Epidemiologi Grundläggande forskningsmetodik för ST-läkare 2016-04-14, Johan Lyth FoU-enheten för närsjukvården Läran om det som är bland folk Kartläggning och analys Epidemiologi 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 2 Läran om det som är bland folk Epidemiologi Deskriptiv epidemiologi Sju huvudsakliga användningsområden Analytisk epidemiologi 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 3 1
Epidemiologi en tillbakablick Domenico Antonio Rigoni-Stern möter John Snow 1840- och 1850-tal 4 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 Nunnor har också mycket lägre förekomst av cervixcancer Noterbart men lämnas utan att förklaring kan hittas Braithwaite 1901. Judinnor har också lägre förekomst av cervixcancer. 2
Epidemiologi en tillbakablick 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 7 Deskriptiv epidemiologi Att kartlägga utfall (eller exponering) Två olika angreppssätt, två olika rater 1. Hur många sjuka (har tillståndet) just nu? Prevalens Periodprevalens Proportion Andel fall Proportion Andel fall 2. Hur många kommer att insjukna under en given tidsperiod framåt? Event rate Incidens Antal fall per person och år Kumulativ incidens Proportion Andel fall under en given tidsperiod Om prevalens och incidens, exempel demens 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 9 3
Deskriptiv epidemiologi Viktig problematisering: 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? Deskriptiv epidemiologi Exempel läkartidningen 46/2015 Rankinglistor är inte att lita på 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) Deskriptiv epidemiologi Viktig problematisering: 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) 4
Deskriptiv epidemiologi Stabila kriterier Låg täckningsgrad Hög täckningsgrad Kriterier som kräver antaganden Av den som frågar/profession Av den som svarar/patient Deskriptiv epidemiologi, ex BMI och fysisk aktivitet Stabila kriterier BMI Låg täckningsgrad Hög täckningsgrad Kriterier som kräver antaganden Av den som frågar/profession Av den som svarar/patient Deskriptiv epidemiologi, ex BMI och fysisk aktivitet Stabila kriterier BMI Låg täckningsgrad Hög täckningsgrad Fysisk aktivitet Kriterier som kräver antaganden Av den som frågar/profession Av den som svarar/patient 5
Definition av utfall Hur vanligt är det med depression? dom/tillstånd. Har eller har inte. Ex. enkätstudie i Östergötland, svarsfrekvens 62% ( har inte ) % 60 50 40 30 20 10 0 Proportion med depression utifrån olika definitioner i samma material 8 Klinisk diagnos 16 Depression utifrån enkät CES-D 20 Klinisk diagnos eller symptom andel bland skattade Vilken definition är mest relevant? Kan vara olika i olika situationer Beroende av forskningsfråga 16 Definition av utfall Hur vanligt är det med depression? dom/tillstånd. Har eller har inte. Ex. enkätstudie i Östergötland, svarsfrekvens 62% ( har inte ) % 60 50 40 30 20 10 0 Klinisk diagnos Proportion med depression utifrån olika definitioner i samma material Depression utifrån enkät CES-D Klinisk diagnos eller symptom 60 50 40 30 20 10 0 andel bland skattade sann andel om alla som uteblev har depression sann andel om ingen som uteblev har depression Bortfallsanalys! Kan vara förödande om man vill generalisera deskriptiv statistik ( Hur vanligt är det med depression i Östergötland? ) 17 Relativa och absoluta tal Exempel: Risk att drabbas av multipel skleros i en grupp narkossjuksköterskor 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 6
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 19 Absolut risk 1.8%. Ökning med 0.7 procentenheter i jämf med ref.grupp Studiedesign Flera relevanta designtyper Gemensamt syfte: Att studera samband mellan exponering och utfall Gemensamt problemområde: Klassificering av exponering. Definition av utfall Exponering Ej exponering ( har inte ) 20 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 21 7
Ekologisk studie www.gapminder.org Korrelation? De flesta av oss klarar inte schimpanstestet 22 Studiepopulation observeras och kategoriseras Ett mättillfälle Tvärsnittsstudie Samband mellan exponering och utfall på individnivå Tvärsnitt härleds från att exponering och utfall mäts vid samma tillfälle Exponering ( har inte ) Ej exponering ( har inte ) Utvärdering Skiljer det sig mellan grupperna? Skattning av relativ risk, RR a/e i förhållande till b/f 23 Kohortstudie Studiepopulation observeras och kategoriseras Första mättillfälle Uppföljning över tid Avslutande mättillfälle Studiepopulation observeras och kategoriseras Exponering Ej exponering ( har inte ) Utvärdering Skiljer det sig mellan grupperna? Samband mellan exponering och utfall på individnivå Prospektiv (framåtblickande) härleds från att utfall mäts efter exponering Skattning av hazardkvot, HR Skillnad i utveckling över tid? 24 8
andel överlevande 2016-04-18 Kaplan-Meier Ex. Uppföljning för tre exponeringsgrupper över tid Kaplan-Meier survival estimates, by expo Andel överlevande uppdelat på exponeringskategorier 1.00 expo 0 0.75 expo 1 0.50 expo 2 0.25 0.00 0 5 10 15 20 25 30 35 40 uppföljningsperiod Studietid från 1955 till 1997 Studiepopulation observeras och kategoriseras Nytt mättillfälle på historiska data Fall-kontrollstudie Tid som passerar Första mättillfälle Studiepopulation observeras och kategoriseras Exponering Ej exponering ( har inte ) Utvärdering Skiljer det sig mellan grupperna? Samband mellan exponering och utfall på individnivå Retrospektiv (bakåtblickande) härleds från att utfall mäts före exponering Skattning av oddskvot, OR Mer sannolikt att vara exponerad i den sjuka gruppen? 26 Fall-kontrollstudie 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 Kontroll Exponerad a c Ej exponerad b d Fall-kontrollstudie Skattning av oddskvot a/b i förhållande till c/d Övriga typer av studiedesign Skattning av relativ risk a/e i förhållande till b/f 27 9
Randomiserad kontrollerad studie Första mättillfälle Uppföljning över tid Avslutande mättillfälle Studiepopulation observeras och kategoriseras Exponering Ej exponering ( har inte ) Utvärdering Skiljer det sig mellan grupperna? 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. 28 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? Påverkansfaktorer Modifierande faktorer Utfall Rökning Infektion Fysisk aktivitet Undernäring Socialt stöd dom/ tillstånd Ålder Andra sjukdomar Närhet till sjukvård Hur får jag tag i dessa data? 29 Utfall och exponering. Hur ser modellen ut? 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) 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 10
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 11
Hazard ratio 2016-04-18 Praktiskt exempel 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. 34 Praktiskt exempel forts 2 Low vs high education a 1.5 1 1.58 b 1.19 c 1.13 0.5 0 0.5 1 1.5 2 2.5 3 3.5 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. 35 Kom ihåg: Epidemiologi 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. 36 12