"Kliniğimize başvuran hastalarda X prevalansı" türünden bir tez konusu için hızlı ve uygulanabilir bir tasarım arandığında ilk akla gelen genellikle kesitsel çalışmadır ve çoğu durumda bu doğru bir seçimdir. Ama "hızlıdır" gerekçesiyle her araştırma sorusuna kesitseli uydurmaya çalışmak, deneyimimizde hakemlerin sık eleştirdiği hatalardan biridir.
Popülasyonun fotoğrafı
Kesitsel çalışma (cross-sectional study), belirli bir zaman noktasında maruziyet ve sonuç değişkenlerinin eş zamanlı ölçüldüğü gözlemsel bir tasarım. Popülasyonun o anki görüntüsünü tıpkı bir fotoğraf karesi gibi çekiyor.
Ayırt edici özelliği tam da bu eş zamanlılık. Kohort çalışması tasarımında araştırmacı maruziyetten sonuca doğru ilerliyor, vaka-kontrolde sonuçtan maruziyete bakıyor. Kesitselde böyle bir zaman akışı yok. Bu durum hem en büyük avantajı hem de en temel sınırlılığı oluşturuyor.
Tanımlayıcı mı, analitik mi?
Bu ayrım sadece bir sınıflama değil; araştırma sorusundan analiz stratejisine kadar her şeyi belirliyor.
Kesitsel Çalışma Türleri
Tanımlayıcı Kesitsel
- •Amaç: Prevalans tahmini
- •Soru: 'Bu hastalık ne kadar yaygın?'
- •Analiz: Frekans, yüzde, güven aralığı
- •Örneklem: Temsil edicilik kritik
- •Hipotez testi genellikle yok
Analitik Kesitsel
- •Amaç: Maruziyet-sonuç ilişkisi
- •Soru: 'X ile Y ilişkili mi?'
- •Analiz: Ki-kare, lojistik regresyon
- •Örneklem: Hem temsil hem güç
- •Belirli bir hipotez test ediliyor
Tanımlayıcı kesitsel çalışmanın birincil çıktısı prevalans tahmini ve güven aralığı. Diyabet prevalansı, tükenmişlik yaygınlığı ya da aşı kararsızlığı düzeyi bu tasarımla yanıtlanan sorulara örnek.
Analitik kesitsel ise maruziyet-sonuç ilişkisini araştırıyor. Ama burada kritik bir uyarı var; maruziyet ve sonuç eş zamanlı ölçüldüğü için temporal ilişki gösterilemiyor. Bu yüzden "neden olur" yerine "ilişkili bulunmuştur" ifadesini kullanmak yerinde olur.
Ne zaman uygun, ne zaman değil?
| Araştırma Sorusu | Kesitsel Uygun mu? | Gerekçe |
|---|---|---|
| Diyabet prevalansı nedir? | Evet | Prevalans tahmini birincil amaç |
| Sigara akciğer kanserine neden olur mu? | Hayır | Nedensellik ve temporal ilişki gerekli |
| Sağlık çalışanlarında tükenmişlik yaygınlığı? | Evet | Prevalans araştırması, anlık durum tespiti |
| Bir ilacın yan etki sıklığı? | Hayır | Takip süresi ve insidans gerekli |
| Obezite ile depresyon ilişkisi? | Kısmen | İlişki gösterilir, nedensellik gösterilemez |
Uyarı
Kesitsel çalışmada sık yapılan bir hata, tasarımın uygun olmadığı sorulara zorlanması. Bir risk faktörünün hastalığa "neden olup olmadığı" kesitsel tasarımla yanıtlanamıyor, çünkü temporal ilişki belirlenemiyor. Makalede dil kullanımına dikkat etmek hakem eleştirilerini azaltabiliyor.
Örnekleme: kolayda mı, olasılıklı mı?
Kesitsel çalışmanın bilimsel değeri örneklemin temsil ediciliğiyle doğrudan ilişkili.
Olasılıklı (probability) örnekleme (basit rastgele, tabakalı, küme) sonuçların genellenebilirliği için altın standart. Büyük ölçekli sağlık taramalarında çok aşamalı küme örnekleme sıklıkla tercih ediliyor.
Kolayda örnekleme ("hastanemize başvuran ardışık hastalar") ise genel popülasyon prevalansının tahmini için geçerli kabul edilmiyor, çünkü hastaneye başvuranlar genel popülasyonu temsil etmiyor. Böyle bir örneklem kullanıldığında çalışmayı "hastane tabanlı" olarak tanımlamak ve genellenebilirlik sınırlılığını açıkça tartışmak gerekiyor.
Küme örnekleme kullanılıyorsa tasarım etkisi (design effect, DEFF) hesaplanmalı ve örneklem büyüklüğü buna göre artırılmalı. DEFF benzer önceki bir araştırmadan alınabilir ya da DEFF = 1 + (m − 1) × ICC formülüyle (m her kümeden seçilen ortalama kişi sayısı, ICC sınıf içi korelasyon) hesaplanabilir; veri yoksa bazı kılavuzlar varsayılan bir değer öneriyor (örneğin WHO STEPS 1,5).
Prevalans oranı mı, odds oranı mı?
Analitik kesitsel çalışmalarda bu soru sıklıkla gündeme geliyor. Barros ve Hirakata'nın (2003) gösterdiği gibi, odds oranı, tercih edilen ölçü olan prevalans oranına göre ilişkiyi olduğundan güçlü gösterebiliyor; bu sapma, sonucun prevalansı yüksek olduğunda belirginleşiyor.
Somut bir örnek: sigara içenlerde hipertansiyon %30, içmeyenlerde %15. Gerçek PR = 2,0. Ama düzeltmesiz lojistik regresyonla hesaplanan POR = 2,43 çıkıyor. Prevalans arttıkça bu sapma büyüyor.
PR hesaplamak için log-binomial regresyon veya robust varyans tahminli modifiye Poisson regresyon kullanmak daha doğru. Sonucun prevalansı %10'un altındaysa OR ile PR sayısal olarak yakınlaşıyor (Zhang ve Yu, 1998); yine de Barros ve Hirakata, kesitsel çalışmalarda PR'yi doğrudan tahmin eden modelleri genel olarak öneriyor.
Örneklem büyüklüğü
Tanımlayıcı çalışmada prevalans için Cochran formülü kullanılıyor (Charan ve Biswas, 2013): n = Z² × P × (1−P) / d². Beklenen prevalans %20 ve istenen mutlak hata ±%5 ise 246 katılımcı gerekiyor. Prevalans bilinmiyorsa en ihtiyatlı tahmin olan %50 kullanılabiliyor.
Analitik çalışmada ise tespit edilmek istenen ilişkinin büyüklüğüne göre güç analizi yapılıyor. Örneklem büyüklüğü hesaplama yazımız bu konuyu ayrıntılı ele alıyor.
Her iki durumda da beklenen yanıtsızlık oranı eklenmeli: düzeltilmiş n = n / (1 − yanıtsızlık oranı). Anket çalışmalarında %10-30 arası yanıtsızlık beklemek gerçekçi; WHO STEPS, veri yoksa %20 yanıtsızlığı ihtiyatlı bir varsayım olarak öneriyor.
STROBE: tasarımdan itibaren kullanmak
STROBE kontrol listesi (von Elm ve ark., 2007) 22 maddeden oluşan bir raporlama kılavuzu. Onu yalnız raporlama aşamasında değil, tasarım aşamasında da göz önünde bulundurmak, raporda istenecek bilgilerin (örnekleme, yanıt oranı, eksik veri) baştan toplanmasını kolaylaştırıyor.
Kesitsel çalışmada özellikle önemli maddeler: başlıkta veya özette "kesitsel çalışma" ifadesi, örnekleme yöntemi ve zaman dilimi ayrıntısı, örneklem büyüklüğünün nasıl belirlendiği, önerilen katılımcı akış diyagramı ve prevalans tahminlerinin güven aralıklarıyla raporlanması. Kesitsele özgü madde 12(d) ise, karmaşık örnekleme kullanıldıysa, örnekleme stratejisini (küme, tabaka, ağırlık) hesaba katan analiz yöntemlerinin tanımlanmasını istiyor.
Türkiye bağlamı
Türkiye'de TURDEP çalışmaları, Türkiye Sağlık Araştırması ve TBSA, kesitsel tasarım için metodolojik referans alınabilecek büyük ölçekli ulusal taramalar arasında.
Deneyimimizde sık karşılaşılan hakem eleştirileri: kolayda örnekleme ile genellenebilirlik iddiasında bulunulması, örneklem büyüklüğü hesaplamasının raporlanmaması, yanıt oranının belirtilmemesi, kesitsel tasarımla nedensellik çıkarımı yapılması.
Akademik Not
"Hastanemize başvuran hastalar arasında diyabet prevalansı %28 bulunmuştur" ifadesi doğru olabilir ama bunu "Türkiye'de diyabet prevalansı %28'dir" biçiminde genellemek ciddi bir hata. Sonuçları yalnızca örneklemin temsil ettiği popülasyonla sınırlı tutmak hakem eleştirisinin önüne geçebiliyor.
Karmaşık örnekleme tasarımlarında ve analitik kesitsel çalışmalarda erken aşamada metodolojik destek almak süreci kolaylaştırıyor. Model İstatistik CRO ekibi olarak hem klinik araştırma tasarımı hem de güç analizi süreçlerinde araştırmacıyla birlikte yürüyoruz.
Kullanılan kaynaklar
- von Elm E, Altman DG, Egger M, Pocock SJ, Gøtzsche PC, Vandenbroucke JP. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. Lancet. 2007;370(9596):1453-1457. · DOI
- Barros AJD, Hirakata VN. Alternatives for logistic regression in cross-sectional studies: an empirical comparison of models that directly estimate the prevalence ratio. BMC Medical Research Methodology. 2003;3:21. · DOI
- Charan J, Biswas T. How to calculate sample size for different study designs in medical research? Indian Journal of Psychological Medicine. 2013;35(2):121-126. · DOI
- Zhang J, Yu KF. What's the relative risk? A method of correcting the odds ratio in cohort studies of common outcomes. JAMA. 1998;280(19):1690-1691.
- World Health Organization. WHO STEPS Surveillance Manual, Part 2, Section 2: Preparing the sample.