Forskningsmetodik för ST-läkare Epidemiologi Forskningsmetodik för ST-läkare 2017-03-08, Peter Garvin

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

Epidemiologi ’Läran om det som är bland folk’ Kartläggning och analys Bygger på observationer i en verklig kontext Ej skapad miljö Faktorer utifrån tid, plats och individ bygger upp slutsatser om det utfall som studeras, inte sällan i relation till någon nyttig eller skadlig exponering. Tid Plats Individ

Epidemiologi Sju huvudsakliga användningsområden ’Läran om det som är bland folk’ Sju huvudsakliga användningsområden Hälsoutveckling över tid Nuvarande och förväntad hälsostatus i samhället Bedömning av hälso- och sjukvårdsinsatser/strukturer Identifiera förstadie till eller samvariation med sjukdom (yttre faktorer eller beteenden) Identifiera sjukdom i tidig progress Individuell riskbedömning Finna orsaker till uppkommen sjukdom Deskriptiv epidemiologi Analytisk epidemiologi

Deskriptiv epidemiologi Att kartlägga utfall (eller exponering) Två olika angreppssätt, två olika rater Hur många sjuka (har tillståndet) just nu? 2. Hur många kommer att insjukna under en given tidsperiod framåt? Proportion Andel fall Prevalens Proportion Andel fall Periodprevalens Event rate Antal fall per person och år Incidens Proportion Andel fall under en given tidsperiod Kumulativ incidens

Om prevalens och incidens, exempel demens Ökar eller minskar förekomsten av demenssjukdomar i Sverige? Minskad risk att drabbas av demens Publicerad 2015-08-21 05:41 http://www.dn.se/nyheter/sverige/minskad-risk-att-drabbas-av-demens/ Allt färre drabbas av demens – stick i stäv mot vad man tidigare trott. Förbättrade levnadsvillkor tros vara orsaken. ”Det är inte lika vanligt i dag som för 20 år sedan”, säger professorn Ingmar Skoog. I dag lider cirka 160.000 svenskar av demens, en siffra som tros öka till 250.000 år 2030 enligt en prognos från Socialstyrelsen. Dementia in western Europe: epidemiological evidence and implications for policy making. Lancet Neurology 2015 doi: 10.1016/S1474-4422

Deskriptiv epidemiologi Viktig problematisering: Registreringskultur Vad rapporteras och hur? Täckningsgrad - systematik Ex Huvuddiagnos – bidiagnos Ex KVÅ-koder Ex gränssnittsstyrd rapportering Kan man lita på rapportering? Lokala skillnader? Kulturella skillnader? Politisk styrning som påverkar 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?

Deskriptiv epidemiologi och ranking Diplom till vårdcentraler [2017-03-02] lisa. Sex vårdcentraler med särskilt goda resultat i den nationella patientenkäten för primärvården har i veckan uppmärksammats lite extra. När ledningarna för länets vårdcentraler i veckan samlades till primärvårdsforum passade hälso- och sjukvårdsnämndens ordförande Christoffer Bernsköld (S) på att uppmärksamma de vårdcentraler som fått särskilt goda resultat i den senaste nationella patientenkäten. Vårdcentralerna Åby, Johannelund och Skänninge toppar listan med de mest nöjda patienterna. Även Östertull, Kärna och Trädgårdstorget, de tre vårdcentraler som förbättrat sina resultat mest sedan förra patientenkäten, uppmärksammades.  

Deskriptiv epidemiologi Exempel läkartidningen 46/2015 ”Rankinglistor är inte att lita på” Andel patienter med urinblåsecancer i tumörstadium T2–T4 som genomgår kurativt syftande behandling. Öppna jämförelser 2014 (gul) jämfört med medelvärde av 1 000 simuleringar. (turkos) 

Tolkning av presenterade data Exempel: Undvikbar död i hälso- och sjukvården Källa: kolada.se (SKL) Figur 1. Utvalda regioner 2014. Antal fall per 100 000 invånare

Tolkning av presenterade data Exempel: Undvikbar död i hälso- och sjukvården Källa: kolada.se (SKL) Figur 2. Utvalda regioner 2014 och 2013. Antal fall per 100 000 invånare

Tolkning av presenterade data Exempel: Undvikbar död i hälso- och sjukvården Källa: kolada.se (SKL) Figur 3. Utvalda regioner 2014 och 2004. Antal fall per 100 000 invånare

Tolkning av presenterade data Exempel: Undvikbar död i hälso- och sjukvården Källa: kolada.se (SKL) Figur 4. Utvalda regioner, tidstrend mellan 2006 och 2014 . Antal fall per 100 000 invånare

Tolkning av presenterade data Exempel: Undvikbar död i hälso- och sjukvården Källa: kolada.se (SKL) Figur 4. Utvalda regioner, tidstrend mellan 2003 och 2014 . Antal fall per 100 000 invånare

Deskriptiv epidemiologi Stabila kriterier Låg täckningsgrad Hög täckningsgrad Kriterier som kräver antaganden Av den som frågar/profession Av den som svarar/patient

Deskriptiv epidemiologi, ex BMI och fysisk aktivitet Stabila kriterier BMI Låg täckningsgrad Hög täckningsgrad Kriterier som kräver antaganden Av den som frågar/profession Av den som svarar/patient

Deskriptiv epidemiologi, ex BMI och fysisk aktivitet Stabila kriterier BMI Låg täckningsgrad Hög täckningsgrad Fysisk aktivitet Kriterier som kräver antaganden Av den som frågar/profession Av den som svarar/patient

Definition av utfall Hur vanligt är det med depression? Sjukdom/tillstånd. ’Har’ eller ’har inte’. Ex. enkätstudie i Östergötland, svarsfrekvens 62% Vilken definition är mest relevant? Kan vara olika i olika situationer Beroende av forskningsfråga Sjuk (’har’) Frisk (’har inte’)

Definition av utfall Hur vanligt är det med depression? Sjukdom/tillstånd. ’Har’ eller ’har inte’. Ex. enkätstudie i Östergötland, svarsfrekvens 62% Bortfallsanalys! Kan vara förödande om man vill generalisera deskriptiv statistik (’Hur vanligt är det med depression i Östergötland?’) Sjuk (’har’) Frisk (’har inte’)

Relativa och absoluta tal Exempel: Risk att drabbas av multipel skleros i en grupp narkos- sjuksköterskor i jämförelse med en grupp lärare Yrke total n n MS rater (kumulativ incidens) Narkossjuksköterska 997 4 R1= 4/997; 0,004012 Lärare 30402 51 R0= 51/30402; 0,001678 Ratkvot (rate ratio) : R1/R0; 2.39 ”Den relativa risken för MS är 2.4 i jämförelse med lärare” Ratdifferens: R1-R0; 0.002335 ”Det finns 2.3 extra fall per 1,000 narkossjuksköterskor i jämförelse med lärare

Relativa och absoluta tal Lancet. 2015. Long working hours and risk of coronary heart disease and stroke www.thelancet.com/journals/lancet/article/PIIS0140-6736%2815%2960295-1/abstract Relativ risk 1.33. Ökning med 33% i jämf med ref.grupp Absolut risk 1.8%. Ökning med 0.7 procentenheter i jämf med ref.grupp

Studiedesign Sex olika designtyper Gemensamt syfte: Att studera samband mellan exponering och utfall Gemensamt problemområde: Klassificering av exponering. Definition av utfall Exponering Sjuk (’har’) Frisk (’har inte’) Ej exponering

Studiedesign Vikten av en epidemiologisk modell Hur hänger det vi ska studera ihop med varandra? Latenstid? Enkelriktad eller dubbelriktad association? Hur hänger det vi ska studera ihop med andra faktorer? Effektmodifiering? Confounder? Exponering Sjuk (’har’) Frisk (’har inte’) Ej exponering

Studiedesign Confounding Interaktion (eller effektmodifiering) inträffar när en tredje variabel har inflytande på sambandet mellan den studerade exponeringen och utfallet Intressant fynd som ökar förståelsen - relevant Confounding En confounder samvarierar både med exponering och med utfall. Påverkar riskestimat Faktor som stör tolkning – behöver justeras för. Studiespecifik. Beror alltid på populationsurval och studiedesign

Ateoretisk tolkning Två fenomen associeras med varandra för att de observeras samtidigt, eller den ena tätt efter den andra Lkpg 2016-08-10 Observationer utan en teoretisk modell = Absurda diskussioner om värdet av observationsstudier Diskussioner om oklar temporalitet Observationer förankrade i en teoretisk modell = Enkelt att förhålla sig till slumpmässiga fynd Av stor vikt för datainsamling och analys Underlättar tolkningen av fynden

Ekologisk studie Samband mellan exponering och utfall på aggregerad nivå Alltid aggregerad nivå. Genomsnitt och/eller proportioner i grupper Hög andel sjuka . . . . . . . . . . . . . . . . . . . Låg andel sjuka Låg grad av exponering Hög grad av exponering

Ekologisk studie Korrelation? www.gapminder.org ”De flesta av oss klarar inte schimpanstestet”

Tvärsnittsstudie Skattning av relativ risk, RR Ett mättillfälle Samband mellan exponering och utfall på individnivå Tvärsnitt härleds från att exponering och utfall mäts vid samma tillfälle Förväxla inte frånvaro av tidsaxel med att man aldrig kan resonera om temporalitet Studiepopulation observeras och kategoriseras Sjuk (’har’) Exponering Frisk (’har inte’) Utvärdering Skiljer det sig mellan grupperna? Skattning av relativ risk, RR a/e i förhållande till b/f Sjuk (’har’) Ej exponering Sjuk (har) Frisk (har inte) Total Exponerad a c e (a+c) Ej exponerad b d f (b+d) g h i Frisk (’har inte’) Hypotes prövas

Tvärsnittsstudie med fler mättillfällen Ett mättillfälle Avslutande mättillfälle Jämförelse över tid Studiepopulation observeras och kategoriseras Sjuk (’har’) Sjuk (’har’) Exponering Exponering Frisk (’har inte’) Frisk (’har inte’) Utvärdering Skiljer det sig mellan de olika tillfällena? Sjuk (’har’) Sjuk (’har’) Ej exponering Ej exponering Frisk (’har inte’) Frisk (’har inte’) Hypotes prövas Hur hänger de studerade studiepopulationerna ihop? Samma ex. uppföljning av definierad enhet Innesluten ex. uppföljning med bortfall Separerad ex. enkätutskick till befolkning

Kohortstudie Skattning av hazardkvot, HR Första mättillfälle Avslutande mättillfälle Uppföljning över tid Studiepopulation observeras och kategoriseras Studiepopulation observeras och kategoriseras Exponering Sjuk (’har’) Utvärdering Skiljer det sig mellan grupperna? Frisk (’har inte’) Ej exponering Hypotes prövas Samband mellan exponering och utfall på individnivå ’Prospektiv’ (framåtblickande) härleds från att utfall mäts efter exponering Skattning av hazardkvot, HR Skillnad i utveckling över tid?

Kaplan-Meier Ex. Uppföljning för tre exponeringsgrupper över tid

Kohortstudier - avarter Ett mättillfälle Avslutande mättillfälle Oegentlig uppföljning över tid Studiepopulation observeras och kategoriseras endast med avseende på exponering Studiepopulation observeras och kategoriseras med avseende på utfall Exponering Sjuk (’har’) Utvärdering Skiljer det sig mellan de olika tillfällena? Frisk (’har inte’) Ej exponering Hypotes prövas Oegentlig design i ’kohortstudier’ Inte någon sann uppföljning över tid. Bygger på prevalens vid avslutande mättillfälle, inte på incidens under uppföljning över tid

Kohortstudier - avarter Depression och subkulturen ’goth’ Lancet psychiatry 2015; 2:793-800. Risk of depression and self-harm identyfying with goth subculture: a longitudinal cohort study Undersökning i England (n=5,337) 15-åringar tillfrågas vid i skolan angående kulturell identitet Depressiva symptom kartläggs 3 år senare Läkartidningen 37/2015: ”Självskadebeteende och depression vanligt hos gothare” ladyamaranth.com diaryofdreams.de

Kohortstudier - avarter Hur definieras ’goth’? En av åtta definierade grupper (fokusgrupp) ’Sporty’, ’Populars’, ’Skaters’, ’Chavs’, ’Loners’, ’Keeners’, ’Bimbos’, ’Goths’ ”Is there a group of teens in school or neighbourhood with the reputation of rebelling against the norm (in clothing or ideas, for example), or in attempting not to conform to social ideas (eg the ’goths’)? How much do you identify with the goths? ? ladyamaranth.com diaryofdreams.de

Kohortstudier - avarter

Kohortstudier - avarter

Kohortstudier - avarter ”Those who were very much identified as being a goth were more than three times likely to have score in the clinical range of depression”

Kohortstudier - avarter ”Listening to repeated music from the goth genre might lower mood and exacerbate symptoms of depression” ”Working with young people in the goth community to identify those at risk of depression and self-harm and provide support might be effective” I läkartidningen: ”Oxford Dictionary definierar en gothare som en medlem av en subkultur som gillar svarta kläder, vitt och svart smink samt gothmusik”

Fall-kontrollstudie Skattning av oddskvot, OR Nytt mättillfälle på historiska data Första mättillfälle Tid som passerar Studiepopulation observeras och kategoriseras Studiepopulation observeras och kategoriseras Exponering Sjuk (’har’) Utvärdering Skiljer det sig mellan grupperna? Frisk (’har inte’) Ej exponering Hypotes prövas Samband mellan exponering och utfall på individnivå ’Retrospektiv’ (bakåtblickande) härleds från att utfall mäts före exponering Skattning av oddskvot, OR Mer sannolikt att vara exponerad i den sjuka gruppen?

Fall-kontrollstudie Viktigaste skillnad mellan fall-kontroll och övriga studier: Studiepopulationen definieras utifrån fallen, kontrollerna matchas Samband kan utvärderas utifrån oddskvoter, men prevalenser, incidenser och derivat från dessa är sannolikt inte representativa Fall-kontrollstudie Fall Kontroll Exponerad a c Ej exponerad b d Skattning av oddskvot a/b i förhållande till c/d Sjuk (har) Frisk (har inte) Total Exponerad a c e (a+c) Ej exponerad b d f (b+d) g h i Övriga typer av studiedesign Skattning av relativ risk a/e i förhållande till b/f

Randomiserad kontrollerad studie Första mättillfälle Avslutande mättillfälle Uppföljning över tid Studiepopulation observeras och kategoriseras Exponering Sjuk (’har’) Utvärdering Skiljer det sig mellan grupperna? Frisk (’har inte’) Ej exponering Hypotes prövas Den viktigaste skillnaden mellan RCT-studier och kohortstudier: I RCT-studier tilldelas en exponering till vissa (aktiv manipulation), i kohortstudier observerar man vilka som har en exponering Metodologin är annars likartad vad gäller själva uppföljningen.

Exempel RCT i en verklig kontext Offensiv taktik Defensiv taktik Lag 1. Team Garvin Lag 2. Team Zlatan

Exempel RCT i en verklig kontext Defensiv taktik Offensiv taktik Lag 1. Team Garvin Lag 2. Team Zlatan

Exempel RCT i en verklig kontext Randomiseringen medför inte per automatik att man har högre grad av kontroll. Istället kan nya systematiska fel införas. Ingen hänsyn till humankapital och kompetens Man missar att ”allt verkligt liv är möte” [Martin Buber] Enstaka personer har betydelse för utfall, oberoende vilken grupp de har lottats att tillhöra. Spill-over effekt Den grupp som inte får den nya behandlingen söker andra sätt att ändå tillgodoräkna sig den. Skevhet i bortfall Större risk att de som lottats till att vara kontroller inte slutför studien. Har dessa samma sjukdomsbörda som de som fullföljer? Substitut-intervention? Jämförelse mot annan intervention som fungerar? Måste man verkligen ha informerat samtycke av studiedeltagare som lottas till att ingå i en grupp utan intervention/förändring?

Kvasi-experimentell studie Om en eller två av de uppställda kriterierna för en experimentell situation inte uppfylls: Manipulation Kontrollerad 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 Exempel: Intervention genomförs i en stad för att minska antal bilolyckor. En annan stad följs upp för att ha kontroll över förändring i rater som inte har med intervention att göra. Att bara jämföra två städer med varandra är inte ett kvasi-experiment.

Vilken är bäst av de här?

Vilken är bäst av de här? Type of evidence www.gradeworkinggroup.org Randomized trial = high Observational study = low Any other evidence = very low Från författarinstruktioner The Lancet: ”For research papers, which will usually be randomised controlled trials, The Lancet will publish a peer-reviewed manuscript within 4 weeks of receipt” RCT>kohort>fall-kontroll>kvasi-experimentell>tvärsnitt>ekologisk En båt är bättre än en bil är bättre än en häst är bättre än en cykel. ALLTID mer relevant att studera och reflektera kring styrkor och svagheter i den aktuella designen än att kategoriskt rangordna enligt rådande paradigm

Om behovet av teoretiska modeller Många områden som inte kan beforskas med hjälp av RCT-studier Beroende på sjukdomsförlopp ex. Sjukdomar/tillstånd med lång latensperiod ex. Sjukdomar/tillstånd med låg prevalens ex. Sjukdomar/tillstånd i komplex anamnes (ko-morbiditet, multipla orsaker, läkemedelsinteraktioner) Beroende på sociala konstruktioner (som påverkar hälsoutveckling) ex. Politiska beslut och åtgärder ex. Socioekonomisk status ex. Organisationsförändringar inom hälso- och sjukvård ex. Psykosocial arbetsmiljö eller hemmiljö

Verklig kontext vs. skapad miljö Epidemiologi: Observationer i verklig miljö Experiment: Observationer i skapad miljö “Om du vill försöka förstå världen, måste du skåda världen” “Mycket kan förklaras i reducerade miljöer där vi kan ha kontroll och minimera systematiska fel”

Verklig kontext vs. skapad miljö Epidemiologi: Observationer i verklig miljö Experiment: Observationer i skapad miljö “Om du vill försöka förstå världen, måste du skåda världen” “Mycket kan förklaras i reducerade miljöer där vi kan ha kontroll och minimera systematiska fel” “Mycket kan förklaras i reducerade miljöer där vi kan ha kontroll och minimera systematiska fel”

Epidemiologi Kom ihåg: Man kan komma långt i sin förståelse genom att ”enbart” studera deskriptiv epidemiologi Vad som verkligen är avgörande för en studies kvalitet Relevant datainsamling Variabler vars innehåll man kan lita på Genomtänkt och välgrundad analys Om en faktor inte har studerats, ska man inte heller dra några slutsatser därom Det är en förenkling och inte sällan begränsande för det kritiska tänkandet att utgå från att en studiedesign alltid är bättre än en annan typ av design.