Ibland ger kohortstudier de bästa bevisen

Kohortstudier är undersökningar som följer en avgränsad och noggrant beskriven grupp, en kohort, under längre tid. Ofta jämförs undergrupper i kohorten som (utan forskarnas medverkan) har fått olika behandling eller utsatts för olika hälsorisker.

För att jämförelsen ska bli rättvisande bör grupperna vara så lika som möjligt utom just i det avseende som ska studeras. I en randomiserad studie lottas deltagarna till försöks- eller jämförelsegrupp. Då är sannolikheten stor att kända och okända störfaktorer, eller förväxlingsfaktorer, confounders, fördelar sig någorlunda jämnt mellan grupperna. Detta är en styrka hos randomiserade studier. 

Men lottning är inte alltid möjligt eller lämpligt. Det är till exempel oetiskt att avsiktligt utsätta försöksdeltagare för misstänkta eller kända hälsorisker. När skadeverkningar ska studeras vetenskapligt kan i stället kohortstudier vara det bästa alternativet.

Medan randomiserade studier ofta gäller positiva behandlingseffekter i en snävt utvald patientkategori, är kohortstudier bättre när det gäller att undersöka hälsorisker. Stora och långvariga kohortstudier kan till exempel påvisa ovanliga och sena skador till följd av behandlingar eller beteenden. Ett känt exempel är en brittisk kohortstudie på 1950-talet som bevisade sambandet mellan rökning, sjukdomar och död. 

Kan snedvridas

Men en svaghet hos kohortstudier är att resultaten kan snedvridas av så kallade urvalsfel och ojämnt fördelade förutsättningar i grupperna som jämförs. De grupper som ska jämföras kan skilja sig åt redan innan de har utsatts för någon hälsorisk. Om utgångsläget är olika, störs jämförelsen – grupperna är inte jämförbara. 

Urvalsfel uppstår till exempel om läkare medvetet eller omedvetet oftare erbjuder en ny behandling till de friskaste patienterna. När patienter som har fått den nya behandlingen sedan jämförs med övriga patienter, kan det se ut som om den nya metoden har lett till bättre hälsa.

Jämförbarheten mellan grupperna i kohortstudier störs ofta av sociala och ekonomiska skillnader som påverkar hälsan. Trots att socioekonomiska faktorer spelar stor roll vid många sjukdomar, ignoreras de ofta i analyserna. Ett känt exempel är de studier som felaktigt gav intryck av att östrogenbehandling skyddar mot hjärt– kärlsjukdom. Först när forskare tog hänsyn till sociala och ekonomiska skillnader mellan de kvinnor som tog östrogen och dem som inte gjorde det, stod det klart att östrogenet inte alls skyddade hjärtat.  

Mät alla faktorer

Utmaningen i kohortstudier är att mäta och hantera alla faktorer som kan påverka resultatet. Om sådana faktorer visar sig vara ojämnt fördelade mellan grupperna så kan forskarna försöka kompensera för detta i sin statistiska analys. Annars blir resultatet missvisande.

Kruxet är att en sådan justering bara kan göras för kända förväxlingsfaktorer. Därför är kohortstudier särskilt känsliga för hittills okända confounders, alltså risk- eller friskfaktorer som fortfarande är outforskade. En annan stötesten är att det kan vara svårt att få fram tillförlitliga uppgifter om alla viktiga förväxlingsfaktorer.  

Försöker rätta till

Två vanliga matematiska metoder att försöka rätta till en snedvridning på grund av kända confounders är regression och stratifiering. 

Regression bygger på att inverkan av alla uppmätta förväxlingsfaktorer beräknas, så att resultatet kan justeras i motsvarande grad. Stratifiering betyder att kohorten delas in i mindre grupper, så att de egenskaper som anses påverka resultatet är jämnare fördelade. Ofta måste metoderna kombineras. 

Kohortstudier är värdefulla men ställer stora krav på kritisk granskning. Osäkerheten i dem kan minskas  – men den försvinner inte helt.  [RL] 

Lästips

• Rochon PA, et al. Reader’s guide to critical appraisal of cohort studies: 1. Role and design. BMJ 2005;330:895-7. 
• Mamdani M, et al. Reader’s guide to...: 2. Assessing potential for confounding. BMJ 2005;330:960-2.
• Mamdani M, et al. Reader’s guide to...: 3. Analytical strategies to reduce confounding. BMJ 2005;330:1021-3.