1 基本概念
1.1 定义
横断面研究是一种在某一特定时间点，或在较短的时间窗口内，对研究对象的特征、状态与变量进行同步测量和分析的研究设计。其核心在于“截面式”观察，即只记录研究对象在同一时期的情况，而不对其进行长期随访。
这种设计常用于了解某一现象在群体中的分布状况，例如某种健康状态的比例、某类行为的发生情况，或不同人群之间的差异。由于数据采集通常集中在一次完成，因此横断面研究也常被视为描述性研究中的重要形式。
1.2 核心特征
1.2.1 同期观测
横断面研究强调在同一时间段内收集信息，尽量保证所测变量具有时间上的一致性。这样做的目的，是避免因时间跨度过长而导致数据失真，使研究结果更能反映当时的真实状态。
1.2.2 非追踪设计
这类研究不以随时间变化的过程为重点，不对同一对象进行重复追踪，也不考察变量随时间演变的轨迹。因而，它更适合回答“现在是什么样”的问题，而不是“为何会这样”或“未来会怎样”的问题。
1.2.3 描述性与比较性兼具
横断面研究既可以用于描述总体特征，也可以用于比较不同亚群之间的差异。例如，可以比较不同年龄组、性别组或地区人群在某项指标上的分布，从而发现潜在模式或风险线索。
1.3 研究目的
横断面研究的目的通常包括以下几类：一是描述现状，了解某种特征、行为或状态在群体中的分布；二是估计比例类指标，如患病率、知晓率或满意度；三是比较不同群体的差异；四是为后续更深入的研究提供基础数据和假设线索。
2 研究类型
2.1 描述性横断面研究
描述性横断面研究主要用于呈现某一总体的基本状况，重点在于“有多少”“是什么样”。这类研究通常不强调复杂的变量关系分析，而是通过统计分布、频数和比例等方式，概括目标人群的总体特征。
2.2 分析性横断面研究
分析性横断面研究在描述基础上进一步探讨变量之间的联系，常用于检验某些特征是否与结局存在关联。由于数据来自同一时点，它更多体现的是相关性而非严格因果关系。
2.2.1 相关性分析
相关性分析用于考察两个或多个变量之间是否存在统计学联系，例如某种行为与某项指标之间是否同步变化。此类分析能帮助研究者发现模式，但结果通常只能说明关联程度，不能直接推导因果。
2.2.2 组间比较
组间比较是分析性横断面研究中常见的方法，例如比较不同职业人群、不同年龄层或不同暴露水平人群在结局指标上的差异。通过这类比较，研究者可初步判断某些因素是否与结果存在联系。
2.3 普查与抽样调查
横断面研究既可以采用普查方式，对目标总体中的所有个体进行调查，也可以通过抽样调查选取部分样本进行分析。普查更全面，但实施成本较高；抽样调查则更灵活，适合总体规模较大或资源有限的情形。
3 研究设计
3.1 研究对象选择
3.1.1 目标总体
研究设计首先要明确目标总体，即研究希望推及的全部对象范围。目标总体的界定应尽量清晰，包括地域、年龄、职业或其他关键属性，以便后续抽样和结果解释具有一致性。
3.1.2 纳入与排除标准
纳入标准用于规定哪些对象可以进入研究，排除标准则说明哪些对象不适合参与。合理设定这些标准，有助于减少无关因素干扰，提高样本的同质性与研究结论的可解释性。
3.2 变量设定
3.2.1 暴露变量
暴露变量通常指研究中可能影响结局的因素，如行为习惯、环境条件、人口学特征等。在横断面研究中，暴露与结局往往同步测量，因此需要谨慎解释其方向性。
3.2.2 结局变量
结局变量是研究关注的主要结果指标，可以是某种状态、症状、认知水平、消费偏好或满意程度等。该变量的定义应明确、可测量，并尽可能采用标准化方式收集。
3.2.3 混杂变量
混杂变量是指同时与暴露和结局相关，可能干扰分析结果的因素。设计阶段应尽量识别这类变量，并在统计分析中进行控制，以减少偏差对结论的影响。
3.3 数据收集方式
3.3.1 问卷调查
问卷调查是横断面研究最常见的数据收集方式之一，适合获取标准化信息。其优点是便于批量收集与统计分析，但题目设计是否清晰、受访者是否如实作答，会直接影响数据质量。
3.3.2 访谈
访谈可由研究者直接向对象提问，适合收集较复杂或需要解释的问题。相比自填式问卷，访谈更灵活，但对调查员的培训要求更高，也更容易受到访谈风格和交流氛围的影响。
3.3.3 记录与数据库提取
部分横断面研究会直接利用既有记录、档案或数据库中的信息进行分析。这种方式效率较高，适用于已有较完整资料的场景，但前提是数据来源可靠、变量定义一致，并且记录质量稳定。
4 数据分析
4.1 描述统计
4.1.1 比例与均数
横断面研究常用比例、构成比、均数等指标来概括数据特征。比例适合描述类别变量的分布，均数则常用于反映连续变量的平均水平。
4.1.2 中位数与分位数
当数据分布偏态明显或存在极端值时，中位数与分位数更能反映数据的集中趋势和离散程度。它们在描述收入、时长、评分等变量时尤其常见。
4.2 推断统计
4.2.1 卡方检验
卡方检验常用于分析分类变量之间是否存在差异或关联，例如比较不同组别的比例是否有统计学区别。它是横断面研究中十分常见的基础检验方法。
4.2.2 t检验
t检验适用于比较两组连续变量均值是否不同。若研究涉及多个组别，通常还会进一步采用方差分析或其他扩展方法。
4.2.3 回归分析
回归分析可用于探讨多个变量与结局之间的关系，并对潜在混杂因素进行调整。根据结局变量类型不同，可选用线性回归、逻辑回归等模型。
4.3 结果解释
横断面研究的结果解释应保持审慎，尤其是涉及变量关系时。由于暴露和结局多为同时测量，研究结果通常只能表明相关性，不能简单推断某个因素先于另一因素发生，更不宜直接下结论认为存在因果关系。
5 优点与局限
5.1 优点
5.1.1 实施简便
横断面研究通常不需要长期随访，组织流程较为直接，适合在较短时间内完成。对研究团队来说，其实施难度相对较低，便于快速启动。
5.1.2 成本较低
相较于追踪式研究，横断面研究在人力、时间和经费方面的投入通常更少。尤其在样本量适中、资料来源明确的情况下，具有较高的成本效益。
5.1.3 适合估计现状
这类研究非常适合估计某种状态在总体中的当前水平，例如患病率、知晓情况或行为分布，因此在公共卫生监测和社会调查中应用广泛。
5.2 局限
5.2.1 时间顺序不明确
由于数据来自同一时点，研究者往往难以判断变量之间谁先谁后，这限制了对过程机制的分析，也影响结论的方向性解释。
5.2.2 因果推断有限
横断面研究更擅长发现联系，而不是证明因果。即便某些变量之间关系显著，也可能受到第三因素影响，或只是偶然同步出现。
5.2.3 选择偏倚与信息偏倚
如果样本选择不当，或者受访者回答不准确，研究结果就可能偏离真实情况。此类偏差在横断面研究中较常见，需要在设计和执行阶段加以防范。
6 适用领域
6.1 流行病学
在流行病学中，横断面研究常用于估计疾病或健康相关状态的分布情况，并识别潜在风险因素。它是开展人群健康监测和现状调查的重要工具。
6.2 公共卫生
公共卫生领域常利用横断面研究了解居民健康行为、服务利用率、健康知识水平等信息，以支持政策制定、资源配置和干预设计。
6.3 社会科学
社会科学中，横断面研究可用于分析教育、职业、家庭结构、态度和社会认知等变量的现状及差异，为社会现象研究提供基础资料。
6.4 市场与用户研究
在市场和用户研究中，这类方法常用于调查消费习惯、品牌偏好、满意度和使用体验。其高效率和较强的概括能力，使其适合用于快速了解市场现状。
7 常见偏倚与质量控制
7.1 选择偏倚
选择偏倚指样本进入研究的过程存在系统性差异，导致样本不能代表目标总体。常见原因包括参与意愿不同、抽样框不完整或调查执行不均衡。
7.2 回忆偏倚
当研究依赖受访者回忆过去经历时，信息可能因记忆不完整而失真。回忆偏倚会影响暴露信息和结局信息的准确性，尤其在需要回顾较长时间的调查中更为明显。
7.3 测量误差
测量误差可能来自工具本身、调查方式或记录过程，例如问卷题目表述不清、设备校准不一致、调查员理解偏差等。误差过大时，会削弱研究结果的可信度。
7.4 样本代表性
样本代表性决定了研究结果能否推广到目标总体。若样本结构与总体差异较大，即便统计分析完善，结论的外推价值也会受到限制。
7.5 质量控制措施
质量控制通常包括工具预试验、调查员培训、统一操作流程、数据核查和逻辑校验等环节。通过这些措施，可以尽量减少偏差，提升数据的可靠性和一致性。
8 报告与规范
8.1 研究报告结构
横断面研究报告通常包括研究背景、对象与方法、结果、讨论和结论等部分。结构清晰有助于读者理解研究思路，也便于评估研究质量。
8.2 结果呈现
结果呈现应做到准确、简明，并与研究问题保持一致。除文字叙述外，常结合表格和图形展示变量分布、组间差异及统计检验结果，以增强可读性。
8.3 图表设计
图表设计应注重信息完整与视觉清晰，避免过度装饰或信息堆叠。常见做法是使用表格呈现具体数值，用柱状图、条形图或散点图展示主要趋势和比较结果。
8.4 伦理与数据管理
横断面研究同样需要关注伦理要求，包括知情同意、隐私保护和数据安全。数据管理方面，应妥善保存原始资料，明确访问权限，并在分析与发表时避免泄露可识别个人信息。