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.