Presentation laddar. Vänta.

Presentation laddar. Vänta.

Epidemiologi Grundläggande forskningsmetodik för ST-läkare Peter Garvin FoU-enheten för Närsjukvården i Östergötland.

Liknande presentationer


En presentation över ämnet: "Epidemiologi Grundläggande forskningsmetodik för ST-läkare Peter Garvin FoU-enheten för Närsjukvården i Östergötland."— Presentationens avskrift:

1 Epidemiologi Grundläggande forskningsmetodik för ST-läkare Peter Garvin FoU-enheten för Närsjukvården i Östergötland

2 Upplägg Epidemiologi som forskningsmetod Deskriptiv epidemiologi i klinisk vardag Analytisk epidemiologi – vanliga fällor

3 Epidemiologi – vad är det? epi = bland, på, i demos = folk logos = läran om ”Läran om det som är bland folk.” Läran om sjukdomars utbredning i befolkningen Bred ansats. Går det att koppla en viss egenskap till ett visst tillstånd/sjukdom genom observationsstudier?

4 John Snow’s karta. Där det började

5 Epidemiologi och studiedesign Epidemiologi – ett av tre ben Epidemiologi i normalbefolkning Kliniska studier Experiment

6 Uppfattningar om ett fenomen stärks om studier från alla tre angreppssätt kan ge stöd. Epidemiologi i normalbefolkning Kliniska studier Experiment Epidemiologi och studiedesign Epidemiologi – ett av tre ben

7 Epidemiologi i normalbefolkning Kliniska studier (RCT) Experiment Epidemiologi och studiedesign Epidemiologi – ett av tre ben Största (möjliga) styrka: Kontroll på exponering och effekt Definiera biologisk plausibilitet och mekanismer Största (möjliga) styrka: Observerar hur det ser ut i verkligheten Största (möjliga) styrka: Kontroll på exponering och effekt

8 Epidemiologi i normalbefolkning Kliniska studier (RCT) Experiment Epidemiologi och studiedesign Epidemiologi – ett av tre ben Största (möjliga) brist: Kontroll på exponering? Största (möjliga) brist: Är den experimentella situationen fysiologiskt relevant? Största (möjliga) brist: Överförbarhet av den specifika situationen? Korrekt att uttala sig om hur det ser ut utanför det tidsfönster man studerat?

9 I nuvarande paradigm är det uttalat så att en typ av metodik är bättre än en annan typ av metodik Epidemiologi i normalbefolkning Kliniska studier Experiment Epidemiologi och studiedesign Epidemiologi – ett av tre ben

10 Epidemiologi i normalbefolkning Kliniska studier (RCT) Experiment Epidemiologi och studiedesign Riktlinjer och guidelines, för att bedöma studiekvalitet ex. STROBE STrengthening the Reporting of OBservational studies in Epidemiology. ex. DOE (Design of Experments) Finns en mängd, beroende på vad man har som objekt, vad man studerar samt vilka metoder man använder, och ex. CONSORT, Consolidated Standards of Reporting Trials Olika studietyper kräver olika riktlinjer

11 Epidemiologi som forskningsmetod RCT: Kontrollerat försök med aktiv manipulation Exp+Exp- Utfall+ ac Utfall- bd

12 RCT – ideal experimentsituation ManipulationKontrollerad exponering till minst en av grupperna Kontrollgrupp För att säkerställa att det inte finns någon allmän trend som av misstag kan tillskrivas exponeringseffekter Randomisering För att säkerställa att det inte finns en systematisk skillnad mellan grupperna

13 ManipulationKontrollerad exponering till minst en av grupperna Kontrollgrupp För att säkerställa att det inte finns någon allmän trend som av misstag kan tillskrivas exponeringseffekter Randomisering För att säkerställa att det inte finns en systematisk skillnad mellan grupperna Observationsstudier Epidemiologi – i förhållande till ideal experimentsituation

14 Inte möjligt att genomföra en klinisk studie eller experminent i alla lägen: Sociala konstruktioner och interaktion som påverkar hälsoutveckling ex. Politiska beslut och åtgärder ex. Socioekonomisk status ex. Verbala eller fysiska trakasserier ex. Psykosocial arbetsmiljö eller hemmiljö Epidemiologi i normalbefolkning Epidemiologi och studiedesign Epidemiologi – ibland finns det bara ett ben

15 Inte möjligt att genomföra en klinisk studie eller experminent i många lägen: Beroende på etiologi ex. sjukdomar med lång latenstid ex. sjukdomar med låg prevalens ex. Sjukdomar som ofta är en del av en komplicerad anamnes (multisjuka, komplexa riskfaktorsmönster) Beroende på etiskt förhållningssätt Mycket svårare att försvara en RCT som bygger på en riskfaktor och inte på ett skyddande läkemedel observationsstudier Epidemiologi som forskningsmetod

16 Vilka av följande riskfaktorer för hjärtinfarkt skulle man kunna studera i en klinisk studie och påvisa kausalitet? Blodfetter Blodtryck Diabetes Epidemiologi och studiedesign Epidemiologi – ibland finns det bara ett ben Rökning Alkohol Fysisk aktivitet BMI / midja Kost Psykosociala faktorer

17 Hill’s kriterier Grundtanke: Vi behöver kunna resonera om orsak och verkan också i sammanhang med forskningsfrågor som inte kan lösas med RCT. Läs originaltext! Proceedings of the Royal Society of Medicine, 58 (1965),

18 Hill’s kriterier Genomslaget så stort att alla som kommer i kontakt med klinisk, experimentell eller epidemiologisk forskning bör känna till innebörden. En av de mest felciterade artiklarna inom det medicinska forskningsområdet

19 Hill’s kriterier Nio olika utgångspunkter för att resonera om kausalitet. Hill använde aldrig själv begreppet “kriterier” för att beskriva sina tankar.

20 Hill’s kriterier “None of my nine viewpoints can bring indisputable evidence for or against the cause-and-effect hypothesis and none can be required as a sine qua non.” Proceedings of the Royal Society of Medicine, 58 (1965),

21 Vad Hill säger om experiment: “Occasionally it is possible to appeal to experimental, or semiexperimental, evidence. For example, because of an observed association some preventive action is taken. Does it in fact prevent? The dust in the workshop is reduced, lubricating oils are changed, persons stop smoking cigarettes. Is the frequency of the associated events affected? Here the strongest support for the causation hypothesis may be revealed.”

22 Vad SBU säger att Hill säger: (www.sbu.se)

23

24 Evidensvärdering av epidemiologi i hälso- och sjukvården. Nytt paradigm? Vad vi kan se i en bra epidemiologisk design Hur vi tror att det ser ut Vad vi kan se i en bra RCTHur vi tror att det ser ut

25 Nya rön i läkartidningen Epidemiologiska studier är den vanligaste typen av studiedesign som rapporteras Epidemiologi RCT Fallbeskrivningar Kvalitativa studier Hälsoekonomiska studier

26 Deskriptiv epidemiologi Kan man lita på rapportering? Lokala skillnader? Kulturella skillnader? Politisk styrning av rapportering? Bortfall och underrapportering? Diagnoskriterier som ändras över tid? Uppdatering av ICD-koder /ICF / DSM Teknisk utveckling/ nya markörer Faktisk förändring av sjukdomsförekomst? Faktiskt förändring av exponeringsbild? Viktig problematisering:

27 Deskriptiv epidemiologi – lätt eller svårt att beskriva förekomst? Stabila kriterier Kriterier som kräver antaganden Av den som frågar Av den som svarar Hög täckningsgradLåg täckningsgrad

28 Deskriptiv epidemiologi – lätt eller svårt att beskriva förekomst? Stabila kriterier Kriterier som kräver antaganden Av den som frågar Av den som svarar Hög täckningsgradLåg täckningsgrad Exempel BMI och fysisk aktivitet hos unga

29 Deskriptiv epidemiologi – lätt eller svårt att beskriva förekomst? Stabila kriterier Kriterier som kräver antaganden Av den som frågar Av den som svarar Hög täckningsgradLåg täckningsgrad BMI Exempel BMI och fysisk aktivitet hos unga

30 Deskriptiv epidemiologi – lätt eller svårt att beskriva förekomst? Stabila kriterier Kriterier som kräver antaganden Av den som frågar Av den som svarar Hög täckningsgradLåg täckningsgrad BMI Fysisk aktivitet Exempel BMI och fysisk aktivitet hos unga

31 Deskriptiv epidemiologi – lätt eller svårt att beskriva förekomst? Stabila kriterier Kriterier som kräver antaganden Av den som frågar Av den som svarar Hög täckningsgradLåg täckningsgrad Astma? Exempel Astma och allergi Klinisk diagnos eller självrapporterad?

32 Deskriptiv epidemiologi – lätt eller svårt att beskriva förekomst? Stabila kriterier Kriterier som kräver antaganden Av den som frågar Av den som svarar Hög täckningsgradLåg täckningsgrad Depression? Exempel Depression Definition är avgörande!

33 Deskriptiv epidemiologi Exempel: Diagnoser enligt ACG ”Rätt diagnos - rätt ersättning” "ACG” (Adjusted Clinical Groups) är en metod som kan användas såväl för att beskriva hälsotillstånd i befolkningen som för att fördela sjukvårdsresurser efter förväntad vårdtyngd, med utgångspunkt i registrerade diagnoser. Det utgör en viktig komponent i beräkning av ersättning till vårdcentralerna inom VG Primärvård, då hälften av vårdpengen baseras på de diagnoser som registreras inom primärvård.

34 Sverige Källa: WHO Mortality data base Ex-Sovjet 1990 årtal Insjuknande i hjärtinfarkt Exempel deskriptiv epidemiologi

35 Analytisk epidemiologi exponering och utfall är breda begrepp som kan observeras i verkligheten Vad orsakar att befolkningen mår som den gör? kemikalie  cancer medicinering  benskörhet depression  högre återinläggning tillit i förlossning  högre APGAR stress hos föräldrar  fetma hos barn timmar vid skärmen  sämre sårläkning

36 Rater – bygger upp riskbegreppet Kan man lita på rapportering? Lokala skillnader? Kulturella skillnader? Politisk styrning av rapportering? Bortfall och underrapportering? Diagnoskriterier som ändras över tid? Uppdatering av ICD-koder Teknisk utveckling/ nya markörer Problematisering (utgår från deskriptiv epidemiologi): Två aspekter av risk som kompletterar varandra 1.Absolut risk – hur vanligt är det?

37 Rater – bygger upp riskbegreppet Två aspekter av risk som kompletterar varandra 2. Relativ risk Ratkvoter. Eng= rate ratio En jämförelse mellan antalet inträffade händelser i två olika grupper. Om denna är =1,00 är det ingen skillnad mellan grupperna vad gäller sjuklighet rat i grupp a rat i grupp b = ratkvot

38 Skillnad mellan grupper, forts Oddskvoter. (Fall-kontroll-studier och/eller logistisk regression) OR= 1.00 Det finns ingen skillnad mellan grupperna OR= högre eller lägre, med konfidensintervall som överlappar 1.00 Det finns ingen skillnad mellan grupperna OR= högre eller lägre, med konfidensintervall som inte överlappar 1.00 Det finns en skillnad mellan grupperna

39 Flera olika namn för samma sak Proportional Hazard models Cox proportional hazards model Cox regression model Används i överlevnadsanalyser (survival analyses) Är det mer sannolikt att dö under en uppföljningstid i den exponerade gruppen? Är det mer sannolikt att få en sjukdom under en uppföljningstid i den exponerade gruppen? Hur mycket mer sannolikt? Uttrycks som Hazard Ratio. Skillnad mellan grupper över tid

40 Avancerad matematik, men enkel tolkning (se OR) HR= 1.00 Det finns ingen skillnad mellan grupperna HR= högre eller lägre, med konfidensintervall som överlappar 1.00 Det finns ingen skillnad mellan grupperna HR= högre eller lägre, med konfidensintervall som inte överlappar 1.00 Det finns en skillnad mellan grupperna Cox regression models

41 Conclusion: Stroke incidence increased in Sweden for both men and women between 1989 and The increase was larger among women. This calls for action when it comes to studying risk factors and planning prevention and health promotion and indicates the need for gender-specific studies. inc –89*inc –00*ratio Women % Men % * per py, age yrs Relativa och absoluta jämförelser Exempel (Stroke 2004;35: )

42 inc –89*inc –00*ratioabs.dif Women %16.0 Men %19.1 Relativa och absoluta jämförelser Exempel (Stroke 2004;35: )

43 Vid ovanligt utfall eller ovanlig exponering kan det vara missvisande att bara göra en relativ jämförelse Faran är inte så stor eller akut som media vill göra gällande. Vid vanligt utfall kan det också vara missvisande att bara göra en relativ jämförelse Den relativa överrisken är liten, men antalet ”extrafall” som finns i den exponerade gruppen kan vara högt. För att kunna uttala sig om hur stort problemet är, behöver vi kunskap om hur vanligt utfallet är i den oexponerade gruppen. Absoluta och relativa risker

44 Rater – bygger upp riskbegreppet Bygger alltid på en jämförelse Mot vad? Relevant att göra jämförelse? Ålder- och könsfördelning? Generaliserbarhet? Exponering Är skillnaderna mellan grupperna relevant? Är gränsdragningen gjord på rätt ställe? Problematisering: Två aspekter av risk som kompletterar varandra 2. Relativ risk

45 Ekologiska studier

46 Tvärsnittsstudie Dator Ej dator Totalt Ryggbesvär Population Prevalensratkvot == 3,0 15/100 5/100

47 Kohortstudie EXPONERADE SJUKA OEXPONERADE FRISKA

48 Fall-Kontroll EXPONERADE SJUKA OEXPONERADE FRISKA

49 Epidemiologi i en social kontext Såväl exponering som utfall är till hög grad beroende av omgivande samhällsfaktorer. Ökad komplexitet vad gäller relevanta faktorer Har vi en gemensam bild av vilka faktorer som är relevanta för utfallet? Det man inte efterfrågar får man inte heller svar på Förutsätter medicinsk kompetens Rådande paradigm Även kvantitativ analys bygger ofta på att man ”tvingar in” kvalitativa data i en nominal, ordinal eller kontinuerlig skala.

50 Epidemiologi i en social kontext Evidens: Historiskt sett: Stort fokus på rangordning: Prospektiva studier Fall-kontroll Tvärsnitt Ekologiska

51 Epidemiologi i en social kontext Vad som egentligen är avgörande för studiens kvalitet: Relevant modell i design som förklarar samband Faktorer som inkluderas i datainsamling Relevanta mätmetoder Enkäter Självrapporterade utfall Register Relevant indelning av exponeringsgrupper Fysiologiskt relevanta skillnader? Förändring över tid?

52 Hot mot tillförlitligheten i epidemiologiska studier Slumpmässigavariationer En studies interna validitet beskriver hur nära dess resultat ligger SANNINGEN. Avvikelser från denna SANNING kan förklaras av tre saker: Kontrolleras med hjälp av Konfidensintervall Så stort material som möjligt Systematiska fel Tredje variabel Confounders Effektmodifierare Kontrolleras med hjälp av Osäkerhet rent matematiskt God kännedom om andra riskfaktorer än den som primärt studeras Bias Kontrolleras med hjälp av En strävan efter att minimera subjektivitet och godtycke

53 Konfidensintervall Ett riskestimat är ingenting värt om det inte presenteras tillsammans med ett konfidensintervall. Det finns många olika modeller som kan användas för att räkna fram konfidensintervall. Dess lämplighet i den givna situationen beror på hur studiematerialet ser ut. Faktorer som avgör bredden på konfidensintervallet: Materialets storlek. Materialets fördelning över strata. Antal variabler som man studerar.

54 Konfidensintervall Ett 95%-igt konfidensintervall är konstruerat så att det sanna värdet med 95% sannolikhet ligger inom det givna intervallet. Risk Konfidensintervall på genomförda studier. (Olika urval i samma population) Sant värde

55 Felaktiga slutsatser i små grupper? Varning för artiklar av typen ”Depression is associated with heart failure amongst men (p<0.05) but not amongst women (p=0.15)” Anledning att tro att det finns könsspecifika fysiologiska mekanismer? Kolla storlek på de olika grupperna!

56 ExponeringUtfall Tredje variabel, confounders och effektmodiferare

57 ExponeringUtfall Principskiss interaktion, effektmodifiering Utan effektmodifiering Med effektmodifiering Exponering Utfall E Exponering E Utfall Synergieffekt Antagonieffekt

58 ExponeringUtfall Principskiss confounding Utan studerad confounder Med confounder Exponering Utfall C Exponering C Utfall

59 Interaktion (eller effektmodifiering) uppstår när en tredje variabel modifierar sambandet mellan exponering och utfall Intressant biologiskt samband Interaktion, effektmodifiering Confounding En confounder är en riskfaktor för det studerade utfallet som samvarierar med den studerade exponeringen Faktor som stör tolkningen av resultaten. Studiespecifik, beroende på den valda studiepopulationen.

60 Bias –hot mot validiteten Ett systematiskt fel (ej slumpmässigt) i en studie som medför ett felaktigt riskmått i association mellan exponering och det studerade utfallet. Kan uppstå i: Studie- design ImplementeringAnalys Vanligaste bias sammanfattas i: Selektionsbias Informationsbias Recall bias.

61 Bias –hot mot validiteten Ett systematiskt fel (ej slumpmässigt) i en studie som medför ett felaktigt riskmått i association mellan exponering och det studerade utfallet. Kan uppstå i: Studie- design Exempel bias: att jämföra arbetande människor med arbetslösa människor. (Healthy worker- effekten). att göra en tvärsnittsstudie av anställda i en arbetsmiljö som orsakar ohälsa. ("unhealthy worker selection out of employment")

62 Bias –hot mot validiteten Ett systematiskt fel (ej slumpmässigt) i en studie som medför ett felaktigt riskmått i association mellan exponering och det studerade utfallet. Kan uppstå i: Implementering Exempel bias: Att endast undersöka de som deltar frivilligt i studien. Att ge information/intervention till de exponerade men ej till de oexponerade.

63 Bias –hot mot validiteten Ett systematiskt fel (ej slumpmässigt) i en studie som medför ett felaktigt riskmått i association mellan exponering och det studerade utfallet. Kan uppstå i: Analys Exempel bias: En forskare är sällan objektiv inför studiens resultat Man vill visa något eftersom man tror på sambandet och anpassar därför tolkningen eller materialet i analysen. Okunnighet i statistik och epidemiologi gör att man använder sig av metoder som inte är adekvata.

64 Att ha med sig: Tolkning av rater och ratkvoter. Problematisering av studiedesign, eventuella confounders och bias Reflektion över möjligheter och svårigheter att använda journalföring och patientregister för epidemiologiska undersökningar Det finns exempel på bra och dålig forskning inom alla studietyper. Var försiktig med att kategoriskt rangordna. Epidemiologi för ST-läkare


Ladda ner ppt "Epidemiologi Grundläggande forskningsmetodik för ST-läkare Peter Garvin FoU-enheten för Närsjukvården i Östergötland."

Liknande presentationer


Google-annonser