Epidemiologi II Lars Rylander (1)

8/17/2019 Epidemiologi II Lars Rylander (1)

1/25


2/25

Exempel: Sjukdomsmått1990 2000 2010

Antal astmatiker Kontorister 20 25 30Djurskötare 10 25 40

PREVALENSKontorister 5% (20/400) 6.25% (25/400) 7.5% (30/400)Djurskötare 2.5% (10/400) 6.25% (25/400) 10% (40/400)

Prevalenskvot 0.5 (2.5/5) 1 (6.25/6.25) 1.33 (10/7.5)

KUMULATIV INCIDENS (RISK)Kontorister - 1.3% [5/(400-20)] 1.3% [5/(400-25)]Djurskötare - 3.8% [15/(400-10)] 4.0% [15/(400-25)]

Riskkvot - 2.9 (3.8/1.3) 3.0 (4/1.3)

INCIDENSKontorister - 1.3/1000 py 1.3/1000 py

5/(375*10+5*5) 5/(370*10+5*)Djurskötare - 3.9/1000 py 4.1/1000 py

15/(375*10+15*5) 15/(360*10+15*5) Incidenskvot - 3.0 (3.9/1.3) 3.2 (4.1/1.3)


3/25

- Tvärsnittsnittstudier(Cross-sectional studies)

- Kohortstudier(Follow-up studies)- Fall-kontrollstudier

(Case-control studies)

Studiedesign


4/25

Tvärsnittsstudier(Cross-sectional studies)Avser att studera förhållandenvid en viss tidpunkt.


5/25

Sambandet mellan monotont arbete inomfiskberedningsindustrin och nack/skulderbesvär

Exponerade vs Referenter

Ålder Riskkvot (POR) 95% KI< 30 4.2 (1.8-10)

30-44 4.0 (2.0-8.0) 45 1.3 (0.71-2.5)

Är det rimligt att äldre har mindre risk?Om inte, hur kan resultaten förklaras?

Ex. Tvärsnittsstudie

prevalens?

nollhypotesen kanförkastas

nollhypotesen kan inte förkastas

Det är 95% chans att kvoten hamnar mellan 1,8- 10 när man tar uett urval????

Vilka är det som inte svarar på enkäten: en selektionsom gör att urvalet inte representerar populationen.


6/25

Risken att få ett barn med spina bifida (ryggraden inte är samman-vuxen) hos rökande mödrar jämfört med icke rökande mödrar.

Ex. Tvärsnittsstudier

Riskkvot (OR) 95% KIIcke rökare 1.00 -< 10 cig/dag 0.79 (0.63-1.00) 10 cig/dag 0.66 (0.49-0.90)

=> Rökning en skyddande effekt?

odds ratio

confounder: lder?

-pvärdet hade varit när 0,05 beroene på vad nästadecimal var

p-värde hade varit


7/25

Ex. TvärsnittsstudierSamband mellan hormonstörande

miljögifter och typ 2 diabetes (T2D)

PCB-153 och p,p’ -DDE är markörer för långlivade klororganiskamiljögifter (en grupp hormonstörande miljögifter).

0

2

4

6

8

1012

LowMediumHigh

PCB- 153 p,p’ -DDE

PCB- 153 p,p’ -DDE

Andel medT2D (%)

Andel medT2D (%)

låg, mellan och högexponerade.

ju högre exponeringdesto större andelhade diabetes.


8/25


9/25

Tvärsnittsstudier

- Relativt snabbt/enkelt!- Selektion?- Kausalitet/tolkning?

kan finnas.


10/25

Kohortstudier(Follow-up studies)

Kohort: grupp med någon gemensam egenskap(ex födelseår, rökare, yrke, vegetarianer, …)

Syfte: mäta och vanligtvis jämföraincidensen i flera kohorter

är dt opitmala- lättare att draslutsatser

betyder


11/25

KohortstudierPopulation(alla friska)

tid

Oexponerade/Lågexponerade

Högexponerade


HögexponeradeSJUKA

Hur ser det ut efter en tid?En klinisk studie där man undersökeren behandling måste alla vara av enviss status.

vid observationsstudier.

alla ska ha samma statusfrån start.


12/25

Kohortstudier(Exemplet hormonstörande miljögifter och typ 2 diabetes [T2D])

Population(alla friska)

tid


Högexponerade


HögexponeradeT2D


13/25

Ex. KohortstudierFrågeställning: Hormonstörande miljögifter*och risken för typ 2 diabetes

WHILA-kohorten(=WomenHealth In Lund Area)

Kvinnor i LundaregionenÅlder 50-59 år

1995-2000Intervjuade

Blodprov ~7000 kvinnor

*I vårt fall var vi intresserade av att studera långlivade klororganiska miljögifter


14/25

KohortstudierPopulation:WHILAAlla friska: Ej T2D vid baselineExponering:Låg(-)/Hög(+)

tid

T2D

-- -

--

Låg

Hög++

++

-- -

--

Låg

Hög++

++


15/25

Kohortstudier

Population: WHILAAlla friska: Ej T2DExponering: Låg(-)/Hög(+)

tid

T2D

-- --

-Låg

Hög++ ++

-- --

-Låg

Hög++ ++

Antal nya fall: a bPersontid under TH TLrisk:Incidens: a/TH b/TL

Incidenskvot = IHög / I Låg =(a/TH) / (b/T L)

Incidensdifferens = IHög – ILåg =(a/TH) - (b/T L)

Hög Låg


16/25

Kohortstudier

Population:WHILAAlla friska: Ej T2DExponering:Låg(-)/Hög(+)

tid

T2D

-- --

-Låga

Höga++ ++

-- --

-Låga

Höga++ ++

När är kohortstudier lämpliga?

Vad kan vara problem med enkohortstudie? När och varförkan det vara svårt att genomföradem?

- den man villl gör men sominte alltid är möjligt,

- bla. kostnad.


17/25

Fall-kontrollstudier(Case-control studies)

Population

FALL

Kontroller

FALL:De individer som fått densjukdom vi studerar.

KONTROLLER:De individer som inte fåttden sjukdom vi studerar.

Vår uppgift är att ta reda på exponerings-fördelningen hos fallen och kontrollerna.

(Exponering kan t ex vara medicinering,kost, behandling, miljögifter,…)

t.ex. T2D

hur ser exponeringsfördelningen ut hoskontrollerna resp. fallen?


18/25


19/25


20/25

Vilket sjukdomsmått används i fall-kontrollstudierför att skatta sambandet mellan exponering ochsjukdomsrisk?


21/25

ODDSKVOT(Odds ratio; OR)E+ E-

D+ a=50 b=10

D- c=60 d=60

Odds: Sannolikhet för händelsegenom sannolikhet för ejhändelse

Oddset att vara sjuk (D+)givet att man är exponerad (E+):(50/110)/(60/110) = 50/60 = 0.83

Oddset att vara sjuk (D+)givet att man är oexponerad (E-)(10/70) / (60/70) = 10/60 = 0.17

- Man kan få ett relativt riskmått genom att beräkna kvoten mellan två odds- Denna kvot kallasoddskvot(eng. Odds Ratio =OR)

a • d 50 • 60b • c 10 • 60

Exempel:

OR= = = 5

diagnos

exponering

lämpligt vid en fall kontrollstudie

5 ggr höre risk att få T2D videxponering än vid icke-exponering.


22/25

Fall-kontrollstudieRESULTAT från exemplet (”WHILA - studien”)

FALL

Kontroller

- Totalt hade vi 371 fall och likamånga kontroller

- Om vi inkluderade alla i analysen såg viinget samband mellan exponering ochrisken att utveckla typ 2 diabetes.

- Men om vi endast såg på de ”seten” därfallen fick sin diabetes ≥7 år efter baseline -undersökningen visade det sig att de kvinnormed de högsta nivåerna av p,p’ -DDE hadeca 5 gånger ökad riskatt utveckla typ 2diabetes jämfört med de med lägre p,p’ -DDE-nivåer.

Rignell-Hydbom et al.PLoS One 2009 Oct 19;4(10):e7503


23/25


24/25

Tillfälliga fel

• Mätfel, fel svar• Felklassificering av

exponering/kohorttillhörighet

• Diagnos ej registreradeller felaktig

Fel av slumpmässig natur och somär oberoende av exponeringsstatus,sjukdomsstatus (non-differential )

Tenderar oftastatt försvagasambandet mellanexponering ochutfall

t.ex. fel i ett register. En sjd kanske registreras mer än en annan


25/25

Systematiska fel (BIAS)Fel som är beroende av exponeringsstatusoch/eller sjukdomsstatus (differential )

Kan försvaga såvälsom förstärkasambandet mellanexponering ochutfall

• Selektionsfel- Vem väljer att deltaga?- Vem deltar men hoppar över vissa frågor?

• Informationsfel- selektiv ihågkommelse- olika insamlingsmetoder

• Confounding(störfaktorer/förväxlingseffekter)t.ex. ålder. åldersfördelning, fysisk aktivitet

- gör att urvalet inte representerar målpopulationen

recall bias: Att fallen och kontrollerna intekommer ihåg samma sak. Den ena guppenkanske ger bättre exponeringsgrad med änden andra gruppen.

- ena gruppen ringer vi upp och denandrafår svara på ett frågeformulär: tendensatt svara olika beroende på metod. Viktigtatt använda samma metod för båda grupperna.

Epidemiologi II Lars Rylander (1)

Documents

Transcript of Epidemiologi II Lars Rylander (1)