Słownik metodologiczny · Projekt badania

Badanie kliniczno-kontrolne (case-control) – jak je zaplanować i opisać

W badaniu kliniczno-kontrolnym porównuje się osoby z wynikiem i bez niego pod względem wcześniejszej ekspozycji. Pokazujemy, jak dobrać kontrole, dlaczego miarą jest iloraz szans i jak opisać wynik.

Strona główna / Słownik / Badanie kliniczno-kontrolne
W skrócie: Badanie kliniczno-kontrolne zaczyna od wyniku: porównuje osoby z zaburzeniem (przypadki) i bez niego (kontrole) pod względem wcześniejszej ekspozycji. Ponieważ liczbę przypadków i kontroli ustala badacz, właściwą miarą jest iloraz szans, a nie ryzyko.

Co to jest badanie kliniczno-kontrolne?

Badanie kliniczno-kontrolne (ang. case-control study) to plan obserwacyjny, w którym punktem wyjścia jest wynik, a nie ekspozycja. Badacz dobiera osoby z daną chorobą lub zaburzeniem (przypadki) i osoby bez niego (kontrole), a potem sprawdza wstecz, jak często każda grupa była narażona na badany czynnik. Schulz i Grimes (2002) nazywają je „badaniem na wspak” i zaznaczają, że jest szybkie i tanie, ale bardziej podatne na błędy niż inne badania porównawcze. Sprawdza się przy zaburzeniach rzadkich, na które w badaniu kohortowym trzeba by czekać latami.

Jak je zaplanować?

  • Zdefiniuj przypadek: kryteria rozpoznania i włączenia, najlepiej nowe przypadki.
  • Kontrole bierz z tej samej populacji co przypadki i dobieraj je niezależnie od ekspozycji. Często dobiera się kilka kontroli na przypadek, czasem dopasowanych pod względem wieku i płci.
  • Pytaj o ekspozycję jednakowo w obu grupach, z tym samym narzędziem; osoby zbierające dane nie powinny znać hipotezy ani statusu uczestnika. Przypadki mogą wspominać przeszłość inaczej niż kontrole (błąd przypominania), dlatego pomagają jednakowe pomoce pamięciowe, np. kalendarz wydarzeń.
  • Uwzględnij zmienne zakłócające przez dopasowanie albo w regresji logistycznej.

Przykład

Zbadano 90 osób z zaburzeniem odżywiania i 180 kontroli (dane przykładowe). Intensywne korzystanie z mediów społecznościowych w wieku 13–15 lat zgłosiło 45 przypadków i 54 kontrole. Iloraz szans wynosi OR = 2.33, 95% CI [1.38, 3.93]. Gdyby dobrać 360 kontroli w tych samych proporcjach, OR nadal wyniósłby 2.33 (węższy CI: [1.46, 3.74]). Pozorne „ryzyko względne” policzone z tej samej tabeli zmieniłoby się natomiast z 1.73 na 1.94, bo odsetek przypadków w próbie ustala badacz.

Jak opisać w pracy

Przeprowadzono badanie kliniczno-kontrolne: 90 osób z rozpoznaniem zaburzenia odżywiania porównano ze 180 osobami bez rozpoznania z tej samej populacji (2 kontrole na przypadek). Intensywne korzystanie z mediów społecznościowych w wieku 13–15 lat zgłaszano częściej w grupie przypadków (50.0%) niż w grupie kontrolnej (30.0%), OR = 2.33, 95% CI [1.38, 3.93].

Na co uważać

  • Nie licz ryzyka, chorobowości ani RR. Właściwą miarą jest OR.
  • Kontrole „z wygody”, np. znajomi badacza albo pacjenci z innym schorzeniem związanym z ekspozycją, obciążają wynik.
  • Kolejność w czasie bywa niepewna: ekspozycja raportowana po zachorowaniu mogła być jego skutkiem.

Punkty specyficzne dla tego planu zawiera lista STROBE (von Elm i in., 2007). Miejsce badania kliniczno-kontrolnego wśród innych planów opisuje hasło schemat obserwacyjny.

Przykład reprodukowalny

Iloraz szans z badania kliniczno-kontrolnego w R

Kod liczy odsetki osób z ekspozycją, OR z 95% CI (metoda Woolfa) przy dwóch liczbach kontroli i pokazuje, że pozorne ryzyko względne zależy od liczby kontroli.

OR i 95% CI przy 180 i 360 kontrolach

Dane wejściowe: liczebności tabeli 2 × 2: przypadki i kontrole z ekspozycją i bez (dane przykładowe).

Co odczytać: odsetki z ekspozycją, OR z granicami 95% CI i porównanie z pozornym ryzykiem względnym.

R
# a, b: przypadki z ekspozycją / bez; c, d: kontrole z ekspozycją / bez
or_ci <- function(a, b, c, d) { or <- (a * d) / (b * c); se <- sqrt(1/a + 1/b + 1/c + 1/d)
  round(c(OR = or, dolna = exp(log(or) - 1.96 * se), gorna = exp(log(or) + 1.96 * se)), 2) }
ryzyko_w_probie <- function(a, b, c, d) round((a / (a + c)) / (b / (b + d)), 2)  # pozorne "RR"
round(100 * c(przypadki = 45 / 90, kontrole = 54 / 180), 1)   # % z ekspozycją
or_ci(45, 45, 54, 126)                                # 90 przypadków, 180 kontroli
or_ci(45, 45, 108, 252)                               # 90 przypadków, 360 kontroli
c(kontrole_180 = ryzyko_w_probie(45, 45, 54, 126), kontrole_360 = ryzyko_w_probie(45, 45, 108, 252))
Wynik w R
przypadki  kontrole
       50        30
   OR dolna gorna
 2.33  1.38  3.93
   OR dolna gorna
 2.33  1.46  3.74
kontrole_180 kontrole_360
        1.73         1.94

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje pakietów base i stats).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/

Najczęstsze pytania

Ile kontroli dobrać na jeden przypadek?

Każda dodatkowa kontrola zwiększa precyzję, ale coraz mniej. W przykładzie podwojenie liczby kontroli zawęziło 95% CI dla OR tylko z [1.38, 3.93] do [1.46, 3.74].

Dlaczego w badaniu kliniczno-kontrolnym nie liczy się ryzyka względnego?

Bo odsetek przypadków w próbie wynika z decyzji badacza, a nie z populacji. Iloraz szans się od niej nie zmienia, a pozorne ryzyko tak.

Czym badanie kliniczno-kontrolne różni się od przekrojowego?

W przekrojowym ekspozycję i wynik mierzy się jednocześnie w próbie z populacji. W kliniczno-kontrolnym próbę dobiera się według wyniku, a ekspozycję ustala wstecz.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Schulz, K. F., & Grimes, D. A. (2002). Case-control studies: Research in reverse. The Lancet, 359(9304), 431–434. https://doi.org/10.1016/s0140-6736(02)07605-5
  2. von Elm, E., Altman, D. G., Egger, M., Pocock, S. J., Gøtzsche, P. C., Vandenbroucke, J. P., & STROBE Initiative. (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: Guidelines for reporting observational studies. PLOS Medicine, 4(10), Article e296. https://doi.org/10.1371/journal.pmed.0040296 ● Otwarty dostęp

Cytowania BibTeX

@article{schulz2002case, author={Schulz, Kenneth F. and Grimes, David A.}, title={{Case-control studies: Research in reverse}}, journal={The Lancet}, year={2002}, volume={359}, number={9304}, pages={431--434}, doi={10.1016/s0140-6736(02)07605-5}}
@article{vonelm2007strengthening, author={von Elm, Erik and Altman, Douglas G. and Egger, Matthias and Pocock, Stuart J. and Gøtzsche, Peter C. and Vandenbroucke, Jan P. and {STROBE Initiative}}, title={{The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: Guidelines for reporting observational studies}}, journal={PLOS Medicine}, year={2007}, volume={4}, number={10}, eid={e296}, doi={10.1371/journal.pmed.0040296}}
R