epidemiologi - vardgivarwebb.regionostergotland.se · 2016-04-18 3 epidemiologi – en...
TRANSCRIPT
2016-04-18
1
Epidemiologi
2016-04-14, Johan Lyth FoU-enheten för närsjukvården
Grundläggande forskningsmetodik för ST-läkare
2
Epidemiologi • ’Läran om det som är bland folk’
• Kartläggning och analys
• Bygger på observationer i en verklig kontext
• Ej skapad miljö
• Faktorer utifrån tid, plats och individ bygger upp slutsatser om det utfall som studeras, inte sällan i relation till någon nyttig eller skadlig exponering.
Tid Plats
Individ
Epidemiologi
3
• ’Läran om det som är bland folk’
• Sju huvudsakliga användningsområden
• Hälsoutveckling över tid
• Nuvarande och förväntad hälsostatus i samhället
• Bedömning av hälso- och sjukvårdsinsatser/strukturer
• Identifiera förstadie till eller samvariation med sjukdom (yttre faktorer eller beteenden)
• Identifiera sjukdom i tidig progress • Individuell riskbedömning
• Finna orsaker till uppkommen sjukdom
• Deskriptiv epidemiologi
• Analytisk epidemiologi
2016-04-18
2
Epidemiologi – en tillbakablick
4
• Domenico Antonio Rigoni-Stern möter John Snow
• 1840- och 1850-tal
John Snow – the Broad Street Pump
Innan upptäckt av Vibrio cholerae, Koch/Pacini
Rigoni-Stern och nunnorna • Genomgång av befintliga journaler och dödsorsaksregister i Italien
• Nunnor har mycket högre förekomst av bröstcancer
• Braithwaite 1901. Judinnor har också lägre förekomst av cervixcancer.
• Nunnor har också mycket lägre förekomst av cervixcancer Noterbart men lämnas utan att förklaring kan hittas
2016-04-18
3
Epidemiologi – en tillbakablick
7
• Det finns en anledning till varför John Snow och inte Domenico Antonio Rigoni-Stern ofta omnämns som ”epidemiologins fader”.
• Om en faktor inte har studerats, ska man inte heller dra några slutsatser
därom
Att kartlägga utfall (eller exponering) • Två olika angreppssätt, två olika rater 1. Hur många sjuka (har tillståndet) just nu?
2. Hur många kommer att insjukna under en given tidsperiod framåt?
Prevalens
Incidens
Kumulativ incidens
Periodprevalens Proportion Andel fall
Proportion Andel fall under en
given tidsperiod
Proportion Andel fall
Event rate Antal fall per person
och år
Deskriptiv epidemiologi
Om prevalens och incidens, exempel demens
9
• Ökar eller minskar förekomsten av demenssjukdomar i Sverige?
Minskad risk att drabbas av demens Publicerad 2015-08-21 05:41 http://www.dn.se/nyheter/sverige/minskad-risk-att-drabbas-av-demens/ Allt färre drabbas av demens – stick i stäv mot vad man tidigare trott. Förbättrade levnadsvillkor tros vara orsaken. ”Det är inte lika vanligt i dag som för 20 år sedan”, säger professorn Ingmar Skoog. I dag lider cirka 160.000 svenskar av demens, en siffra som tros öka till 250.000 år 2030 enligt en prognos från Socialstyrelsen.
Dementia in western Europe: epidemiological evidence and implications for policy making. Lancet Neurology 2015 doi: 10.1016/S1474-4422
2016-04-18
4
•Registreringskultur • Vad rapporteras och hur?
• Täckningsgrad - systematik
• Ex Huvuddiagnos – bidiagnos
• Ex KVÅ-koder
•Kan man lita på rapportering? •Lokala skillnader?
•Politisk styrning som påverkar rapportering?
•Ekonomiska incitament som påverkar?
•Bortfall och underrapportering?
•Diagnoskriterier som ändras över tid? •Uppdatering av ICD-koder /ICF / DSM
•Teknisk utveckling/ nya markörer
• Faktisk förändring av sjukdomsförekomst?
• Faktiskt förändring av exponeringsbild?
Viktig problematisering:
Deskriptiv epidemiologi
Exempel läkartidningen
46/2015
”Rankinglistor är inte att lita på”
Deskriptiv epidemiologi
Andel patienter med urinblåsecancer i tumörstadium T2–T4 som genomgår kurativt syftande behandling. Öppna jämförelser 2014 (gul) jämfört med medelvärde av 1 000 simuleringar. (turkos)
Viktig problematisering:
Deskriptiv epidemiologi
•Adekvata gruppindelningar? • Vad karakteriserar respektive grupp?
• Vad särskiljer en grupp från en annan?
•Adekvat utfallsmått? • Spridning inom varje stapel?
• Medicinskt (eller logiskt) motiverad sammanslagning?
•Generellt mönster eller subgruppsspecifikt? • Ålder?
• Kön?
• Fynd som beror på tillfälliga fluktuationer?
(särskilt om förekomsten är låg)
2016-04-18
5
Stabila kriterier
Kriterier som kräver antaganden • Av den som frågar/profession • Av den som svarar/patient
Hög täckningsgrad Låg täckningsgrad
Deskriptiv epidemiologi
Stabila kriterier
Kriterier som kräver antaganden • Av den som frågar/profession • Av den som svarar/patient
Låg täckningsgrad
Deskriptiv epidemiologi, ex BMI och fysisk aktivitet
BMI
Hög täckningsgrad
Stabila kriterier
Kriterier som kräver antaganden • Av den som frågar/profession • Av den som svarar/patient
Låg täckningsgrad
Deskriptiv epidemiologi, ex BMI och fysisk aktivitet
BMI
Fysisk aktivitet
Hög täckningsgrad
2016-04-18
6
16
• Hur vanligt är det med depression?
• Sjukdom/tillstånd. ’Har’ eller ’har inte’. • Ex. enkätstudie i Östergötland, svarsfrekvens 62%
• Vilken definition är mest relevant?
• Kan vara olika i olika situationer • Beroende av forskningsfråga
8 16
20
0
10
20
30
40
50
60
Klinisk diagnos Depression
utifrån enkätCES-D
Klinisk diagnos
eller symptom
Proportion med depression utifrån olika definitioner i
samma material
andel bland skattade
%
Definition av utfall
Frisk (’har inte’)
Sjuk (’har’)
17
• Hur vanligt är det med depression?
• Sjukdom/tillstånd. ’Har’ eller ’har inte’. • Ex. enkätstudie i Östergötland, svarsfrekvens 62%
• Bortfallsanalys!
• Kan vara förödande om man vill generalisera deskriptiv statistik (’Hur vanligt är det med depression i Östergötland?’)
Definition av utfall
Frisk (’har inte’)
Sjuk (’har’)
0
10
20
30
40
50
60
0
10
20
30
40
50
60
Klinisk
diagnos
Depression
utifrån enkätCES-D
Klinisk
diagnos ellersymptom
Proportion med depression utifrån olika definitioner i
samma material
andel bland skattade
sann andel om alla som
uteblev har depression
sann andel om ingen
som uteblev hardepression
%
• Exempel: Risk att drabbas av multipel skleros i en grupp narkos- sjuksköterskor i jämförelse med en grupp lärare
Yrke total n n MS rater (kumulativ incidens) Narkossjuksköterska 997 4 R1= 4/997; 0,004012
Lärare 30402 51 R0= 51/30402; 0,001678
• Ratkvot (rate ratio) : R1/R0; 2.39
”Den relativa risken för MS är 2.4 i jämförelse med lärare”
• Ratdifferens: R1-R0; 0.002335
”Det finns 2.3 extra fall per 1,000 narkossjuksköterskor i jämförelse med lärare
Relativa och absoluta tal
2016-04-18
7
19
Relativa och absoluta tal • Lancet. 2015. Long working hours and risk of coronary heart disease and stroke • www.thelancet.com/journals/lancet/article/PIIS0140-6736%2815%2960295-1/abstract
• Relativ risk 1.33. Ökning med 33% i jämf med ref.grupp
• Absolut risk 1.8%. Ökning med 0.7 procentenheter i jämf med ref.grupp
20
Studiedesign
• Flera relevanta designtyper
• Gemensamt syfte: Att studera samband mellan exponering och utfall
• Gemensamt problemområde:
Klassificering av exponering. Definition av utfall
Exponering
Ej
exponering
Frisk (’har inte’)
Sjuk (’har’)
21
Ekologisk studie
. .
. . .
. .
.
. .
.
. . .
. .
. .
.
• Samband mellan exponering och utfall på aggregerad nivå • Alltid aggregerad nivå. Genomsnitt och/eller proportioner i grupper
Hög andel sjuka
Låg andel sjuka
Låg grad av exponering Hög grad av exponering
2016-04-18
8
22
Ekologisk studie
• www.gapminder.org
• ”De flesta av oss klarar inte schimpanstestet”
Korrelation?
23
Utvärdering Skiljer det sig mellan
grupperna?
Exponering
Ett mättillfälle
Studiepopulation observeras och kategoriseras
Ej
exponering
Tvärsnittsstudie
Frisk
(’har inte’)
Sjuk
(’har’)
Frisk
(’har inte’)
Sjuk
(’har’)
Skattning av relativ risk, RR a/e i förhållande till b/f
• Samband mellan exponering och utfall på individnivå
• Tvärsnitt härleds från att exponering och utfall mäts vid samma tillfälle
24
Utvärdering Skiljer det sig mellan
grupperna?
Första mättillfälle Avslutande mättillfälle
Studiepopulation observeras och kategoriseras
Ej
exponering
Uppföljning över tid
Frisk (’har inte’)
Sjuk (’har’)
Kohortstudie
Studiepopulation observeras och kategoriseras
• Samband mellan exponering och utfall på individnivå • ’Prospektiv’ (framåtblickande) härleds från att utfall mäts efter exponering
Exponering
Skattning av hazardkvot, HR Skillnad i utveckling över tid?
2016-04-18
9
Kaplan-Meier survival estimates, by expoAndel överlevande uppdelat på exponeringskategorier
an
del öve
rleva
nde
Studietid från 1955 till 1997uppföljningsperiod
0 5 10 15 20 25 30 35 40
0.00
0.25
0.50
0.75
1.00
expo 0
expo 1
expo 2
Kaplan-Meier
• Ex. Uppföljning för tre exponeringsgrupper över tid
26
Utvärdering Skiljer det sig mellan
grupperna?
Exponering
Nytt mättillfälle på historiska data
Första mättillfälle
Studiepopulation observeras och kategoriseras
Ej
exponering
Tid som passerar
Frisk (’har inte’)
Sjuk (’har’)
Studiepopulation observeras och kategoriseras
• Samband mellan exponering och utfall på individnivå • ’Retrospektiv’ (bakåtblickande) härleds från att utfall mäts före exponering
Fall-kontrollstudie
Skattning av oddskvot, OR Mer sannolikt att vara exponerad i den sjuka gruppen?
27
Fall-kontrollstudie
Skattning av relativ risk a/e i förhållande till b/f
Fall Kontroll
Exponerad a c
Ej exponerad b d
Skattning av oddskvot a/b i förhållande till c/d
• Viktigaste skillnad mellan fall-kontroll och övriga studier: • Studiepopulationen definieras utifrån fallen, kontrollerna matchas • Samband kan utvärderas utifrån oddskvoter,
men skattade prevalenser och incidenser blir sannolikt inte representativa
Fall-kontrollstudie
Övriga typer av studiedesign
2016-04-18
10
28
Utvärdering Skiljer det sig mellan
grupperna?
Exponering
Första mättillfälle Avslutande mättillfälle
Ej
exponering
Uppföljning över tid
Frisk (’har inte’)
Sjuk (’har’)
Studiepopulation observeras och kategoriseras
Randomiserad kontrollerad studie
• Den viktigaste skillnaden mellan RCT-studier och kohortstudier: I RCT-studier tilldelas en exponering till vissa (aktiv manipulation), i kohortstudier observerar man vilka som har en exponering
• Metodologin är annars likartad vad gäller själva uppföljningen.
29
Behovet av en modell Att samla in information utifrån en given frågeställning • Vad är det för data jag behöver för att kunna besvara min frågeställning?
• Hur får jag tag i dessa data?
Sjukdom/ tillstånd
Fysisk aktivitet
Socialt stöd
Närhet till sjukvård
Utfall Modifierande
faktorer Påverkans-
faktorer
Rökning Infektion
Under-näring
Ålder Andra
sjukdomar
Association mellan A och B kan studeras antingen:
• Prospektivt (A mäts före B)
• Retrospektivt (B mäts före A)
• Med tvärsnitt (A och B mäts samtidigt)
Utfall och exponering. Hur ser modellen ut?
Möjlig confounding:
• Vi ser en association mellan A och B, men effekten beror av ’C’
• Faktor som samvarierar både med A och B.
• Kan höja eller sänka synbar effekt
• ALLTID studiespecifik, beror ALLTID på hur designen är gjord
2016-04-18
11
Utfall och exponering, modifiering
Modifiering av en association mellan A och B (antingen ökning eller minskning
av rat) kan ske av faktorer vad gäller tid, plats och individuella egenskaper.
Utfall och exponering, proxy (surrogat)
Emellanåt kan man studera en association mellan A och B genom att studera
en till A närliggande variabel
Utfall och exponering, mediering
Association mellan A och B kan medieras av en mängd olika faktorer
2016-04-18
12
Praktiskt exempel
34
Ojusterade data på överlevnad, 2 ggr högre risk att avlida av melanom om lågutbildad (≤9 år) jämfört med högutbildad (≥13 år).
Eriksson H, Lyth J, Mansson-Brahme E et al. Low level of education is associated with later stage at diagnosis and reduced survival in
cutaneous malignant melanoma: a nationwide population-based study in Sweden. Eur J Cancer 2013; 49: 2705-16.
Praktiskt exempel forts
35
1.58
1.191.13
0
0.5
1
1.5
2
0.5 1 1.5 2 2.5 3 3.5
Haz
ard
rat
io
Low vs high education
b c
a
a) Model adjusted for age and gender
b) Model adjusted for age, gender and clinical stage at diagnosis c) Model adjusted for age, gender, clinical stage at diagnosis, tumour site, histogenetic type, tumour ulceration, tumour thickness, Clark’s
level of invasion, living area, period of diagnosis.
Eriksson H, Lyth J, Mansson-Brahme E et al. Low level of education is associated with later stage at diagnosis and reduced survival in cutaneous malignant melanoma: a nationwide population-based study in Sweden. Eur J Cancer 2013; 49: 2705-16.
Epidemiologi
36
• Kom ihåg:
• Om en faktor inte har studerats, ska man inte heller dra några slutsatser
därom
• Vad som verkligen är avgörande för en studies kvalitet • Relevant modell • Relevant datainsamling • Variabler vars innehåll man kan lita på
• Förenkling att utgå från att en studiedesign alltid är bättre än en annan
typ av design.