Seminarium Läkarprogrammet – Termin 5, VT 2015 Kristina Mattsson Avdelningen för Arbets- och miljömedicin, Lund E-post:

En presentation över ämnet: "Seminarium Läkarprogrammet – Termin 5, VT 2015 Kristina Mattsson Avdelningen för Arbets- och miljömedicin, Lund E-post:"— Presentationens avskrift:

1 Seminarium Läkarprogrammet – Termin 5, VT 2015 Kristina Mattsson Avdelningen för Arbets- och miljömedicin, Lund E-post: kristina.mattsson@med.lu.sekristina.mattsson@med.lu.se Epidemiologi (III)

2 Register och biobanker Att skriva artikel

3 Ny studie Data från register Data/prover från biobanker Data/prover från gamla studier Nya data: Enkäter Undersökningar Biologiska prover Varifrån kommer datan?

4 Svenska guldgruvor Register/biobank Tid Person- nummer

5 Nationella register i Sverige Medicinska register Medicinska födelseregistret(1973 -) –Missbildningsregistret (1964-) Cancerregistret (1958-) Dödsorsaksregistret (1952-) Läkemedelsregistret (2005-) Patientregistret (1964-) –Slutenvårdsregistret (1987-) –Öppenvårdsregistret (2005-) … Administrativa register Befolkningsregistret Multigenerationsregistret (1961-) Utbildningsregistret (1985-) … 1. Register i Sverige

6 Svenska kvalitetsregister 81 st register i drift (+ flera kandidatregister) Nationella diabetesregistret Svenska frakturregistret Kvalitetsregister för assisterad befruktning (IVF) Riks-Stroke Barnobesitasregistret Register för (massvis av) specifika cancerformer … och många fler! http://www.kvalitetsregister.se/hittaregister/allaregister.4.72f32ee2142b812430434f.html 1. Register i Sverige

7 Register – var finns dessa? 1)Socialstyrelsen (SoS) Cancerregistret Medicinska födelseregistret Dödsorsaksregistret … 2) Statistiska Centralbyrån (SCB) Befolkningsregistret Flergenerationsregistret Utbildningsregistret … 3) Sveriges Kommuner och Landsting (SKL) Ansvarar för våra nationella kvalitetsregister 1. Register i Sverige

8 Varför har vi register? “Hålla koll på” befolkningen avseende mortalitet och morbiditet Tillhandahålla deskriptiv statistik Utvärdera medicinsk service/vård Upptäcka allvarliga hälsoalarm Tillhandahålla data till forskning (risk- och friskfaktorer) 1. Register i Sverige

9 Varför har vi register? Statistik: kejsarsnitt i olika landsting 1. Register i Sverige

10 Varför har vi register? Statistik: cancerincidens och mortalitet 1. Register i Sverige

11 Varför har vi register? Exempel: Neurosedynskandalen Hade vi haft de register vi har idag 1959 hade Neurosedynkatastrofen antagligen kunnat stoppas ca 1 ½ år tidigare. 1. Register i Sverige

12 Varför har vi register? “[…] kvalitetsregisterforskningen publiceras i tidskrifter med i genomsnitt högre genomslagskraft än annan svensk klinisk forskning. “[…] de enskilda publikationerna från kvalitetsregistren får en högre genomsnittlig citeringsgrad än de som kommer från den övriga svenska kliniska forskningen.” Källa: Vårdanalys, rapporten “Registrera flera eller analysera mera?” 1. Register i Sverige

13 Varför har vi register? 1. Register i Sverige

14 Register i Sverige Hur kommer det sig att vi accepterar en så omfattande registrering av känsliga uppgifter? - Årtionden av historisk kontext! Inga krig Ingen korruption (Förhållandevis) effektiv byråkrati Högt förtroende för staten Fördelar med register kommuniceras ut till befolkningen Känslig data har ej (allvarligt) missbrukats 1. Register i Sverige

15 Varför använda registerdata? Populationsbaserat Stora kohorter! Billigt Data insamlad före utfall sker Deltagare vet ej om forskningsfrågan Ofta standardiserad inhämtning Samband som spänner över lång kan studeras 2. Registerdata - kvalitet

16 Är registerna något att ha? Så: massa data finns i register – men är den av tillräckligt bra kvalitet? Svar: Det beror på! 2. Registerdata - kvalitet

17 Rökdata i Medicinska födelseregistret 2. Registerdata - kvalitet

18 Registervalidering: datakällor Medicinska födelseregistret »Självrapporterad rökning Malmö Maternity Unit Serum Biobank »Serum från mor + barn vid förlossningen »Kotininnivåer (gold standard för nikotinexponering) 2. Registerdata - kvalitet

19 Resultat: validering av rökdata Medicinska födelseregistret Icke-rökareRökare Kotinin Icke-rökare1247 Rökare748 Kappa coefficient (  ) = 0.82. 5.3% av icke-rökarna var egentligen rökare. 87% av rökarna i tidig graviditet rökte vid tiden för förlossningen. Rökdata användbar! 2. Registerdata - kvalitet

20 Fallgropar med registerdata Siffrorna mäter inte alltid det vi tror de mäter! De flesta register är ej gjorda för forskning Potentiella problem »Täckningsgrad! –Vilka hamnar i registret och vilka missas? »Mätsätt/diagnoser ändras över tid »Manuella fel (överföring) 2. Registerdata - kvalitet

21 Fallgropar med registerdata Register påverkas av politik! Svenska abortregistret: –Syfte: “kunskapsunderlag till abortförebyggande arbete, forskning, samhällsinformation” –Totalt avidentifierade uppgifter Skulle Neurosedynkatastrofen upptäckts idag? 2. Registerdata - kvalitet

22 Fallgropar med registerdata Andel av den vuxna populationen i Skåne som sökt vård för nack- eller ryggvärk.* *Data från Skåne Health Care Register. Register påverkas av politik! 2. Registerdata - kvalitet

23 Fallgropar med registerdata Diagnostisk täckning i Skåne Health Care Register 1998-2011. 2. Registerdata - kvalitet

24 Biobanker i Sverige Biobank = samling av biologiskt material som kommer att förvaras >2 månader Provet måste kunna kopplas till en individ Medgivande erfordras ≈ 600 biobanker i Sverige 3. Biobanker i Sverige

25 Biobanker – typer Forskningsbiobanker Prov insamlas i ett forskningssyfte Donatorer tillfrågas ofta av särskilt skäl (tex att de har en viss sjukdom) Mycket information finns kopplad till provet Kliniska biobanker Prov samlas in inom hälsovården (för tex screening). Oftast befolkningsbaserad Minimalt med data kopplad till provet 3. Biobanker i Sverige

26 Vad studeras? Utgår från sjukdom: -Infektionssjukdomar -Diabetes -Tumörsjukdomar -Hjärt-/kärlsjukdomar -Reproduktionsstörningar -Psykiatriska sjukdomar. Utgår från exponering: -Arbete -Omgivningsmiljö -Kost -Livsstilsfaktorer. 4. Registerdata – forskningsfrågor

27 Vilka frågeställningar? Kan några register komma till användning här? 4. Registerdata – forskningsfrågor

28 Frisk som foster – frisk som vuxen 4. Registerdata – forskningsfrågor

29 Frisk som foster – frisk som vuxen Fosterutvecklingen – känslig period! Hälsoeffekter i vuxenlivet av miljön under fosterlivet Developmental Origins of Health and Disease (DOHaD) David Barker (1938-2013) 4. Registerdata – forskningsfrågor

30 Frisk som foster – frisk som vuxen Effekter av fostermiljö 4. Registerdata – forskningsfrågor

31 Livmodern skyddar ej mot allt! Kotininnivåer hos barnet: 88% av moderns nivåer. Exemplet tobaksrökning 4. Registerdata – forskningsfrågor

32 The Dutch Famine Studies Tysk ockupation  “Hungervintern” (nov 1944 – maj 1945) Daglig ranson: 400-800 kcal Svält under fostertiden: högre risk hjärt-kärlsjukdom i vuxen ålder 4. Registerdata – forskningsfrågor

33 Fostermiljön får effekter: men hur? Epigenetik! = Ärftliga förändringar i genuttryck som inte beror på förändringar i själva DNA-sekvensen. 4. Registerdata – forskningsfrågor

34 Studieexempel 1: Frågeställning Generation 1 graviditet Generation 2 vuxen Generation 2 graviditet ? 5. Registerdata – studieexempel

35 Medicinska födelseregistret Nationellt register sedan 1973. ≈ 98-99% av alla födslar inkluderade Info om modern, barnet, graviditeten och förlossningen Sedan 1982: rökning under graviditet Icke-rökare 1-9 cig/dag <9 cig/dag Data över flera generationer! 5. Registerdata – studieexempel

36 Studiepopulation Inklusionskriterier Kvinnor födda 1982 eller senare, som fått minst ett barn Komplett data på viktiga variabler Totalt 54 012 kvinnor 5. Registerdata – studieexempel

37 Studieexempel 2: Frågeställning Fall och kontroller liknande genetisk risk 5. Registerdata – studieexempel

38 Metod: datakällor Diabetes Prediction in Skåne (DiPiS) = Studiekohort  Alla barn med diabetes i Skåne födda 1999-2005  Kontroller, matchade för: –HLA-typ och födelseår Perinatal Revision Syd (register) = Kvalitetsregister Alla sjukhus i södra sjukvårdsregionen (≈ 20 000 födslar/år )  Rökdata 5. Registerdata – studieexempel

39 Familjebaserad design “Traditionell” design: jämförelse av individer från olika familjer. Familjebaserad design: jämförelse av individer från samma familj: tvillingar, syskon, kusiner. Varför? För att ta hänsyn till confounding från genetik/familjebakgrund. 5. Registerdata – studieexempel

40 Etiska aspekter kring registerforskning Känsliga data Brett samtycke Individer tillfrågas ej var för sig Opt-out-system Bakvägsidentifikation, särskilt vid: Ihoppkoppling av register Ovanliga utfall, sjukdomar, åtgärder Att ha populationsbaserade register alls? Oftast mindre risker än mycket annan medicinsk forskning. 6. Etiska aspekter

41 Take home-message Svenska register och biobanker ebjuder en ofta oöverträffad datakälla Personnummer gör unika kopplingar möjliga Svensk (nordisk) epidemiologisk forskning är mycket konkurrenskraftig

42 Hur kommunicera vetenskap? “[…] Det dunkelt sagda är det dunkelt tänkta” /Tegnér

43 Hur ska forskning rapporteras? Syftet med STROBE: “Our intention is to explain how to report research well, not how research should be done.”

44 - Vetenskaplig bakgrund till varför studien görs - Sammanfatta kort tidigare forskning på området - Vilka kunskapsluckor finns? - Vilken av dessa luckor kommer studien att fokusera på? Artikelavsnitt: Introduction Background

45 - Ett bra syfte: - specificerar populationen som studeras - ger information om exponering och utfall som inkluderas Artikelavsnitt: Introduction Objectives

46 - Beskriv/motivera studiedesignen -Avstå från termerna “prospektiv” och “retrospektiv” - Dåligt definierade - Dock viktigt: “Beskriv exact hur och när datainsamling skedde” Artikelavsnitt: Methods Study design

47 Ange var och när studien ägde rum -Exponering/behandlingar kan ändras över tid -Räcker ej med uppföljningstid  Ökar möjligheten till generaliserbarhet! Artikelavsnitt: Methods Setting

48 Ange: - Inklusionskriterier - Vilka källor? - Metoder som använts för att rekrytera individer? - Vid fall-kontrollstudier: Hur har kontrollerna valts? Artikelavsnitt: Methods Participants

49 Noggrann beskrivning av ALLA variabler: - Utfall - Exponering - Potentiella confounders/effektmodifierare Alltså även variabler som inte finns med i de slutliga modellerna Artikelavsnitt: Methods Variables

50 Mätfel/felklassificering… …av exponering och utfall kan: - göra det svårare att hitta samband - leda till “falska” samband …av confounders kan: - leda till “residual confounding”  Ge information om validitet och reliabilitet Artikelavsnitt: Methods Data sources/measurement

51 - Om man kategoriserar variabler: - Varför? - Hur? (Antal grupper, motiv, cut-points) - Om inga kategoriseringar: - Uppfylldes modellantaganden? - Gjordes transformationer? Artikelavsnitt: Methods Categorizations

52 - Vad avgjorde studiestorleken? - Praktiska orsaker? - Powerberäkning? Artikelavsnitt: Methods Study size

53 -Generellt finns det inte en statistisk metod som är rätt! Oftast finns det flera alternativ som kan besvara samma fråga. -Men: viktigt att beskriva vilken som använts Artikelavsnitt: Methods Statistical methods

54 - Ge detaljerad information - Antal deltagare/icke-deltagare i varje steg - Vid fall-kontrollstudier -Dela upp separat på fall och kontroller - Flödesschema! Artikelavsnitt: Results Participants/Non-participants

55 - Ange resultat för både ojusterade och justerade analyser - Antal individer som är med i respektive analys (pga t ex missing) - Konfidensintervall - Oftast anges endast relativa mått -Inga tolkningar av resultat! Artikelavsnitt: Results Main results

56 Sugen på att forska? Lars Rylander: lars.rylander@med.lu.selars.rylander@med.lu.se Kristina Mattsson: kristina.mattsson@med.lu.sekristina.mattsson@med.lu.se

57 Take home-message Svenska register och biobanker ebjuder en ofta oöverträffad datakälla Personnummer gör unika kopplingar möjliga Svensk (nordisk) epidemiologisk forskning är mycket konkurrenskraftig

58