular trends may be biased by differences in the ascertainment of disease. As health services have improved, diagnostic criteria and techniques have changed. Furthermore, whereas in geographical studies the differences are accessible to current inquiry, validating secular changes is more difficult as it depends on observations made and often scantily recorded many years ago. Nevertheless, the reality - if not the true size - of secular trends can often be established with reasonable certainty. The rise and subsequent fall in the incidence of appendicitis in Britain during the past 100 years is a good example.

Migrants
The study of migrant populations offers a way of discriminating genetic from environmental causes of geographical variation in disease, and may also indicate the age at which an environmental cause exerts its effect. Second generation Japanese migrants to the USA have substantially lower rates of stomach cancer than Japanese people in Japan, indicating that the high incidence of the disease in Japan is environmental in origin. In first generation migrants rates are intermediate, which suggests that the adverse environmental influences act, at least in part, early in life.

In interpreting migrant studies it is important to bear in mind the possibility that the migrants may be unrepresentative of the population that they leave, and that their health may have been affected directly by the process of migration. Norwegian immigrants into the USA, for example, have been found to have a higher incidence of psychosis than people in Norway. Although this may indicate environmental influences in the USA that led to psychotic illness, it may also have resulted from selective emigration from Norway of people more susceptible to mental illness, or from the unusual stresses imposed on immigrants during their adjustment to a foreign culture.

Despite these difficulties, migrant studies have contributed importantly to our understanding of several diseases.

Occupation and social class
The other populations for whom statistics on disease incidence and mortality are readily available are occupational and socioeconomic groups. Thus, mortality from pneumonia is high in welders, and the steep social class gradient in mortality from chronic obstructive lung disease is evidence that correlates of poverty, perhaps bad housing, have an important influence on the disease.

 

Case-control and cross sectional studies

 

Case-control studies
As discussed in the previous chapter, one of the drawbacks of using a longitudinal approach to investigate the causes of disease with low incidence is that large and lengthy studies may be required to give adequate statistical power. An alternative which avoids this difficulty is the case-control or case-referent design. In a case-control study patients who have developed a disease are identified and their past exposure to suspected aetiological factors is compared with that of controls or referents who do not have the disease. This permits estimation of odds ratios (but not of attributable risks). Allowance is made for potential confounding factors by measuring them and making appropriate adjustments in the analysis. This statistical adjustment may be rendered more efficient by matching cases and controls for exposure to confounders, either on an individual basis (for example by pairing each case with a control of the same age and sex) or in groups (for example, choosing a control group with an overall age and sex distribution similar to that of the cases). Unlike in a cohort study, however, matching does not on its own eliminate confounding. Statistical adjustment is still required.

Selection of cases
The starting point of mostcase-control studies is the identification of cases. This requires a suitable case definition . In addition, care is needed that bias does not arise from the way in which cases are selected. A study of benign prostatic hypertrophy might be misleading if cases were identified from hospital admissions and admission to hospital was influenced not only by the presence and severity of disease but also by other variables, such as social class. In general it is better to use incident rather than prevalent cases. As pointed out in chapter 2, prevalence is influenced not only by the risk of developing disease but also by factors that determine the duration of illness. Furthermore, if disease has been present for a long time then premorbid exposure to risk factors may be harder to ascertain, especially if assessment depends on people's memories.

Selection of controls
Usually it is not too difficult to obtain a suitable source of cases, but selecting controls tends to be more problematic. Ideally, controls would satisfy two requirements. Within the constraints of any matching criteria, their exposure to risk factors and confounders should be representative of that in the population "at risk" of becoming cases - that is, people who do not have the disease under investigation, but who would be included in the study as cases if they had. Also, the exposures of controls should be measurable with similar accuracy to those of the cases. Often it proves impossible to satisfy both of these aims.

Two sources of controls are commonly used. Controls selected from the general population (for example, from general practice age-sex registers) have the advantage that their exposures are likely to be representative of those at risk of becoming cases. However, assessment of their exposure may not be comparable with that of cases, especially if the assessment is achieved by personal recall. Cases are keen to find out what caused their illness and are therefore better motivated to remember details of their past than controls with no special interest in the study question.

Measurement of exposure can be made more comparable by using patients with other diseases as controls, especially if subjects are not told the exact focus of the investigation. However, their exposures may be unrepresentative. To give an extreme example, a case-control study of bladder cancer and smoking could give quite erroneous findings if controls were taken from the chest clinic. If other patients are to be used as referents, it is safer to adopt a range of control diagnoses rather than a single disease group. In that way, if one of the control diseases happens to be related to a risk factor under study, the resultant bias is not too large.

Sometimes interpretation is helped by having two sets of controls with different possible sources of bias. For example, a link has been suggested between the phenoxy herbicides 2,4-D and 2,4,5-T and soft tissue sarcoma. Some case-control studies to test this have taken referents from the general population, whereas others have used patients with other types of cancer. Studies using controls from the general population will tend to overestimate risk because of differential recall, whereas studies using patients with other types of cancers as controls will underestimate risk if phenoxy herbicides cause cancers other than soft tissue sarcoma. The true risk might therefore be expected to lie somewhere between estimates obtained with the two different designs.

When cases and controls are both freely available then selecting equal numbers will make a study most efficient. However, the number of cases that can be studied is often limited by the rarity of the disease under investigation. In this circumstance statistical confidence can be increased by taking more than one control per case. There is, however, a law of diminishing returns, and it is usually not worth going beyond a ratio of four or five controls to one case.

Ascertainment of exposure
Many case-control studies ascertain exposure from personal recall, using either a self administered questionnaire or an interview. The validity of such information will depend in part on the subject matter. People may be able to remember quite well where they lived in the past or what jobs they did. On the other hand, long term recall of dietary habits is probably less reliable.

Sometimes exposure can be established from historical records. For example, in a study of the relation between sinusitis and subsequent risk of multiple sclerosis the medical histories of cases and controls were ascertained by searching their general practice notes. Provided that records are reasonably complete, this method will usually be more accurate than one that depends on memory.

Occasionally, long term biological markers of exposure can be exploited. In an African study to evaluate the efficiency of BCG immunisation in preventing tuberculosis, history of inoculation was established by looking for a residual scar on the upper arm. Biological markers are only useful, however, when they are not altered by the subsequent disease process. For example, serum cholesterol concentrations measured after a myocardial infarct may not accurately reflect levels before the onset of infarction.

Analysis
The statistical techniques for analysing case-control studies are too complex to cover in a book of this length. Readers who wish to know more should consult more advanced texts or seek advice from a medical statistician

Cross sectional studies
A cross sectional study measures the prevalence of health outcomes or determinants of health, or both, in a population at a point in time or over a short period. Such information can be used to explore aetiology - for example, the relation between cataract and vitamin status has been examined in cross sectional surveys. However, associations must be interpreted with caution. Bias may arise because of selection into or out of the study population. A cross sectional survey of asthma in an occupational group of animal handlers would underestimate risk if the development of respiratory symptoms led people to seek alternative employment and therefore to be excluded from the study. A cross sectional design may also make it difficult to establish what is cause and what is effect. If milk drinking is associated with peptic ulcer, is that because milk causes the disease, or because ulcer sufferers drink milk to relieve their symptoms? Because of these difficulties, cross sectional studies of aetiology are best suited to diseases that produce little disability and to the presymptomatic phases of more serious disorders.

Other applications of cross sectional surveys lie in planning health care. For example, an occupational physician planning a coronary prevention programme might wish to know the prevalence of different risk factors in the workforce under his care so that he could tailor his intervention accordingly.

Outbreaks of disease

 

Although communicable diseases have declined in industrialised societies, outbreaks of disease such as influenza, gastroenteritis, and hepatitis are still important. During the 1957-8 influenza epidemic, for example, the death rate in England and Wales was 1 per 1000 population above the seasonal average; an estimated 12 million people developed the disease; and the workload of general practitioners increased fivefold. From time to time new communicable diseases such as Lassa fever, legionnaires' disease, and, most recently, AIDS appear in epidemic form.

Communicable disease outbreaks
In outbreaks of common communicable diseases such as gastroenteritis and hepatitis appropriate investigations must be initiated. The routine for these investigations is also the model for studying non-infectious disease epidemics.

At the outset it is necessary to verify the diagnosis. Three patients with halothane induced hepatitis were referred to one university hospital. Investigation of an outbreak of infectious hepatitis was begun, presumably because the clustering of cases gave an impression of infectivity and unduly influenced the physician's diagnosis. With some diseases - Lassa fever, for example - urgency demands that immediate action is taken on the basis of a clinical diagnosis alone. But for most diseases there is less urgency and the doctor should remember that clusters of cases of uncommon noninfectious diseases sometimes occur in one place within a short time simply by chance.

From time to time errors in collecting, handling, or processing laboratory specimens may cause "pseudo epidemics". The Centers for Disease Control in Atlanta, Georgia, USA, have reported several such pseudo epidemics. In one, an apparent outbreak of typhoid occurred when specimen contamination produced blood cultures positive for Salmonella typhi in six patients.

If a disease is endemic (habitually present in a community) it is necessary to estimate its previous frequency and thereby confirm an increase in incidence above the normal endemic level. Pseudo epidemics may arise from sudden increases in doctors' or patients' awareness of a disease, or from changes in the organisation of a doctor's practice. When the endemic level has been defined from incidences over previous weeks, months, or years the rate of increase of incidence above this level may indicate whether the epidemic is contagious or has arisen from a point source. Contagious epidemics emerge gradually whereas point source epidemics, such as occur when many people are exposed more or less simultaneously to a source of pathogenic organisms, arise abruptly.

To build up a description of an epidemic it will be necessary to take case histories to identify the characteristics of the patients . Patients whose diseases are notified or otherwise recorded are often only a proportion of those with the disease, and additional cases must be sought. Thereafter it is necessary to define the population at risk , and relate the cases to this. This will require mapping of the geographical extent of the epidemic.

Defining the population at risk enables the extent and severity of the epidemic to be expressed in terms of attack rates-which may be given either as crude rates, relating the numbers of cases to the total population, or as age and sex specific rates. It may be possible to identify an experience that is common to people affected by the disease but not shared by those not affected; and, from this, a hypothesis about the source and spread of the epidemic may be formulated.

 Modern epidemics

There are several examples of large scale epidemics due to chemical contaminants. Outbreaks of mercury poisoning, with resulting deaths and permanent neurological disability, have been reported from non-industrial countries as a result of ingestion of flour and wheat seed treated with methyl and ethyl mercury compounds. In 1981 in Spain 20 000 people were affected by a new disease, named the "toxic allergic syndrome", the most striking feature of which was a pneumonitis. During the first four months of the epidemic more than 100 people died and 13 000 were treated in hospital. Epidemiological and clinical investigation showed that the cause was ingestion of olive oil adulterated with contaminated rape seed oil.

Widespread environmental contamination is a new agent of epidemic disease. During the 1980s, 26 epidemics of hospital admission for asthma occurred in the city of Barcelona. Epidemiological investigations eventually established that the cause was allergy to soya bean dust released into the atmosphere when cargoes of beans were unloaded in the harbour.

Increasing recognition of environmental hazards from substances introduced by man into his environment, as a result of the application of new technology, has led to a demand for large scale monitoring systems based on automated record linkage. Whether or not such systems come into Operation, clinicians' awareness of changes in disease frequency or of the appearance of clusters of unusual cases will continue to be crucial to the early detection of new epidemics. Clinicians have a special responsibility in the early detection of epidemics caused by medication. The rise in mortality during the 1960s among asthmatic patients who used pressurised aerosols, and the Occurrence of corneal damage, rashes, and various other adverse effects of practolol are two of many examples of epidemics resulting from prescription of new drugs.

New diseases

New diseases continue to appear. The name legionnaires' disease was given to an outbreak of pneumonia at a convention of American Legionnaires in Philadelphia, Pennsylvania, USA, in 1976. There were 29 deaths. This stimulated an intensive epidemiological investigation whose successful outcome was the identification of a Gram negative bacillus as the causative agent.

From 1981 to 1983 some 2000 cases of AIDS were reported in the USA. The ratio of men to women was 15 to 1, and the epidemiology suggested an infectious agent usually transmitted by homosexual intercourse. AIDS seemed to be a new disease. Subsequent studies, however, showed it to be endemic in central Africa but with a sex ratio of around 1 to 1, which suggested spread by heterosexual contact. Investigations of this kind are a dramatic application of epidemiology.

 

 

What is epidemiology

 

Epidemiology is the study of how often diseases occur in different groups of people and why. Epidemiological information is used to plan and evaluate strategies to prevent illness and as a guide to the management of patients in whom disease has already developed. Like the clinical findings and pathology, the epidemiology of a disease is an integral part of its basic description. The subject has its special techniques of data collection and interpretation, and its necessary jargon for technical terms. This short book aims to provide an ABC of the epidemiological approach, its terminology, and its methods. Our only assumption will be that readers already believe that epidemiological questions are worth answering. This introduction will indicate some of the distinctive characteristics of the epidemiological approach. All findings must relate to a defined population A key feature of epidemiology is the measurement of disease outcomes in relation to a population at risk. The population at risk is the group of people, healthy or sick, who would be counted as cases if they had the disease being studied. For example, if a general practitioner were measuring how often patients consult him about deafness, the population at risk would comprise those people on his list (and perhaps also of his partners) who might see him about a hearing problem if they had one. Patients who, though still on the list, had moved to another area would not consult that doctor. They would therefore not belong to the population at risk. The importance of considering the population at risk is illustrated by two examples. In a study of accidents to patients in hospital it was noted that the largest number occurred among the elderly, and from this the authors concluded that "patients aged 60 and over are more prone to accidents." Another study, based on a survey of hang gliding accidents, recommended that flying should be banned between 11 am and 3 pm, because this was the time when 73% of the accidents occurred. Each of these studies based conclusions on the same logical error, namely, the floating numerator: the number of cases was not related to the appropriate "at risk" population. Had this been done, the conclusions might have been different. Differing numbers of accidents to patients and to hang gliders must reflect, at least in part, differing numbers at risk. Epidemiological conclusions (on risk) cannot be drawn from purely clinical data (on the number of sick people seen). Implicit in any epidemiological investigation is the notion of a target populationabout which conclusions are to be drawn. Occasionally measurements can be made on the full target population. In a study to evaluate the effectiveness of dust control measures in British coal mines, information was available on all incident (new) cases of coal workers' pneumoconiosis throughout the country. More often observations can only be made on a study sample, which is selected in some way from the target population. For example, a gastroenterologist wishing to draw general inferences about long term prognosis in patients with Crohn's disease might extrapolate from the experience of cases encountered in his own clinical practice. The confidence that can be placed in conclusions drawn from samples depends in part on sample size. Small samples can be unrepresentative just by chance, and the scope for chance errors can be quantified statistically. More problematic are the errors that arise from the method by which the sample is chosen. A gastroenterologist who has a special interest in Crohn's disease may be referred patients whose cases are unusual or difficult, the clinical course and complications of which are atypical of the disease more generally. Such systematic errors cannot usually be measured, and assessment therefore becomes a matter for subjective judgement. Systematic sampling errors can be avoided by use of a random selection process in which each member of the target population has a known (non-zero) probability of being included in the study sample. However, this requires an enumeration or censusof all members of the target population, which may not be feasible. Often the selection of a study sample is partially random. Within the target population an accessible subset, the study population, is defined. The study sample is then chosen at random from the study population. Thus the people examined are at two removes from the group with which the study is ultimately concerned:

Target population study population study sample

This approach is appropriate where a suitable study population can be identified but is larger than the investigation requires. For example, in a survey of back pain and its possible causes, the target population was all potential back pain sufferers. The study population was defined as all people aged 20-59 from eight communities, and a sample of subjects was then randomly selected for investigation from within this study population. With this design, inference from the study sample to the study population is free from systematic sampling error, but further extrapolation to the target population remains a matter of judgement. The definition of a study population begins with some characteristic which all its members have in common. This may be geographical("all UK residents in 1985" or "all residents in a specified health district"); occupational("all employees of a factory," "children attending a certain primary school", "all welders in England and Wales"); based on special care("patients on a GP's list", "residents in an old people's home"); or diagnostic ("all people in Southampton who first had an epileptic fit during 1990-91"). Within this broad definition appropriate restrictions may be specified - for example in age range or sex. Oriented to groups rather than individuals
Clinical observations determine decisions about individuals. Epidemiological observations may also guide decisions about individuals, but they relate primarily to groups of people. This fundamental difference in the purpose of measurements implies different demands on the quality of data. An inquiry into the validity of death certificates as an indicator of the frequency of oesophageal cancer produced the results shown in Table 1.1. Inaccuracy was alarming at the level of individual patients. Nevertheless, the false positive results balanced the false negatives so the clinicians' total (53 + 21 = 74 cases) was about the same as the pathologists' total (53 + 22 = 75 cases). Hence, in this instance, mortality statistics in the population seemed to be about right, despite the unreliability of individual death certificates. Conversely, it may not be too serious clinically if Dr. X systematically records blood pressure 10 mm Hg higher than his colleagues, because his management policy is (one hopes) adjusted accordingly. But choosing Dr. X as an observer in a population study of the frequency of hypertension would be unfortunate.

Table 1.1 Cause of death diagnosed clinically compared with at necropsy
Diagnosis of oesophageal cancer	No
Diagnosed by clinician and confirmed by pathologist	53
Diagnosed by clinician but not confirmed by pathologist	21
First diagnosed post mortem	22

Conclusions are based on comparisons
Clues to aetiologycome from comparing disease rates in groups with differing levels of exposure - for example, the incidence of congenital defects before and after a rubella epidemic or the rate of mesothelioma in people with or without exposure to asbestos. Clues will be missed, or false clues created, if comparisons are biased by unequal ascertainment of cases or exposure levels. Of course, if everyone is equally exposed there will not be any clues - epidemiology thrives on heterogeneity. If everyone smoked 20 cigarettes a day the link with lung cancer would have been undetectable. Lung cancer might then have been considered a "genetic disease", because its distribution depended on susceptibility to the effects of smoking. Identifying high riskand prioritygroups also rests on unbiased comparison of rates. The Decennial Occupational Supplement of the Registrar General of England and Wales(1970-2) suggested major differences between occupations in the proportion of men surviving to age 65:

Table 1.2 Men surviving to 65, by occupation
Farmers (self employed)	82%
Professionals	77%
Skilled manual workers	69%
Labourers	63%
Armed forces	42%

These differences look important and challenging. However, one must consider how far the comparison may have been distorted either by inaccurate ascertainment of the deaths or the populations at risk or by selective influences on recruitment or retirement (especially important in the case of the armed forces). Another task of epidemiology is monitoringor surveillanceof time trends to show which diseases are increasing or decreasing in incidence and which are changing in their distribution. This information is needed to identify emerging problems and also to assess the effectiveness of measures to control old problems. Unfortunately, standards of diagnosis and data recording may change, and conclusions from time trends call for particular wariness. The data from which epidemiology seeks to draw conclusions are nearly always collected by more than one person, often from different countries. Rigorous standardisationand quality controlof investigative methods are essential in epidemiology; and if an apparent difference in disease rates has emerged, the first question is always "Might the comparison be biased?"

 

 

Experimental studies

 

 

. Investigators study people as they find them. Thus, subjects exposed to a risk factor often differ from those who are unexposed in other ways, which independently influence their risk of disease. If such confounding influences are identified in advance then allowing for them in the design and analysis of the study may be possible. There is still, however, a chance of unrecognised confounders.

Experimental studies are less susceptible to confounding because the investigator determines who is exposed and who is unexposed. In particular, if exposure is allocated randomly and the number of groups or individuals randomised is large then even unrecognised confounding effects become statistically unlikely.

There are, of course, ethical constraints on experimental research in humans, and it is not acceptable to expose subjects deliberately to potentially serious hazards. This limits the application of experimental methods in the investigation of disease aetiology, although it may be possible to evaluate preventive strategies experimentally. For example, factories participating in a coronary heart disease prevention project were assigned to two groups, one receiving a programme of screening for coronary risk factors and health education, and the other being left alone. Subsequent disease incidence was then compared between the two groups. The main application of experimental studies, however, is in evaluating therapeutic interventions by randomised controlled trials.

Randomised controlled trials
At the outset of a randomised controlled trial the criteria for entry to the study sample must be specified (for example, in terms of age, sex, diagnosis, etc). As in other epidemiological investigations, the subjects studied should be representative of the target population in whom it is hoped to apply the results. Comparison of two treatments for rheumatoid arthritis in a series of hospital patients may not provide a reliable guide to managing the less severe range of the disease seen in general practice. Subjects who satisfy the entry criteria are asked to consent to participation. When refusal rates are high a judgement must be made as to how far the volunteers that remain can be considered representative of the target population. They might, for example, be younger on average than the refusers. Is this important in relation to the study question?

Those subjects who agree to participate are then randomised to the treatments under comparison. This can be achieved using published tables of random numbers, or with random numbers generated by computer. When subjects enter the study sequentially (for instance, as they are admitted to hospital) then randomisation is often carried out in blocks. Thus in a study comparing two treatments, A and B, patients might be randomised in blocks of six. Of the first six patients entering the trial, three would be allocated to treatment A and three to treatment B - which patient received which treatment being determined randomly. A similar technique would be used to allocate treatments in each successive set of six patients. The advantage of this method is that it prevents large imbalances in the numbers of patients assigned to different treatments, which otherwise could occasionally occur by chance. It also ensures that the balance between the different treatments is roughly constant throughout the course of the study, thus reducing the opportunity for confounding by extraneous variables that change over time.

Sometimes major determinants of outcome can be identified at the time when subjects enter the study. For example, in a trial of treatment for acute myocardial infarction the presence of certain dysrythmias on admission to hospital might be an important index of prognosis. The use of randomisation means that such prognostic markers will tend to be evenly distributed between the different treatment groups. However, as further insurance against inadvertent confounding, there is the option to stratify subjects at entry according to the prognostic variable (for example, separating patients with and without dysrythmias) and then randomise separately within each stratum in blocks.

When outcome is influenced by other aspects of a patient's management, as well as by the treatments under comparison, it may be desirable for those responsible for management to be "blinded" to which treatment has been allocated. Arrangements must be made, however, to permit rapid unblinding should possible complications of treatment develop. As far as possible, the criteria for withdrawing a patient from treatment should be specified in advance, although final responsibility must rest with the clinical team caring for the patient. Even if a patient is withdrawn from a treatment under investigation, follow up and assessment of outcome should continue.

The end points of trials vary from objective outcomes, such as haemoglobin concentration or birth weight, to more subjective symptoms and physical signs. Bias in the evaluation of subjective outcomes can be avoided by blinding the assessor to the treatment given. For example, if a new analgesic for migraine is being evaluated on the basis of reported levels of symptoms, it may help to use a pharmacologically inactive placebo for comparison. Otherwise, there is a danger that patients will perceive a benefit simply because they are getting something new. Similarly, if the end point is a subjective physical sign (such as severity of a skin rash) then the examiner is best kept ignorant about which patient received which treatment. It is important to measure not only the outcomes that the treatments are intended to improve, but also possible adverse effects. In a trial of the cholesterol lowering drug, clofibrate, the treated group showed a reduced incidence of non-fatal myocardial infarction, but their overall mortality was more than in untreated controls. This excess mortality could not be attributed to any single cause of death, but may have reflected unsuspected side effects of treatment.

The statistical analysis of randomised controlled trials is too complex to cover in a book of this length, and readers who wish to learn about the methods used should consult a more advanced text. Whatever analytical technique is adopted, it is important always to compare subjects according to the treatment to which they were randomised, even if this treatment was not completed. (In some cases it may not even have been started.) Otherwise, the effects of selective withdrawal from treatment may be overlooked. For example, in a trial to compare a blocker with placebo in an attempt to reduce mortality after myocardial infarction, patients were withdrawn from treatment if they developed severe heart failure - a potential complication of ß blockers. The patients most likely to be precipitated into heart failure by the trial drug were those with more severe infarcts and therefore a worse prognosis. Fewer of such patients would be expected to develop heart failure while taking placebo. Thus if the withdrawals had been excluded from the analysis any benefits from the ß blocker would have tended to be spuriously exaggerated.

At the same time, it is also helpful to examine outcomes according to treatments actually received. One would be suspicious if the benefits from randomisation to a treatment were confined to those who did not go through with it!

The size of a randomised controlled trial may be decided in advance on the basis of calculated statistical power. Such calculations require specification of the expected distribution of outcome measures, and of the difference in outcomes between treatments that is worth detecting, and are best carried out in collaboration with a medical statistician. A problem with this approach, however, is that the trial may continue long after sufficient data have been accumulated to show that one treatment is clearly superior. Thus some patients would be exposed unnecessarily to suboptimal treatment. A way of avoiding this difficulty is to monitor the results of the trial at intervals, with preset criteria for calling a halt if one treatment appears to be clearly better.

Another problem with randomised controlled trials lies in the need to obtain properly informed consent from participants. Some patients find it hard to understand why a doctor should allocate treatment at random rather than according to his best judgement. This difficulty has prompted an alternative design, which may be applicable when comparing a new treatment with conventional management. Randomisation is carried out for all patients who satisfy the entry criteria, and those who are allocated to conventional treatment are treated in the standard manner. Those assigned to the new treatment are asked to consent to this, but if they refuse are treated conventionally. The need to explain randomisation is thus avoided. Against this, however, must be set two weaknesses. Firstly, as in any randomised experiment, the prime analysis is according to randomisation. If a substantial proportion of patients refuse the new treatment, then differences in outcome may be obscured. Secondly, neither the clinical team nor the patient can be made blind to the treatment received. The importance of this limitation will depend on the nature of the study and the end points being measured.

 

Crossover studies
Another modification of the randomised controlled trial is the crossover design. This is particularly useful when outcome is measured by reports of subjective symptoms, but it can only be applied when the effects of treatment are short lived (for example, pain relief from an analgesic).

In a crossover study, eligible patients who have consented to participate receive each treatment sequentially, often with a "wash out" period between treatments to eliminate any carry over effects. However, the order in which treatments are given is randomised so that different patients receive them in different sequence. Outcome is monitored during each period of treatment, and in this way each patient can serve as his own control.

 

Experimental study of populations
Most experimental studies allocate and compare treatments between individual subjects, but it is also possible to carry out experimental interventions at the level of populations. We have already cited a coronary heart disease prevention project in which the units of study were the workforces of different factories.

As in studies of individuals, interventions in populations can be randomly allocated. However, if the number of populations under comparison is small then randomisation may not be of much value. Instead, it may be better to assign interventions in a deliberately planned way to ensure maximum comparability between different intervention groups. Control of residual confounding can be strengthened by comparing study and control populations before and after the intervention is introduced.

Like longitudinal studies, experimental investigations tend to be time consuming and expensive. They should not, therefore, be undertaken without good reason. However, if well designed and conducted, they do provide the most compelling evidence of cause and effect.

 

 

 

آموزش بهداشت

 

آموزش بهداشت  اولين و اساسي ترين جزء PHC (مراقبت هاي بهداشتي اوليه)مي باشد.هدف اصلي در آموزش بهداشت ايجاد تغيير در رفتار و بينش افراد است به طوري که از سطح بالاتري از سلامت برخوردار شوند.آموزش بهداشت ،رآيندي است که آگاهي لازم براي اين هدف را به مردم و مهم تر  از آن انگيزه لازم در جهت رسيدن به اين هدف را در مردم فراهم مي نمايد.

 

محتواي آموزش بهداشت:

آموزش بهداشت مي تواند داراي محتواي گوناگوني با شد که مهمترين آنها عبارتند از :

1-زيست شناسي انسان:محل اصلي آموزش آن در مدارس مي باشد.

2- تغذيه:هدف اين است که مدم متعادل ترين و بهترين رژيم غذايي را بشناسند و از مواد غذايي موجود بهترين استفاده را بنمايند. روش عملياتي اصلي براي مبارزه با سوء تغذيه آموزش تغذيه مي باشد.

3- بهداشت: شامل بهداشت فردي و بهداشت محيط در بهداشت محيط بخش مهم آموزش آموزش نحوه استفاده از امکانات محيط مي باشدمشارکت مردم در اين مورد بسيار مهم مي باشد.

4- مراقبت از سلامت خانواده :هدف از آن ارتقاي کيفيت زندگي خانوادگي مي باشد.برنامه هاي مهم آن بهداشت مادر و کودک مي باشد.

5- مبارزه با بيماريها

6- بهداشت رواني : بهداشت رواني در برخي گروه هاي خاص و در موارد بحرانهاي زندگي از اهميت بيشتري برخوردار است مثلا در نخستين بار که کودک به دبستان مي رود.

7-پيشگيري از سوانح و حوادث

8- به کار گيري خدمات

---

مباني آموزش بهداشت:

1- آموزش بهداشت براي هرکسي در هر زماني لازم است

2- آموزش بهداشت مربوط به زمان خاصي نيست

3- آموزش بهداشت م يتواند به صورت خود آموز يا يادگيري از ديگران باشد

4- افراد تربيت شده به مراتب بهتر از افراد عادي در آموزش دادن عمل مي کنند.

 

---

ارتباطات در آموزش بهداشت:

ارتباط فرآيندي است که افراد از طريق آن اطلاعات و تجارب خود را به دييگران منتقل مي کننددر هر ارتباط 4 جزء داريم:

1- گوينده:با يد احاطه کامل به موضوع داشته باشدداراي مهارت هاي کلامي باشد اعتماد به نفس و اعتبار داشته باشدو از مخاطب وراه ارتباطي آگاهي داشته باشد.

2- پيام : بايد متناسب و بجا باشدهدف را برآورده نمايدروشن باشد اختصاصي ،ساده ومناسب باشد

3- گيرنده پيام (مخاطب)

4- وسيله ايجاد ارتباط:بايد در دسترس باشد،بتواند پيام را منتقل کند و اکثر مردم بتوانند از آن استفاده نمايند

 

سطوح اجراي آموزش بهداشت

آموزش بهداشت در سه سطح انجام مي شود:

1- آموزش انفرادي: از روش هاي آموزش مستقيم است و به آن آموزش چهره به چهره نيز گفته مي شود فردي که آموزش مي دهد بيشتر بايد شنونده باشد تا گوينده اشکال آن اين است که تعداد کمي در آن شرکت مي کنند

2- آموزش گروهي : جزو روشهاي آموزش مستقيم است . از روشهاي مناسب آموزش در سطح جامعه است.انواع مختلفي دارد:

الف) سخنراني: معمولا ارتبط يک طرفه است و روش چندان خوبي نيست.

تعداد شرکت کنندگان بهتر است بيش از 30 نفر نباشدومدت آن بيش از 20-15 دقيقه بيشتر نشود.

ب)بحث گروهي : براي ايجاد تغيير رفتار موثرترين روش است.تعداد شرکت کنندگان 20-6 نفر باشديک نفر به عنوان هماهنگ کننده بايد وجود داشته باشد.

ج)پانل و سمپوزيوم :در آموزش بهداشت چندان کاربردي ندارد.

د)کارگاه آموزشي :نوعي يادگيري در جمع دوستانه استو معمولا چند روز طول مي کشد. براي آموش روش مناسبي است.

3)آموزش عموم مردم: مزيت آن اين است که گروه مزيت اين نوع آموزش اين است که پيام را به تعداد زيادي از مردم مي رساند عيب آن اين است که نوعي آموزش يک طرفه مي باشد ضمنا اين نوع آموزش نوعي آموزش غير مستقيم است .در ميان وسايل ارتباط جمعي تلويزيون يکي از بهترين وسايل براي اين منظور مي باشد.

يک از مکانهاي اجراي برنامه هاي بهداشتي مدارس است که با اهداف زير انجام مي شود :

1)ارتقاء سلامت مثبت

2)پيشگيري از بيماريها

3)تشخيص زود رس ، درمان و پيگيري اشکالات يافته شده

4)ايجاد آگاهي بهداشت در کودکان

5)تدارک محيط زيست سالم

---

برنامه ريزي، ارزشيابي و مديريت:

در آموزش بهداشت حتما بايد برنامه ريزي داشته باشيم.برنامهريزي مراحل مختلفي دارد که مي توان آن را به سه مرحله تنظيم برنامه ، اجرا و ارزشيابي تقسيم کرد مهمترين کار براي برنامه ريزي تعيين نياز هاي جامعه است .براي اين منظور اولين گام تعيين اهداف و جمع آوري اطلاعات مي باشد.

بايد توجه داشت که مادران و کودکان و افراد سالخورده هر جا که خدمات بهداشتي داير باشد عمده ترين گروه مصرف کننده خدمات بهداشتي هستند. ايشان نه تنها يک گروه پر جمعيت بلکه يک گروه آسيب پذير و در خطر ويژه هستند .

ارزشيابي بر دو نوع است :

1-  ارزشيابي نتيجه که در آن با توجه به اهداف ،ميزان رسيدن به اهداف مورد نظر سنجيده مي شود. اين ارزشيابي نقش جمع بندي کننده دارد.

2- ارزشيابي فرآيند (ارزشيلبي در حين اجرا=پايش):اين ارشيابي بيشتر نقش سازنده دارد و پايش يا ارزيابي نحوه اجراي برنامه مي باشد

ارزيابي توسط خود فرد ، همکاران وي يا مراجع صورت مي گيرد مديريت به معناي  به کارگيري درست و هدفدار منايع براي دستيابي به اهداف مورد نظر مي باشد.مدير بايد داراي مهارتهاي فني،انساني و ادراکي باشد.

---

پزشکي اجتماعي:

عبات است از بررسي انسان به عنوان يک موجود اجتماعي و کليت محيط زيست او.طبق نظريه پروفسور  Crew پزشکي اجتماعي بر دو پايه استوار است: پزشکي و جامعه شناسي. پزشکي اجتماعي به سلامت گروه هاي متشکل از افراد يا افراد اين گروه ها از ديگاه ايجاد سلامت و ارتقاء، نگهداري و حفظ آن توجه دارد.

تنظیم خانواده

 

 الف ـ  روش هاي موقتي

1 ـ  قرص هاي خوراكي پيشگيري از بارداري

- قرص هاي تركيبي با مقدار بيشتر هورمون (HD)

- قرص هاي تركيبي با مقدار كمتر هورمون (LD)

- قرص هاي تركيبي با مقدار متغير هورمون (چند مرحله اي (TP) 

- قرص هاي تك هورموني با پروژسترون تنها (دوران شير دهي)

2 ـ  روش هاي ايجاد مانع

- كاندوم هاي زنانه و مردانه

- ديافراگم

- كلاهك سرويكس(CAP)

3 ـ  وسيله داخل رحمي

IUD T380 A

PROGESTASERT

4 ـ  روش هاي طولاني اثر مدرن

- نورپلانت (كپسول هاي كاشتني)

- آمپول هاي تزريقي (DMPA - MPA/E2c)

 ب ـ  روش هاي دائمي

- عقيم سازي زنان (توبكتومي)

- عقيم سازي مردان (وازكتومي)

 ج ـ  روش هاي متفرقه

مقاربت منقطع (COITUS INTERRUPTUS)

استفاده از دوره مطمئن (روش ريتم)

شير دهي

ژل ها و كرم هاي واژينال اسپرم كش

 د ـ  پيشگيري از بارداري به صورت اضطراري

 بهترين روش ارزيابي كارائي روش هاي پيشگيري پايش دراز مدت گروهي از زنان فعال از نظر جنسي است كه از يك روش خاص پيشگيري استفاده مي‌كنند و مشاهده تعداد حاملگي هاي بوقوع پيوسته است. سپس ميزان حاملگي به ازاي هر 100 زن در سال با استفاده از فرمول  (PEARL FORMULA) محاسبه مي‌شود (2).

 

 x ۱۲۰۰  .                       تعداد  حاملگي ها                   = ميزان حاملگي به ازاي 100 زن ـ  سال

مجموع ماه هايي كه كليه زوج هاي مورد مطالعه از روش بخصوص استفاده كرده اند

هيچ يك از روش هاي پيشگيري از بارداري موجود از كارائي و اثربخشي صد درصد برخوردار نیست

 

روش هاي پيشگيري از بارداري

روش هاي هورموني پيشگيري از بارداري

*موثرترين روش پيشگيري قابل برگشت موجود را تشكيل مي‌دهند

 به شكل هاي  خوراكي، تزريقي و كاشتني هستند. حاوی استروئيد هاي جنسي زنانه شامل استروژن و پروژسترون يا پروژسترون ساختگي به تنهايي تهيه شده اند.

ولي مهمترين اثر آن ها جلوگيري از تخمك گذاري از طريق مهار فاكتور هاي آزاد كننده هيپوتالاموس و به تبع آن مهار ترشح هيپوفيزي گنادوتروپين هاي LH و FSH است.

 جزء استروژني ترجيحا ترشح FSH  را به صورت وابسته به دوز، مهار مي‌كند و به تنهايي قادر به مهار تخمك گذاري مي‌باشد

  جزء پروژستروني با مهار افزايش قبل از تخمك گذاري (Preovulatory LH (LH مانع تخمك گذاري مي‌شود.

 مهار تخمك گذاري توسط هر كدام از اين هورمون ها به تنهايي در مقادير نسبتا بالا حاصل مي‌شود ولي با مصرف توام اين دو با اثر سينرژيسم، دوز هاي بسيار كمتري از هر كدام مورد نياز است .

*استروژن همچنين از طريق تغيير در تكامل طبيعي آندومتر، در مرحله جايگزيني تخم لقاح يافته اختلال ايجاد مي‌كند .

 *پروژسترون از طريق ضخيم و متراكم كردن موكوس گردن رحم و نامناسب كردن مخاط آندومتر براي جايگزيني بلاستوسيست نيز مانع باروري مي‌شود.

الف ـ  هورمون هاي خوراكي ضدبارداري

براي اغلب زنان " كنترل باروري" با مصرف قرص هاي خوراكي ضدبارداري (Oral Contraceptive Pill-OCP)مترادف است و در تمام دنيا از روش هاي متداول و مطمئن پيشگيري از بارداري است . قرص هاي جلوگيري از حاملگي شامل انواع زير است :

•قرص هاي تركيبي مونوفازيك با مقدار بيشتر هورمون (HD)

•قرص هاي تركيبي مونوفازيك با مقدار كمتر هورمون (LD)

• قرص هاي تركيبي تري فازيك با مقدار متغّير هورمون

• قرص هاي تك هورموني يا پروژسترون تنها mini pill (دوران شيردهي)

استروئيد ها سريعا از طريق روده ها جذب و مستقيما وارد كبد شده متابوليزه و غير فعال مي‌شوند. بنابراين مصرف خوراكي مستلزم دوز بالاي دارو مي‌باشد.

 ـ  قرص هاي تركيبي مونوفازيك

حاوي تركيبي از يك استروژن و يك پروژسترون هستند

در كشور ما دو نوع قرص خوراكي تركيبي مونوفازيك HD و LD عرضه مي‌شود كه ميزان هورمون هاي استروژن و پروژسترون در HD حدود 2ـ5/1 برابر LD است.

نحوه مصرف: در بسته بندي 21 عددي قرار دارند، از روز پنجم قاعدگي هر روز مصرف شده و يك هفته بعد از اتمام قرص ها، بسته بعدي مورد استفاده قرار مي‌گيرد. 5ـ3 روز پس از اتمام هر بسته معمولا قاعدگي اتفاق مي‌افتد. در صورت استفاده مداوم، ميزان حاملگي و شكست اين روش بسيار ناچيز وحدود 3ـ2 مورد به ازاي هر 1000 زن سال استفاده است. در اين روش پتانسيل خطاي استفاده كننده بالاست، بنابراين ممكن است بين نتايج پيشگيري از بارداري در بين استفاده كنندگان معمول و بهترين نتايج تا10 برابر تفاوت وجود داشته باشد.

 ـ  قرص هاي تركيبي تري فازيك

در گذشته هاي نه چندان دور هورمون هاي استروژن و پروژسترون به صورت جداگانه اما بطور منقطع  (Sequential) تجويز مي‌گرديد، بدين ترتيب كه از روز پنجم قاعدگي تا روز بيست و يكم همه روزه استروژن واز روز شانزدهم به بعد پروژسترون نيز به همراه آن مصرف مي‌شد. از آنجا كه اين طريقه مصرف براي فرد مشكل ساز است نهايتا قرص هاي تركيبي تري فازيك به شكل امروزي ساخته شد كه شامل سه سري قرص مركب براي سه هفته متوالي است به اين صورت كه پروژسترون در هر هفته دو برابر هفته قبل است اما ميزان استروژن تقريبا ثابت و معادل قرص هاي  LD  است .

هدف از تهيه اين قرص ها كاهش ميزان كل پروژسترون دريافتي به ازاي هر سيكل قاعدگي است كه بالطبع انتظار مي‌رود تغييرات متابوليك منتسب به پروژسترون كاهش يابد ولي به دلايل زير، نسبت به قرص هاي مونوفازيك، برتري ندارد :

1) به دليل رنگ متفاوت قرص ها ايجاد سردرگمي مي‌كند،

2) لكه بيني به ميزان دو برابر قرص هاي مونوفازيك ديده مي‌شود،

3) فقدان قابليت انعطاف در مصرف به اين صورت كه در صورت فراموشي نمي‌توان روز بعد دو قرص يكجا مصرف نمود.

ميزان شكست در صورت مصرف صحيح و مداوم همانند قرص هاي مونوفازيك بوده و به همان اندازه كارائي بالائي دارند .

 ـ  قرص هاي پروژستروني (Minipill)

اين قرص ها تنها حاوي يك نوع هورمون يعني پروژسترون است و انواع مختلفي از اين دسته با ميزان و انواع متفاوتي از تركيبات پروژستروني در سطح جهان استفاده مي‌شود. آنچه در همه مشترك است قدرت نگهداشتن سطح پروژسترون فعال سرم در حدود 5/0 ميلي گرم است كه بتواند خاصيت ضدبارداري خود را اعمال كند.

مكانيسم عمل اين قرص ها بسته به ميزان پروژسترون متفاوت است  و عمدتا از طريق نامناسب كردن اندومتر براي لانه گزيني تخم و ضخيم و غير قابل نفوذ ساختن موكوس دهانه رحم عمل مي‌كنند و تخمك گذاري در حدود 60% موارد مهار مي‌شود . Minipill ميزان شكست بالائي دارد بخصوص در زنان جوان نسبت به زنان 40 سال به بالا. در نتيجه مورد مصرف اين قرص ها محدود به دوران شيردهي (زيرا پروژسترون بر خلاف استروژن تاثير منفي روي كيفيت و كميت توليد شير ندارد)، و زنان بالاي 40 سال است و همچنين در زناني كه منع مصرف استروژن دارند، انتخاب خوبي است. بدليل دوز هاي پائين پروژسترون موجود در اين قرص ها، از روز اوّل قاعدگي و در يك زمان ثابتي از هر روز بايد مصرف شوند و در صورت فراموشي بيش از 3 ساعت از زمان مصرف بايد ضمن مصرف دو عدد قرص، تا 48 ساعت از يك روش مطمئن ديگري نيز استفاده شود. در صورتي كه قاعدگي زودتر از 6 هفته پس از زايمان آغاز شود، مصرف قرص بايد از روز اوّل قاعدگي شروع و روزانه مصرف ‌شود تا بسته 28 عددي تمام شود و سپس روز بعد، مصرف اوّلين قرص از بسته جديد آغاز مي‌گردد.

 ـ  عوارض جانبي قرص هاي هورموني

 OCP در طول تاريخ پزشكي بيش از هر داروي ديگري مورد مطالعه قرار گرفته است . داروهاي هورموني ضد بارداري تنها روي سيستم باروري تاثير نمي‌گذارند بلكه استروژن ها مي‌توانند منجربه اثر روي تحمل گلوكز، متابوليسم چربي ها، احتباس آب و املاح، افزايش رنين و كاهش آنتي ترومبين III شوند و پروژسترون ها باعث افزايش موي صورت وبدن، شلي عضلات صاف و افزايش خطر يرقان كولستاتيك مي‌شوند. كليه اين اثرات، وابسته به دوز مي‌باشد.

1 ـ اثرات متابوليك

 استروژن ها باعث كاهش LDL، افزايش HDL و تري گلسيريد مي‌شوند  در حاليكه پروژسترون ها بر عكس LDL را افزايش و HDL  را كاهش مي‌دهند. قرص هاي LD اثر سوء بسيار ناچيزي روي متابوليسم چربي ها دارند  و حتي فرمول هاي جديد كه حاوي Desogestrel هستند با افزايش HDL و كاهش LDL  اثرات مثبتي نيز دارند. عموما در مقاديري از پروژسترون كه در قرص هاي امروزي بكار مي‌رود، انتظار هيچ‌گونه خطري براي بيماري هاي عروقي وجود ندارد.

تركيبات پروژستين در مقادير بالا ديابتوژنيك هستند و در زنان مستعد خطر ابتلا به ديابت تا 10 برابر زياد مي‌شود ولي در تركيبات امروزي و با مقادير كم پروژسترون اين اثرات بسيار ناچيز است .افزايش T4  توسط استروژن، ديگر اثر متابوليك قرص هاست ولي نتايج آزمايش عملكرد تيروئيد در صورتي كه با اندازه گيري تيروكسين آزاد صورت گيرد، طبيعي خواهد بود .

2) اثرات قلبي عروقي

 مطالعات قبلي ارتباط قرص هاي ضدبارداري رابا ترومبوز وريدي، آمبولي،  CVA  و حملات قلبي نشان داده اند  ولي در مطالعات جديد اين خطر بسيار كمتر گزارش مي‌شود زيرا اثر استروژن روي سيستم انعقادي وابسته به دوز بوده و قرص هاي امروزي مقادير كم استروژن را دارند ، از طرف ديگر خطر بروز اين عوارض بيشتر با وجود عوامل مستعد كننده ترومبوز همبستگي دارد كه به عنوان موارد منع مصرف قرص هاي ضد بارداري مطرح هستندشامل: ترومبوزقبلي، بيماري عروقي قلبي، بيماري عروقي كرونري، لوسمي و بدخيمي هاي ديگر.

شانس ايجاد ترومبوز وريدي با استفاده از قرص هاي ضدبارداري نسل سوّم نسبت به نسل دوّم كمتر است با 7/1 Adjusted odds ratio = (6).

بيماري ايسكميك قلبي و سكته قلبي نيز به مصرف قرص هاي ضدبارداري منتسب است ولي مهمترين تعيين كننده خطر اين عوارض در مصرف كنندگان قرص، سن بالا و مصرف سيگار است. استفاده از  OCP  در گذشته اين خطر را افزايش نمي‌دهد . استفاده كنندگان جاري OCP با خطر نسبي (Relative Risk) 5/2 مواجهند. اين خطر با حذف عامل سيگار كمتر مي‌شود .

3) اثرات سرطان زائي 

در مصرف بيش از 5 سال قرص هاي تركيبي، افزايش ابتلاء به سرطان سرويكس مشاهده مي‌شود. ولي به احتمال قوي مصرف OCP فرد را آسوده خاطر كرده و تعداد نزديكي ها و خطر آلودگي ها به پاپيلوما ويروس زياد مي‌شود كه خود از عوامل مستعد كننده اين بيماري هستند. به هر حال توصيه مي‌شود استفاده كنندگان OCP  آزمايش ساليانه پاپ اسمير را انجام دهند .

مطالعات بزرگي، ارتباط عليتي قرص هاي تركيبي با بروز سرطان پستان را رد كرده اند  ولي در صورت وجود سرطان قبلي پستان، باعث تسريع در رشد آن مي‌شوند. استفاده طولاني مدت قرص هاي ضدبارداري منجربه ايجاد آدنوم خوش خيم كبدي مي‌شود كه گاه مي‌توانند خونريزي هاي كشنده اي را ايجاد نمايند . ارتباط قرص ها با بروز كارسينوم كبدي ضعيف تر بوده وبا دوز هاي پائين OCP نيز اين همبستگي ضعيف تر مي‌شود .

4 ـ افزايش خطر بروز آدنوم هيپوفيز

خطر ابتلاء به آدنوم پرولاكتينوماي هيپوفيز با مصرف OCP بيشتر مي‌شود همچنين شدت و طول حملات سردرد ميگرني افزايش مي‌كند. لازم به ذكر است كه اغلب عوارض جانبي در صورت مصرف دوز هاي بالاي هورمون ها بوجود مي‌آيند كه خوشبختانه در قرص هاي امروزي با بكار بردن مقادير پائين هورمون، عوارض جانبي به ندرت مشاهده مي‌شود.

مزاياي مصرف قرص هاي پيشگيري از بارداري

•كاهش بروز سرطان تخمدان (50% كاهش با 4 سال استفاده و 80% كاهش با 10 سال استفاده •كاهش بروز سرطان اندومتر (40% كاهش با 2 سال مصرف قرص)

•كاهش حاملگي خارج رحمي

•كاهش بيماري خوش خيم پستان

•كاهش كيست هاي عملكردي تخمدان

•كاهش فيبروئيد هاي رحم

•كاهش ديس‌منوره

•كاهش خونريزي قاعدگي و به تبع آن كاهش بروز كم خوني فقر آهن

•برقراري سيكل منظم قاعدگي

•كاهش بيماري هاي التهابي لگن (PID)

 موارد منع مصرف قرص هاي تركيبي پيشگيري از بارداري

يكي از موارد منع مصرف، شرايط يا بيماري خاصي است كه روش پيشگيري را براي يك متقاضي غير قابل توصيه و مضر مي‌سازد. فهرست موارد منع مصرف جهت توجه حداكثر به متقاضيان تهيه مي‌شود ولي عوارض جانبي خطرناك كه اغلب نادر نيز هستند، بزرگ جلوه كرده و گاه بجاي كمك به متقاضي، از انتخاب روش ترجيحي او نيز ممانعت بعمل مي‌آورد. همچنين موارد مصرف با مطالعات جديد مرتبا در حال تغييرند در حاليكه فهرست ها اغلب ثابت باقي مي‌مانند، لذا بايد فهرست ها در فواصل زماني كوتاه به روز شده و براي هر كشور يا هر زمينه اي كه اعمال خواهد شد به روشني تدوين گردد.

موارد منع مصرف نسبي OCP متعدد بوده و فقط توجه و پيگيري هاي به موقع ارائه دهندگان خدمت را در صورت مصرف OCP مي‌طلبد. موارد منع مصرف مطلق OCP تركيبي به شرح زير است :

•ترومبوفلبيت، اختلالات ترومبوآمبوليك

•بيماري عروقي مغزي

• اختلال عملكرد كبدي

• كارسينوم پستان (تائيد شده يا مشكوك)

•خونريزي غير طبيعي واژن با علامت نامشخص

•حاملگي (تائيد شده يا مشكوك)

•سيگاري هاي بالاي 35 سال

• هيپرليپيدمي مادرزادي

• نئوپلازي كبدي

ب ـ روش هاي هورموني پيشگيري از بارداري تزريقي

اين روش  طولاني اثر تزريقي به استفاده كنندگان خود امكان كنترل باروري آسان، ايمن و قابل برگشتي مي‌دهد كه اثر بخشي آن ها قابل مقايسه با عقيم سازي به روش جراحي است. و به دو صورت عرضه شده است:

 

1)Depo-Provera  (DMPA) كه حاوي پروژسترون از نوع مدروكسي پروژسترون استات  (MPA) به ميزان 150 ميلي گرم در ويال هاي يك ميلي ليتري بوده و هر سه ماه يك بار به زنان تزريق مي‌شود. (در ايران فقط اين تركيب عرضه شده است) 0

 

2) LUNELLE (MPA/E2C) كه حاوي تركيبات پروژسترون و استروژن توام است (25 ميلي گرم مدروكسي پروژسترون استات و 5 ميلي گرم استراديول سيپيونات)، در ويال هاي 5/. ميلي ليتري هر ماه يك بار تزريق مي‌شود .

 

فارماكوكينتيك 

بعد از يك تزريق عضلاني DMPA ، سطح فعال MPA از نظر فارماكولوژي در عرض 24 ساعت ايجاد شده و غلظت سرمي  ng/ml  1 براي حدود سه ماه حفظ مي‌شود. تخمك گذاري موقعي از سر گرفته مي‌شود كه سطح  MPA  به كمتر از  ng/ml 01/0 (حدود ماه هفتم) برسد .

در مورد  LUNELLE ، مقادير سطح اوج  E2C  مشابه افراد عادي در زمان قبل از تخمك گذاري است و تا 14 روز بعد از تزريق به حد پايه خود بر مي‌گردد. اين امر مي‌تواند توضيحي براي شباهت الگوي خونريزي واژينال با قاعدگي طبيعي باشد كه 3ـ2 هفته بعد از هر تزريق صورت مي‌گيرد.

 

اثر بخشي و مكانيسم اثر

Depo-Provera  از طريق مهار تخمك گذاري عمل مي‌كند. در كارآزمائي هاي باليني ميزان هاي شكست از صفر تا 7/0 به ازاي هر 100 زن ـ  سال  متفاوت گزارش شده است (26). به علت سطوح بالاي پروژسترون موجود در جريان خون، تغييرات وزن يا استفاده همزمان از داروها هيچ تاثيري روي اثر بخشي آن ندارد. در مورد MPA/E2C جزء MPA  باعث مهار تخمك گذاري و جزء E2C  باعث ايجاد الگوي خون ريزي مشابه با زناني است كه از روش هاي هورموني استفاده نمي‌كنند. اثر بخشي و تحمل پذيري بسيار بالاي اين روش در مطالعات متعددي ثابت شده و ميزان شكست آن حدود 1/0 به ازاي هر 100 زن ـ سال برآورده شده است .

 

 زمان اوّلين تزريق 

•   در 5 روز اوّل قاعدگي

•   در 7 روز اوّل سقط سه ماهه اوّل حاملگي

•    در سه هفته اوّل بعد از زايمان در زماني كه به نوزاد خود شير نمي‌دهند و 6 هفته بعد از زايمان در خانم هاي شيرده

•   در 7 روز اوّل بعد از اتمام آخرين بسته در صورت تغيير روش از قرص هاي ضدبارداري

•   هر زمان در 5 سال بعد از كاشت نورپلانت در صورت تغيير روش از نورپلانت

•  قبل از برداشتن و در 10 سال بعد از گذاشتن  IUD  در صورت تغيير روش از IUD 

تزريق هاي بعدي DMPA سه ماه بعد انجام مي‌شود و بدليل اينكه بعد از يك تزريق، حداقل تا 14 هفته بعد تخمك گذاري اتفاق نمي‌افتد، زنان براي تزريق بعدي دو هفته فرصت خواهند داشت، علي رغم آن توصيه مي‌شود. در صورتي كه زنان براي تزريق بعدي بيشتر از 13 هفته بعد مراجعه كنند لازم است از عدم حاملگي اطمينان حاصل شود. گرچه اكيدا توصيه مي‌شود كه در طول بارداري از مواجهه هاي داروئي جلوگيري شود، استفاده ناآگاهانه از  DMPA  در جريان بارداري‌خطر اختلالات مادرزادي را افزايش نمي‌دهد .

برگشت باروري

 استفاده از DMPA تاثير دائمي روي باروري ندارد. در طي 10 ماه بعد از آخرين تزريق، 50% زناني كه قصد حاملگي دارند بارور مي‌شوند ولي در نسبت كمي از زنان تا 18 ماه بعد، باروري برقرار نمي‌شود. در نتيجه زوجين در صورت قصد بارداري در 2ـ1 سال آينده، بايد روش پيشگيري ديگري را انتخاب كنند. برخلاف DMPA ، برگشت باروري بعد از قطع استفاده از  MPA/Egc  سريع‌تر اتفاق مي‌افتد .

 عوارض جانبي

(در زوجيني كه به خوبي از عوارض جانبي مطلع باشند ميزان رضايت و تداوم استفاده بسيار بالاست) 0

الف) تغييرات قاعدگي 

بعد از 3 ماه، تقريبا نصف زناني كه DMPA استفاده كرده اند، دچار آمنوره شده و بيشتر افراد ديگر نيز خونريزي نامنظم يا لكه بيني گزارش مي‌كنند، هر چند كه تعدادي از زنان بخصوص جوانان، آمنوره را از مزاياي اين روش مي‌دانند. بيشترين علت نارضايتي و قطع استفاده از DMPA و حتي OCP ، اختلالات قاعدگي است و براي اينگونه زنان مي‌توان MPA/E2C را توصيه نمود، زيرا اغلب استفاده كنندگان طولاني مدت MPA/E2C  قاعدگي منظم و قابل پيش بيني را گزارش مي‌كنند و فقط 5/2% زنان بدليل خونريزي نامنظم، استفاده از اين روش را قطع مي‌كنند .

ب) افزايش وزن

 مطالعات اخير هيچ‌گونه افزايش وزن در استفاده طولاني مدت را تائيد نكرده اند. حاملگي قبلي و سبك زندگي نشسته در مادران جوان مي‌تواند منجربه تغييرات وزن در استفاده كنندگان DMPA گردد.

ج) تغييرات خلق

 طبق داده هاي موجود اين روش منجربه علائم افسردگي نمي‌شود. در بررسي هاي معدودي فقط 1% موارد قطع استفاده به دليل بروز افسردگي بوده است.

د) كاهش ميل جنسي

 در يك كار آزمائي باليني در آمريكا اين عارضه در 4/5%  و در مطالعه اي در نيوزيلند در 3/2% موارد گزارش شده است.

ـ  موارد استفاده درماني و مزاياي هورمون هاي تزريقي غير از پيشگيري از بارداري .

•  پيشگيري از سرطان آندومتر (اين اثر كاهنده بيشتر از  OCP  است، 80% در مقابل 50% ) 0

•پيشگيري از كم خوني فقر آهن (مي‌تواند بهترين انتخاب پيشگيري از بارداري در زنان مبتلا به منوراژي، ديس‌منوره و كم خوني فقر آهن باشد) 0

•پيشگيري از بيماري التهابي لگن  (PID) و حاملگي خارج رحمي

•كاهش علائم سندرم  Premenstrual  و كاهش درد ناشي از اندومتريوز

•بهبود هماتولوژيك زنان مبتلا به بيماري كم خوني داسي شكل، كاهش فركانس تشنج در اختلالات صرعي

•مهار كيست هاي فوليكولي تخمدان

تاثير روي خطر سرطان پستان و دستگاه توليد مثل 

تاثير روي عوامل خطر قلبي عروقي 

تاثير روي چگالي استخواني 

از آنجائي كه DMPA در مقادير مورد استفاده در پيشگيري از بارداري توليد تخمداني استراديول را مهار مي‌كند، اين نگراني وجود دارد كه با بروز استئوپني زمينه را با افزايش خطر استئوپوروز بعد از يائسگي فراهم نمايد. استفاده از DMPA حداقل به صورت گذرا ممكن است در جوانان باعث اختلال مينراليزاسيون استخوان گردد ولي اين كاهش چگالي، بعد از قطع استفاده قابل برگشت بوده و اهميت باليني ندارد.

 

موارد منع استفاده DMPA 

• بارداري (قطعي يا مشكوك)

•خونريزي رحمي با دلايل نامشخص

• ترومبوفلبيت فعال يا سابقه آن

•بيماري عروق مغزي يا سابقه آن

•بيماري يا اختلال عملكرد كبدي

•سرطان پستان

• حساسيت شناخته شده بهDMPA 

 DMPAبراي زنان شيرده و افرادي كه به دليل عوامل خطر قلبي عروقي منع مصرف OCP تركيبي دارند، يك انتخاب مناسب به حساب مي‌رود. همچنين براي مواردي كه مصرف استروژن ممنوع است مانند ديابت مبتلا به عوارض عروقي، اختلالات چربي، لوپوس سيستميك، يك روش مناسب براي پيشگيري از بارداري است. زنان مبتلا به بيماري هاي رواني، معلولين مغزي از روش هاي تزريقي و كاشتني سود مي‌برند. هر دو DMPA و MPA/E2C  اثر ضد بارداري بسيار بالائي ايجاد مي‌كنند كه بر خلاف OCP وابسته به استفاده كننده نيست.

كپسول هاي كاشتني (نورپلانت)

يك روش پيشگيري موثر و قابل برگشت است كه تا پنج سال مانع بارداري مي‌شود.

نورپلانت شامل شش كپسول قابل ارتجاع كوچك است كه به صورت زير پوستي توسط يك جراحي بسيار كوچك در قسمت داخلي و بالاي بازوي زنان قرار مي‌گيرد. (نسل جديد نورپلانت تحت عنوان  Implanon  فقط از يك عدد كپسول تشكيـل شده اســـــت. هورمـــون موثــــر در داخل كپسول هاي لوونورژسترول  (Levonorgestrol-LNG) است كه يك استروئيد با فعاليت شبه پروژستروني قوي و آندروژني ضعيف بوده و مشتقي ساختگي از تستوسترون است. كپسول ها از جنس لوله هاي سيلاستيك طبي ساخته شده اند. هر كپسول 34 ميلي متر طول و 4/2 ميلي متر قطر داشته و حاوي LNG 36 mg  به شكل كريستالي خشك است. آنچه كه در نورپلانت جديد است، نحوه ارائه ماده پيشگيري از بارداري به بدن است. LNG  به صورت مداوم و با ميزان ثابتي براي مدت 5 سال از ديواره كپسول ها عبور و وارد جريان خون مي‌شود، پس اين امكان را فراهم مي‌كند كه به جاي مصرف 1800 روز قرص، در يك اقدام، از بارداري پيشگيري شود.

 فارماكوكينتيك 

24ـ8 ساعت بعد از كاشت كپسول ها، سطح خوني LNG به ميزان كافي براي پيشگيري از بارداري مي‌رسد و به مدت 5 سال بعد در سطح موثري حفظ مي‌شود. سطح خوني LNG  )ميزان متوسط آن از ماه ششم تا آخر 5 سال 0/25-0/4 ng/ml است) 0 در استفاده كنندگان مختلف تحت تاثير عواملي تغيير مي‌كند. اين عوامل عبارتند از :

1) تفاوت فردي در ميزان متابوليسمLNG 

2) تفاوت در وزن و نسبت بافت چربي به عضله

3) تفاوت در سطح گلوبولين اتصالي هورمون جنسي (SHBG)، (به دليل اتصال محكم LNG  به آن) 0 به علاوه دو عامل موضعي ضخامت صفحه فيبري و وضعيت رگ هاي خوني و بافت چربي اطراف كپسول، آزاد شدن LNG  از كپسول ها را تحت تاثير قرار مي‌دهد. بالاخره به دليل نيمه عمر 40 ساعته، به دنبال برداشتن كپسول ها،  LNG  پلاسما در عرض چند روز غيرقابل اندازه گيري خواهد شد.

 مكانيسم اثر 

• ايجاد تغيير در تركيب ترشحات دهانه رحم و غليظ و چسبنده شدن آن (مهمترين اثر ضدبارداري)،

•  مهار تخمك گذاري (در حدود 50% سيكل هاي قاعدگي) ـ در صورت تخمك گذاري نيز سطوح پروژسترون كاهش مي‌يابد،

• اثر روي اندومتر ـ  با ايجاد هيپوپلازي در نتيجه، اشغال گيرنده هاي پروژستروني.

كارائي و اثربخشي

 ميزان حاملگي براساس شاخص Pearl  تنها 2/0 براي سال هاي اوّل و دوّم و به ترتيب 9/0ـ5/0 و 1/1 به ازاي 100 زن ـسال براي سال هاي سوّم تا پنجم است. ميزان تجمعي حاملگي پنج سال 6/1 به ازاي 100 زن ـ  سال است. بر خلاف مطالعات اوليه، ميزان شكست در زنان با وزن بيش از 70 كيلوگرم تفاوت معني داري از نظر آماري با بقيه ندارد.

مصرف همزمان داروها با خصوصيات افزايش توليد آنزيم هاي كبدي متابوليزه كننده  LNG ، احتمال حاملگي را افزايش مي‌دهد. اين داروها عبارتند از، دارو هاي ضد صرع مانند باربيتورات ها، فنيتوئين، كاربامازپين و آنتي‌بيوتيك هاي ريفامپين و گريزئوفولوين.

عوارض جانبي

گرچه تقريبا همه استفاده كنندگان، يك يا چند مورد از عوارض جانبي را در طي پنج سال تجربه خواهند كرد، مشكلات جدي خيلي به ندرت پيش مي‌آيد و همانند روش هاي پيشگيري از بارداري ديگر، مشاوره خوب و دقيق قبل از كاشت، تاثير زيادي روي احساس رضايت و ميزان هاي تداوم استفاده دارد.

• تغيير در خونريزي قاعدگي (شايعترين عارضه جانبي) ـ  در يك مطالعه جديد، در سال اوّل 66% قاعدگي نامنظم، 27% قاعدگي منظم و 7% آمنوره داشتند و متوسط تعداد روز هاي توام با لكه بيني و خونريزي در سال اوّل 3/92 روز بود كه اين ميزان در سال پنجم به 2/70 روز كاهش يافت. كلا بررسي ها نشان داده است كه مقدار متوسط از دست دادن خون در مقايسه با قبل از استفاده از آن كمتر است و سطوح هموگلوبين با استفاده مداوم از نورپلانت افزايش يافته است.

•  سردرد در 9/1% موارد

• تغييرات وزن (معمولا افزايش) در 7/1% موارد

• تغييرات خلق (عصبانيت يا اضطراب) 1/1% موارد

•  افسردگي 9/0% موارد

• تهوع، تغيير در اشتها، حساسيت پستان ها و افزايش مو هاي بدن و صورت 8/1% موارد

• فوليكول هاي مقاوم تخمدان (نادر)

فارماكولوژي باليني

 هيچ گونه تغيير باليني مهمي در متابوليسم كربوهيدرات ها، عملكرد كبد و كليه و 000 ثابت نشده است.

الف) كربوهيدرات ها : افزايش اوليه ناچيز در سطح گلوكز سرم كه اهميت باليني ندارد.

ب) ليپوپروتئين ها : عموما نسبت كلسترول به  HDL  يا كاهش يافته و يا تغييري نكرده است.

ج ) فاكتور هاي انعقادي : اثرات متعددي گزارش شده ولي اهميت باليني اين تغييرات تاكنون مشخص نشده است، غير از ارتباط احتمالي نورپلانت با وقوع Thrombotic Thrombocytopenic Purpura : TTP))

د) متابوليسم آهن : تعداد زناني كه هموگلوبين آن ها افزايش پيدا مي‌كند دو برابر زناني است كه اين يافته كاهش مي‌يابد. در مجموع ميزان هاي هموگلوبين در كليه استفاده كنندگان حدود 2% زياد مي‌شود.

موارد استفاده از نورپلانت

 كپسول هاي كاشتني نورپلانت يك روش مناسب براي زناني است كه :

•  ترجيح مي‌دهند از يك روش طولاني مدت استفاده كنند و با روش هاي مسدود كننده مشكل دارند.

• تعداد كودكان مورد دلخواه خود را دارند ولي هنوز تمايل به استفاده از روش هاي دائمي ندارند.

• به كودك خود شير مي‌دهند. (با اين كه شيردهي را متاثر نمي‌كند و حتي ممكن است حجم و كيفيت شير مادر را بهبود بخشد، براي زنان شيرده بهترين انتخاب نيست)

•سيگاري هستند (در هر سن و با هر مقدار مصرف سيگار در روز)

• موارد منع استفاده از نورپلانت :

• بارداري (در صورت تشخيص حاملگي بايد برداشته شوند)

• خونريزي رحمي با علت نامعلوم

• هپاتيت ويروسي علامت دار (نورپلانت فقط موقعي مورد استفاده دارد كه روش مناسبتر ديگري در دسترس نباشد)

•تومور هاي كبدي و سرطان پستان (توصيه نمي‌شود مگر روش هاي مناسب تر ديگري در دسترس نباشد).

 

زمان كاشتن نورپلانت 

•در هفت روز اوّل قاعدگي

• بلافاصله پس از سقط يا در هفت روز اوّل پس از سقط

• 6 هفته پس از زايمان در زنان شيرده

•حداكثر 4 هفته پس از زايمان در صورت عدم شيردهي

 

كاشتن نورپلانت با بي حسي موضعي و ايجاد شكاف كوچكي در زير پوست بازو و تحت شرايط استريل انجام مي‌شود و اين عمل جراحي كوچك حدود 10 دقيقه طول كشيده و نياز به بخيه ندارد. برداشتن آن هم 10 تا 15 دقيقه طول مي‌كشد.

علي رغم اثر بخشي بسيار بالا و مزاياي متعدد نورپلانت، به دليل پوشش ناكافي مشاوره صحيح قبل از كاشت، اين روش در كشور ما با استقبال خوبي مواجه نشد. برعكس در كشور هاي ديگر طبق مطالعات انجام گرفته، روز به روز به ميزان هاي تداوم استفاده و شيوع استفاده از اين روش افزوده مي‌شود به خصوص از زماني كه نمونه هاي جديد تحت عنوان Implanon مورد استفاده قرار گرفته است. Implanon از يك عدد كپسول حاوي  Progestogen تشكيل شده كه كارائي آن بهتر از نورپلانت بوده و به دليل سهولت كاشت و برداشت براي پزشك و استفاده كننده و نيز اثرات جانبي كمتر به دليل اثرات نا به جاي آندروژني كمتر، از استقبال بيشتري برخوردار شده است .

روش هاي غير هورموني پيشگيري از بارداري

مقاربت منقطع

در اين روش مرد پيش از انزال، با خروج آلت تناسلي آميزش را قطع كرده و با اين اقدام مي‌كوشد كه از ريختن مايع مني در مهبل جلوگيري كند. مقاربت منقطع از قديمي ترين راه هاي كنترل مواليد به صورت داوطلبانه بوده و به همراه سقط عمدي و القائي و ازدواج در سنين بالا موجب قسمت عمده اي از كاهش باروري پيش از صنعتي شدن در اروپا بوده است و به نظر مي‌آيد كه همچنان در سطح وسيعي بكار گرفته مي‌شود. بعضي زوجين مي‌توانند اين روش را با موفقيت بكار گيرند برخي ديگر انجام آن‌را دشوار مي‌يابند. نقطه ضعف عمده مقاربت منقطع روش آنست كه ممكن است ترشحات مرد كه پيش از آميزش دفع مي‌شود حاوي اسپرم باشد، همچنين كمترين اشتباه در تعيين زمان خروج آلت تناسلي مرد، ممكن است مقدار معيني از اسپرم را در مهبل بريزد و از اين رو ميزان عدم موفقيت در يك مطالعه وسيع 7/6 به ازاي 100 زن ـ  سال گزارش شده است (34). عوارض جانبي قابل توجهي ندارد و اگر زن و شوهر اين روش را ترجيح دهند بكارگيري آن مسئله اي را پيش نمي‌آورد و بطور كلي از عدم استفاده از هيچ روش تنظيم خانواده بهتر است.

 آمنوره ناشي از شير دهي

در جريان شير دهي، تخمك گذاري مهار مي‌شود. مكيدن پستان توسط نوزاد از طريق افزايش پرولاكتين و از آن طريق كاهش ترشح GnRh از هيپوتالاموس باعث كاهش آزاد شدن LH مي‌شود. طول مدت اين مهار، متغير بوده و تحت تاثير فراواني و طول مدت شيردهي، فاصله زماني از تولد نوزاد و وضعيت تغذيه مادر است. در صورتي كه نوزاد انحصارا از شير مادر تغذيه شود و فاصله دفعات شير دهي از 4 ساعت بيشتر نبوده و در طول شب نيز شير دهي متوقف نشود تخمك گذاري در 6 ماه اوّل اتفاق نمي‌افتد در اين شرايط احتمال قاعدگي مادر در 6 ماه اوّل بعيد بوده و مي‌تواند در اين مدت از روش هاي هورموني استفاده نكند ولي هر زمان كه قاعدگي شروع شد، بايد از روش موثرتري استفاده شود. معمولا در زنان شيرده OCP تركيبي توصيه نمي‌شود بدليل اينكه استروژن مي‌تواند مقدار توليد شير را كاهش داده و با عبور از شير، كودك را نيز متاثر سازد. داروي انتخابي در اين زنان روش هاي هورموني پروژستروني بخصوص Minipill و در درجه دوّم نورپلانت و آمپول هاي تزريقي است. روش هاي مسدود كننده، اسپرم‌كُش ها و IUD نيز مي‌تواند مورد استفاده قرار گيرد .

استفاده از دوره مطمئن (روش ريتم ـ  تنظيم خانواده طبيعي)

در اين روش براساس تخمين زمان تخمك گذاري، زوجين در فاصله زماني كه امكان باروري در دوره ماهانه قاعدگي وجود دارد، از نزديكي خودداري مي‌كنند. براي تخمين زمان تخمك گذاري معمولا از سه روش تقويمي، موكوسي و روش حرارتي استفاده مي‌شود.

 روش تقويمي

 تخمك گذاري در اغلب موارد 14 روز قبل از شروع دوره قاعدگي بعدي اتفاق مي‌افتد ولي الزاما 14 روز بعد از شروع آخرين قاعدگي صورت نمي‌گيرد. اين روش از كمترين اثر بخشي برخوردار است زيرا طبق گزارشاتي مقاربت حتمي 7 روز قبل از تخمك گذاري نيز بارور كننده بوده است زيرا اسپرم بر خلاف تخمك طول عمر چند روزه دارد. در نتيجه يك هفته خودداري از نزديكي در حوالي تخمك گذاري نيز تضمين كننده نيست و اين روش از كمترين اثر بخشي برخوردار است. 

روش موكوسي

 اين روش براساس آگاهي از خشكي يا آبكي بودن ترشحات دهانه رحم بدنبال تغيير در مقدار و كيفيت موكوس دهانه رحم در زمان هاي مختلف چرخه قاعدگي استوار است. در حوالي تخمك گذاري به علت افزايش ميزان استروژن، ترشحات دهانه رحم آبكي و در خارج از اين دوران چسبنده و غليظ است و زنان با بررسي توسط انگشت خود مي‌توانند زمان تخمك گذاري را تخمين بزنند. طبق اين روش مي‌توان در زمان هايي كه مهبل خشك است يعني بعد از قطع قاعدگي تا ظاهر شدن موكوس در مهبل، مقاربت انجام داد، سپس زوجين تا چهار روز بعد از به اوج رسيدن آبكي شدن موكوس دهانه بايد از مقاربت خودداري كنند علي رغم آن اين روش مطمئن نبوده و از ميزان شكست بالائي برخوردار است.

روش حرارتي

 اساس اين روش تغيير مختصر (حدود 5/0 درجه سانتيگراد) در درجه حرارت پايه بدن است كه معمولا درست قبل از تخمك گذاري اتفاق مي‌افتد اين افزايش مختصر دماي بدن بدليل افزايش سريع و ناگهاني هورموني LH صورت مي‌گيرد و تشخيص آن مستلزم اندازه گيري روزانه و ثبت دماي بدن (صبح ها پس از بيدار شدن از خواب) است. اين روش در ميان روش هاي طبيعي بيشتر از ساير روش ها كارائي دارد ولي روش متداولي نيست.اثر بخشي استفاده از روش ريتم توسط سازمان جهاني بهداشت مورد ارزيابي قرار گرفته است و در يك مطالعه بزرگ زناني كه به خوبي تحت آموزش اين روش قرار گرفته بودند در طول يك سال مورد بررسي قرار گرفتند. بعد از يك سال ميزان شكست (بروز حاملگي) در نزد زوجين آموزش ديده 1/3 و در زوجين آموزش نديده تا 4/86 به ازاي 100 زن ـ  سال محاسبه گرديد (35). براي افزايش كارائي روش ريتم و تشخيص دقيق زمان تخمك گذاري از روش هاي ترمومتر هاي الكترونيكي (36) يا شناسائي ميكروكريستال هاي بزاق به عنوان نشانگري براي زمان تخمك گذاري (37) نيز استفاده شده است.

روش هاي ايجاد مانع (Local Barrier methods)

هدف اين روش ها پيشگيري از رسيدن اسپرم به تخمك است. در سال هاي اخير اين دسته از روش هاي پيشگيري مقبوليت بيشتري يافته اند زيرا علاوه بر مزاياي پيشگيري از بارداري، برخي مزاياي ديگري هم دارند. مزيت عمده پيشگيري از بارداري آن ها نداشتن عوارض جانبي نامطلوب در مقايسه با روش هاي هورموني و IUD  است و مزاياي ديگر اين روش ها غير از پيشگيري از بارداري عبارتند از : حفاظت در برابر بيماري هاي مقاربتي، كاهش بروز بيماري هاي التهابي لگن و احتمالا حفاظت نسبي در برابر خطر سرطان گردن رحم. در عين حال متاسفانه اثر بخشي آن ها مطلوب نيست. اين روش ها عبارتند از :

كاندوم مردانه

كاندوم مردانه ساخته شده از روده حيوانات اوّلين بار در سال 1700 در اروپا به كار گرفته شد. كاندوم هاي جديد معمولا از پلاستيك لاتكس ساخته مي‌شوند، هر چند كه انواع ساخته شده از روده حيوانات هنوز موجود بوده و از طرف بعضي از زوجين ترجيح داده مي‌شود. كاندوم به عنوان تنها روش مردانه موثر و قابل برگشت موجب تجمع مايع مني و اسپرم و جلوگيري از ورود آن ها به داخل مهبل مي‌شود. كاندوم پيشگيري از بارداري نسبتا موثري را در صورت آموزش استفاده صحيح، ايجاد مي‌كند و ميزان شكست آن حتي تا 4ـ3 به ازاي 100 زن ـ  سال مي‌رسد. اسپرم‌كُش ها به تنهايي كارائي بالائي در پيشگيري از بارداري ندارد اما در صورتي كه كاندوم به اين ماده آغشته شود، كارائي بيشتري به دنبال خواهد داشت. بيشترين اسپرم كشي كه اثر ليزكننده نيز داشته و مورد استفاده قرار مي‌گيرد،  nonoxynol - 9  است. خطر پارگي كاندوم در انواع جديد حدود 3% است كه در اثر سايش صورت مي‌گيرد .

استفاده صحيح و ممتد از روش هاي ايجاد مانع به خصوص كاندوم انتقال بيماري هاي  gonorrhea  ،  ureaplasma و ديگر بيماري هاي مقاربتي را به صورت قابل توجهي كاهش مي‌دهد ولي صد درصد نيست. در محيط آزمايشگاهي، HIV , Herpes II , Chlamydia  و Hepatitis B نمي‌توانند از كاندوم هاي لاتكس عبور كنند ولي از كاندوم هاي از جنس روده حيوانات عبور مي‌كنند . كاندوم ها همچنين تا حدي در مقابل نئوپلازي دهانه رحم مقاومت ايجاد مي‌كنند. در يك مطالعه، خطر نسبي  (Relative Risk) ديسپلازي شديد استفاده كنندگان كاندوم و ديافراگم در صورت 9ـ5 سال استفاده، 4/0 و در صورت 10 سال استفاده ممتد، 2/0 گزارش شد كه معادل 80ـ60 درصد كاهش خطر است .

از مزاياي ديگر استفاده از كاندوم، ايجاد تاخير در انزال و در نتيجه حفظ نعوظ در مرداني است كه انزال زودرس دارند. اشكالاتي كه مي‌توان براي كاندوم در نظر گرفت عبارتند از :

• كاهش ميل جنسي در نزد بعضي از مردان

• ايجاد حساسيت نسبت به ماده اسپرم كش.

كاندوم زنانه (Vaginal Pouch)

كاندوم زنانه يك پوشش پلاستيكي از جنس Polyurethane است كه حلقه موجود در قسمت بسته آن در انتهاي مهبل و حلقه بزرگتر آن در بيرون مهبل قرار مي‌گيرد. شانس پارگي آن در جريان مقاربت 6% و امكان جابجائي 3% (كمتر از كاندوم مردانه) است. قابليت قبول آن براي زنان 60% براي مردان 80% گزارش شده است. با استفاده صحيح، ميزان حاملگي تا 6/2 به ازاي 100 زن ـ  سال مي‌تواند باشد.

ديافراگم

ديافراگم از يك حلقه معمولا فلزي گرد كه به وسيله يك پلاستيك نازك لاتكس پوشيده شده تشكيل  گرديده و انواع مختلفي دارد. ارائه كننده خدمات بايد ضمن اينكه ديافراگم را براي مراجعه كننده جاگذاري مي‌كند، آموزش هاي لازم را به وي داده و اطمينان حاصل كند كه مي‌تواند ديافراگم را به راحتي در انتهاي واژن قرار دهد.

ديافراگم را مي‌توان توام با اسپرم‌كُش ها نيز بكار برد. ديافراگم اندازه هاي مختلفي دارد و اندازه هاي 65، 70 و 75 براي بيشتر زنان مناسب است. ديافراگم و ماده اسپرم كش را مي‌توان چند ساعت قبل از نزديكي در مهبل قرار داد ولي براي محافظت بيشتر نبايد زودتر از 6 ساعت بعد از نزديكي برداشته شود. براي پيشگيري ازToxic shock syndrome كه خيلي به ندرت گزارش شده است نبايد بيش از حد در مهبل باقي بماند. ميزان شكست اين روش از 9/1 تا 3/12 به ازاي 100 زن ـ  سال گزارش شده است.

كلاهك دهانه رحم (Cervical Cap)

اين روش جديد در سال 1988 مورد تاييد قرار گرفت. يك وسيله شبيه كلاهك قابل انعطاف ساخته شده از لاستيك طبيعي است كه در اطراف بيخ دهانه رحم قرار مي‌گيرد. فرد استفاده كننده مي‌تواند خود، اين وسيله را در محل قرار داده و نبايد بيش از 48 ساعت در آنجا باقي بماند. اين وسيله را مي‌توان توام با اسپرم كش نيز استفاده كرد. در صورت استفاده صحيح از كارائي معادل با ديافراگم برخوردار است.

وسيله داخل رحمي (Intra Uterine Device - IUD)

وسيله داخل رحمي (IUD) يكي از پر مصرف ترين و رايج ترين وسايل ضدبارداري محسوب مي‌شود  IUD  در داخل حفره رحم قرار گرفته و تا سال ها در محل خود باقي مي‌ماند. مهمترين امتياز اين روش، پيشگيري از بارداري طولاني مدت بدنبال جاگذاري بسيار آسان آن در رحم است.

انواع :

IUD عموما به دو صورت ساخته شده اند : الف) از نظر شيميائي خنثي و از جنس مواد غير قابل جذب بخصوص پلي‌اتيلن آغشته به سولفات باريوم جهت رويت در عكس راديولوژي. ب) از نظر شيميائي فعال (ماده شيميائي فعال مس يا پروژسترون است)0 شاخص ترين IUD از نوع خنثي، Lippes Loop  است كه از سال 1985 به بازار عرضه نمي‌شود. سه نوع IUD كه مورد تائيد بوده و اينك مورد استفاده قرار مي‌گيرند عبارتند از :

•     Copper T380A به شكل T بوده، از جنس پلي‌اتيلن و حاوي  380 mm2 مس مي‌باشد و براي مدت 8 سال كارآئي دارد.

•  Progestasert به شكل T بوده و حاوي 36 mg پروژسترون است كه براي مدت يك‌سال، روزانه حدود 65 ميكروگرم پروژسترون به حفره رحم آزاد مي‌كند.

•  Levonorgestrel device  LNG-IUD اين وسيله شبيه Progestasert بوده ولي به جاي پروژسترون حاوي  Levonorgestrel  مي‌باشد. مهمترين امتياز اين وسيله، نياز به  تعويض 5 سال يك بار آنست. روزانه 20 ميكروگرم  LNG  به داخل حفره رحم آزاد مي‌كند و به شكل T است.

مكانيسم عمل :

 اختلال در لانه گزيني تخم لقاح يافته كه قبلا تصور مي‌شد مكانيسم عملIUD است، از كم اهميت ترين عملكرد هاي آنست. در اثر IUD، بخصوص در انواع مسي يك واكنش التهابي موضعي ايجاد و منجربه فعال شدن ليزوزوم ها و ديگر مواد اسپرم كش مي‌شود (كف بيولوژيك)، و اگر با احتمال كم، لقاح صورت گيرد، همان واكنش التهابي بر عليه بلاستوسيست فعال خواهد شد. افزايش حركت لوله هاي رحمي و در انواع پروژستروني آتروفي اندومتر، از مكانيسم هاي عمل ديگر آن است.

اثربخشي

IUD از ميزان تداوم استفاده بسيار بالائي برخوردار است كه علت آن اثر بخشي بسيار بالا و امكان اقدام يك باره براي پيشگيري از بارداري طولاني مدت است. اين روش در بين روش هاي قابل برگشت، از بهترين هزينه اثر بخشي برخوردار است.LNG-IUD , Copper T380  از ميزان شكست بسيار پائيني برخوردارند (كمتر از 2/0 به ازاي هر 100 زن ـ سال)0 در يك مطالعه مقايسه اي مجموع بارداري ها در طول 7 سال، فقط 1/1 براي LNG-IUD و 4/1 براي Cu T380 به ازاي هر 100 زن ـ سال گزارش شد (40). نوع Progestasert  ميزان شكست بالاتري دارد .

عوارض جانبيIUD

1) عفونت داخل لگني

 مطالعات گذشته نشان داد كه IUD احتمال عفونت لگني (PID) را تا 8 برابر افزايش مي‌دهد ولي بررسي هاي اخير بخصوص مطالعه كوهورتي كه زير نظر سازمان جهاني بهداشت انجام شدنشان داد كه فقط در 20 روز اوّل بعد از گذاشتن IUD شانس PID بيشتر مي‌شود و پس از آن ميزان تشخيص PID حدود 6/1 مورد به ازاي 1000 زن در سال بود كه همانند ساير زنان مي‌باشد (41). از سوي ديگر عفونت لگني بيشتر در زناني ديده شده است كه شركاي جنسي متعدد يا آلوده داشته اند به عبارتي خود مقاربت آلوده كننده بوده است نه وجودIUD   (2). زناني كه از  IUD  استفاده مي‌كنند ممكن است نسبت به زناني كه از روش هاي ديگر پيشگيري از بارداري استفاده مي‌كنند، در خطر بيشتر ابتلاء عفونت  HIV  باشند (42). همچنين بدنبال استفاده طولاني مدت از IUD ، در 7% موارد  Actinomyces lsraelii  يا ارگانيسم شبيه آن در Pap Smear  ديده مي‌شود كه اين رقم در زنان فاقد IUD  فقط 1% است بنابراين در صورت وجود علائم آبسه لگني ناشي از اين ارگانيسم توصيه مي‌شود ضمن در آوردن IUD به آنتي بيوتيك درماني نيز اقدام شود .

2) نازائي

 سابقه استفاده از IUD در زنان نازا دو برابر زنان عادي بوده است ولي علت بيشتر موارد، بيماري هاي عفوني خصوصا بيماري هاي مقاربتي بوده و كمتر به ماهيت خود IUD و نازائي ناشي از عامل لوله اي  (Tubal Factor) بستگي دارد. مضاف بر اينكه انواع مسي جديد احتمال نازائي را كاهش مي‌دهند. در عين حال چون اتفاق نظر در اين ارتباط وجود ندارد، معمولا IUD به كساني توصيه و گذاشته مي‌شود كه حداقل يك بچه داشته باشند.

3) بارداري خارج رحمي

خطر بارداري خارج رحمي با IUD، نسبت به عدم استفاده از هيچ روش پيشگيري كاهش قابل ملاحظه اي دارد ولي اگر زني با داشتن IUD  باردار شود، از آنجاكه لوله هاي رحمي حفاظت كمتري نسبت به خود رحم دارند، 5% موارد، احتمال بارداري خارج رحمي وجود دارد .

4) ساير عوارض 

•پارگي رحم در حين گذاشتن) IUD نادر است و به مهارت ارائه كننده خدمات بستگي دارد)

•كرامپ رحمي و خونريزي

• منوراژي (خونريزي قاعدگي عموما دو برابر مي‌شود. مقدار خون ريزي قاعدگي در حالت طبيعي حدود  35 ميلي ليتر است در حاليكه متوسط آن در استفاده از IUD نوع مسي 60-50 ميلي ليتر ، نوع Progesta Scr+ 25 ميلي ليتر و درLNG-IUD  به مراتب كمتر است) 0

بارداري همراه IUD

در زناني كه از IUD استفاده مي‌كنند، قطع قاعدگي (آمنوره) احتمال بارداري را مطرح مي‌سازد. در چنين زماني اوّلين اقدام بررسي آزمايشگاهي براي رد يا تاييد بارداري است. در صورت تاييد بارداري، اگر نخ IUD  قابل رويت بود، بايد هر چه زودتر IUD خارج شود زيرا بارداري همراه با IUD خطر سقط عفوني را افزايش مي‌دهد. ولي اگر نخ قابل رويت نبود با راهنمائي سونوگرافي مي‌توان با احتياط، محل آنرا پيدا كرده و در صورت امكان IUD را خارج يا نسبت به سقط درماني اقدام نمود. در صورت تمايل مادر به ادامه بارداري، مي‌توان ضمن توجه به علائم عفونت بارداري را ادامه داد.

زمان گذاشت IUD

بهترين زمان براي گذاردن IUD در روز هاي پاياني قاعدگي است، اما براي خانمي كه مطمئن است باردار نيست، در هر زماني مي‌توان IUD گذاشت و هيچ‌گونه محدوديتي وجود ندارد. IUD را بلافاصله پس از انجام سقط قانوني و غير عفوني و در سقط جنين هاي سه ماهه اوّل مي‌توان گذاشت ولي گذاشتن آن بلافاصله پس از سقط هاي سه ماهه دوّم و سوّم توصيه نمي‌شود و بهتر است 6 هفته بعد IUD گذاشته شود. پس از سقط هاي غير قانوني به علت خطر بروز عفونت، گذاشتنIUD توصيه نمي‌شود (1).

پيگيري IUD

  زناني كه از IUD استفاده مي‌كنند، بايد پس از نخستين دوره قاعدگي از نظر احتمال خروج اين وسيله معاينه شوند و يك بار ديگر هم در سومين دوره قاعدگي و براي دشواري هاي احتمالي مانند درد و خونريزي معاينه و ارزيابي شوند و پس از اين مدت بايد هر 6 ماه تا يك سال، يك بار معاينه شوند.

موارد منع مطلق مصرف 

• بارداري (مشكوك يا شناخته شده)

• عفونت هاي لگني فعال، اخير يا مكرر

• خونريزي رحمي غير طبيعي، نامنظم يا تشخيص داده نشده

•سرطان هاي رحم و سرويكس

در كل، اين روش پيشگيري از بارداري روزبروز مقبوليت بيشتري پيدا مي‌كند زيرا تكنولوژي جديد نه تنها اثر بخشي و كارائي آنرا تا نزديك 100% بهبود مي‌دهد، اندازه IUD‌ ها نيز از زمان ابداع نوع  Lippes loop ، 6 برابر كوچكتر شده است. اينك IUD وارد فاز جديدي از تكامل شده است : با انواعي كه پروژسترون هاي قوي را در رحم آزاد مي‌كنند و نيز انواع فاقد چهارچوب T شكل  (Frameless) كه عوارض بسيار كمتري نيز دارند.

روش هاي دائمي جلوگيري از بارداري 

عقيم سازي زنانTubectomy -TI)) (1)

در گذشته در آمريكا هيستركتومي (برداشتن كامل رحم) را به عنوان روش دائمي پيشگيري انجام مي‌دادند اما از آنجاكه يك عمل جراحي با وسعت زياد و عوارض بالا است امروزه به عنوان يك روش پيشگيري بكار برده نمي‌شود و به جاي آن عقيمي يا بستن لوله هاي رحمي روش انتخابي است.

روش هاي رايج 

1) عقيمي در حين لاپاراتومي مثل سزارين يا ساير جراحي هاي شكمي

2) عقيمي به محض اتمام زايمان طبيعي (از راه واژن يا شكم)

3) عقيمي در فاصله بين بارداري ها

4) لاپاروسكوپي

 

عقيم سازي حين سزارين تنها كمي زمان انجام عمل جراحي را طولاني مي‌كند ولي از آنجاكه سزارين نسبت به زايمان طبيعي خطرات بيشتري دارد هرگز نبايد بدليل اينكه زني خواهان عقيم شدن لوله اي است او را سزارين كرد. بلكه اگر كسي كانديد سزارين بوده و يك روش دايمي پيشگيري را نيز مي‌طلبد در آن صورت مي‌توان حين سزارين لوله هاي رحمي را بست.

 

عقيم سازي از راه واژن بسيار پر خطر بوده و از عوارض شايع آن بروز آبسه هاي لگني است لذا بهتر است حتي‌الامكان از اين روش استفاده نشود.اما پس از زايمان كه رحم بزرگ شده و لوله ها وسط شكم قرار گرفته اند دسترسي به لوله ها بسيار آسان‌تر بوده عمل جراحي از طريق شكم سهل تر خواهد بود.

 

عقيم سازي در فاصله بارداري ها حتي به صورت سرپايي قابل انجام بوده و عارضه زيادي ندارد. روش آساني است و شايعترين طريقه انجام بستن لوله ها اين روش مي‌باشد.

لاپاروسكوپي يك روش نسبتا جديد است و در صورتيكه با احتياط وتوسط فرد مجرب انجام شود عوارض كمتري دارد. هنگام اين عمل، جراح بايد بسيار مراقب خطر آسيب رسيدن به عروق اصل شكمي و لگني باشد.

عقيم سازي توسط سوزاندن الكتريكي دو قطب لوله با كاربرد نوار لاستيكي (حلقه) جهت بسته شدن لوله و يا استفاده از يك گيره جهت بستن لوله در هر مقطع صورت مي‌گيرد.

ميزان شكست در اين روش پيشگيري حدود 4/0% است كه بيشترين زمان آن نيز طي چند ماه اوّل است. گاه زن، باردار شده ولي هنوز لانه گزيني صورت نگرفته است، لذا پيشگيري تا آخرين روز قبل از جراحي بايد صورت گيرد و حتما در همان روز بررسي جهت وجود حاملگي انجام شود. يكي ديگر از دلايل شكست، ناهنجاري هاي لوله اي است كه يك لوله بدليل چسبندگي هاي اطراف مخفي مانده و بسته نمي‌شود.

عوارض بستن لوله 

1) چون يك عمل جراحي است مانند هر جراحي شكم عارضه چسبندگي شكمي در اين روش گهگاه ديده مي‌شود.

2) عوارض بيهوشي و لوله گذاري در ناي، مثل هر عمل جراحي

3) بي نظمي قاعدگي

4) درد هاي دوره قاعدگي خاصه در كساني كه سابقه مصرف قرص ضدبارداري داشته اند و اكنون قطع كرده اند

5) عفونت لگني و شكمي

برگشت عقيمي لوله اي در زنان

برگرداندن عقيمي توسط يك عمل جراحي مجدد در روش بستن لوله با حلقه و نوار فلزي گهگاه امكان پذير است اما پس از بستن لوله از طريق انعقاد الكتريكي احتمال موفقيت بسيار كمتر است زيرا روش الكتريكي قسمت اعظم لوله را تخريب مي‌كند.

 

عقيم سازي مردان (Vasectomy)

وازكتومي (بستن لوله انتقال دهنده مني در مردان) يك روش بي خطر و موثر براي پيشگيري دائمي از آبستني است. امروزه تقريبا همه موارد وازكتومي بمنظور پيشگيري از بارداري انجام مي‌شود. در حاليكه انجام وازكتومي ها در اوائل 1900 بيشتر به علل غير از بارداري از جمله به منظور درمان بيماري هاي ادراري، پروستات، ناتواني جنسي و يا برعكس به علت كاهش رفتار جنسي بوده است.

با اين حال تحقيقات نشان داده است كه وازكتومي چنين اثراتي ندارد. ارزش وازكتومي به عنوان روش دائمي در جلوگيري از بارداري در دهه 1960، هر چه بيشتر شناخته شده و مرسوم گرديد.

روش هاي متداول 

• Traditional Vasectomy ( روش سنتي)

•  (N.S.V) No Scalpel Vasectomy  (وازكتومي بدون تيغ جراحي) در روش كلاسيك يا سنتي، بدنبال بي حسي موضعي، از طريق برش كوچكي در يك يا دو طرف اسكروتوم، مجراي ناقل مني را از اعضاء مجاور مانند وريد و شريان بيضه جدا نموده و آن‌را كاملا سخت مي‌كنند. سپس مجراي ناقل مني را قطع نموده و دو انتهاي آنرا با كاتگوت يا به طريق الكتروكواگولاسيون مي‌بنديم. روش  N.S.V  كه در سال 1974 توسط دكتر Li Shungung  ابداع گرديد، هم اكنون در بسياري از كشور ها به عنوان روش استاندارد وازكتومي مورد استفاده قرار مي‌گيرد. در اين روش با بكار بردن پنس هاي مخصوص، وازكتومي را بدون ايجاد شكاف در پوست اسكروتوم انجام مي‌دهند. روش كار ترتيبي است كه مجراي وازدفرانس رابا پنس مخصوص گرفته و آنچنان به پوست نزديك مي‌كنيم كه فاصله بين مجرا و پوست وجود نداشته باشد. با ضربه نوك پنس مخصوص مجراي واز نمايان شده و از همان مجرا لوله را بيرون آورده و قطع مي‌كنيم. بنابراين نيازي به استفاده از تيغ جراحي نيست و حتي بخيه روي پوست نيز مورد نياز نمي‌باشد.

عوارض وازكتومي

طبق بررسي هاي بعمل آمده، روش N.S.V كمتر از روش سنتي تهاجمي بوده و عوارض كمتري را ايجاد مي‌كند. در بررسي روي 170000 مورد N.S.V در چين ميزان هماتوم بعد از عمل 09/0% و ميزان عفونت موضعي91/0%  ولي اين ميزان ها در بررسي روي 155/65 مورد وازكتومي بروش سنتي به ترتيب 95/1% و 48/3درصد بود.

به ندرت ممكن است تجمع اسپرماتوزوئيد ها در ناحيه قطع مجرا موجب اسپرم گرانولوما گردد. عوارض ديررس از جمله نقصان در ميل جنسي يا رفتار جنسي و احساس عدم سلامت جسمي از مسائل مورد بحث بوده و ولي تاكنون دلايل كافي كه مانع اجراي وازكتومي گردد، در دست نيست. پادتن ضد اسپرم  (Antisperm antibody) ممكن است در بعضي موارد ايجاد شود ولي اثرات سوء در سلامتي شخص كه وازكتومي نموده است، ندارد.

يكي از اشكالات وازكتومي اينست كه عقيمي بلافاصله بعد از عمل جراحي ايجاد نمي‌شود و خروج كامل اسپرم هاي ذخيره شده در دستگاه تناسلي چندين هفته بعد صورت مي‌گيرد. براي اين منظور جهت حصول اطمينان از عقيمي، داشتن دو نمونه اسپرموگرام با نتيجه فاقد اسپرم ضروري است. در طي اين مدت، روش هاي ديگر پيشگيري از بارداري بايد مورد استفاده قرار گيرد. ميزان شكست وازكتومي حدود 1% برآورد مي‌شود.

بازگشت باروري بعد از انجام Vasovasostomy صد درصد نبوده و شانس موفقيت براي بارداري مجدد زوجين حداكثر 50% است ولي اگر موفقيت اين عمل مثبت شدن اسپرموگرام تلقي شود، تا 90% اين احتمال افزايش مي‌يابد. عوامل دخيل در برگشت باروري عمل جراحي مجدد عبارتند از :

بكارگيري تكنيك هاي Microsurgical براي آناستوموز مجدد

مدت زمان بعد از وازكتومي

وجود اسپرم گرانولوم

منع استفاده مطلق براي انجام وازكتومي وجود ندارد و عفونت در ناحيه جراحي يا عفونت سيستميك حاد تا زماني كه درمان شود، از موارد منع استفاده مطلق موقت به شمار مي‌روند.

وازكتومي خصوصا روش N.S.V روز به روز از مقبوليت بيشتري در سطح جهان برخوردار مي‌شود و نتايج بررسي هاي دراز مدت روي افراد وازكتومي شده ايمني و فاقد عارضه جدي بودن آنرا به اثبات رسانيده است.

پيشگيري از بارداري به صورت اضطراري (Emergency Contraception)

اگر مقاربت بدون استفاده از يكي از روش هاي پيشگيري از بارداري انجام شود و يا اتفاقي مانند پاره شدن كاندوم يا نظير آن رخ دهد، مي‌توان از روش جلوگيري از بارداري به صورت اضطراري استفاده نمود.

رايج ترين روش پيشگيري به صورت اضطراري، Yuzpe Method است كه مصرف قرص هاي معمولي خوراكي ضد بارداري HD است و بنام "قرص صبح روز بعد" مشهور است :

Ethinyl Estradiol 100 mg + Norethindrone 0.5 mg Q12 h x 2 

بعد از مقاربتي كه احتمال بارداري دارد، در اوّلين فرصت دو قرص خوراكي HD همراه با شير يا آب زياد بايستي مصرف شود. نكته مهم اين است كه اگر بيش از 72 ساعت از مقاربت گذشته باشد، استفاده از روش اضطراري توصيه نمي‌شود. 12 ساعت بعد از مصرف قرص هاي نوبت اول، 2 قرص HD ديگر بايستي مصرف شود. اگر قـرص نوع LD در دسترس باشد، بايستي در هر نوبت 4 قرص مصرف گردد. ميزان شكست اين روش   2/3% است.

روش هاي ديگر پيشگيري از بارداري به صورت اضطراري عبارتند از

  حاوي مس در 72 ساعت بعد از نزديكي

  Danazol 1200 mg  روزانه به مدت 5 روز

Levonorgestrel 0.75 mg دو دوز به فاصله 12 ساعت

Mifepristone (RU 486) 600 mg تك دوز