역학

Epidemiology

역학이란 정의된 모집단의 건강 및 질병 조건의 분포(누구, 언제, 어디서), 패턴 및 결정 요인에 대한 연구와 분석이다.

이는 공중 보건의 초석이며, 질병의 위험 요소 및 예방적 건강 관리의 대상을 식별함으로써 정책 결정과 증거 기반 관행을 형성합니다.역학자는 데이터의 연구 설계, 수집 및 통계 분석을 돕고, 결과의 해석과 전파를 수정한다(동료 검토 및 수시 시스템 검토 포함).역학은 임상 연구, 공중 보건 연구, 그리고 생물학 [1]기초 연구사용되는 방법론을 개발하는 데 도움을 주었다.

역학 연구의 주요 영역에는 질병 원인, 전염, 발병 조사, 질병 감시, 환경 역학, 법의학, 직업 역학, 선별, 생물 모니터링, 임상시험과 같은 치료 효과 비교가 포함된다.역학자는 질병 과정을 더 잘 이해하기 위해 생물학, 데이터를 효율적으로 사용하고 적절한 결론을 도출하기 위한 통계, 근위 및 원위부 원인을 더 잘 이해하기 위한 사회과학, 노출 평가를 위한 엔지니어링과 같은 다른 과학 분야에 의존한다.

문자 그대로 "사람 위에 있는 것에 대한 연구"를 의미하는 역학이란 그리스 에피 "on, between", 데모 "people, district", 로고 "study, word, diction"에서 유래한 것으로, 이는 인간 인구에게만 적용된다는 것을 암시한다.그러나 이 용어는 "동물학"이라는 용어가 사용 가능하지만 동물학 집단 연구(식물학 또는 식물병 역학)에서 널리 사용되고 있으며 식물군 연구(식물학 또는 식물병 역학)[2]에도 적용되고 있다.

"epidemic"과 "endemic"의 구별은 인구(epidemic)를 "방문"하는 질병과 인구(Endemic)[4] 내에 "거주"하는 질병을 구별하기 위해 히포크라테스[3]의해 처음 그려졌다."역학적"이라는 용어는 1802년 스페인의 의사 빌랄바가 [4]Epediologia Espannola에서 유행병에 대한 연구를 설명하기 위해 처음 사용된 것으로 보인다.전염병학자들은 또한 집단 내 질병의 상호작용을 연구하는데, 는 신드메틱으로 알려져 있다.

역학이라는 용어는 현재 유행병, 전염병뿐만 아니라 관련 상태를 포함한 전반적인 질병의 설명과 원인을 포괄하기 위해 널리 사용되고 있다.역학을 통해 조사된 주제 중 몇 가지 예로는 고혈압, 정신질환, 비만 등이 있다.따라서 이 역학에서는 질병의 패턴이 어떻게 인간의 기능에 변화를 일으키는지에 기초하고 있다.

역사

의학의 [5][6]아버지로 알려진 그리스의 의사 히포크라테스는 질병에 대한 논리를 찾았다; 그는 질병의 발생과 환경 [7]영향 사이의 관계를 조사한 최초의 사람이다.히포크라테스는 인체의 질병이 네 의 체액(검은 담즙, 노란 담즙, 혈액, 가래)의 불균형으로 인해 발생한다고 믿었다.그 병에 대한 치료법은 몸의 균형을 맞추기 위해 문제의 유머를 제거하거나 첨가하는 것이었다.이러한 믿음은 혈액순환과 다이어트를 [8]의학에 적용하도록 이끌었다.그는 풍토병과 유행병이라는 용어를 만들었다.[9]

근대

16세기 중반, 지롤라모 프라카스토로라는 이름의 베로나에서 온 의사가 질병을 일으키는 아주 작고 눈에 보이지 않는 입자들이 살아있다는 이론을 처음으로 제안했다.그것들은 공기로 퍼질 수 있고, 스스로 증식할 수 있고, 불에 의해 파괴될 수 있다고 여겨졌다.이렇게 그는 갈렌의 미아즈마 이론을 반박했다.1543년에 그는 질병을 예방하기 위해 개인과 환경 위생을 증진시킨 최초의 인 De polticion et poltiosis morbis를 썼다.1675년 안토니 리우웬호크에 의해 충분히 강력한 현미경의 개발은 질병의 [citation needed]세균 이론과 일치하는 살아있는 입자의 시각적 증거를 제공했다.

명나라 때, 오요커 (1582–1652)는 전염성 물질에 의해 어떤 질병이 발생한다는 생각을 발전시켰는데, 그는 1641년에서 [10]1644년 사이에 주변의 다양한 전염병을 관찰했을 때 이를 리치( ()라고 불렀다.그의 책인 문이륜(文 lun concept)은 이 [11]개념을 도입한 주요 병인학 연구로 볼 수 있다.WHO가 2004년 사스([12]SARS중증급성호흡기증후군) 발생을 한의학적으로 분석할 때 그의 개념은 여전히 고려되고 있었다.

또 다른 개척자인 토마스 시덴햄 (1624–1689)은 1600년대 후반 런던 사람들의 열을 구별한 최초의 사람이었다.열치료에 대한 그의 이론은 그 당시 전통적인 의사들의 많은 저항에 부딪혔다.그는 자신이 연구하고 [8]치료한 천연두열의 초기 원인을 찾을 수 없었다.

아마추어 통계학자인 John Grunt는 자연 관찰과 정치적 관찰을 출판했다. 1662년 사망증명서(Bills of Defacy Bills)에 의거해이 책에서 그는 페스트 이전 런던의 사망률을 분석하고 최초의 생명표 중 하나를 제시했으며 신구 병폐의 시간 추세를 보고했다.그는 질병에 대한 많은 이론들에 대한 통계적 증거를 제공했고,[citation needed] 또한 그것에 대한 몇몇 널리 퍼진 생각들을 반박했다.

1854년 런던에서 유행한 콜레라 환자군을 보여주는 존 스노의 원본 지도

스노우는 19세기 콜레라 유행의 원인에 대한 조사로 유명하며,[13][14] 또한 역학의 아버지로도 알려져 있다.그는 서드워크 컴퍼니가 공급한 두 지역에서 사망률이 상당히 높은 것을 알아차리는 것으로 시작했다.가 브로드 스트리트 펌프를 소호 전염병의 원인으로 지목한 것은 전염병의 전형적인 예로 여겨진다.눈은 물을 깨끗하게 하기 위해 염소를 사용했고 손잡이를 없앴다. 이로 인해 발병이 종식되었다.이는 공중보건 역사에서 중요한 사건으로 인식되어 왔으며,[15][16] 전 세계 공중보건 정책을 수립하는 데 도움을 준 역학 과학의 창립 사건으로 간주되어 왔다.하지만, 더 이상 발병하지 않기 위한 스노우의 연구와 예방 조치는, 좋지 않은 공기 질이 질병의 원인으로 지목된 당시의 지배적인 질병 모델인 미아즈마 이론으로 인해 그가 죽은 후에야 완전히 받아들여지거나 실행되었다.이는 열악한 영양과 위생의 근본적인 문제를 해결하는 대신 빈곤 지역의 높은 감염률을 합리화하기 위해 사용되었으며,[17] 그의 연구에 의해 잘못된 것으로 판명되었습니다.

다른 선구자들로는 1849년 아이슬란드 [18][19]베스트마나 제도에서 신생아 파상풍의 유행 예방에 관한 자신의 연구를 언급한 덴마크 의사 피터 안톤 슐레이스너가 있다.또 다른 중요한 선구자는 헝가리 의사 이그나즈 젬멜바이스로, 1847년 소독 절차를 도입하여 비엔나 병원의 영아 사망률을 낮췄다.그의 연구결과는 1850년에 발표되었지만, 그의 연구결과는 그의 동료들로부터 나쁜 평가를 받았고, 그들은 그 절차를 중단했다.소독은 영국의 외과의사 조셉 리스터가 1865년 루이 [citation needed]파스퇴르의 연구에 비추어 방부제를 발견하기 전까지 널리 행해지지 않았다.

20세기 초에 로널드 로스, 자넷 레인-클레이폰, 앤더슨 그레이 맥켄드릭, 그리고 [20][21][22][23]다른 사람들에 의해 수학적 방법이 역학으로 도입되었다.1920년대 독일-스위스 병리학자 막스 아스카나지와 다른 사람들은 암과 다른 비감염성 질병의 지리적 병리를 체계적으로 조사하기 위해 국제지리병리학회를 설립했습니다.제2차 세계대전 후 리처드 돌 등 비병리학자들이 이 분야에 합류해 암 연구를 진전시켰다.암은 전염성 질환의 유행성 질환으로는 연구할 수 없는 패턴과 발생 형태를 가진 질병이다.지리학적 병리학은 결국 전염병 역학과 결합되어 오늘날 [24]역학이 되는 분야를 만들었습니다.

또 다른 돌파구는 Richard Doll과 Austin Bradford Hill이 주도영국의사 연구 결과를 1954년에 출판한 것입니다. 이 연구는 흡연과 폐암 사이의 연관성에 매우 강력한 통계적 지원을 제공했습니다.

20세기 후반, 생물의학의 발달과 함께 혈액, 다른 생물 특정의학 및 환경의 많은 분자 표지가 특정 질병의 발병 또는 위험의 예측요인으로 확인되었다.분자 수준에서 분석된 이들 바이오마커와 질병 간의 관계를 조사하기 위한 역학 연구는 "분자 역학"으로 널리 명명되었다.구체적으로는 유전자 역학(genetic epidemiology)이 생식계 유전자 변이와 질병의 역학(fidemiology)에 사용되고 있다.유전자 변이는 일반적으로 말초혈액 [citation needed]백혈구의 DNA를 사용하여 결정된다.

21세기

2000년대 이후, 많은 질병과 건강 상태에 대한 유전적 위험 인자를 식별하기 위해 게놈 전체 연관 연구(GWAS)가 일반적으로 수행되었다.

대부분의 분자 역학 연구는 여전히 전통적인 질병 진단 및 분류 시스템을 사용하고 있지만, 질병의 진행은 본질적으로 사람마다 다른 이질적인 과정을 나타낸다는 것이 점점 더 인식되고 있다.개념적으로, 엑스포좀(내인성 및 외인성/환경적 노출의 총체)의 고유성과 각 개인의 분자 병리학적 과정에 대한 그것의 고유한 영향을 고려할 때, 각 개인은 다른 개인과는 다른 독특한 질병 과정("독특한 질병 원리")[25][26]을 가지고 있다.질병(특히 암)의 노출과 분자 병리학적 특징 사이의 관계를 조사하기 위한 연구는 2000년대에 걸쳐 점점 더 일반적이 되었다.그러나 역학에서 분자 병리학의 사용은 연구 지침의 부족과 표준화된 통계 방법론, 그리고 학제 간 전문가와 [27]교육 프로그램의 부족을 포함한 독특한 과제를 제기했다.게다가, 질병 이질성의 개념은 동일한 질병 이름을 가진 개인이 유사한 병인과 질병 과정을 가지고 있다는 역학에서의 오랜 전제와 상충하는 것으로 보인다.이러한 문제를 해결하고 분자정밀의학 시대에 인구건강과학을 발전시키기 위해 분자병리학(molecular pathology)과 에피데미학(epidemiology)을 통합하여 분자병리역학(MPE)[28][29]이라는 새로운 학제간 분야를 만들었다.MPE에서 조사자는 (A) 환경, 식생활, 생활습관 및 유전적 요인, (B) 세포 또는 세포외 분자의 변화, (C) 질병의 진화와 진행 사이의 관계를 분석한다.질병 병인의 이질성에 대한 더 나은 이해는 질병의 병인을 더 명확하게 하는데 기여할 것이다.MPE 접근법은 종양성 질환뿐만 아니라 비종양성 [30]질환에도 적용될 수 있다.MPE의 개념과 패러다임은 2010년대에 [31][32][33][34][35][36][37]널리 보급되었다.

2012년까지 많은 병원균의 진화는 역학과의 관련성이 높을 정도로 충분히 빠르며, 따라서 전염병과 분자 진화를 통합한 학제간 접근법에서 "정보 제어 전략, 심지어 환자 치료"[38][39]로 많은 것을 얻을 수 있다는 것이 인식되었다.

현대의 역학 연구는 고급 통계와 기계 학습을 사용하여 예측 모델을 만들고 치료 [40][41]효과를 정의할 수 있다.

연구의 종류

역학자는 관찰에서 실험까지 광범위한 연구 설계를 사용하며 일반적으로 서술적(시간, 장소 및 인물을 포괄하는 데이터의 평가 포함), 분석적(알려진 연관성 또는 가정된 관계를 추가로 조사하기 위해), 실험적(흔히 임상 또는 지역사회와 동일시되는 용어)으로 분류된다.치료 및 기타 개입의 시험).관찰 연구에서, 역학자들이 옆에서 관찰하듯이 자연은 "진행하는" 것이 허용된다.반대로, 실험 연구에서 역학자는 특정 사례 [42]연구에 들어가는 모든 요소를 통제하는 사람이다.역학 연구는 가능한 경우 알코올이나 흡연, 생물학적 작용제, 스트레스 또는 사망률이나 질병률대한 화학적 노출 사이의 편향되지 않은 관계를 밝히는 것을 목표로 한다.이러한 피폭과 결과 사이의 인과 관계 확인은 역학에서 중요한 측면이다.현대 역학자들은 정보학[citation needed]도구로 사용한다.

관찰 연구에는 서술적 요소와 분석적 요소가 있습니다.기술적 관찰은 "건강 관련 상태 발생의 사람, 무엇을, 어디서, 언제"와 관련이 있다.그러나 분석적 관찰은 건강 관련 [42]사건의 '방법'을 더 많이 다룬다.실험 역학에는 세 가지 사례 유형이 포함된다. 무작위 대조 시험(흔히 신약 또는 약물 테스트에 사용), 현장 시험(질병에 걸릴 위험이 높은 사람들을 대상으로 수행), 지역사회 시험(사회 발생 [42]질환에 대한 연구)이다.

'역학적 삼합체'라는 용어는 [citation needed]발병을 분석할 때 호스트, 에이전트환경교차점을 설명하기 위해 사용됩니다.

케이스 시리즈

사례 시리즈는 단일 환자 또는 유사한 진단을 받은 소수의 환자 그룹의 경험에 대한 정성적 연구 또는 [citation needed]노출되지 않은 기간과 함께 질병을 발생시킬 가능성이 있는 통계적 요인을 참조할 수 있다.

전자의 연구는 순수하게 서술적이어서 그 질병 환자의 일반 모집단에 대한 추론을 위해 사용될 수 없다.예리한 임상의가 질병이나 환자의 병력에 대한 특이한 특징을 식별하는 이러한 유형의 연구는 새로운 가설을 공식화할 수 있다.일련의 데이터를 사용하여 가능한 원인 요인을 조사하기 위해 분석 연구가 수행될 수 있다.여기에는 환자-대조군 연구 또는 예비 연구가 포함될 수 있습니다.환자-대조군 연구는 일련의 환자들과 질병이 없는 비교 대조군을 일치시키는 것을 포함한다.사전 연구는 질병의 자연 이력을 평가하기 위해 시간 경과에 따른 사례 시리즈를 [43]추적하는 것을 포함합니다.

후자의 유형은 자기 통제 사례 시리즈 연구로 더 공식적으로 설명되며, 개별 환자 추적 시간을 노출 기간과 노출되지 않은 기간으로 나누고, 노출 기간과 노출되지 않은 기간 사이의 주어진 결과의 발생률을 비교하기 위해 고정 효과 포아송 회귀 프로세스를 사용한다.이 기법은 백신 접종에 대한 부작용 연구에 광범위하게 사용되어 왔으며, 코호트 [citation needed]연구에서 이용 가능한 것과 유사한 통계적 힘을 제공하기 위해 일부 환경에서 나타났다.

케이스 컨트롤 스터디

환자-대조군 연구는 환자의 질병 상태에 따라 대상을 선택합니다.그것은 회고적인 연구이다.질병 양성인 개인 그룹("사례" 그룹)을 질병 음성 개인 그룹("대조군")과 비교합니다.대조군은 이상적으로는 사례를 발생시킨 모집단 출신이어야 한다.환자-대조군 연구는 두 그룹(환자 및 대조군)이 모두 직면했을 수 있는 잠재적 노출을 시간을 통해 살펴봅니다.2×2 테이블을 구성하고, 노광 케이스(A), 노광 컨트롤(B), 미노광 케이스(C) 및 미노광 컨트롤(D)을 표시한다.연관성을 측정하기 위해 생성된 통계량은 승산비(OR)이며, 이는 환자(A/C)의 노출 확률과 대조군(B/D)의 노출 확률의 비율이다. 즉, OR =(AD/BC)이다.

경우들 컨트롤
노출됨 A B
미공개 C D

OR이 1보다 유의하게 크면 결론은 "질병에 걸린 사람들은 노출되었을 가능성이 더 높다"는 것이고, 반면 1에 가까우면 노출과 질병은 관련이 없을 것이다.OR이 1보다 훨씬 작으면, 이는 노출이 질병의 원인에서 보호 요소임을 의미한다.환자-대조군 연구는 일반적으로 코호트 연구보다 빠르고 비용 효율적이지만 편향(: 회상 편향선택 편향)에 민감하다.주요 과제는 적절한 대조군을 식별하는 것이다. 대조군 사이의 피폭 분포는 사례를 발생시킨 모집단의 분포를 대표해야 한다.이는 위험에 처한 원래 모집단에서 무작위로 표본을 추출하여 달성할 수 있습니다.그 결과 집단에서 질병이 높은 공격률을 보일 때 대조군은 그 질병을 연구 중인 사람들을 포함할 수 있다.

사례 대조군 연구의 주요 단점은 통계적으로 유의하다고 간주하기 위해 95% 신뢰 구간에서 요구되는 최소 사례 수가 다음 방정식에 의한 승산비와 관련이 있다는 것이다.

여기서 N은 케이스 대 대조군의 비율입니다.승산비가 1에 가까워짐에 따라 통계적 유의성에 필요한 사례 수는 무한대로 증가하며, 사례-대조군 연구는 낮은 승산비에는 거의 무용지물이 됩니다.예를 들어 1.5의 승산비와 = 대조군의 경우 위에 표시된 표는 다음과 같습니다.

경우들 컨트롤
노출됨 103 84
미공개 84 103

승산비가 1.1인 경우:

경우들 컨트롤
노출됨 1732 1652
미공개 1652 1732

코호트 연구

코호트 연구는 노출 상태에 따라 피험자를 선택한다.연구 대상은 코호트 연구 시작 시 조사 중인 결과의 위험에 처해야 한다. 이는 일반적으로 코호트 연구가 시작될 때 질병이 없어야 함을 의미한다.코호트는 이후의 결과 상태를 평가하기 위해 시간이 지남에 따라 추적된다.코호트 연구의 예로는 폐암 발생률을 추정하기 위해 시간에 따른 흡연자와 비흡연자의 코호트 조사를 들 수 있다.케이스 컨트롤 스터디와 같은 2×2 테이블이 구성되어 있습니다.단, 생성된 포인트 추정치는 상대위험(RR)이며, 이는 노출되지 않은 그룹u P = C / (C + D), 즉 RR = Pe / Pu 대한 노출 그룹 Pe = A / (A + B)의 질병 확률이다.

..... 사례. 비케이스
노출됨 A B (A+B)
미공개 C D (C+D)

OR과 마찬가지로 RR이 1보다 크면 연관성을 나타내며, 여기서 결론은 "노출된 사람이 질병에 걸릴 가능성이 더 높았다"로 읽을 수 있다.

예비 연구는 사례 통제 연구에 비해 많은 이점을 가지고 있습니다.질병 상태에 따라 피험자를 선택하는 사례 대조군 연구에서 실제 발병률을 계산할 수 없기 때문에 OR은 RR의 추정치이므로 RR은 OR보다 더 강력한 효과 측정치이다.예비 연구에서 임시성을 확립할 수 있으며 교란 요인을 보다 쉽게 제어할 수 있습니다.그러나 이러한 방법은 비용이 더 많이 들고 코호트를 따르는 장기간에 기초한 후속 조치 대상자를 잃을 가능성이 더 크다.

코호트 연구도 코호트 연구와 같은 환자 수에 대해 등식으로 제한되지만, 연구 모집단의 기본 발생률이 매우 낮은 경우 필요한 환자 수는 다음과 같이 감소한다.1×2

원인추론

역학이 건강 결과에 대한 노출의 연관성을 설명하는 데 사용되는 통계 도구의 집합으로 간주되기도 하지만, 이 과학에 대한 보다 깊은 이해는 인과 관계를 발견하는 것이다.

"상관은 인과관계를 의미하지 않는다"는 역학 문헌의 많은 공통 주제이다.역학자의 경우, 관건은 추론이라는 용어에 있다.상관 관계 또는 적어도 두 변수 간의 연관성은 한 변수가 다른 변수를 유발한다는 추론에 필요하지만 충분하지 않은 기준입니다.역학자는 수집된 데이터와 광범위한 생물의학 및 심리사회 이론을 반복적인 방법으로 사용하여 이론을 생성 또는 확장하고 가설을 테스트하며 어떤 관계가 인과관계인지와 정확히 어떻게 인과관계에 대해 교육적이고 정보에 입각한 주장을 한다.

역학자들은 "1가지 원인 – 1가지 효과" 이해는 단순한 [44]오인이라고 강조한다.질병이든 사망이든 대부분의 결과는 많은 구성 요소 [45]원인으로 구성된 사슬이나 거미줄에 의해 발생합니다.원인은 필요, 충분 또는 확률적 조건에 따라 구별할 수 있다.필요한 조건(예: 질병 약물에 대한 항체, 부상 시의 에너지)을 식별 및 제어할 수 있다면 유해한 결과를 피할 수 있다(Robertson, 2015).질병과 관련된 다중성을 개념화하기 위해 정기적으로 사용되는 한 가지 도구는 인과관계 파이 [46]모델이다.

브래드포드 힐 기준

1965년 오스틴 브래드포드 힐[47]"Bradford Hill 기준"으로 알려진 인과관계 증거를 평가하는 데 도움이 되는 일련의 고려사항을 제안했다.저자의 명확한 의도와는 대조적으로 힐의 고려사항은 때때로 [48]인과관계를 평가하기 위해 구현되어야 할 체크리스트로 가르친다.힐 차관보는 "내 9가지 견해 중 어느 것도 인과관계에 대한 반박의 여지가 없는 증거를 가져올 수 없으며,[47] 그 어떤 것도 반드시 필요한 것은 아니다"라고 말했다.

  1. 연관성의 강도:연관성이 작다고 해서 인과관계가 없는 것은 아니지만 연관성이 클수록 [47]인과관계가 있을 가능성이 높아진다.
  2. 데이터의 일관성: 서로 다른 표본으로 서로 다른 장소에서 서로 다른 사람에 의해 관찰된 일관된 결과는 [47]효과의 가능성을 강화합니다.
  3. 사양:특정 부위의 매우 특정한 집단과 다른 가능한 설명이 없는 질병이 원인일 가능성이 높다.요인과 효과 사이의 연관성이 더 구체적일수록 인과 [47]관계가 있을 확률이 더 커집니다.
  4. 일시:효과는 원인 후에 발생해야 합니다(원인과 예상 효과 사이에 예상되는 지연이 있는 경우에는 그 [47]지연 후에 발생해야 합니다).
  5. 생물학적 경사: 노출이 클수록 일반적으로 효과 발생률이 높아집니다.그러나 일부 경우에는 인자의 존재만으로도 효과가 발생할 수 있습니다.다른 경우에는 반비례도 관찰됩니다. 즉, 노출이 클수록 [47]발병률이 낮아집니다.
  6. 신뢰성: 원인과 결과 사이의 그럴듯한 메커니즘이 도움이 됩니다(그러나 힐은 메커니즘에 대한 지식은 현재의 [47]지식에 의해 제한된다는 점에 주목했습니다).
  7. 일관성:역학과 실험실 발견 사이의 일관성은 효과의 가능성을 높인다.하지만 힐은 "...그러한 [실험실] 증거의 부족이 연관성에 대한 역학적 영향을 무효화할 수 없다."[47]
  8. 실험: "가끔은 실험 증거에 호소하는 것이 가능하다."[47]
  9. 유추:유사한 요인의 효과를 [47]고려할 수 있다.

법적 해석

역학 연구는 오직 어떤 특정 상황에서든 원인이 될 수는 있지만 원인이 될 수는 없다는 것을 증명할 수 있을 뿐이다.

역학에서는 모집단의 질병 발생률과 관련이 있으며 개인의 질병의 원인에 대한 질문은 다루지 않는다.때로는 특정 원인이라고 불리는 이 질문은 역학 분야의 범위를 벗어난다.역학에는 매개체와 질병 간의 관계가 인과 관계(일반 원인)라는 추론이 이루어지고 매개체에 기인하는 초과 위험의 크기가 결정되는 지점에 한계가 있다. 즉, 역학에서는 매개체가 특정 재생을 유발하는지 아닌 매개체가 질병을 일으킬 수 있는지 여부를 다룬다.Ntiff병.[49]

미국 법률에서는 역학만으로는 인과관계가 일반적으로 존재하지 않는다는 것을 증명할 수 없다.반대로 미국 법원은 개개의 경우 확률의 균형에 근거하여 인과관계가 존재한다는 추론을 정당화할 수 있다.

법의학 하위분야는 법적 환경에서 제시하기 위해 인과관계가 논쟁 중이거나 불분명한 경우 개인 또는 개인 그룹에서 질병 또는 부상의 특정 원인을 조사하는 것을 목적으로 한다.

인구 기반 건강 관리

역학 관행과 역학 분석 결과는 새로운 인구 기반 건강 관리 프레임워크에 크게 기여한다.

인구 기반 건강 관리에는 다음과 같은 기능이 포함됩니다.

  • 대상 인구의 건강 상태와 건강 요구를 평가한다.
  • 해당 인구의 건강을 개선하기 위해 설계된 개입을 구현하고 평가한다.
  • 지역사회의 문화, 정책 및 보건 자원 가치와 일치하는 방식으로 해당 인구 구성원을 효율적이고 효과적으로 돌본다.

현대 인구 기반 건강관리는 복잡하며, 인구에게 효율적이고 효과적인 건강관리와 건강지도를 제공하기 위해 관리과학과 통합된 여러 기술(의료, 정치, 기술, 수학 등)이 필요하다.이 작업은 건강 위험 요인, 발병률, 유병률 및 사망률 통계(역학적 분석에서 도출)를 현재의 인구 건강 문제에 대한 건강 시스템의 대응 방법뿐만 아니라 건강 시스템이 어떻게 대응할 수 있는지를 안내하는 관리 지표로 변환하는 최신 위험 관리 접근법의 미래 지향적 능력을 요구한다.미래의 잠재적 인구 건강 [50]문제에 더 잘 대응할 수 있도록 관리되어야 한다.

역학 관행의 작업과 결과를 활용하는 인구 기반 건강 관리를 사용하는 조직으로는 캐나다 암 통제 전략, 캐나다 보건 담배 통제 프로그램, Rick Hansen 재단, 캐나다 담배 [51][52][53]통제 연구 이니셔티브 등이 있다.

이러한 각 조직은 인구 통계, 보건 기관 운영 연구 및 경제와 역학 정량 분석을 결합한 Life at Risk라는 인구 기반 건강 관리 프레임워크를 사용하여 다음을 수행합니다.

  • 인구 수명에 미치는 영향 시뮬레이션:새로운 질병 사례, 유병률, 조기 사망 및 장애 및 사망으로 인한 잠재적 수명 연수와 관련하여 질병이 모집단에 미치는 미래 잠재적 영향 측정
  • 노동력 생활 영향 시뮬레이션:새로운 질병 사례, 유병률, 조기 사망 및 장애 및 사망으로 인한 잠재적 수명 연수와 관련하여 질병이 노동력에 미치는 미래 잠재적 영향 측정
  • 질병 시뮬레이션의 경제적 영향:민간부문 가처분소득 영향(임금, 기업 이익, 민간 의료비) 및 공공부문 가처분소득 영향(개인소득세, 법인소득세, 소비세, 공적자금 지원 의료비)에 대한 질병이 미래에 미칠 잠재적 영향 측정.

응용 분야 역학

응용 역학이란 인구의 건강을 보호하거나 개선하기 위해 역학적인 방법을 사용하는 것을 말한다.응용 분야 역학에는 적절한 정책이나 질병 통제 조치를 이행할 수 있는 사람들에게 결과를 전달할 목적으로 전염성 및 비 전염성 질환의 발생, 사망률과 질병률, 영양 상태 등의 조사가 포함될 수 있다.

인도주의적 맥락

인도주의적 위기 상황에서 질병 및 기타 건강 요소에 대한 감시와 보고가 점점 더 어려워짐에 따라, 데이터 보고에 사용되는 방법론이 손상되었다.한 연구에 따르면 인도주의적 맥락에서 표본으로 추출한 영양조사의 절반 미만(42.4%)이 영양실조의 유병률을 올바르게 계산했으며, 질의 기준을 충족하는 조사도 1/3(35.3%)에 불과했다.사망률 조사 중 3.2%만이 품질 기준을 충족했다.영양 상태와 사망률이 위기의 심각성을 나타내는 데 도움이 되기 때문에 이러한 건강 요소를 추적하고 보고하는 것이 중요하다.

중요한 레지스트리는 일반적으로 데이터를 수집하는 가장 효과적인 방법이지만 인도주의적 상황에서는 이러한 레지스트리가 존재하지 않거나 신뢰할 수 없거나 액세스할 수 없는 경우가 있습니다.따라서 사망률은 사전 인구통계학적 감시 또는 소급 사망률 조사를 사용하여 부정확하게 측정되는 경우가 많다.인구통계학적 사전 감시는 많은 인력을 필요로 하며 분산된 인구에서 구현하기 어렵다.소급 사망률 조사는 선택과 보고 편견이 생기기 쉽다.다른 방법이 개발되고 있지만 [54][55][56][57]아직 일반적인 방법은 아닙니다.

유효성: 정밀도 및 바이어스

역학 분야마다 타당성 수준이 다르다.발견의 유효성을 평가하는 한 가지 방법은 거짓 양성(정확하지 않은 주장 효과)과 거짓 음성(진정한 효과를 뒷받침하지 못하는 연구)의 비율이다.유전자 역학 분야를 선택하기 위해 후보 유전자 연구는 거짓 음성 1개당 100개 이상의 거짓 양성 소견을 도출했다.대조적으로 게놈 전체의 연관성은 그 반대로 나타나며, 100명 이상의 거짓 [58]부정자마다 하나의 거짓 양성만 나타난다.이 비율은 유전자 역학 분야에서 엄격한 기준을 채택함에 따라 시간이 지남에 따라 개선되었다.반면, 다른 역학 분야는 그러한 엄격한 보고를 요구하지 않으며 그 [58]결과 신뢰성이 훨씬 떨어진다.

랜덤 에러

랜덤 오차는 표본 추출 변동성으로 인해 참 값 주변의 변동의 결과입니다.무작위 오류는 그냥 무작위입니다.데이터 수집, 코딩, 전송 또는 분석 중에 발생할 수 있습니다.무작위 오류의 예로는 문장이 서투른 질문, 특정 응답자의 개별 답변을 해석할 때의 오해, 코딩 중의 오타가 있다.랜덤 오류는 일시적이고 일관성 없는 방식으로 측정에 영향을 미치므로 랜덤 오류를 수정할 수 없습니다.

모든 표본 추출 절차에서 무작위 오류가 있습니다.이를 샘플링 오류라고 합니다.

역학 변수의 정밀도는 무작위 오차의 척도이다.정밀도는 랜덤 오차와도 반비례하므로 랜덤 오차를 줄이는 것은 정밀도를 높이는 것입니다.신뢰 구간은 상대적 위험 추정의 정밀도를 나타내기 위해 계산된다.신뢰 구간이 좁을수록 상대 위험 추정치가 더 정확해집니다.

역학 연구에서 무작위 오류를 줄이는 두 가지 기본적인 방법이 있다.첫 번째는 연구의 표본 크기를 늘리는 것입니다.즉, 더 많은 과목을 공부에 추가하세요.두 번째는 연구에서 측정의 변동성을 줄이는 것입니다.이 작업은 보다 정밀한 측정 장치를 사용하거나 측정 횟수를 늘려서 수행할 수 있습니다.

참고: 표본 크기 또는 측정 횟수가 증가하거나 보다 정밀한 측정 도구를 구입하면 일반적으로 연구 비용이 증가합니다.적절한 정밀도의 필요성과 실제적인 학습비 문제 사이에는 보통 불편한 균형이 존재한다.

시스템 오류

체계적 오류 또는 편차는 표본 추출 변동성 이외의 원인과 참 값(모집단 내)과 관측 값(연구 내) 사이에 차이가 있을 때 발생합니다.시스템 오류의 예로는 사용자가 알지 못하는 펄스 옥시미터가 잘못 설정되고 측정이 실행될 때마다 참 값에 2개의 포인트가 더해지는 경우를 들 수 있습니다.측정 장치는 정확할 수는 있지만 정확하지는 않을 수 있습니다.이 오류는 모든 인스턴스에서 발생하므로 체계적입니다.그 데이터를 바탕으로 도출한 결론은 여전히 부정확합니다.그러나 오류는 나중에 재현될 수 있습니다(예: 동일한 잘못 설정된 계측기를 사용).

특정 질문에 대한 모든 응답에 영향을 미치는 코드화 오류는 시스템 오류의 또 다른 예입니다.

연구의 유효성은 시스템 오류의 정도에 따라 달라집니다.유효성은 보통 다음 두 가지 요소로 구분됩니다.

  • 내부 유효성은 노출, 질병 및 이러한 변수 간의 연관성을 포함하여 측정의 오류 양에 따라 달라집니다.내부 유효성이 우수하다는 것은 측정 오차가 없다는 것을 의미하며 적어도 연구 대상과 관련된 추론을 도출할 수 있다는 것을 나타냅니다.
  • 외부 유효성은 표본이 추출된 모집단으로 연구 결과를 일반화하는 과정(또는 해당 모집단을 넘어 더 보편적인 진술로)과 관련이 있다.이를 위해서는 일반화와 관련된(또는 관련이 없는) 조건을 이해해야 한다.내부 유효성은 외부 유효성의 전제 조건임이 분명하다.

선택편향

관심 [59]노출 및 결과와 관련된 세 번째 측정되지 않은 변수의 결과로 연구 대상이 선택되거나 연구의 일부가 될 때 선택 편향이 발생한다.예를 들어, 담배 흡연자와 비흡연자의 연구 참여율이 다른 경향이 있다는 것은 여러 번 지적되어 왔다.(Sackett D는 비흡연자의 85%, 흡연자의 67%가 우편으로 설문지를 보낸 Seltzer 등의 사례를 인용한다.)[60]이러한 응답의 차이가 두 응답 그룹 간의 결과의 체계적 차이와 관련이 없는 경우 편중으로 이어지지 않는다는 점에 유의해야 한다.

정보 편향

정보편향[61]변수를 평가할 때 체계적인 오류에서 발생하는 편향이다.이것의 한 예는 리콜 편견이다.태아 건강에 대한 특정 노출의 영향을 조사하는 연구에 대한 그의 토론에서 전형적인 예가 다시 제시되었다: "최근 임신이 태아 사망이나 기형으로 끝난 산모들과 임신이 정상적으로 끝난 산모들의 일치된 그룹(대조군)에서, 전자의 28%가, 하지만,후자의 20%만이 이전의 사전 인터뷰나 다른 건강 기록에서 입증할 수 없는 약물에 노출되었다고 보고되었다."[60]이 예에서, 기억 편향은 유산을 한 여성이 이전의 피폭을 더 잘 기억하고 보고하는 분명한 경향을 가지고 있기 때문에 발생한 것일 것이다.

교란

교란 전통적으로 관심 [61][62]있는 주요 효과와 교란 요인이라고 하는 외부 요인의 효과의 공존 또는 혼합에서 발생하는 편향으로 정의되어 왔다.교란요인의 보다 최근의 정의는 반사실적 [62]효과의 개념을 불러일으킨다.이 관점에 따르면, 관심의 결과를 관찰할 때, Y=1(Y=0과 대조적으로)이 완전히 노출된 모집단 A에서(즉, 모집단의 모든 단위에 대한 노출 X = 1) 이 사건의 위험은 RA1 될 것이다.반사실적 또는 관찰되지 않은 위험A0 R은 동일한 개인이 노출되지 않았다면 관찰되었을 위험에 해당한다(즉, 모집단의 모든 단위에 대해 X = 0).따라서 노출의 진정한 효과는 R - RA0(위험 차이에 관심이 있는 경우) 또는A1 R/RA0(상대 위험에 관심이 있는 경우)이다A1.반사실적 위험A0 R은 관측할 수 없기 때문에 두 번째 모집단 B를 사용하여 근사하고 실제로 R - R 또는B0A1 R/RB0 관계A1 측정한다.이 상황에서 교란 요인은 R rB0 [62]R일 때 발생한다A0(NB: 예시는 이항 결과와 노출 변수를 가정한다).

일부 역학자는 선택과 정보 편견과 달리 교락 요인은 실제 인과적 [59]영향에서 비롯되기 때문에 편견의 일반적인 범주와는 별도로 교락 요인을 생각하는 것을 선호한다.

직업

학부 수준의 학습 과정으로 역학이 제공되는 대학은 거의 없다.존스 홉킨스 대학에는 공중보건을 전공하는 학생들이 블룸버그 [63]공중보건대학 4학년 동안 역학 등의 대학원 수준의 과정을 수강할 수 있는 주목할 만한 학부 프로그램이 있다.

역학 연구는 의사 등 임상 훈련을 받은 전문가를 포함한 다양한 분야의 개인에 의해 이루어지지만, 공식 교육은 공중 보건 석사(MPH), 역학 석사(MSC), 공중 보건 박사(DrPH), 약학 박사(DrPH) 등 석·박사(Dr. of Public Health) 프로그램을 통해 가능하다.약학박사(PhD), 철학박사(PhD), 과학박사(ScD) 등.기타 많은 대학원 프로그램(예: 사회사업 박사(DSW), 임상실천 박사(DCLINP), 소아과 의사(DPM), 수의학 박사(DVM), 간호실천 박사(DNP), 물리치료 의사(DPT), 임상훈련 의사) 등)또는 MBChB)와 골병리학 박사(DO)는 역학 연구 또는 관련 주제에 대한 일부 교육을 포함하지만, 일반적으로 이 교육은 역학 또는 공중 보건에 초점을 맞춘 교육 프로그램보다 훨씬 적다.역학과 의학의 강력한 역사적 유대를 반영하여, 공공 보건 및 의과대학 중 어느 한 학교에 공식적인 훈련 프로그램을 설정할 수 있다.

공중 보건/보건 보호 전문가로서 역학자는 여러 가지 다른 환경에서 일한다.일부 역학자는 '현장'에서 일한다. 즉, 지역사회에서, 일반적으로 공중 보건/보건 보호 서비스에서 일하며, 종종 질병 발생을 조사하고 싸우는 최전선에 있다.다른 사람들은 비영리 조직, 대학, 병원 및 주 및 지방 보건 부서, 다양한 보건부, 국경 없는 의사, 질병 통제예방 센터(CDC), 보건국, 세계보건기구(WHO), 또는 C의 공중 보건 기관과 같은 더 큰 정부 기관에서 일하고 있습니다.역학자들은 또한 제약 및 의료기기 회사와 같은 영리 단체에서 시장 조사나 임상 개발 같은 그룹으로 일할 수 있다.

COVID-19

2020년 4월 서던 캘리포니아 대학 기사에 따르면, "코로나 바이러스 유행은...추력 역학(인구 내 질병 발생률, 분포 및 통제에 대한 연구)은 전 세계 과학 분야의 최전선에 있으며,[64] 심지어 일부 의사로부터 일시적인 유명인사를 배출하기도 했습니다."

「 」를 참조해 주세요.

레퍼런스

인용문

  1. ^ Porta, Miquel (2014). A Dictionary of Epidemiology (6th ed.). New York: Oxford University Press. ISBN 978-0-19-997673-7. Retrieved 16 July 2014.
  2. ^ Nutter, Jr., F.W. (1999). "Understanding the interrelationships between botanical, human, and veterinary epidemiology: the Ys and Rs of it all". Ecosystem Health. 5 (3): 131–40. doi:10.1046/j.1526-0992.1999.09922.x.
  3. ^ 히포크라테스(기원전 200년).에어, 워터스, 플레이스
  4. ^ a b Carol Buck, Alvaro Lopis, Enrique Najera; Milton Terris(1998) 역학의 과제: 문제선택한 판독치.과학 출판물 제505호. 팬아메리칸 헬스 기구.워싱턴 DC, 페이지 3
  5. ^ Alfredo Morabia (2004). A history of epidemiologic methods and concepts. Birkhäuser. p. 93. ISBN 978-3-7643-6818-0.
  6. ^ 역학의 역사적 발전제2장Jones & Bartlett Learning LLC.
  7. ^ Ray M. Merrill (2010). Introduction to Epidemiology. Jones & Bartlett Learning. p. 24. ISBN 978-0-7637-6622-1.
  8. ^ a b 메릴, Ray M., PhD, MPH (2010):역학개론 제5판제2장: "역학의 역사적 발전"존스 앤 바틀릿 출판사
  9. ^ "Changing Concepts: Background to Epidemiology" (PDF). Duncan & Associates. Archived from the original (PDF) on 25 July 2011. Retrieved 3 February 2008.
  10. ^ Joseph, P Byre (2012). Encyclopedia of the Black Death. ABC-CLIO. p. 76. ISBN 978-1598842548. Retrieved 24 February 2019.
  11. ^ Guobin, Xu; Yanhui, Chen; Lianhua, Xu (2018). Introduction to Chinese Culture: Cultural History, Arts, Festivals and Rituals. Springer. p. 70. ISBN 978-9811081569. Retrieved 24 February 2019.
  12. ^ "SARS: Clinical Trials on Treatment Using a Combination of Traditional Chinese Medicine and Western Medicine". World Health Organization. Archived from the original on 8 June 2018. Retrieved 24 February 2019.
  13. ^ 2005년 5월과 6월 UCLA 공중보건대학 역학부 데이비드 바천 박사, 콜레라 유행의 수질오염
  14. ^ 스노우, 역학 NPR 강연의 아버지, 2004년 9월 24일
  15. ^ 눈의 중요성그로 할렘 브룬트랜드, M.D., M.P.H. 전 세계보건기구 사무총장제네바, 스위스 회담, 워싱턴 DC, 1998년 10월 28일
  16. ^ 존 스노우 박사.John Snow, Inc. 및 JSI Research & Training Institute, Inc.
  17. ^ Johnson, Steven, The ghost map : [the story of London's most terrifying epidemic – and how it changed science, cities, and the modern world], OCLC 1062993385, retrieved 16 September 2020
  18. ^ Krishna; Kr (May 2019). "Education Consultancy". Krishna.
  19. ^ Ólöf Garðarsdóttir; Loftur Guttormsson (25 August 2009). "Public health measures against neonatal tetanus on the island of Vestmannaeyjar (Iceland) during the 19th century". The History of the Family. 14 (3): 266–79. doi:10.1016/j.hisfam.2009.08.004. S2CID 72505045.[검증 필요]
  20. ^ 세기의 통계학자들.C.C.에 의해헤이드, 유진 세네
  21. ^ Anderson Gray McKendrick 2011년 8월 22일 Wayback Machine에서 아카이브 완료
  22. ^ 역학 통계 방법: 칼 피어슨, 로널드 로스, 메이저 그린우드 및 오스틴 브래드포드 힐, 1900-1945.런던 UCL 의학의 역사를 위한 트러스트 센터
  23. ^ "Origins and early development of the case-control study" (PDF). Archived from the original (PDF) on 18 January 2017. Retrieved 31 August 2013.
  24. ^ Mueller LM (2019). "Cancer in the tropics: geographical pathology and the formation of cancer epidemiology". BioSocieties. 14 (4): 512–528. doi:10.1057/s41292-019-00152-w. hdl:1721.1/128433. S2CID 181518236.
  25. ^ Ogino S, Fuchs CS, Giovannucci E (2012). "How many molecular subtypes? Implications of the unique tumor principle in personalized medicine". Expert Rev Mol Diagn. 12 (6): 621–28. doi:10.1586/erm.12.46. PMC 3492839. PMID 22845482.
  26. ^ Ogino S, Lochhead P, Chan AT, Nishihara R, Cho E, Wolpin BM, Meyerhardt JA, Meissner A, Schernhammer ES, Fuchs CS, Giovannucci E (2013). "Molecular pathological epidemiology of epigenetics: Emerging integrative science to analyze environment, host, and disease". Mod Pathol. 26 (4): 465–84. doi:10.1038/modpathol.2012.214. PMC 3637979. PMID 23307060.
  27. ^ Ogino S, King EE, Beck AH, Sherman ME, Milner DA, Giovannucci E (2012). "Interdisciplinary education to integrate pathology and epidemiology: Towards molecular and population-level health science". Am J Epidemiol. 176 (8): 659–67. doi:10.1093/aje/kws226. PMC 3571252. PMID 22935517.
  28. ^ Ogino S, Stampfer M (2010). "Lifestyle factors and microsatellite instability in colorectal cancer: the evolving field of molecular pathological epidemiology". J Natl Cancer Inst. 102 (6): 365–67. doi:10.1093/jnci/djq031. PMC 2841039. PMID 20208016.
  29. ^ Ogino S, Chan AT, Fuchs CS, Giovannucci E (2011). "Molecular pathological epidemiology of colorectal neoplasia: an emerging transdisciplinary and interdisciplinary field". Gut. 60 (3): 397–411. doi:10.1136/gut.2010.217182. PMC 3040598. PMID 21036793.
  30. ^ Field AE, Camargo CA, Ogino S (2013). "The merits of subtyping obesity: one size does not fit all". JAMA. 310 (20): 2147–48. doi:10.1001/jama.2013.281501. PMID 24189835.
  31. ^ Curtin K, Slattery ML, Samowitz WS (2011). "CpG island methylation in colorectal cancer: past, present and future". Pathology Research International. 2011: 902674. doi:10.4061/2011/902674. PMC 3090226. PMID 21559209.
  32. ^ Hughes LA, Khalid-de Bakker CA, Smits KM, den Brandt PA, Jonkers D, Ahuja N, Herman JG, Weijenberg MP, van Engeland M (2012). "The CpG island methylator phenotype in colorectal cancer: Progress and problems". Biochim Biophys Acta. 1825 (1): 77–85. doi:10.1016/j.bbcan.2011.10.005. PMID 22056543.
  33. ^ Ku CS, Cooper DN, Wu M, Roukos DH, Pawitan Y, Soong R, Iacopetta B (2012). "Gene discovery in familial cancer syndromes by exome sequencing: prospects for the elucidation of familial colorectal cancer type X." Mod Pathol. 25 (8): 1055–68. doi:10.1038/modpathol.2012.62. PMID 22522846.
  34. ^ Chia WK, Ali R, Toh HC (2012). "Aspirin as adjuvant therapy for colorectal cancer-reinterpreting paradigms". Nat Rev Clin Oncol. 9 (10): 561–70. doi:10.1038/nrclinonc.2012.137. PMID 22910681. S2CID 7425809.
  35. ^ Spitz MR, Caporaso NE, Sellers TA (2012). "Integrative cancer epidemiology – the next generation". Cancer Discov. 2 (12): 1087–90. doi:10.1158/2159-8290.cd-12-0424. PMC 3531829. PMID 23230187.
  36. ^ Zaidi N, Lupien L, Kuemmerle NB, Kinlaw WB, Swinnen JV, Smans K (2013). "Lipogenesis and lipolysis: The pathways exploited by the cancer cells to acquire fatty acids". Prog Lipid Res. 52 (4): 585–89. doi:10.1016/j.plipres.2013.08.005. PMC 4002264. PMID 24001676.
  37. ^ Ikramuddin S, Livingston EH (2013). "New Insights on Bariatric Surgery Outcomes". JAMA. 310 (22): 2401–02. doi:10.1001/jama.2013.280927. PMID 24189645.
  38. ^ Little TJ, Allen JE, Babayan SA, Matthews KR, Colegrave N (2012). "Harnessing evolutionary biology to combat infectious disease". Nature Medicine. 18 (2): 217–20. doi:10.1038/nm.2572. PMC 3712261. PMID 22310693.
  39. ^ Pybus OG, Fraser C, Rambaut A (2013). "Evolutionary epidemiology: preparing for an age of genomic plenty". Phil Trans R Soc B. 368 (1614): 20120193. doi:10.1098/rstb.2012.0193. PMC 3678320. PMID 23382418.
  40. ^ Wiemken, Timothy L.; Kelley, Robert R. (2020). "Machine Learning in Epidemiology and Health Outcomes Research". Annual Review of Public Health. 41: 21–36. doi:10.1146/annurev-publhealth-040119-094437. PMID 31577910.
  41. ^ Bi, Qifang; Goodman, Katherine E.; Kaminsky, Joshua; Lessler, Justin (2019). "What is Machine Learning? A Primer for the Epidemiologist". American Journal of Epidemiology. 188 (12): 2222–2239. doi:10.1093/aje/kwz189. PMID 31509183.
  42. ^ a b c "역학의 원리"공중 보건의 주요 개념.런던: Sage UK, 2009.Credo Reference. 2011년 8월 1일웹. 2012년 9월 30일.
  43. ^ Hennekens, Charles H.; Julie E. Buring (1987). Mayrent, Sherry L. (ed.). Epidemiology in Medicine. Lippincott, Williams and Wilkins. ISBN 978-0-316-35636-7.
  44. ^ Woodward, James (2010). "Causation in biology: stability, specificity, and the choice of levels of explanation". Biology & Philosophy. 25 (3): 287–318. doi:10.1007/s10539-010-9200-z. S2CID 42625229 – via SpringerLink.
  45. ^ Rothman, Kenneth J. (1986). Modern Epidemiology. Boston/Toronto: Little, Brown and Company. ISBN 978-0-316-75776-8.
  46. ^ Rothman, Kenneth J. (2012). Epidemiology : An introduction (2nd ed.). New York, NY: Oxford University Press. p. 24. ISBN 978-0-19-975455-7. OCLC 750986180.
  47. ^ a b c d e f g h i j k Hill, Austin Bradford (1965). "The Environment and Disease: Association or Causation?". Proceedings of the Royal Society of Medicine. 58 (5): 295–300. doi:10.1177/003591576505800503. PMC 1898525. PMID 14283879.
  48. ^ Phillips, Carl V.; Karen J. Goodman (October 2004). "The missed lessons of Sir Austin Bradford Hill". Epidemiologic Perspectives and Innovations. 1 (3): 3. doi:10.1186/1742-5573-1-3. PMC 524370. PMID 15507128.
  49. ^ Green, Michael D.; D. Michal Freedman, and Leon Gordis. Reference Guide on Epidemiology (PDF). Federal Judicial Centre. Archived from the original (PDF) on 27 February 2008. Retrieved 3 February 2008.
  50. ^ Neil Myburgh; Debra Jackson. "Measuring Health and Disease I: Introduction to Epidemiology". Archived from the original on 1 August 2011. Retrieved 16 December 2011.
  51. ^ Smetanin, P.; P. Kobak (October 2005). Interdisciplinary Cancer Risk Management: Canadian Life and Economic Impacts. 1st International Cancer Control Congress (PDF).
  52. ^ Smetanin, P.; P. Kobak (July 2006). A Population-Based Risk Management Framework for Cancer Control. The International Union Against Cancer Conference. Archived from the original (PDF) on 2 February 2014.
  53. ^ Smetanin, P.; P. Kobak (July 2005). Selected Canadian Life and Economic Forecast Impacts of Lung Cancer. 11th World Conference on Lung Cancer. Archived from the original (PDF) on 2 February 2014.
  54. ^ WHO, "건강 주제: 역학"접속일 : 2017년 10월 30일
  55. ^ 미켈 포르타역학 사전http://global.oup.com/academic/product/a-dictionary-of-epidemiology-9780199976737?cc=us&lang=en 제6판, 뉴욕, 2014 옥스포드 대학 프레스 ISBN 978-0-19-997673-7 접속: 2017년 10월 30일
  56. ^ Prudhon, C & Spiegel, P. "1993년 10월부터 2004년 4월까지 인도적 비상사태에서 수행된 영양 및 사망률 조사 방법론 및 분석 검토", 2007년 역학, 4:10의 새로운 주제.http://www.ete-online.com/content/4/1/10 접속: 2017년 10월 30일
  57. ^ 로버츠, B 등"위기에 영향을 받고 자원이 부족한 환경에서 사망률을 추정하는 새로운 방법: 검증 연구"국제 역학 저널 2010; 39:1584–96.접속일 : 2017년 10월 30일
  58. ^ a b Ioannidis, J. P. A.; Tarone, R.; McLaughlin, J. K. (2011). "The False-positive to False-negative Ratio in Epidemiologic Studies". Epidemiology. 22 (4): 450–56. doi:10.1097/EDE.0b013e31821b506e. PMID 21490505. S2CID 42756884.
  59. ^ a b Hernán, M. A.; Hernández-Díaz, S.; Robins, J. M. (2004). "A structural approach to selection bias". Epidemiology. 15 (5): 615–25. doi:10.1097/01.ede.0000135174.63482.43. PMID 15308962. S2CID 1373077.
  60. ^ a b [1] 2017년 8월 29일 Wayback Machine 24에 보관
  61. ^ a b Rothman, K. (2002). Epidemiology: An Introduction. Oxford: Oxford University Press. ISBN 978-0195135541.
  62. ^ a b c Greenland S, Morgenstern H (2001). "Confounding in Health Research". Annu. Rev. Public Health. 22: 189–212. doi:10.1146/annurev.publhealth.22.1.189. PMID 11274518. S2CID 4647751.
  63. ^ "Public Health Studies". Public Health Studies at Johns Hopkins. Retrieved 13 April 2017.
  64. ^ Hiro, Brian. "Ask the Expert: The Epidemiology of COVID-19". SCUSM. Retrieved 11 June 2020.

원천

외부 링크