EPIDEMIOLOGI Läran om sjukdomsförekomst i en befolkning (Ahlbom, Norell) Läran om utbredningen av och orsakerna till hälsorelaterade tillstånd eller förhållanden i specifika populationer och tillämpningen av denna lära för att förebygga hälsoproblem (Last)
Epidemiologin brukar ofta delas in i fyra typer: Deskriptiv Analytisk Interventiv Klinisk
Mått på sjukdomsförekomst Prevalens: antalet sjuka i en viss sjukdom inom en viss population vid en given tidpunkt Mäts som prevalenstal (P) P Antal personer som har sjukdomen vid en viss tidpunkt Antal personer i riskpopulationen vid denna tidpunkt
Mått på sjukdomsförekomst Incidens: Insjuknandefrekvens, dvs antal nya fall av sjukdom i en population under en viss tidsperiod I Mäts som incidenstal (I) Antal personer som insjuknar under en viss tidsperiod Den tid som individerna tillsammans löper risk att insjukna KI eller kumulativt incidenstal (KI) Antal personer som insjuknar under en viss tidsperiod Antal personer i populationen som är friska i början av perioden
Beräkning av incidens frisk period bortfall sjukdomsperiod död Total tid under observation och Individ nr utan sjukdom (år) 1 7 2 7 3 2 4 7 5 3 6 2 7 5 1 2 3 4 5 6 7 Uppföljningstid (år)
Den tid som individerna tillsammans löper risk att insjukna = sammanlagd risktid A= antal individer som löper risk att insjukna vid tidsperiodens början B= antal individer som löper risk att insjukna vid tidsperiodens slut A tid B Medelfolkmängd som löper risk att insjukna = A+B 2 Sammanlagd risktid = (A+B). tid, uttrycks ofta som personår 2
Exempel: Förekomst av kranskärlssjukdom Material: 10 000 slumpmässigt utvalda män Metod: Intervjuer, EKG, registerdata Resultat: 1. Vid första undersökningen klassificerades 500 som sjuka. 2. Under den kommande 10-årsperioden insjuknade ytterligare 1000 i sjukdomen, 500 avled i andra sjukdomar. Beräkna a. Prevalens vid studiens början b. Kumulativ incidens c. Incidens
Exempel: Förekomst av kranskärlssjukdom 9500 Antal som riskerar att insjukna vid studiens början och slut 1000 nya fall 8000 500 avlidna i andra sjukdomar 0 10 Antal år efter start
Jämförelse av sjukdomsförekomst Absoluta mått = skillnad mellan två grupper Relativa mått = kvot mellan två grupper Exempel: Studie av samband mellan rökning och lungcancer, beräkning av kumulativ incidens för en 15-års period Rökare 0,001 Absolut jämförelse: 0,0009 Ej rökare 0,0001 Kvot: 10 (Relativ Risk)
Allmänna och specifika tal I Incidens Ålder
Allmänna och specifika tal II Population I personår fall Unga 3000 30 0,010 Gamla 1000 30 0,030 Alla 4000 60 0,015 incidenstal Population II Unga 1000 5 0,005 Gamla 9000 225 0,025 Alla 10000 230 0,023
Allmänna och specifika tal Direkt åldersstandardisering III 1. Skapa en standardpopulation Unga: 3000+1000 = 4000 Gamla: 1000+9000 = 10000 Alla: 14 000 2. Applicera incidenstalen på denna population I pop I = 4000/14000 0.010 + 10000/14000 0.030 = 0.024 I pop II= 4000/14000 0.005 + 10000/14000 0.025 = 0.019
SMR (Standardized Mortality Ratio) SIR (Standardized Incidence Ratio) Indirekt åldersstandardisering SMR och SIR = Observerat antal/förväntat antal Exponerad grupp Kontrollgrupp Personår Fall Personår Fall Incidens Unga 3000 1000 5 0.005 Gamla 1000 9000 225 0.025 Alla 4000 60 Förväntat antal i exponerad grupp: 0.005 3000 + 0.025 1000 = 40 SMR= 60/40 = 1.5
Etiologisk Fraktion (EF) EF: Den andel fall som beror på en viss exponering EF bland exponerade = (RR-1 / RR) EF i populationen = (RR-1 / RR) f f = andelen exponerade av de insjuknade Exempel: Samband rökning cancer i munhåla och svalg Relativ Risk för rökare 4.1 Av de sjuka var 95% rökare EF = (4.1-1 / 4.1) 0.95 = 0.72
Statistisk samvariation 1. K S K är en orsak till S X 2. K S K och S har en gemensam orsak X 3. K S S är en orsak till K Om K tidsmässigt uppträder före S är K en riskindikator för S
Kohortundersökning Exponerade Ej exponerade sjuka ej sjuka sjuka ej sjuka Exempel: Alkohol cancer i munhåla Alkohol Fall Personår Incidens Exp. 18/ 30 000 Ja 18 30 000 Incidens Ej exp. 8/ 40 000 Nej 8 40 000 Relativ Risk = 3.0
Fall - kontrollundersökning Exponerade Ej exponerade Fall (personer som har sjukdomen) Exponerade Ej exponerade Kontroller (personer som inte har sjukdomen) Exempel: alkohol cancer i munhåla Alkohol Ja Nej Fall 440 43 483 Dividera 440/43 med 339/108 Kontr. 339 108 447 Oddskvot (Relativ Risk) = 3.3
Odds ratio i en 2x2 tabell Exponerad Ja Nej Sjuk a b Ej sjuk c d Odds för att vara exponerad om man är sjuk: [a/(a+b):b/(a+b)] = a/b Odds för att vara exponerad om man är frisk: [c/(c+d):d/(c+d)]= c/d OR = (a/b):(c/d)= ad/bc
Fördelar och nackdelar med kohort respektive fall - kontrollstudier Fall- kontroll + + sällsynta sjukdomar lång latenstid flera typer av exponering etik Kohort mycket information ovanlig exponering flera sjukdomar - - exponeringsdata tidskrävande
Retrospektiva och prospektiva undersökningar Retrospektiv studie Prospektiv studie Tidpunkt för undersökningen Tid
Tvärsnittsstudie (cross-sectional study) Exponering och utfall undersöks vid samma tidpunkt Longitudinell studie Information inhämtas vid mer än en tidpunkt
P- värde och konfidensintervall Personår Observerat antal fall Exponerade 2000 13 Kontroller 4000 10 Totalt 6000 23
P-värde och konfidensintervall Personår Observerat antal fall Exponerade 2000 13 Kontroller 4000 10 Totalt 6000 23 Relativ risk: (13/2000) / 10/4000) = 2,6 P=0,019
P-värde och konfidensintervall P = 0,019, d.v.s sannolikheten att man av slump får denna fördelning när de 23 fallen fördelas mellan grupperna Exponerade och Kontroller är 1,9%.
P-värde och konfidensintervall Den relativa risken 2,6 är en skattning av den sanna relativa risken (punktskattning) Denna skattning påverkas av slumpen. För att bedöma hur stor denna påverkan är beräknas ett konfidensintervall.
P-värde och konfidensintervall Med ett 95 %-igt konfidensintervall menas det intervall där man med 95% säkerhet kan säga att i detta intervall ligger den sanna relativa risken I detta exempel blir intervallet 1,2 5,7
Vad är statistisk styrka? Sannolikheten att nollhypotesen förkastas om den är falsk (eller enklare uttryckt): Sannolikheten att kunna påvisa en signifikant skillnad om det finns en verklig skillnad
Tillförlitlighet i epidemiologiska studier Validitet = uttryck för i vilken grad undersökningen mäter det den är avsedd att mäta Precision (reliabilitet) = reproducerbarhet Hög Precision Låg Hög Uppmätta värden Sant värde Uppmätta värden Sant värde Validitet Låg Uppmätta värden Sant värde Uppmätta värden Sant värde
Validitet i urval i kohortstudier I kohortstudien får sjukdomen inte påverka urvalet Exempel 1: Tvärsnittsstudie angående samband mellan fysisk aktivitet och hjärt- kärlsjukdom Vilket inträffade först: fysisk inaktivitet eller hjärtsjukdom? Exempel 2: Longitudinell studie av samband mellan yrkesexponering och sjukdom Insjuknade, avlidna eller förtidspensionerade kan ha slutat arbeta och därmed strukits ur anställningslistor just p.g.a. sin sjukdom
Validitet i urval i fall - kontrollstudier I fall kontrollstudier får det inte finnas olika diagnoskriterier för exponerade och oexponerade Exempel 1: Studie av samband mellan kronisk bronkit och rökning Exempel 2: Studie av samband mellan blyexponering och högt blodtryck
Validitet i val av kontrollgrupp Hänsyn till könsfördelning, åldersfördelning, geografisk fördelning och tid kan tas redan i planeringen I kohortundersökningar används något av följande som kontroller: 1. Intern jämförelsegrupp 2. Extern jämförelsegrupp 3. Hela befolkningen som jämförelsegrupp 3 kan medföra underskattning av risk - Healthy workers effect - Eventuell exponering ( men vid lägre exponeringsnivåer) i hela befolkningen
Validitet i val av kontrollgrupp I en fall kontrollundersökning ska kontrollgruppen så korrekt som möjligt återspegla exponeringen i den bakomliggande populationen Kontrollerna kan utgöras av: 1. Slumpmässigt utvalda personer eller 2. Personer som insjuknat i andra sjukdomar än fallgruppens
Validitet i val av kontrollgrupp Möjliga problem vid val av kontrollgrupp i en fall kontrollstudie: 1. (slumpmässigt valda kontroller) Mindre intresserade av att deltaga i studien än fallen Beskriver sin exponering mindre noggrant än fallen 2. (kontroller med annan sjukdom) Kontrollernas sjukdom kan ha ett känt samband med den exponering som ska studeras Exempel: Alkohol och pancreascancer
Validitet i observation av sjukdom och exponering Exempel: Varierande diagnoskriterier mellan olika sjukhus Varierande rapporteringsrutiner till register Diagnossäkerhet i intervjuer eller enkäter Bortfall Säkerhet i exponeringsbestämning
Vad blir effekten av låg kvalitet beträffande exponeringsklassificering? Om det föreligger oberoende felklassificering av exponering underskattas den sanna risken
Exempel Antag att 2% av populationen är exponerad Antag att den sanna relativa risken är 4,0 Om alla som är exponerade klassificeras rätt men 20% av de oexponerade felaktigt klassificeras som exponerade så kommer den uppmätta relativa risken att bli 1,28
Confounding (störning)
Confounding (störning)
Confounding (störning)
Validitet med avseende på confounding (störning) Exponering (A) Sjukdom Confounding (B) För att B ska vara en confounder krävs att: B i sig kan påverka risken för sjukdom Att det finns en samvariation mellan A och B Att B inte är en mellanliggande faktor i förhållande till A:s effekt på sjukdomen Exempel: samband mellan rökning och för tidig död
Riskfaktorer som kan vara confounders Vanligtvis är det exponeringar, (d.v.s andra än den man vill studera), eller individegenskaper, (t.ex. ålder) som är confounders. Ibland kan även en sjukdom (annan än den man vill studera) vara en confounder
Starka och svaga confounders En confounder är inte antingen eller En stark confounder är en egenskap eller exponering som helt eller nästan helt förklarar ett observerat samband mellan en exponering och sjukdom En svag confounder påverkar RR eller OR endast i liten omfattning
Möjligheter att ta hänsyn till confounding I planeringen Randomisering av exponering (i praktiken endast inom klinisk epidemiologi) Begränsning vid urval Matchning I analysen Stratifiering Statistisk modellering (multivariata modeller)
Skilj på confounding och effektmodifiering Med effektmodifiering menas att risken till följd av en viss exponering förändras om det samtidigt finns en annan exponering. T.ex risken för en rökare att drabbas av lungcancer blir högre om det samtidigt finns exponering för asbest
Bedömning av samband Följande punkter bör tas upp då man ska bedöma om ett samband är kausalt, d.v.s. orsakssamband: 1. Styrkan i det funna sambandet 2. Överensstämmelse med andra studier 3. Tidsföljden 4. Dos-response 5. Oberoende av andra samband 6. Experimentella resultat 7. Rimlighet