Presentation laddar. Vänta.

Presentation laddar. Vänta.

Läkarprogrammet – Termin 5, Ht 2013 Lars Rylander Avdelningen för arbets- och miljömedicin, Lund E-post: Tel: 046 – 222 1631 Epidemiologi.

Liknande presentationer


En presentation över ämnet: "Läkarprogrammet – Termin 5, Ht 2013 Lars Rylander Avdelningen för arbets- och miljömedicin, Lund E-post: Tel: 046 – 222 1631 Epidemiologi."— Presentationens avskrift:

1 Läkarprogrammet – Termin 5, Ht 2013 Lars Rylander Avdelningen för arbets- och miljömedicin, Lund E-post: Tel: 046 – Epidemiologi (II)

2 Exempel: Sjukdomsmått Antal astmatiker Kontorister Djurskötare PREVALENS Kontorister5% (20/400)6.25% (25/400)7.5% (30/400) Djurskötare2.5% (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) INCIDENS Kontorister-1.3/1000 py1.3/1000 py 5/(375*10+5*5)5/(370*10+5*) Djurskötare-3.9/1000 py4.1/1000 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 - Tvärsnittsnittstudier (Cross-sectional studies) - Kohortstudier (Follow-up studies) - Fall-kontrollstudier (Case-control studies) Studiedesign

4 Tvärsnittsstudier Avser att studera förhållanden vid en viss tidpunkt.

5 Sambandet mellan monotont arbete inom fiskberedningsindustrin och nack/skulderbesvär Exponerade vs Referenter ÅlderRiskkvot (POR) 95% KI < (1.8-10) ( )  ( ) Är det rimligt att äldre har mindre risk? Om inte, hur kan resultaten förklaras? [Från Ohlsson et al, Occup Environ Med 1994;51:826-32] Tvärsnittsstudie

6 Risken att få ett barn med spina bifida (ryggraden inte är samman- vuxen) hos rökande mödrar jämfört med icke rökande mödrar. Tvärsnittsstudier Riskkvot (OR) 95% KI Icke rökare < 10 cig/dag0.79 ( )  10 cig/dag0.66 ( ) => Rökning en skyddande effekt? [Från Källén K, Am J Epidemiol 1998;147: ]

7 Tvärsnittsstudier CB-153 p,p’-DDE Andel med diabetes (%) (Från Rylander m fl 2005) Typ 2 diabetes hos fiskarhustrur (I) CB-153 och p,p’-DDE är markörer för långlivade klororganiska miljögifter (sk POPs) Fiskarhustrur är av intresse eftersom en viktig källa för exponering är fet fisk från Östersjön.

8 CB-153 p,p’-DDE Diabetes (%) Från Rignell-Hydbom et al 2007 Tvärsnittsstudier Typ 2 diabetes hos fiskarhustrur (II) Kausalitet?

9 POP * och typ 2 diabetes - Studier bland fiskarfamiljer Typ 2 diabetes ↑ POP nivåer a) b) Samband!! - Kausalitet?? ↑ POP nivåer Typ 2 diabetes *POP = Persistent Organochlorine Pollutants, t ex PCB, DDT, Dioxin, …

10 Tvärsnittsstudier Sammanfattning: - Snabbt/enkelt! - Selektion? - Kausalitet/tolkning?

11 Kohortstudier (Follow-up studies) Kohort : grupp med någon gemensam egenskap (ex födelseår, rökare, yrke, vegetarianer, …) Syfte : mäta och vanligtvis jämföra incidensen i flera kohorter

12 Kohortstudier Population (alla friska) tid Oexponerade/ Lågt exponerade Högexponerade Oexponerade/ Lågt exponerade Högexponerade SJUKA

13 Retrospektiv (historisk) Prospektiv Kohort Fall registreras (död/sjukdom) Kohort Fall registreras (död/sjukdom) tid Nutid Kohortstudier

14 Exempel: POP och Typ 2 diabetes WHILA-kohorten (=Women Health In Lund Area) Kvinnor i Lundaregionen Ålder år Intervjuade Blodprov ~7000 kvinnor *POP = Persistent Organochlorine Pollutants, t ex PCB, DDT, Dioxin, …

15 Kohortstudier Exempel: POP och typ 2 diabetes Population: WHILA (dvs de utan typ 2 diabetes vid baseline) tid Låga POP-nivåer (PCB, DDE) Höga POP-nivåer Typ 2 diabetes Låga POP-nivåer (PCB, DDE)

16 Kohortstudier Att tänka på: 1. Vem ska inkluderas i kohorten? 2. Tidpunkt för inträde/utträde ur kohorten. 3. Uppföljning a. vitalstatus b. tidpunkt för fall c. eventuell annan information 4. Kodning av fall 5. Speciella jämförelsegrupper

17 Kohortstudier - Vanlig sjukdom - Ovanlig exponering Vad gör man om: - ovanlig sjukdom - exponeringsinformation dyrt/tidskrävande ?

18 Kohortstudier Exempel: POP och typ 2 diabetes Population: WHILA (dvs de utan typ 2 diabetes vid baseline) tid Låga POP-nivåer (PCB, DDE) Höga POP-nivåer Typ 2 diabetes Låga POP-nivåer (PCB, DDE) Kostnad: Varje analys kostar ca 1000 kr 7000 individer => DYRT !!!

19 Fall-kontrollstudier Population FALL Kontroller FALL: De individer som fått den sjukdom vi studerar. KONTROLLER: De individer som inte fått den 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,…)

20 Fall-kontrollstudie Samband mellan långlivade miljögifter (POP) och risken att utveckla typ 2 diabetes Fall-kontrollstudie inom WHILA-kohorten (Women’s Health In Lund Area) Fall: Kvinnor inom WHILA-kohorten som utvecklat typ 2 diabetes Kontroller: Kvinnor inom WHILA-kohorten som INTE utvecklat typ 2 diabetes POP analyseras i sparade blodprov

21 Fall-kontrollstudier Population = WHILA-kohorten FALL Kontroller FALL: De kvinnor i WHILA-kohorten som fått diagnosen typ 2 diabetes efter baseline-undersökningen. KONTROLLER: Kvinnor från WHILA-kohorten som inte fått diagnosen typ 2 diabetes. VÅR UPPGIFT: Ta reda på exponerings- fördelningen hos fallen och kontrollerna. Med andra ord: Skiljer sig andelen högexponerade hos fallen jämfört med kontrollerna?

22 Fall-kontrollstudie RESULTAT FALL Kontroller - Totalt hade vi 371 fall och lika många kontroller - Om vi inkluderade alla i analysen såg vi inget samband mellan exponering och risken att utveckla typ 2 diabetes. - Men om vi endast såg på de ”seten” där fallen fick sin diabetes ≥7 år efter baseline- undersökningen visade det sig att de kvinnor med de högsta nivåerna av p,p’-DDE hade ca 5 gånger ökad risk att utveckla typ 2 diabetes jämfört med de med lägre p,p’-DDE- nivåer. Rignell-Hydbom et al. PLoS One 2009 Oct 19;4(10):e7503

23 Hur skattar man den relativa risken i fall-kontrollstudier?

24 ODDS E+E- D D Sannolikhet för händelse genom sannolikhet för ej händelse Oddset att vara sjuk (D+) givet att man är exponerad (E+): (100/150) / (50/150) = 100/50 = 2 Oddset att vara sjuk (D+) givet att man är oexponerad (E-) (10/110) / (100/110) = 10/100 = 0.1

25 Oddskvot (Odds Ratio, OR) Man kan få ett relativt riskmått genom att beräkna kvoten mellan två odds Denna kvot kallas oddskvot (odds ratio = OR) Om oddset för (S+|E+) är 2 och oddset för (S+|E-) är 0.1 blir oddskvoten 2/0.1=20 Detta tolkas som att exponerade (E+) har 20 gånger så stor risk att vara sjuka som oexponerade (E-)

26 Beräkna oddkvoterna för a)”Medel” jämfört med ”Låg” b)”Hög” jämfört med ”Låg” Tolka resultaten! POP Låg POP Medel POP Hög Fall = kvinnor som utvecklat typ 2 diabetes Kontroller = kvinnor som INTE utvecklat typ 2 diabetes 100 Fall-kontrollstudie – Beräkning av OR (exempel)

27 Felkällor Tillfälliga fel Minskar om stickprovet görs större Statistisk osäkerhet – stickprovsfel Felets storlek avspeglas i konfidensintervallets bredd. Större osäkerhet i fall-kontroll än i kohortstudier. Systematiska fel Snedvridning av resultat (bias) Minskar ej med ökande stickprovsstorlek Avspeglas ej i konfidensintervallets bredd

28 Tillfälliga fel Mätfel, fel svar Felklassificering av exponering/kohorttillhörighet Diagnos ej registrerad eller felaktig Fel av slumpmässig natur och som är oberoende av exponeringsstatus, sjukdomsstatus (non-differential) Tenderar oftast att försvaga sambandet mellan exponering och utfall

29 Systematiska fel Fel som är beroende av exponeringsstatus och/eller sjukdomsstatus (differential) Kan försvaga såväl som förstärka sambandet mellan exponering och utfall Selektionsfel - Vem väljer att deltaga? - Vem deltar men hoppar över vissa frågor? Informationsfel - selektiv ihågkommelse - olika insamlingsmetoder Confounding (störfaktorer/förväxlingseffekter)

30 - Formulering av hypoteser - Konfidensintervall - p-värden Tre centrala begrepp

31 Formulering av hypoteser Nollhypotes (H 0 ) ’konservativt formulerad’ –Ingen skillnad mellan grupperna –Ingen effekt av behandlingen –Ingen förändring över tiden –etc. H 0 prövas (testas) mot alternativhypotes (H 1 ) –Vanligen formulerad som nollhypotesens motsats (dubbelsidigt test)

32 Konfidensintervall (KI) Ett intervall som med en fastställd säkerhet (ex. 95%) täcker det ”sanna” värdet Konfidensintervallets bredd speglar osäkerheten i undersökningsresultatet

33 Ex. 95% konfidensgrad Täcker Täcker inte Täcker Det ”sanna” värdet Vi kan förvänta oss att 95% av intervallen täcker det sanna värdet

34 P-värde (p=probability) P-värdet = Sannolikheten att erhålla ett minst lika extremt resultat som vi erhållit i undersökningen om nollhypotesen är sann.

35 Utfall och verklighet H 0 sannH 1 sann H 0 förkastas ej OK Felaktig slutsats (typ II) H 0 förkastasFelaktig slutsats (typ I) OK Verklighet Utfall

36 Diskutera med bänkgrannen… Konfidensintervall kring genomsnittlig effekt samt p-värden för nollhypotesen "Ingen effekt" i fem olika undersökningar A - E. Kombinera ihop rätt undersökning (A-E) med rätt påstående (1-5): 1. Behandlingseffekt kan ej påvisas men kan inte heller uteslutas 2. Klinisk betydelsefull effekt antyds men är statistiskt osäker 3. Behandlingseffekt statistiskt säkerställd, osäkert om effekten är klinisk betydelsefull 4. Klinisk betydelsefull effekt som är statistiskt säkerställd 5. Behandlingseffekt statistiskt säkerställd, klinisk betydelsefull effekt kan uteslutas

37 Sammanfattning P-värde: Sannolikheten att erhålla ett lika extremt eller extremare resultat än det vi erhållit Konfidensintervall: Ett 95% konfidensintervall täcker med 95% säkerhet det ”sanna” värdet Varför behövs konfidensintervall? Vad tillför det jämfört med ett p-värde?


Ladda ner ppt "Läkarprogrammet – Termin 5, Ht 2013 Lars Rylander Avdelningen för arbets- och miljömedicin, Lund E-post: Tel: 046 – 222 1631 Epidemiologi."

Liknande presentationer


Google-annonser