Embed Size (px)
Citation preview
1
EpidemiologiFoU-kurs för ST-läkare
Peter GarvinAvdelningen för Samhällsmedicin
Inst för Medicin och HälsaLinköpings universitet<[email protected]>
Peter Garvin?
Grundutbildning:95-99 Biologi och kemi, LiU
99-00 Mag. i Folkhälsovetenskap, LiU
Forskarutbildning:03-08 “Psykosociala faktorer, biologiska mekanismer och
socioekonomiska villkor i samspel för god hälsa”
Nu:Biträdande lektor vid Avdelningen för Samhällsmedicin, LiU
Forskning utgår huvudsakligen från stress och biologiskamarkörer relaterade till stress i epidemiologiska studier.
Upplägg
• Epidemiologi som forskningsmetod
• Deskriptiv epidemiologi i klinisk vardag
• Analytisk epidemiologi – vanliga fällor
Epidemiologi som forskningsmetod
RCT: Kontrollerat försök med aktiv manipulation
Exp+Exp+
Exp-Exp-
Utfall+Utfall+
aa
cc
Utfall-Utfall-
bb
dd
2
Epidemiologi som forskningsmetod
Epidemiologi: Observation utan aktiv manipulation
Utfall+Utfall+
aa
cc
Utfall-Utfall-
bb
dd
Exp+
Exp-
Exp-
Exp+
Exp2+
Exp3+
Exp4+
Exp5+
RCT – ideal experimentsituation
• Manipulation Kontrollerad exponering till minst en av grupperna
• Kontrollgrupp För att säkerställa att det inte finns någon allmän trend som av misstag kan tillskrivas exponeringseffekter
• Randomisering För att säkerställa att det inte finns en systematisk skillnad mellan grupperna
• Manipulation Kontrollerad exponering till minst en av grupperna
• Kontrollgrupp För att säkerställa att det inte finns någon allmän trend som av misstag kan tillskrivas exponeringseffekter
• Randomisering För att säkerställa att det inte finns en systematisk skillnad mellan grupperna
ObservationsstudierEpidemiologi – i förhållande till ideal
experimentsituation
Inte möjligt att genomföra en klinisk studie ellerexperminent i många lägen:
• Beroende på sociala konstruktioner sompåverkar hälsoutveckling
• ex. Politiska beslut och åtgärder• ex. Socioekonomisk status• ex. Verbala eller fysiska trakasserier• ex. Psykosocial arbetsmiljö eller hemmiljö
observationsstudier
Epidemiologi som forskningsmetod
3
Inte möjligt att genomföra en klinisk studie ellerexperminent i många lägen:
• Beroende på etiologi• ex. sjukdomar med lång latenstid• ex. sjukdomar med låg prevalens
• Beroende på etiskt förhållningssätt• Mycket svårare att försvara en RCT som bygger
på en riskfaktor och inte på ett skyddandeläkemedel
observationsstudier
Epidemiologi som forskningsmetod Hill’s kriterier
Grundtanke:
Vi behöver kunna resonera om orsak och verkanockså i sammanhang med forskningsfrågor sominte kan lösas med RCT.
• Läs originaltext!
Proceedings of the Royal Society of Medicine, 58 (1965), 295-300.
Nya rön i läkartidningen
http://www.lakartidningen.se/Klinik-och-vetenskap/Nya-ron/
Epidemiologiska studier är den vanligaste typen av studiedesign som rapporteras
Epidemiologi
RCT
Fallbeskrivningar
Kvalitativa studier
Hälsoekonomiska studier
Epidemiologi inormalbefolkning
Kliniska studier(RCT)
Experiment
Epidemiologi och studiedesignRiktlinjer och guidelines, för att bedöma studiekvalitet
ex. STROBESTrengthening the Reporting of OBservationalstudies in Epidemiology.http://www.strobe-statement.org/
ex. DOE (Design of Experments)Finns en mängd, beroende på vad man har som objekt, vad man studerar samt vilka metoder man använder, och
ex. CONSORT, Consolidated Standards of Reporting Trialshttp://www.consort-statement.org/
Olika studietyper kräver olika riktlinjer
4
Sverige
Källa: WHO Mortality data base http://data.euro.who.int/hfamdb/
Ex-Sovjet
1990
årtal
Insjuknande i hjärtinfarkt
Exempel deskriptiv epidemiologi Deskriptiv epidemiologi
•Kan man lita på rapportering?•Lokala skillnader?•Kulturella skillnader?•Politisk styrning av rapportering?•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: Öppna jämförelserSveriges kommuner och landstinghttp://www.skl.se/vi_arbetar_med/oppnajamforelser/oppna-jamforelser-av-halso-och-sjukvarden/landstingsvisa_femarstrender
Vad vet man om skillnader mellan olika landsting och hur ska man agera för att minska skillnaderna?
Deskriptiv epidemiologi
Exempel: Diagnoser enligt ACGwww.vgregion.se
”Rätt diagnos - rätt ersättning”
•"ACG” (Adjusted Clinical Groups) är en metod som kan användas såväl för att beskriva hälsotillstånd i befolkningen som för att fördela sjukvårdsresurser efter förväntad vårdtyngd, med utgångspunkt i registrerade diagnoser. Det utgör en viktig komponent i beräkning av ersättning till vårdcentralerna inom VG Primärvård, då hälften av vårdpengen baseras på de diagnoser som registreras inom primärvård.
5
Deskriptiv epidemiologi– lätt eller svårt att beskriva förekomst?
Stabila kriterier
Kriterier som kräver antaganden• Av den som frågar• Av den som svarar
Hög täckningsgradLåg täckningsgrad
Deskriptiv epidemiologi– lätt eller svårt att beskriva förekomst?
Stabila kriterier
Kriterier som kräver antaganden• Av den som frågar• Av den som svarar
Hög täckningsgradLåg täckningsgrad
ExempelBMI och fysisk aktivitet hos unga
Deskriptiv epidemiologi– lätt eller svårt att beskriva förekomst?
Stabila kriterier
Kriterier som kräver antaganden• Av den som frågar• Av den som svarar
Hög täckningsgradLåg täckningsgrad
BMI
ExempelBMI och fysisk aktivitet hos unga
Deskriptiv epidemiologi– lätt eller svårt att beskriva förekomst?
Stabila kriterier
Kriterier som kräver antaganden• Av den som frågar• Av den som svarar
Hög täckningsgradLåg täckningsgrad
BMI
Fysisk aktivitet
ExempelBMI och fysisk aktivitet hos unga
6
Deskriptiv epidemiologi– lätt eller svårt att beskriva förekomst?
Stabila kriterier
Kriterier som kräver antaganden• Av den som frågar• Av den som svarar
Hög täckningsgradLåg täckningsgrad
Astma?
ExempelAstma och allergi
Klinisk diagnos eller självrapporterad?
Deskriptiv epidemiologi– lätt eller svårt att beskriva förekomst?
Stabila kriterier
Kriterier som kräver antaganden• Av den som frågar• Av den som svarar
Hög täckningsgradLåg täckningsgrad
Depression?
ExempelDepression
Definition är avgörande!
Analytisk epidemiologi
exponering och utfall är breda begreppsom kan observeras i verkligheten
• Vad orsakar att befolkningenmår som den gör?
kemikalie cancermedicinering benskörhet depression högre återinläggningtillit i förlossning högre APGARstress hos föräldrar fetma hos barntimmar vid skärmen sämre sårläkning
Rater – bygger upp riskbegreppet
•Kan man lita på rapportering?•Lokala skillnader?•Kulturella skillnader?•Politisk styrning av rapportering?•Bortfall och underrapportering?
•Diagnoskriterier som ändras över tid?•Uppdatering av ICD-koder•Teknisk utveckling/ nya markörer
Problematisering (utgår från deskriptiv epidemiologi):
Två aspekter av risk som kompletterar varandra
1. Absolut risk – hur vanligt är det?
7
Rater – bygger upp riskbegreppet
Två aspekter av risk som kompletterar varandra
2. Relativ risk Ratkvoter. Eng= rate ratio
En jämförelse mellan antalet inträffade händelser itvå olika grupper.
Om denna är =1,00 är det ingen skillnad mellan grupperna vad gäller sjuklighet
rat i grupp arat i grupp b
= ratkvot
Conclusion: Stroke incidence increased in Swedenfor both men and women between 1989 and 2000.The increase was larger among women. This callsfor action when it comes to studying risk factors and planning prevention and health promotion and indicatesthe need for gender-specific studies.
inc –89* inc –00* ratioWomen 48.4 64.4 133%
Men 98.9 118.0 119%
* per 100 000 py, age 30-65 yrs
Relativa och absoluta jämförelserExempel (Stroke 2004;35:1047-1051)
inc –89* inc –00* ratio abs.difWomen 48.4 64.4 133% 16.0
Men 98.9 118.0 119% 19.1
Stroke incidence in Sweden in ages 30-65 yrs
48,4
64,4
98,9
118,0
0,0
20,0
40,0
60,0
80,0
100,0
120,0
140,0
1989 2000
inci
den
ce p
er 1
0 00
0 p
y
women
men
Relativa och absoluta jämförelserExempel (Stroke 2004;35:1047-1051)
Vid ovanligt utfall eller ovanlig exponering kan det vara missvisande att bara göra en relativ jämförelse
Faran är inte så stor eller akut som media vill göra gällande.
Vid vanligt utfall kan det också vara missvisande att bara göra en relativ jämförelse
Den relativa överrisken är liten, men antalet ”extrafall” som finns i den exponerade gruppen kan vara högt.
För att kunna uttala sig om hur stort problemet är, behöver vi kunskap om hur vanligt utfallet är i den oexponerade gruppen.
Absoluta och relativa risker
8
Rater – bygger upp riskbegreppet
•Bygger alltid på en jämförelse•Mot vad?•Relevant att göra jämförelse?•Ålder- och könsfördelning?•Generaliserbarhet?
•Exponering•Är skillnaderna mellan grupperna relevant?•Är gränsdragningen gjord på rätt ställe?
Problematisering:
Två aspekter av risk som kompletterar varandra
2. Relativ risk
Ekologiska studier
Tvärsnittsstudie
Dator Ej dator Totalt
Ryggbesvär 15 5 20
Population 100 100 200
Prevalensratkvot = = 3,015/1005/100
Kohortstudie
EXPONERADE SJUKA
OEXPONERADE FRISKA
9
Fall-Kontroll
EXPONERADE SJUKA
OEXPONERADE FRISKA
Epidemiologi i en social kontext
• Såväl exponering som utfall är till hög grad beroende av omgivande samhällsfaktorer.• Ökad komplexitet vad gäller relevanta faktorer• Har vi en gemensam bild av vilka faktorer som är
relevanta för utfallet?• Det man inte efterfrågar får man inte heller svar på• Förutsätter medicinsk kompetens• Rådande paradigm
• ex Psykiatrisatsning vid LiU• ex fysioterapi och smärta
• Även kvantitativ analys bygger ofta på att man ”tvingar in” kvalitativa data i en nominal, ordinal eller kontinuerlig skala.
Epidemiologi i en social kontextEvidens:• Historiskt sett: Stort fokus på rangordning:
• Prospektiva studier• Fall-kontroll• Tvärsnitt• Ekologiska
Epidemiologi i en social kontext
Vad som egentligen är avgörande för studiens kvalitet:• Relevant modell i design som förklarar samband
• Faktorer som inkluderas i datainsamling
• Relevanta mätmetoder• Enkäter• Självrapporterade utfall • Register
• Relevant indelning av exponeringsgrupper• Fysiologiskt relevanta skillnader? • Förändring över tid?
10
Hot mot tillförlitligheten i epidemiologiska studier
Slumpmässiga variationer
En studies interna validitet beskriver hur nära dess resultat ligger SANNINGEN. Avvikelser från denna SANNING kan förklaras av tre saker:
Kontrolleras med hjälp av
Konfidensintervall
Så stort material som möjligt
Systematiska fel Tredje variabel
ConfoundersEffektmodifierare
Kontrolleras med hjälp av
Osäkerhet rent matematiskt
God kännedom om andra riskfaktorer än den som primärt
studeras
Bias
Kontrolleras med hjälp av
En strävan efter att minimera
subjektivitet och godtycke
Konfidensintervall
Ett riskestimat är ingenting värt om det inte presenteras tillsammans med ett konfidensintervall.
Det finns många olika modeller som kan användas för att räkna fram konfidensintervall. Dess lämplighet i den givna
situationen beror på hur studiematerialet ser ut.
Faktorer som avgör bredden på konfidensintervallet:
• Materialets storlek.• Materialets fördelning över strata.• Antal variabler som man studerar.
Konfidensintervall
Ett 95%-igt konfidensintervall är konstruerat så att det sannavärdet med 95% sannolikhet ligger inom det givna intervallet.
Risk
Konfidensintervall pågenomförda studier.(Olika urval i samma population)
Sant värde
Felaktiga slutsatser i små grupper?
Varning för artiklar av typen
”Depression is associated with heart failure amongstmen (p<0.05) but not amongst women (p=0.15)”
Anledning att tro att det finns könsspecifika fysiologiska mekanismer?
Kolla storlek på de olika grupperna!
11
Exponering Utfall
Tredje variabel, confounders och effektmodiferare Exponering Utfall
Principskiss interaktion, effektmodifiering
Utan effektmodifiering
Med effektmodifiering
Exponering Utfall
E
Exponering
E
Utfall
Synergieffekt
Antagonieffekt
Exponering Utfall
Principskiss confounding
Utan studerad confounder
Med confounder
Exponering Utfall
C
Exponering
C
Utfall
• Interaktion (eller effektmodifiering) uppstår när en tredje variabel modifierar sambandet mellan exponering och utfall• Intressant biologiskt samband
Interaktion, effektmodifiering
Confounding
• En confounder är en riskfaktor för det studerade utfallet som samvarierar med den studerade exponeringen
• Faktor som stör tolkningen av resultaten.
• Studiespecifik, beroende på den valda studiepopulationen.
12
Bias –hot mot validiteten
Ett systematiskt fel (ej slumpmässigt) i en studie sommedför ett felaktigt riskmått i association mellan exponering och det studerade utfallet.
Kan uppstå i: Studie-design
Implementering Analys
Vanligaste bias sammanfattas i:
• Selektionsbias
• Informationsbias•Recall bias.
Bias –hot mot validiteten
Ett systematiskt fel (ej slumpmässigt) i en studie sommedför ett felaktigt riskmått i association mellan exponering och det studerade utfallet.
Kan uppstå i: Studie-design
Exempel bias:
•att jämföra arbetande människor med arbetslösa människor. (Healthy worker- effekten).
• att göra en tvärsnittsstudie av anställda i en arbetsmiljö som orsakar ohälsa. ("unhealthy worker selection out of employment")
Bias –hot mot validiteten
Ett systematiskt fel (ej slumpmässigt) i en studie sommedför ett felaktigt riskmått i association mellan exponering och det studerade utfallet.
Kan uppstå i: Implementering
Exempel bias:
• Att endast undersöka de som deltar frivilligt i studien. • Att ge information/intervention till de exponerade men ej till de oexponerade.
Bias –hot mot validiteten
Ett systematiskt fel (ej slumpmässigt) i en studie sommedför ett felaktigt riskmått i association mellan exponering och det studerade utfallet.
Kan uppstå i: Analys
Exempel bias:
• En forskare är sällan objektiv inför studiens resultatMan vill visa något eftersom man tror på sambandet och anpassar därför tolkningen eller materialet i analysen .• Okunnighet i statistik och epidemiologi gör att man använder sig av metoder som inte är adekvata.
13
Att ha med sig:• Tolkning av rater och ratkvoter. • Problematisering av studiedesign, eventuella confounders och
bias• Reflektion över möjligheter och svårigheter att använda
journalföring och patientregister för epidemiologiska undersökningar
• Det finns exempel på bra och dålig forskning inom alla studietyper. Var försiktig med att kategoriskt rangordna.
FoU-kurs epidemiologi
