Presentation laddar. Vänta.

Presentation laddar. Vänta.

Grundläggande epidemiologi Susanna Calling, läk, med dr

Liknande presentationer


En presentation över ämnet: "Grundläggande epidemiologi Susanna Calling, läk, med dr"— Presentationens avskrift:

1 Grundläggande epidemiologi Susanna Calling, läk, med dr

2 Agenda –Vad är epidemiologi? –Grundläggande begrepp –Studiedesign –Felkällor –Grupparbete

3 Vad är epidemiologi?

4 Epidemiologi ”Läran om hälsans och ohälsans utbredning och dess orsaker i en befolkning”

5 ”The epidemiological black box” Factor ADisease

6 Varför behövs epidemiologi?

7 John Snow 1854

8 Varför behövs epidemiologi?

9 Epidemiologi ger oss möjlighet att försöka räkna ut vem som…

10 …drabbas

11 Agenda –Vad är epidemiologi? –Grundläggande begrepp –Studiedesign –Felkällor –Grupparbete

12 Viktiga begrepp Prevalens/ incidens Riskfaktor/ riskmarkör Deskriptiv/ analytisk epidemiologi Kausalitet Confounder Validitet/reliabilitet Relativ risk (RR) Odds ratio (OR)

13 Prevalens Andelen individer i en population som har en given sjukdom eller ett givet tillstånd vid en viss tidpunkt Ex: Prevalensen av åldersdiabetes är 5% bland individer över 50 år.

14 Incidens Antalet nyinsjuknade i en viss population under en avgränsad tid Ex: Schizofreni 1/ personår, dvs. om personer observeras under 1 år får 1 person schizofreni.

15 Riskfaktor = exposure = oberoende variabel En faktor som ökar sannolikheten för sjukdom. Oftast orsakssamband (kausalitet). Ex: Hypertoni ökar risken för hjärtinfarkt.

16 Riskmarkör En faktor vars närvaro ökar sannolikheten för sjukdom. Inte nödvändigtvis orsakssamband. Ex: Låg utbildning är associerat med hjärtinfarkt.

17 Outcome Utfallsvariabel = outcome = beroende variabel

18 Två typer av epidemiologi Deskriptiv epidemiologi VEM får en sjukdom/ ett tillstånd? VAR finns den? NÄR inträffar den? Analytisk epidemiologi VARFÖR är sjukligheten hög/låg? (Undersöker samband, exponering – fall)

19 Kausalitet (som inte kan förklaras av slumpen) 1)Konsekvent association, dvs att den är bevisad i många olika studier. 2)Sambandets styrka (studiedesign). 3)Dos-responssamband 4)Tidssekvens 5)Biologisk rimlighet 6)Experimentellt befästande av sambandet / reversibilitet.

20

21 Confounder En faktor som är associerad både med riskfaktorn och outcome. Sambandet mellan riskfaktor och outcome blir stört av confoundern.

22 Confounding Gula fingrar

23 Confounding Herpesvirus Cervixcancer HPV-virus Antal partners

24 Confoundern ska inte vara med i kausalkedjan mellan exposure och outcome Hypertoni HjärtinfarktAteroskleros

25 Diskutera! 1. Confounders - Vilka confounders bör man ta hänsyn till om man vill studera sambandet mellan hypertoni och hjärtinfarkt? 2. Kausalitet - Vilka samband känner ni till som är kausala respektive inte fullständigt klarlagda?

26 Hur tillförlitlig är vår data? 1. Validitet –I vilken grad mäter ett test det det ska mäta –Ex. BMI 2. Reliabilitet/ Precision –Hur säkert är det att vi får samma resultat vid upprepade mätningar? –Ex. CRP, blodtryck

27 Relativ risk och odds ratio Fall Exponerade Icke exponerade Icke fall A C B D

28 Relativ risk/ risk ratio (RR) Risk = sannolikhet att drabbas jämfört med hela populationen (ex. 1 av 7) Relativ risk = kvoten mellan risk hos de exponerade och risk hos de oexponerade RR= Risk för outcome hos exponerade Risk för outcome hos icke exponerade

29 Relativ risk/ risk ratio (RR) A/(A+B) C/(C+D) RR=

30 Relativ risk/ risk ratio (RR) RR = 1 innebär ingen ökad eller minskad risk RR > 1 innebär ökad risk RR < 1 innebär minskad risk (skyddande effekt)

31 Oddskvot/ Odds ratio (OR) Odds = sannolikhet att något händer mot att något inte händer (ex. odds att något infaller en söndag är 1:6) Odds ratio: Kvoten mellan odds hos exponerade jämfört med odds hos icke exponerade Odds för outcome hos exponerade Odds för outcome hos icke exponerade OR =

32 Odds ratio (OR) OR A/B C/D =

33 RR och OR Relativ risk och odds ratio är inte samma sak! OR har vissa matematiska egenskaper som gör att det lämpar sig att räkna ut, via tex logistisk regression Vid sällsynt outcome blir OR och RR ofta ungefär detsamma

34 Diskutera! Vad betyder: 1)” The odds ratio for infant mortality was 2.98 (CI: ) for low family income compared to high family income” 2) ” The relative risk for myocardial infarction is 4,0 (CI: ) in patients with diabetes mellitus type 2”

35 Agenda –Vad är epidemiologi? –Grundläggande begrepp –Studiedesign –Felkällor –Grupparbete

36 Studiedesign Individer Case report Observationsstudier Tvärsnittsstudie (cross-sectional study) Fall-kontrollstudie (case-control study) Kohortstudie Interventionsstudier Randomiserad kontrollstudie (RCT)

37 Exempel Du har upptäckt ett antal tonåringar med symtom och lab som tyder på diabetes typ 2 Du gör en case report, och fler har upptäckt samma sak. Du vill studera detta mer, men har inte stora resurser. Vilken typ av studie?

38 Tvärsnittsstudie (Cross-sectional study) –Studerar del av/ hel population –Mäter prevalens vid en viss tidpunkt –Kan också mäta exponering men vi vet inget om tidsperspektiv

39 Diskutera! Hur skulle du kunna lägga upp en sådan tvärsnittsstudie?

40 Exempel Du studerar hur stor andel tonåringar på tex en skola som har diabetes typ 2. Du intervjuar föräldrarna Du har nu 100 fall med diabetes och börjar undra över orsaker. Vilken typ av studie?

41 Fall-kontroll studie (case-control study) –En sjukdomsgrupp, en kontrollgrupp –Patienten har redan sjukdomen när man mäter riskfaktorn

42 Fall-kontrollstudie Fördelar: –Snabb metod för att undersöka samband exponering- sjukdom –Bra för sällsynta sjukdomar Nackdelar –Svårt att undersöka sällsynta orsaker –Kausalitet är svårbedömt, exponering kan ha ändrats –Selektion av fall

43 Exempel Du gör en fall-kontrollstudie med 100 diabetespat och 100 kontrollpat som visar att diabetespatienterna har ett högre kaloriintag och mindre fysisk aktivitet. Du vet dock inget om tidssambandet, och intervju-bias kan ha förekommit. Du har nu fått forskningsanslag Vilken typ av studie?

44 Kohortstudie Kohort = grupp individer med liknande karakteristika, t ex födda samma år Individerna har inte sjukdomen vid studiens start Longitudinell Prospektiv/ Retrospektiv

45 Kohortstudie Fördelar –Kausalitet och tidssamband kan studeras –Ingen selektion av fall –Sällsynta exponeringar kan studeras Nackdelar –Dyrt och tidskrävande –Sällsynta sjukdomar svåra att studera

46 Randomised kontrollstudie (RCT) Behandlingsgrupp och kontrollgrupp definieras slumpmässigt Intervention  man påverkar verkligheten!

47 RCT Fördelar: –Ger starkt argument för kausalitet Nackdelar: –Experiment - större ansvar mot deltagare/ svårt att få deltagare –Svårt med generaliserbarhet

48 Agenda –Vad är epidemiologi? –Grundläggande begrepp –Studiedesign –Felkällor –Grupparbete

49 Felkällor 1.Systematiska fel/ bias 2.Random error/ slump 3.Confounding

50 Systematiska fel/ bias Selektion –Är studiepopulationen representativ för en ”normalbefolkning”? –Healthy cohort Missklassificering –Är diagnosen riktig? –Korrekt mätmetod? –Självrapportering? –Ändrad exponering?

51 Systematiska fel/ bias Bortfall/ exklusion Intervju-bias Minnes-bias/ recall bias

52 Åtgärd systematiska fel –Leta efter bias före och under studien -Ta ställning till bias vid tolkning -Studera/ eliminera bortfall

53 Felkällor 2. Slump –Hur sannolikt är det att fyndet bara är en slump? Åtgärd: -Studera större grupper -Statistiska test (p-värde, konfidensintervall)

54 Felkällor 3. Confounding –Faktorer som är associerade både med riskfaktor och outcome –Stör tolkningen av ett resultat till skillnad från systematiska fel som sker under mätning/datainsamling

55 Åtgärd confounding Matchning (före studien) Stratifiera data (vid analys) Justera i multivariata analyser

56 Agenda –Vad är epidemiologi? –Grundläggande begrepp –Studiedesign –Felkällor –Grupparbete

57 Grupparbete Ni vill studera sambandet mellan socioekonomiskt status och depression Frågor: –Vad är hypotesen? –Identifiera variablerna –riskfaktor respektive utfall? –Hur lägger ni upp er studie? –Vilka felkällor bör ni ta hänsyn till?


Ladda ner ppt "Grundläggande epidemiologi Susanna Calling, läk, med dr"

Liknande presentationer


Google-annonser