Studi yang menggunakan simulasi menyoroti kekuatan data agregat dalam penelitian kesehatan lingkungan

Hasil yang bertentangan dalam epidemiologi lingkungan telah lama diblokir pada efek pada kesehatan bahan kimia beracun. Sebuah studi baru oleh Columbia University Mailman School of Public Health yang diterbitkan di Jurnal Epidemiologi Amerika Ini menunjukkan bahwa salah satu alasan utama ketidakkonsistenan ini dapat menjadi interval paparan terbatas dalam studi individu, yang mengikuti satu sama lain ke hasil yang kurang bertenaga dan kesimpulan yang tidak jelas.

Para peneliti menggunakan data simulasi untuk memeriksa seberapa baik studi individu dan agregat dapat mengidentifikasi hubungan dosis-respons antara Eksposur Kimia DAN Hasil kesehatan. Hasilnya menunjukkan solusi yang jelas: kumpulan data melalui studi harus menjadi prioritas, bahkan ketika variabel perancu bervariasi di antara kohort.

“Studi undersimpal – khususnya mereka yang memiliki interval paparan terbatas – dapat menghasilkan hasil yang menyesatkan jika dan bagaimana suatu bahan kimia mempengaruhi kesehatan manusia“Kata penulis utama Eva Siegel, Ph.D. di Departemen Ilmu Kesehatan Lingkungan.” Simulasi kami menunjukkan bahwa kombinasi data pada beberapa kohort adalah langkah alami dan perlu untuk memperkuat kesimpulan kesehatan lingkungan riset.”

Penelitian ini berfokus pada Bifenili poliklorinasi (PCB), kelas polutan organik persisten (POP). Secara khusus, penelitian ini mengeksplorasi hubungan antara paparan ibu dengan PCB-153, PCB yang paling umum terdeteksi menyatukan Darah manusia— Dan berat lahir, sebuah asosiasi yang telah dilaporkan secara tidak konsisten dalam penelitian sebelumnya.

“Beberapa bahan kimia, seperti pop yang meneliti endokrin, dapat mengganggu sistem tubuh bahkan pada dosis yang sangat rendah,” kata Siegel. “Pahami caranya Risiko Kesehatan Bervariasi di seluruh rentang paparan sangat penting, tetapi yang membutuhkan data yang lebih luas daripada yang dapat ditawarkan oleh kebanyakan studi individu “.

Untuk mengisi kesenjangan ini, para peneliti menciptakan lima populasi hipotetis dengan distribusi paparan yang berbeda, dari rendah hingga alte-basate pada data nyata dari tiga kohort kelahiran yang terkenal: Columbia Children’s Center for Environmental Health (CCCEH) di New York City, kohort Dana Kesehatan Lingkungan (EHF) di Israel dan pengembangan kesehatan.

Dengan mensimulasikan lingkungan paparan yang berbeda ini dan menganalisisnya baik secara individu maupun kolektif, tim telah menilai seberapa baik setiap pendekatan dapat memulihkan kurva dosis respons “nyata”. Hasilnya jelas: Studi dengan variabilitas paparan terbatas sering kali belum dapat mendeteksi efeknya, sedangkan data yang dikelompokkan mencerminkan hubungan yang diharapkan lebih akurat.

“Hasil kami menunjukkan bahwa, terlepas dari perbedaan potensial dalam faktor kebingungan antara studi, manfaat kumpulan data melebihi tantangan terutama ketika Anda melakukan upaya apa pun untuk sepenuhnya menyelaraskan data di antara studi,” kata Pam Factor-Litvak, Ph.D., Profesor Epidemiologi di Columbia Mailman School dan penulis senior.

“Untuk menggarisbawahi, pendekatan ini sangat penting untuk memahami efek kimia dengan dosis rendah, di mana banyak studi individu kurang dalam jarak yang cukup untuk mendeteksi model.”

Rekan penulis lainnya adalah Matt Lamb, Jeff Goldsmith dan Andrew Rundle, Sekolah Kesehatan Masyarakat Universitas Columbia; Andreas Neophytou, Colorado State University, Matitiahu Berkovitch, Universitas Tel Aviv; dan Barbara Cohn, Institut Kesehatan Masyarakat.