Epidemiologi del 2. Anders Beckman. MD, PhD Lunds Universitet. A Beckman Regional forskarutbildning

Transkript

1 Epidemiologi del 2 Anders Beckman MD, PhD Lunds Universitet 1

2 Studieanvisning Kunskap och förståelse Efter genomförd utbildning skall studenten kunna redogöra för metoder som används vid insamling, bearbetning, analys och presentation av data, såväl kvantitativa som kvalitativa förklara metodernas möjligheter och begränsningar redogöra för principiell planläggning och design av epidemiologiska studier redogöra för och förklara felkällor vid insamling, bearbetning och analys av data Färdighet och förmåga Efter genomförd utbildning skall studenten kunna beräkna deskriptiva mått på sjukdomsförekomst beräkna jämförande mått på sjukdomsförekomst använda relevant metodik inom eget projekt 2

3 Del 2 Analys Epidemiologisk modell Risk: absolut, relativ, attributable Etiologisk fraktion OR Sensitivitet/specificitet Validitet/reliabilitet Screening prevention Efficiacy effectivness 3

4 Epidemiologisk triad Agent Bakterie/virus Antigenbildning Virulens Disease Host Ålder Kön Kondition Environment Väder Boende Område Buller Luft Utsläpp 4

5 Modeller Enfaktormodell Flerfaktormodell 5

6 Enfaktormodell Värd + Agens Sjukdom 6

7 Epidemiologisk modell Arv, genetik Ekonomi Sociala faktorer KASAM Exposition Hälsa/Sjukdom Utbildning Kultur, etnicitet Omgivning 7

8 Orsak och verkan Multifaktoriellt Arv och miljö Association - causation Individ och/eller grupp 8

9 KOL Orsak och verkan exempel Rökning Luftföroreningar 9

10 Orsak Mäta Exponering orsak Ideal counterfactual Effektmått av exponering Absoluta mått Absolut risk Riskskillnad Relativa mått RR OR 10

11 Fällor Confounding Systematiska fel=bias Slumpfel 11

12 Downs syndrom Confounding =sammanblandning Sannolikhet Ålder Paritet moder 12

13 Confounder Associerad med utfallet Associerad med exponering Ingen effekt av exponering 13

14 Confounder - exempel Exp Utfall Confounder 14

15 Fel=Error Systematiska eller slumpfel Fel Systematiska fel Slumpfel 15 Studiestorlek

16 Systematiska fel=bias Urvalsfel=selection bias Information bias 16

17 Selection bias Self-selection Investigator selection Åtgärder Randomisering Restriktion Matchning Stratifiering Standardisering Matematisk bearbetning Totalpopulation Population at risk Sjuka 17

18 Information bias Misclassification Recall Follow up 18

19 Slumpfel P-värde konfidensintervall 19

20 Hypotesprövning H 0 =Nollhypotes 20

21 Signifikans p<0,05 = slumpens skörd <1 av 20 Beroende av materialstorlek Dikotomisering Statistisk signifikans klinisk signifikans 21

22 Konfidensintervall = CI CI inkluderar effektstorlek och styrka OR Om 95% CI 1, = p<0,05 22

23 P<0,05 23

24 P>0,05 24

25 Exempel CI Blodvärde i två grupper A=140 B=125 A=140 (95% CI ) B=125 (95% CI ) Ökad storlek A=140 (95% CI ) B=125 (95% CI ) 25

26 CI 26

27 Riskkvantifiering Frekvens Relativ risk Odds Odds ratio Absolut risk 27

28 Riskkvantifiering Incidens Antal nya fall Totala antalet individer (som kan få sjukdomen) I e = Incidens exponerade I oe = Incidens oexponerade 28

29 Risk Exponerade =I e Oexponerade =I oe Incidens 56/100=0,56 24/100=0,24 Absolut risk: 56 per hundra per år Attributrisk(AR)=Riskdifferens: 0,56-0,24=0,32 Relativ risk=rr=0,56/0,24=2,3 RR 0,24/0,56=0,43 Etiologisk fraktion=attributable fraction (0,56-0,24)/0,56=0,57 29

30 Risk 2 Exponerade Oexponerade Incidens 5/1000=0,005 1/1000=0,001 Absolut risk: 5 per tusen per år Attributrisk(AR)=Riskdifferens 0,005-0,001=0,004 Relativ risk=rr=0,005/0,001=5 Etiologisk fraktion=attributable fraction (0,005-0,001)/0,005=0,80 30

31 I befolkning Population attributable risk=överrisk i befolkning pga exponering: AR*exponeringsprevalens 31

32 Exempel Attributable risk Mortalitet Överdödlighet 1,0 160 Blodtryck 32

33 Prevalens Andel Prevalens Blodtryck 33

34 Population attributable risk Mortalitet Överdödlighet 1,0 Blodtryck 34

35 Preventionsparadox Få högriskindivider står för liten del av sjuklighet, medan en stor del av befolkningen står för en liten del av risken, men en stor del av sjukligheten 35

36 Sannolikhet Tärning slå en etta Sannolikhet p=1/6=0,17 p=0-1 Odds p/(1-p) (p=sannolikhet) 1/5 0-36

37 Jämföra sannolikhet Prospektiv studie: Kohort Relativ risk = RR Retrospektiv studie: Fall-kontroll Odds ratio = OR 37

38 RR Jämföra sannolikhet - incidens 38

39 RR Fall Friska Totalt Incidens Exponerade a b a+b a/(a+b) I e Oexponerade c d c+d c/(c+d) I oe Kohort Risk RR= I e = a/(a+b) I oe = c/(c+d) = I e /I oe a/(a+b) c/(c+d) 39

40 RR exempel 2 Dagis med/utan utevistelse Förkylning Friska Totalt Incidens Innedagis /98 Utedagis /108 RR= 63/98 = 3,16 22/108 40

41 Oddskvot Odds ratio = OR När incidenssiffror saknas Odds p/(1-p) 1/5 0- Oddskvot = OR Odds1 Odds2 (p=sannolikhet) 41

42 OR exempel Dagis med/utan utevistelse Förkylning Friska Odds Innedagis /35 Utedagis /86 OR= 63/35 = 7 22/86 42

43 RR vs OR Fall Friska Exponerade a b Oexponerade c d Kohort Risk=a/(a+b) resp c/(c+d) RR= a/(a+b) c/(c+d) Fall-kontroll Odds exponerade=a/b Odds oexponerade=c/d OR= a/b a*d = c/d b*c 43

44 Validitet Mäter det som ska mätas Intern Studieupplägg, datainsamling, mätning, analys Extern Generaliserbarhet 44

45 Validitet 2 Intern validitet Urval Urval Selektionsfel Population Mätfel Confounding Slump Resultat Extern validitet= generaliserbarhet 45

46 Reliabilitet Precision, tillförlitlighet 46

47 Validitet Hög Validitet Låg Reliabilitet Hög Reliabilitet Låg 47

48 Sensitivitet - Specificitet Dikotomisering Ond God Snygg Ful Ung Gammal Dum Klok Sjuk Frisk 48

49 Dikotomiserad värld God Ond 49

50 Kontinuerlig värld God Ond 50

51 Dikotomisera det kontinuerliga Skilja goda från dåliga Sensitivitet: andel sant positiva som klassas som positiva Specificitet: andel sant negativa som klassas som negativa 51

52 Sensitivitet vs specificitet Specificitet Sensitivitet 52

53 Sp vs Se Sjuk Frisk Test + a b Test - c d Sens resp Spec a/(a+c) d/(b+d) 53

54 Gold standard Sjukdom Ja Nej Test Positiv Sant sjuka=a Falskt sjuka=b Negativ Falskt friska=c Sant friska=d Sensitivitet: a/(a+c) Specificitet: d/(b+d) 54

55 Exempel Se-Sp Diabetes mellitus Ja Nej Diabetestest Positiv Negativ Sensitivitet: 400/( )=0,8 = 80% Specificitet: 450/(50+450)=0,9 = 90% 55

56 När? Hög sensitivitet Viktigt hitta allvarlig, behandlingsbar sjukdom Tbc, Hodgkin, trombos Negativt resultat viktigast! Hög specificitet Viktigt konfirmera sjukdom Cancer, ALS Positivt resultat viktigast 56

57 Prediktivt värde Andel sant positiva (eller negativa) i relation till totalantal positiva (eller negativa) i test Relaterar till prevalens 57

58 PPV=(sensitiviteten)(prevalensen) / ((sensitiviteten)(prevalensen) + (1-specificiteten)(1-prevalensen)) NPV=(specificiteten)(1-prevalensen) / ((specificiteten)(1- prevalensen) + (sensitiviteten)(prevalensen)) 58

59 Prediktivt värde Sjuk Frisk Prediktivt värde Test + a b a/(a+b) Test - c d d/(c+d) Sens resp Sp a/(a+c) d/(b+d) 59

60 Prediktivt värde Diabetes mellitus PV Ja Nej Diabetestest Positiv /(400+50) Negativ /( ) Sensitivitet: 400/( )=0,8 = 80% +Prediktivt värde: 400/(400+50)=0,89=89% Specificitet: 450/(50+450)=0,9=90% -Prediktivt värde: 100/( )=0,19=19% 60

61 Prediktivt värde 2 Diabetes mellitus Ja Nej Diabetestest 2 Positiv Negativ Sensitivitet: 40/(40+4)=0,91=91% +Prediktivt värde: 40/(40+40)=0,5=50% 61

62 PV Sjuk Frisk Prediktivt värde Test ,33 Test ,99 Sens resp Sp 0,99 0,99 62

63 Prediktivt värde vs prevalens 1 0,8 Prediktivt värde 0,6 0,4 Pr.v + Pr.v - 0, ,05 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0, Prevalens

64 Falskhet Falskt positiv Ökar vid låg prevalens, låg specificitet Ger oro, kostnader Falskt negativ Ökar vid hög prevalens, låg sensitivitet Ger fler sjuka 64

65 Falsk 2 Typ I fel = α-fel resp Typ II fel = β-fel Typ I Förkastar nollhypotes dvs finner effekt när ingen finns Falskt positiv Beroende av signifikansnivå Typ II Accepterar nollhypotes dvs finner ingen effekt när effekt finns Teststyrka: 1 (p-typii) 65

66 Typfel Diabetes mellitus Ja Nej Diabetestest Positiv Typ I-fel Negativ 100 Typ II-fel 450 Effekter Falskt positiva Falskt negativa 66

67 Efficacy vs effectivness Efficacy Ideala förhållande (RCT) Effectivness Reella förhållande 67

68 RCT Intention to treat Efter randomisering Förklarande Efter behandling cohort NNT 68

69 RCT Exempel Behandling Ej behandling Ja Nej Utfall Död Levande Incidens behandling 8,2% Incidens icke behandling 11,5% RR: 8,2/11,5=0,71 Relativ riskreduktion 1-0,71=29% Absolut riskreduktion: 11,5-8,2=3,3% NNT: 1/0,033=30 69

70 Prevention Primär Innan sjukdom, reducera riskfaktorer Ex: Vaccination Sekundär Tidig upptäckt screening Ex: cellprov Tertiär Lindra försämring, komplikationer Ex: ASA 70

71 Prevention-Screening Sjukdom 6 D (death, disease, disability, discomfort, dissatisfaction, destitution) Screening test Sensitivitet, specificitet, enkel, billig, säker, acceptabel, reliabel Prevention Säker, effektiv, cost-effective Behandling Säker, effektiv, cost-effective 71

72 Jämförelser Sjukhus Vårdcentraler Läkare mm 72

73 Regression to the mean Exempel 1 Långa föräldrar får korta barn Korta föräldrar får långa barn Exempel 2 Sämsta sjukhus blir bästa sjukhus 73

74 Rangordning Genomsnittligt resultat Post festum Påverkat av urval, tillfälligheter, inrapportering Oregistrerade uppgifter påverkar kraftigt Beräkna urvalsosäkerhet 95% CI Felmarginal Ref: J Ranstam LT 2008:105: