Introduktion till Klinisk Epidemiologi

16-09-14 1

KatjaFallKliniskEpidemiologiochBiosta6s6k,2016

KatjaFall2016

Epidemiologi•  “Studieravsjukdomarsförekomstochriskfaktorer”(Rothman)Komponenter:•  Sjukdomsmå>(kvan?fierarsjukdomsförekomst)•  Mäterfördelningavsjukdomibefolkningen

àformahypoteseromorsaksfaktorer•  Iden6fierariskfaktorerförsjukdom

àtestahypotesermedepidemiologiskstudiedesign

16-09-14 2

Descrip?veAnaly?cal

KatjaFall2016

Typeravstudier

•  Deskrip6va– beskriverförekomstavuLall/sjd

•  Analy6skastudier– beskriversambandetmellanexponeringochuLall

16-09-14 3

xponering - - - - - à tfall

KatjaFall2016

Epidemiologiska studier

Deskriptiva

Analytiska

16-09-14 4

Vad?

Varför?

KatjaFall2016

 Exempel:SIDSincidenceinSweden1975–2004,casesper1000livebirths.

Alm B et al. Arch Dis Child 2006;91:915-919

Ex:Descrip6ve

16-09-14 KatjaFall2016 5

NewZealandCotDeathStudy

Design:case-controlstudy•  162casesofSIDS•  589controls

InformaEononpotenEalcauses:•  Reviewofmedicalrecordsandinterviewswith

parents

Results:•  Sleepingposi6on(facedown):3.5xrisk!•  Smokingmother

•  1-9cig/d 2xincreasedrisk•  10-19cig/d 3x-”-•  20+cig/d 5x-”-

Ex:analy6cal

16-09-14 KatjaFall2016 6

Epidemiologiska studier

Deskriptiva

Analytiska

16-09-14 7KatjaFall2016

Deskrip6vastudier•  O_astdeförstastudiernasomgörspåennysjukdom/nya6llståndföraakaraktäriserasjukdomen,mätaförekomstochundersökahurdenvarierarirela6on6ll:–  individ–  plats–  6d

•  Görsutanspecifikhypotes•  Ingajämförelsermellangrupper

àIngaslutsatseromkopplingmellanexponeringochsjukdom

àAnvändbaraföra>genererahypoteser

16-09-14 KatjaFall2016 8

Analy6skastudier

•  Analy6skastudiergörsföraatestahypoteser•  Gemensamnämnare:jämförande•  Inomepidemiologininnebärhypoteseno_astaaundersökaomenvissexponeringärassocierad6ll(ellerorsakar)eavisstuLall

•  Studiernakanvara– prospek6va–  retrospek6va– utanriktning(i6d)

16-09-14 KatjaFall2016 9

Tvärsnittsstudie

16-09-14 KatjaFall2016 10

alla friska vid t0 Kohortstudie

16-09-14 KatjaFall2016 11

Fall-kontroll studie

16-09-14 KatjaFall2016 12

SJUKDOMS- OCH ASSOCIATIONSMÅTT

Vetenskapligt förhållningssätt

Katja Fall

16-09-14 KatjaFall2016 13

Epidemiologistudieravhuro_asjukdomaruppstårolikabefolkningsgrupperochvarför

16-09-14 KatjaFall2016 14

Denepidemiologiskaforskarensverktygslåda

•  Måapåhuro_asjukdomaruppstårienpopula6on– Prevalens–  Incidens

•  MåapåsambandmellanexponeringouLall– Rela6variskmåa– Absolutariskmåa

16-09-14 KatjaFall2016 15

I.Måapåsjukdomsförekomst

Prevalens”prevail”

Hurmångaärsjuka?

Incidens”incident”

Hurmångainsjuknar?

16-09-14 KatjaFall2016 16

FriskaSjuka

Helabefolkningen

Sjuka

Incidens

Prevalens

16-09-14 KatjaFall2016 17

Prevalens

•  Defini6on:Propor6onensjukaindividerienpopula6onvidenviss6dpunkt

•  Formel: antalsjukaipopula6onenvidenviss6dpunktantalindivideripopula6onvidden6dpunkten

16-09-14 KatjaFall2016 18

Exempel-prevalens2005varprevalensenavpa6entermedhögtblodtryck6%iSverige

16-09-14 KatjaFall2016 19

Omprevalens

•  Eamåapådentotalasjukdomsbördanvidenviss6dpunkt

•  Antarvärdenmellan0och1(0-100%)•  Ärenpropor6on(enhetslös)•  Tidpunktenmåstedefinieras

16-09-14 KatjaFall2016 20

IncidensMåapåutvecklingavnyasjukdomsfall

KumulaEvincidens

(IncidenceproporEon)

Incidens

(Incidencerate)

16-09-14 KatjaFall2016 21

Kumula6vincidence(=”risk”)

•  Defini6on:Propor6onenindividerienpopula6onsominsjuknarisjukdomenunderenviss6dsperiod

•  Kallasocksåincidencepropor6on•  Formel:#nyasjukdomsfall__________________#individeripopula6onenvidstudiestart

16-09-14 KatjaFall2016 22

Vad är den kumulativa incidensen av sjukdom (=K)?

Person Year of follow-up 1 2 3 4 5 6 7 8 9 10

A K B C K D K E K F K G H K

6/8=0.75på10år

16-09-14 KatjaFall2016 23

Incidencepropor6on/cumula6veincidenceExample:VioxxvsNaproxenamongRApa6ents

3.7%

1.8%

16-09-14 KatjaFall2016 24

Incidens–IncidenceRate,IR

•  Mäterhas6ghetenförinsjuknandetiensjukdom(eng.forceofmorbidity)

•  Formel: IR=antaletindividersominsjuknarunderenperiodden6dindividerna6llsammanslöperriskaainsjukna

16-09-14 KatjaFall2016 25

Addi6onavperson6dförberäkningavIR

Person Year of follow-up 1 2 3 4 5 6 7 8 9 10

A � B C J D K E K F J G � H K

flyaar!

flyaar!

3/39=0.07676/1000personår

16-09-14 KatjaFall2016 26

“Theincidenceoftes6cularcanceris5.5per105andyear”

16-09-14 KatjaFall2016 27

OmIR

•  Enhet=person6d-t(ejenpropor6on)•  Användbartirörligapopula6oner•  Endastperson6d”atrisk”inämnaren

16-09-14 KatjaFall2016 28

Odds

•  Eaalterna6vtmåapårisksombaserarsigpåenpropor6on

•  Odds=propor6on/(1-propor6on)

16-09-14 KatjaFall2016 29

Beräkningavriskikohortstudie•  BisfenolA-exponering(visstypavnappflaska)ochriskför

leukemi(obs!påhiaatexempel)

Leukemi + Leukemi - Total

Bisfenol A + 60 188,940 189,000

Bisfenol A - 57 278,943 279,000

Total 117 467,883 468,000

100,000percases23000,18960

==ER

100,000percases02000,27957

==OR

16-09-14 KatjaFall2016 30

Beräkningavoddsifall-kontrollstudie

•  BisfenolA-exponering(visstypavnappflaska)ochriskförleukemi(obs!påhiaatexempel):enkontrollharvaltsperfall,iställetförincidensfårviräknaodds

Leukemi + Leukemi - Total

BisfenolA + 60 47 107

BisfenolA - 57 70 127

Total 117 117 234

28.14760OE ==

81.07057OO ==

16-09-14 KatjaFall2016 31

Sambandetmellanpropor6onodds

Proportion p

Odds p/(1-p)

Odds=”sannolikhetenaaensakinträffarjämförtmedsannolikhetenaadenintegördet”

Exvisispel=sannolikhetenaaförloramotsannolikhetenaavinna

16-09-14 KatjaFall2016 32

Förhållandetmellanoddsochpropor6on

Proportion Odds 0.01 0.01 0.04 0.04 0.1 0.11 0.2 0.25 0.5 1.0 0.7 2.3 0.9 9.0 0.95 19.0

1/1004/10010/100

1/994/9610/90

16-09-14 KatjaFall2016 33

Omodds

•  Eaalterna6v6llpropor6on•  Propor6onäraaföredra,mengårinteaaräknautivissadataset

•  Närmarsigrisken(propor6onen)närdenärliten(ovanligasjukdomar)

16-09-14 KatjaFall2016 34

Sammanfaaning–sjukdomsmåa

•  Prevalens(propor6on)=prevalentafall/popula6on•  Kumula6vincidens=nyafall/antaletindividersomlöperriskaainsjuknavidbörjanavstudieperioden

•  Incidencerate=nyafall/totalperson6d”atrisk”•  Odds=propor6on/(1-propor6on)

16-09-14 KatjaFall2016 35

“Justnulider1%avSverigesbefolkningavhandeksem”

Prevalensenavhandeksem

16-09-14 KatjaFall2016 36

“Under1999,drabbades10av100svenskaravinfluensa”

denkumula6vaincidensenavinfluensaunder1år

(eaårsriskenförinfluensa)

16-09-14 KatjaFall2016 37

“Under80-taletrökte30%avallagravidakvinnor.Sedandesshardet

minskat6ll13%.”

Prevalensenrökandegravidakvinnor

16-09-14 KatjaFall2016 38

“Dulöper75%riskaafåminförkylning.”Vilkaäroddsenaafå

förkylningen?

[odds=propor6on/(1-prop)]0,75/0,25=3

“Oddsenär3mot1”

16-09-14 KatjaFall2016 39

“Dentotaladödlighetenliggerrunt12.5dödsfallper1000person-år.”

Mortalitet=incidensenavdöd!

16-09-14 KatjaFall2016 40

Denepidemiologiskaverktygslådan

•  Måapåhuro_asjukdomaruppstårienpopula6on– Prevalens–  Incidens

•  MåapåsambandmellanexponeringouLall– Rela6variskmåa– Absolutariskmåa

16-09-14 KatjaFall2016 41

Aajämförarisker

•  Jämförelseravförekomstenavsjukdomiolikapopula6oner,texenexponeradochenoexponerad

•  Skillnaderisjukdomsförekomstkanuaryckassom– Differens→absolutriskdifferens– Kvot→rela6vrisk

16-09-14 KatjaFall2016 42

Rela6varisker(RR)

•  RiskRa6o=Kumula6vinc.exp/Kumula6vinc.unexp.(riskkvot)•  RateRa6o=Incidencerateexp/Incidencerateunexp.(incidenskvot)•  OddsRa6o=Oddsexp/Oddsunexp(oddskvot)16-09-14 KatjaFall2016 43

Fyrfältstabellen(the2-by-2-table)

Disease+ —

Expo + a b a+b=N1

Expo — c d c+d =N0

a+c b+d a+b+c+d=T

16-09-14 KatjaFall2016 44

RR=Riskexposed/Riskunexposed

RR=3

RR=1

RR=0.7

16-09-14 KatjaFall2016 45

RiskRa6o(riskkvot)

RiskRa6o=Kvotenmellandenkumula6vaincidensenblandexponeradeochdenkumula6vaincidensenblanddeoexponerade

=a/(a+b)/c/(c+d)

Disease+ —

Expo + a b a+b=N1

Expo — c d c+d =N0

a+c b+d a+b+c+d=T

16-09-14 KatjaFall2016 46

Omrela6varisker(1)•  Exponeradeitäljaren,oexponeradeinämnaren•  RR=1betyderingenassocia6onmellanexponeringochsjukdom

•  RR>1betyderposi6vassocia6onmellanexponeringochsjukdom

•  RR<1betydernega6vassocia6onmellanexponeringochsjukdom

16-09-14 KatjaFall2016 47

Disease Person-years+ —

Expo + a b PY1

Expo — c d PY0

a+c b+d PY1+PY0

Incidenskvoter(IncidenceRateRa6os)

RateRa6o=a/PY1/c/PY0=aPY0/cPY1

16-09-14 KatjaFall2016 48

Istudierdärmansaknarinforma6onomhelapopula6onenföraaräknaut

incidencen,kanmanforLaranderäknautoddsen!

16-09-14 KatjaFall2016 49

Disease+ —

Expo + a b a+b=N1

Expo — c d c+d =N0

a+c b+d a+b+c+d=T

OddsRa6o

Diseaseoddsra6o=a/b/c/d=ad/bc16-09-14 KatjaFall2016 50

Omoddsra6os(ORs)

•  Närsjukdomenärsällsynt(andelensjukaliten)äroddskvoten~riskkvoten(se6digarebild)

•  Oddskvoterkananvändasföraauppskaaariskkvotenistudierdärmansaknarinforma6onomhelapopula6onen“atrisk” ,exvfall-kontrollstudier

16-09-14 KatjaFall2016 51

Omrela6varisker(2)

•  Risk(kumula6vincidens),rate(incidencerate),ochoddsra6os(-kvoter)ärallamåapårela6varisker

•  Incidenceratera6oär“goldstandard”,menkaniblandinteberäknas

•  Riskkvoterochoddskvoterfungerarsombrauppskaaningaravdenrela6varisken

16-09-14 KatjaFall2016 52

Absolutriskdifferens

Eaeffektmåapådenabsolutaskalan(ejrela6va)

16-09-14 KatjaFall2016 53

Absolutriskdifferens(AR)

•  Kallasockså“aaributablerisk” eller6llskrivenandel•  AR=Kumula6vaIncidencenexp–Kumula6vaIncidencenoexp

•  AR=Incidencerateexp–Incidencerateoexp

•  Tolkning:Denabsolutaförekomstenavensjukdomblanddeexponeradesomkan?llskrivasexponeringen

16-09-14 KatjaFall2016 54

ARributablerisk

Exposed Unexposed

Risk

16-09-14 KatjaFall2016 55

ARributablerisk

Exposed Unexposed

Risk

AR

16-09-14 KatjaFall2016 56

AR%

Exposed Unexposed

Risk

AR AR%

16-09-14 KatjaFall2016 57

Aaributableriskpercent

•  Kallasäven”e6ologicfrac6on”•  =(incidenceexp-incidenceunexp)/incidenceexp•  =AR/incidenceexp

•  Tolkning:Denandelavsjukdomsbördanblanddeexponeradesomorsakatsavexponeringen

16-09-14 KatjaFall2016 58

Vilketmåaärmestinforma6vt?Example:VioxxvsNaproxenamongRA

pa6ents3.7%

1.8%

3.7%

1.8%

16-09-14 KatjaFall2016 59

Vadmotsvarardenomvändariskdifferensen?

1/AR

=Antaletexponeradepersoner(ellerpersonår)sombehövsföraaundvikaeauLall(ensjukperson)

=NumbersNeededtoTreat(NNT)

eller“numbersneededtoharm”omexponeringenärskadlig

16-09-14 KatjaFall2016 60

Example:VioxxvsNaproxen

•  Confirmeduppergastrointes6nalevent:– RR(95%CI)=0.5(0.3-0.6)– AR=1.9%– NNT=1/0.019=52

16-09-14 KatjaFall2016 61

Vilketmåaärbäst?Konklusion

•  RRgeringeninforma6onomincidensen– RRärförforskare– ARochNNTärdemåasomspelarrollförpa6enterochkliniker

•  NNTärrelaterad6lldenabsolutarisken•  Denabsolutariskenkanvarieramellanpopula6oner– ARochNNTärmindregeneraliserbaraänRR

16-09-14 KatjaFall2016 62