Uno studio rappresentativo, un tipo di studio descrittivo, osservazionale, coinvolge diverse variabili nella popolazione di interesse in un singolo punto nel tempo di misurazione. Questa raccolta di dati simultanei sono spesso pensati come un'istantanea delle condizioni presenti in quell'istante. Sua applicazione più importante si trova nel campo di ricerca in epidemiologia e malattia. Anche se offre diversi vantaggi, come la facilità di valutare la prevalenza delle malattie, uno studio rappresentativo ha tuttavia limitazioni.
Facilità di dati raccolta e valutazione
La natura degli studi cross-sectional offre un modo facile e veloce per un epidemiologo o qualsiasi tipo di ricercatore di accumulare rapidamente i dati. Mentre alcuni studi di casi speciali richiedono dati più specifici, per studi più rappresentativi, dati regolarmente raccolti saranno sufficiente. In questo modo rapidi e semplice raccolta di dati anche per una popolazione bersaglio grande. Valutazione dei risultati e dei fattori di rischio per l'intera popolazione avviene anche con poca fatica, come il campione è una quasi perfetta del tutto.
Bassa a moderata costo
La facilità di raccolta delle informazioni necessarie si traduce in rapporto costo-efficacia. Molti ospedali e uffici di censimento già che le informazioni in mano, il ricercatore di risparmio la fatica di raccolta, un'attività che richiede tempo e costosa. Il basso costo coinvolti in studi cross-sectional rendono possibile per condurre indagini più approfondite delle condizioni generali della popolazione.
Problemi di causalità
La natura istantanea di studi trasversali, mentre conveniente, avere il suo svantaggio in quanto non fornisce una buona base per l'instaurazione della causalità. Due variabili distinte sono misurate nello stesso punto nel tempo. Gli studi trasversali possono dire che i due sono legati in qualche modo, ma essi positivamente non può determinare se una ha causato l'altro. Gli studi trasversali inoltre esito negativo da parte di fattori di confondimento. Variabili aggiuntive possono incidere nel rapporto tra le variabili di interesse ma non influenzano quelle variabili stesse. Tali osservazioni sono spesso perso in studi cross-sectional.
Bias di Neyman
Questa limitazione deriva da strumenti utilizzati per la raccolta, il ricercatore stesso o da dipendenti di ufficio ospedale o censimento dei dati. Strumenti quali Pedometri, bilance e misuratori di pressione sono più o meno accurati, ma gli strumenti più comuni utilizzati per la raccolta dati, questionari, introducono una polarizzazione di prevalenza e incidenza conosciuta come il bias di Neyman. Anche se il ricercatore utilizza un questionario completamente oggettivo, la persona che risponde non può rispondere a domande che coinvolge gli eventi del passato con una precisione perfetta. Questo ingrandisce o riduce al minimo gli effetti di determinate variabili, che incidono sui risultati dello studio cross-sectional.