9
PROGNOS Kap 7 Ludvigsson 090305 Thursday, March 5, 2009

Kap7 Prognos

Embed Size (px)

DESCRIPTION

Prognos. Ludvigsson. Fletcher

Citation preview

Page 1: Kap7 Prognos

PROGNOSKap 7

Ludvigsson 090305

Thursday, March 5, 2009

Page 2: Kap7 Prognos

SKILLNAD: RISK- PROGNOSTISK FAKTOR

Risk Prognos

Patient Frisk Sjuk

Utfall Insjukna död/komplik.

Rates 1/100 000 1/3-vanlig*

Identiska? Nej# Nej

*Som läkare har man en viss chans att faktiskt käna på sig vad som är en prognostisk

faktor!

# Lågt blodtryck vid före/efter hjärtinfarkt

Thursday, March 5, 2009

Page 3: Kap7 Prognos

CLINICAL-NATURAL COURSE

Clinical - behandlasNatural - obehandlad

Men varför obehandlad?1) asymptomatisk

2) bara litet symptom

Thursday, March 5, 2009

Page 4: Kap7 Prognos

BESTÅNDSDELAR-PROGNOSTISKA STUDIER

Patient sample; det ideala: alla patienter i en viss region (nationella register:-) )

Zero time, startpunkt densamma (inception cohort) (när man har olika zero time, ny diagnostik, annan staging etc)

Tillräcklig follow-up (veckor för kirurgi, år för lymfom)

Sjukdomsutfall: 5 Ds

Composite measures, delar samma orsak/behandling

Thursday, March 5, 2009

Page 5: Kap7 Prognos

BESKRIVA PROGNOS

5-årsöverlevnad, enkelt att minnas men vad säger det?

Thursday, March 5, 2009

Page 6: Kap7 Prognos

SURVIVAL ANALYSIS

sannolikheten för att en patient ska drabbas vid en viss tidpunkt

Med många patienter minskar ”hackigheten”

Varje hack är antalet ”döda” per antal individer som kan drabbas. Med få som kan drabbs blir hacken stora

Antalet at risk kan anges (SAS) nedanför varje tidsperiod

Större säkerhet i vänster del av survival curve

Thursday, March 5, 2009

Page 7: Kap7 Prognos

BIAS IN COHORT STUDIES

Assembly bias/susceptibility bias (utbredning(intensitet)

Migration bias, om många

död, återfall, tillfrisknande - ibland kopplat tillsjukdomen

crossover (inflammation, villusatrofi

Best-worst-case scenario

Thursday, March 5, 2009

Page 8: Kap7 Prognos

BIAS IN COHORT STUDIES

measurement bias, subklinisk sjukdom, provtagning

Thursday, March 5, 2009

Page 9: Kap7 Prognos

HUR HANTERA BIAS?Randomisering

Restriktion: bara de med vissa karakteristika. OK att utesluta riktigt udda patienter (kardiomyopati p.g.a. tropisk sjukdom). Men white old males...

Matchning (ålder, kön etc). 1) svårt att matcha på mer än enstaka variabler. 2) försiktighet med matchning...3)bara matcha på variabler man känner till är viktigab

Stratifiering (olika sjukhus, hjärtinfarktstatistik)

Standardisering

Multivariat

Thursday, March 5, 2009