Case –control การศึกษาย้อนหลัง (Retrospective, Case Comparison, Case compeer, Case History, Case Reference) อาจารย์ ธรรมศักดิ์ สายแก้ว วิทยาลัยสหเวชศาสตร์ สาขาวิชาสาธารณสุขศาสตร์ มหาวิทยาลัยราชภัฎสวนสุนันทา

ผังการศึกษา Case-control study exposed Case unexposed Studied pop. Target pop. exposed Control unexposed Effect Cause

คุณลักษณะของ Case-control การศึกษาที่เริ่มจาก “ผล” ย้อนกลับไปหา “เหตุ” เลือกกลุ่มคนที่เป็นโรคที่ต้องการศึกษา เรียกว่า “Case” และกลุ่มคนที่ไม่ป่วยมาเป็นกลุ่มเปรียบเทียบ เรียกว่า “Control” รวบรวมข้อมูลที่มีอยู่ในอดีตว่ามีหรือไม่มีปัจจัยที่คาดว่าจะเป็นสาเหตุของโรค เปรียบเทียบ “อัตราส่วนการได้รับปัจจัยต่อการไม่ได้รับปัจจัย” ระหว่างกลุ่มศึกษาและกลุ่มเปรียบเทียบว่าแตกต่างกันหรือไม่

☺Case – Control เป็นการศึกษาย้อนหลังเรียกอีกชื่อว่า retrospective ( มาจากภาษาลาติน retro spicere = to look back ) การศึกษาแบบ ☺ Case – Control นิยมใช้ศึกษาเพื่อตอบสมมติฐานเบื้องต้น จะนำไปสู่การศึกษาเพื่อตอบว่าสิ่งที่เราคิดถูกหรือไม่ด้วย Cohort หรือ experiment study ☺เป็นการศึกษาในกลุ่มที่เป็นโรคแล้วๆย้อนหาปัจจัยที่เป็นสาเหตุในอดีต ☺แหล่งข้อมูลของการศึกษาได้แก่ บันทึกรายงาน การสัมภาษณ์ผู้ป่วย หรือญาติ

Case – Control คืออะไร เป็นการศึกษาที่กลุ่มศึกษาเป็นโรคแล้ว และมอง ย้อนหาปัจจัยที่เป็นสาเหตุในอดีต

Case-control study กลุ่มศึกษา กลุ่มเปรียบเทียบ มีปัจจัยที่สงสัย ไม่มีปัจจัยที่สงสัย กลุ่มที่เกิดโรค กลุ่มเปรียบเทียบ มีปัจจัยที่สงสัย ไม่มีปัจจัยที่สงสัย กลุ่มที่ไม่เกิดโรค

ชนิดของการศึกษาแบบ Case – Control มี 2 ชนิด แบบ Incidence density ( ระบบปิด ) เป็นการเลือกทำ case และ control ในช่วงเวลาเดียวกัน สิ่งที่น่าสนใจคือ ในช่วงเวลาที่ทำการศึกษา control อาจกลายเป็น case ได้ 2. แบบ Cumulative incidence ( ระบบเปิด)

มี 2 ชนิด 2. แบบ Cumulative incidence ( ระบบเปิด) case และ control จะไม่เกิดการเปลี่ยนแปลงกลุ่มในช่วงเวลาการศึกษานิยมใช้ศึกษาเกี่ยวกับสูตินารีเวช และโรคระบาดช่วงสั้นๆ เช่น อาหารเป็นพิษ อุจจารระร่วงอย่างแรง ไข้เลือดอีโบรา

ในโรค uncommon รูปแบบการศึกษาทั้งสองจะให้ผลการศึกษาไม่ต่างกันนัก แต่โรค common การหา Odds Ratio อาจมีความแตกต่างกัน เช่น โรคไข้หวัดใหญ่ โรคอุจจาระร่วง โรคเบาหวาน เป็นต้น

วิธีการศึกษา Case – Control 1. การคัดเลือก Case และ Control ♥ การเลือก case ควรเลือก incident case มากกว่า prevalent case และควบคุมแหล่งข้อมูลได้ง่าย ที่สำคัญควรกำหนดเกณฑ์ในการเลือกให้ชัดเจน ♥ การเลือก control มีเป้าหมายที่ชัดเจนว่าผู้เข้าร่วมการศึกษามีอิสระจากexposure กลุ่ม control ควรมีความชุกของ exposure คล้ายคลึงกับกลุ่มประชากรที่ไม่ป่วยได้รับ

แต่ถ้าผู้เข้าร่วมศึกษามีลักษณะที่ไม่เป็นอิสระจาก exposure การเปรียบเทียบ case และ control อาจไม่ถูกต้องได้

2. การกำหนดลักษณะ exposure ●กำหนดลักษณะที่ชัดเจน สามารถวัดได้ ● ในกรณีที่ไม่สามารถหา risk ได้ให้หันมาสนใจกับ เวลาที่ exposed ในโรค ซึ่งเราจะพบในโรคที่การดำเนินการโรคช้า ●ถ้าไม่มีหลักฐานของการ exposed ตั้งแต่เริ่มแรก ก็ไม่สามารถที่จะบอกได้ว่าเป็น exposure ที่มีผลต่อ outcome ที่ศึกษา

3. การศึกษาโดยใช้ -population-based เป็นการศึกษาโดยใช้ ประชากรในชุมชน ☻case คือ ประชาชนทั่วไปที่ป่วย ☻ control คือ ประชาชนทั่วไปที่ไม่ป่วย - hospital-based เป็นการศึกษาในโรงพยาบาล ☻ case คือ ผู้ที่ป่วยเป็นโรคที่สนใจศึกษา ☻ control คือ ผู้ป่วยด้วยโรคอื่นที่ไม่เกี่ยวข้องกับโรคที่สนใจ

จุดเด่นของการศึกษา population-based 1. กลุ่มตัวอย่างที่ศึกษากำหนดได้ง่าย 2. ได้ case และ control มาจากแหล่งเดียวกัน 3. ประวัติการ exposed ของ control จะสะท้อนถึงผู้ที่ไม่ได้เป็นโรคที่ศึกษา hospital-based 1. หาตัวอย่างศึกษาได้ง่าย 2. ตัวอย่างในการศึกษาให้ความร่วมมือง่ายกว่า 3. ลักษณะพื้นฐาน case กับ control คล้ายคลึงกัน 4. การเก็บรวบรวมข้อมูล exposure ได้ง่ายกว่า

4.การเข้าคู่กัน (matching technique) -frequency /group matching กลุ่ม case และ control จะถูกเลือกมาโดยมี สัดส่วนของตัวแปรที่ต้องการควบคุมเหมือนกัน เช่น เพศ อายุ เชื้อชาติ เป็นต้น เช่น สัดส่วนเพศชายต่อหญิงเท่ากับ 3 (1: 3) ดังนั้นเลือก case และ control ในสัดส่วนเพศชาย 1 คน ต่อเพศหญิง 3 คน -individual matching เป็นวิธีการเลือกแบบเป็นคู่ๆ โดยในแต่ละคู่ที่เข้าคู่กันมีลักษณะที่เหมือนกัน

สถิติสำหรับ Case – Control วิเคราะห์ข้อมูล - เปรียบเทียบความแตกต่างอย่างมีนัยสำคัญทางสถิติของ สัดส่วนการมีองค์ประกอบในประชากรทั้ง 2 กลุ่ม - หาค่า Odds ratio นำเสนอ p-value และ Odds ratio หรือนำเสนอ Odds ratio (95 % CI)

Odds Ratios Odds Ratios คือ อะไร = Ratio of two odds Odds คืออะไร = โอกาสของการเกิดเหตุการณ์(มีปัจจัย) เทียบกับ โอกาสของการไม่เกิดเหตุการณ์(ไม่มีปัจจัย)

สถิติสำหรับ Case – Control 1. Odds ratio Oddsในcontrol Oddsในcase ปัจจัย case control รวม ได้รับ A C A+C ไม่ได้รับ B D B+D A+B C+D A=case ได้รับปัจจัย C = control ได้รับปัจจัย B=case ไม่ได้รับปัจจัย D =control ไม่ได้รับปัจจัย

คือ อัตราส่วนระหว่างสอง Odds 1. Odds ratio คือ อัตราส่วนระหว่างสอง Odds ปัจจัย case control รวม ได้รับ A C A+C ไม่ได้รับ B D B+D A+B C+D Odds ratio= odds of case exposure odds of control exposure = A/B C/D =AD BC

การศึกษาแบบ Unmatched case-control A=case ได้รับปัจจัย C = control ได้รับปัจจัย B=case ไม่ได้รับปัจจัย D =control ไม่ได้รับปัจจัย ปัจจัย case control รวม ได้รับ A C A+C ไม่ได้รับ B D B+D A+B C+D Odds ratio = odds of case exposure odds of control exposure = A/B = AD C/D BC

ตัวอย่าง 1 การศึกษาแบบ unmatched case-control เพื่อหาความสัมพันธ์ระหว่าง lung cancer กับ ประวัติการสูบบุหรี่ในผู้ชาย ประวัติการสูบุหรี่ case control รวม มี ไม่มี 70 12 397 125 467 137 82 522 604 OR = (70 x 125 ) = 1.84 ( 12 x 397 )

การวิเคราะห์ 40 20 10 80 50 100 กินขนมจีน ไม่กินขนมจีน ป่วย ไม่ป่วย ตัวอย่าง Case-control study การศึกษาเกี่ยวกับโรค อุจจาระร่วง ได้คัดเลือกผู้ป่วยจำนวน 50 คน และคัดเลือกผู้ไม่ป่วยเป็นกลุ่มเปรียบเทียบ 100 คน และเมื่อสอบถามข้อมูลการรับประทานขนมจีนของแต่ละคน พบว่า มีผู้ป่วยที่รับประทานขนมจีนจำนวน 40 คน และกลุ่มอ้างอิงที่รับประทานขนมจีน 20 คน กินขนมจีน ไม่กินขนมจีน ป่วย ไม่ป่วย 40 20 10 80 50 100

a b c d Odds Ratio (OR) = ad/bc ป่วย ไม่ป่วย a b มีปัจจัย c d ไม่มีปัจจัย Odds Ratio (OR) = ad/bc

ผู้ป่วยมีสัดส่วนการกินขนมจีนต่อการไม่กิน เป็น 16 เท่าของผู้ไม่ป่วย 40 20 กินขนมจีน ไม่กินขนมจีน 10 80 50 100 = 40x 80 20 x 10 Odds Ratio (OR) = ad/bc = 16 ผู้ป่วยมีสัดส่วนการกินขนมจีนต่อการไม่กิน เป็น 16 เท่าของผู้ไม่ป่วย

ตัวอย่างที่ 2 จากรายงานของสำนักระบาดวิทยาพบว่า ประชาชน

(Confidence interval : CI) ช่วงความเชื่อมั่น (Confidence interval : CI)  

ค่า OR มี 3 ค่า ☻hazardous effect คือ odds จะมีค่าตั้งแต่ 1-positive infinity ☻ beneficial effect คือ odds มีค่าตั้งแต่ 0-1 ☻ถ้าไม่มีค่า 1 อยู่ในช่วงแห่งความเชื่อมั่น 95% (95%ของ CI) สรุปได้ว่าการศึกษาระหว่าง exposure และ outcome มีความสัมพันธ์อย่างมีนัยสำคัญ( statistically significant)ที่ระดับความเชื่อมั่น 95% แต่ถ้ามีค่า 1 อยู่ด้วย แสดงว่าไม่มีนัยสำคัญ และยอมรับ null hypothesis ที่ตั้งไว้

ตัวอย่าง การหา 95% CI ของ OR ตัวอย่างที่ 1  

การศึกษาแบบ Matched case-control แต่ละคู่ แบ่งเป็น 4 กลุ่ม ตามความแตกต่างของการ exposure w = คู่ที่ case และ control ได้รับปัจจัย x = คู่ที่ case ได้รับปัจจัย แต่ control ไม่ได้รับปัจจัย y = คู่ที่ case ไม่ได้รับปัจจัยแต่ control ได้รับปัจจัย z = คู่ที่ case และ control ไม่ได้รับปัจจัย

W และ z เป็นคู่เหมือน (concordant pairs) ระหว่าง case และ control สรุปรูปแบบของข้อมูลของการศึกษาแบบ matched case-control study control ต่อ case เท่ากับ 1:1 Control ได้รับปัจจัย ไม่ได้รับปัจจัย รวม Case ได้รับปัจจัย Case ไม่ได้รับปัจจัย W y X z W+x Y+z W+y X+z n Odds ratio W และ z เป็นคู่เหมือน (concordant pairs) ระหว่าง case และ control W เป็นคู่เหมือนที่ exposed ส่วน Z เป็นคู่เหมือนที่ไม่ exposed X และ Y เป็นคู่ต่าง (discordant pairs) ระหว่าง case และ control X เป็นคู่ต่างที่ case exposed ส่วน Y เป็นคู่ต่างที่ case ไม่ exposed

คำนวณค่า OR แบบจับคู่ได้ จากสูตร odds ratio = x/y

การศึกษาแบบ matched case-control เพื่อหาความสัมพันธ์ระหว่างการรับประทานยา L-tryptophan ( กับการเกิดอาการ eosinophilia myalgia syndrome (EMS) Control ได้รับปัจจัย ไม่ได้รับปัจจัย รวม Case ได้รับปัจจัย Case ไม่ได้รับปัจจัย 132 5 57 6 189 11 137 63 200

การตั้งสมมติฐาน H0 : การใช้ L-tryptophan ไม่มีความสัมพันธ์กับการเกิดอาการ eosinophilia myalgia syndrome (EMS) คำนวณ OR ได้จากสูตร odds ratio = X / Y = 57 / 5 = 11.4 สรุป ค่า OR = 11.4 หมายถึง กลุ่มที่รับประทานยา L-tryptophan จะเสี่ยงต่อการเกิดอาการ EMS เป็น 11.4 ของกลุ่มที่ไม่รับประทานยา

สรุปผล ค่า 95% CI ไม่มีค่า 1 อยู่ด้วย แสดงว่า การรับประทานยา L-tryptophan มีความสัมพันธ์กับการเกิดอาการ EMS อย่างมีนัยสำคัญ ด้วยความเชื่อมั่น 95%

อคติ ( bias ) หมายถึง สิ่งที่ทำให้ผลการศึกษา เบี่ยงเบนไปจากความเป็นจริง อาจเกิดจาก การเก็บรวบรวมข้อมูลการวิเคราะห์ และการแปลผลที่สรุปผลผิดพลาดจากที่เป็นจริง เป็นต้น bias เป็น systematic error ทำให้เกิดความคาดเคลื่อนทางระบาด

Errors แบ่งเป็น 3 ชนิด 1. Selection bias 2. Information bias สาเหตุเกิดจากการเลือกกลุ่มตัวอย่างมาศึกษาไม่เหมาะสม 2. Information bias สาเหตุเกิดจากการกำหนดนิยามไม่ชัดเจน 3. Confounding สาเหตุจากอิทธิพลของตัวแปรภายนอกทำให้ความสัมพันธ์ระหว่าง exposure และ outcome บิดเบื่อนไป

การแปลค่า การตั้งสมมติฐาน H0 : ประวัติการสูบบุหรี่ไม่มีความสัมพันธ์กับการป่วยด้วยมะเร็งปอด OR=1 null value คือ case และ control มีค่า odds ของประวัติการสูบบุหรี่ (exposure) เท่ากัน แสดงว่า การสูบบุหรี่ไม่มีความสัมพันธ์กับมะเร็งปอด OR>1 hazardous exposure คือ odds ของประวัติการสูบบุหรี่ในกลุ่ม case มีค่ามากกว่ากลุ่ม control การสูบบุหรี่มีความสัมพันธ์กับมะเร็งปอด OR<1beneficial exposure คือ odds ของประวัติการสูบบุหรี่ในกลุ่ม case มีค่าน้อยกว่ากลุ่ม control การสูบบุหรี่อาจเสริมป้องกันการเกิดมะเร็งปอด

สรุป ค่า OR = 1.84 หมายถึง กลุ่มที่มีประวัติการสูบบุหรี่จะเสี่ยงต่อการเกิดมะเร็งปอดเป็น 1.84 เท่าของกลุ่มที่ไม่มีประวัติการสูบบุหรี่

ข้อดี 1.เหมาะสมกับการศึกษาโรคที่พบยาก 2.ทราบผลการศึกษาเร็ว เสียค่าใช้จ่ายน้อย 3.ใช้ตัวอย่างในการศึกษาขนาดเล็กเมื่อเปรียบเทียบกับการศึกษาแบบอื่นๆ 4.เหมาะกับการศึกษาโรคที่มีระยะแฝงยาวนาน (latent period ) 5.ประเมิน สาเหตุจากโรคที่สนใจศึกษา 6.ได้รายละเอียดของผู้ป่วย (outcome) 7.ค่า odds ratio ที่คำนวณได้ ใช้ประมาณค่า relative risk 8. ศึกษาผลของโรคเรื้อรังได้รวดเร็ว 9. สนับสนุนได้ทั้งการดำเนินงานและการวางแผนงาน

ข้อเสีย 1.ข้อมูล exposure คลาดเคลื่อนเนื่องจากความทรงจำของผู้ตอบ 2.เกณฑ์ในการวินิจฉัยโรคที่ต่างกัน จะได้ case ที่แตกต่างกัน 3.ในกรณีที่ประวัติของ case ที่มีชีวิตอยู่ แตกต่างจาก case ที่ตายแล้วฉะนั้น case ที่เลือกมาศึกษาจึงอาจไม่เป็นตัวแทนที่ดีของ case ทั้งหมดในขณะนั้น 4.ข้อมูลการ exposed ไม่ได้มาจากประชากรทั้งหมด แต่ได้มาจากตัวอย่างที่เลือกมาเป็นตัวแทนของประชากร 5.ข้อมูลการ exposed อาจถูกต้องน้องกว่าการศึกษารูปแบบอื่น 6. ไม่เหมาะที่จะศึกษา exposure ที่พบยาก 7. มีข้อจำกัดในการศึกษา outcome เพียงตัวเพียง

ข้อเสีย 8.ไม่สามารถหาอุบัติการณ์ของโรคหรือค่าความเสี่ยงได้โดยตรง 9.ในกรณีที่ไม่ทราบลำดับเหตุการณ์ของการเกิด exposure และ outcome จึงไม่สามารถหาความสัมพันธ์ระหว่าง exposure และ outcome ได้ 10.มีแนวโน้มที่จะเกิด systematic error มากกว่าการศึกษารูปแบบอื่นๆ โดยเฉพาะ selection bias ( จากการเลือก case และ control) recall bias (ปัญหาความจำ) และ missclassification bias 11. ควบคุมตัวแปรกวนได้ยาก

Thank you For attention