Samfunnsmedisin - metode: Mål for forekomst – helse, sykdom og død

1. Samfunnsmedisin - metode: Mål for forekomst – helse, sykdom og død Espen Bjertness Seksjon for forebyggende medisin og epidemiologi Avdeling for samfunnsmedisin

2. Samfunnsmedisin Læringsmål Ved fullført blokk skal studentene ha innsikt i helse og sykdom på gruppenivå, og ha innledende kjennskap til samfunnsmedisinske begreper og metoder knyttet til forekomst, sykdomsårsaker, diagnostikk, forebygging, behandling, prognose og pasienterfaringer. Undervisningen skal bidra til å fremme en helhetsforståelse av hvordan samfunnsmessige forhold i samspill med biologiske faktorer og helsetjenestens organisering påvirker befolkningens helse.

3. Tema I dag: • Populasjonsbeskrivelse • Totalpopulasjon, utvalg, studiepopulasjon • Mål for forekomst • Prevalens; insidens, +++ • Validitet Neste: • Epidemiologiske forskningsdesign: • Tverrsnitt, kohort, kasus-kontroll, økologisk, intervensjon (eksperimentelt design) • Mål for sammenheng/assosiasjon: • Relative risiko (RR); prevalens ratio (PR); odds ratio (OR); risikodifferanse • Feilkilder • Tilfeldige og systematiske

5. Medisinske kjernespørsmål • Hvor mange er / blir syke? • Hvorfor blir noen syke mens andre holder seg friske? • Hvordan kan man bedømme om en person er syk? • Hva er det mulig å gjøre for folk som kan bli eller er syke? • Hvordan går det med de syke? • Hvordan har de syke det?

6. Epidemiologisk forskning • Beskrive forekomst av sykdom i befolkningen eller i befolkningsgrupper • Bidra til forståelse av årsaker til sykdom • Evaluere effekt av forebyggende tiltak og behandling

7. Populasjon / utvalg Mål populasjon Tilfeldig utvalg Studie populasjon

8. Målpopulasjon – den befolkningen eller gruppen av personer som vi ønsker at resultatene av et forskningsprosjekt skal være gyldig for. • Utvalg / Studiepopulasjon– et antall elementer (oftest personer, men kan være dyr, celler eller andre enheter) i en undersøkelse som man samler data om, hvoretter man i analysefasen estimerer statistiske parametre med usikkerhet. Usikkerheten blir mindre jo større utvalget er. Utvalget trekkes fra en utvalgsramme som kan være en tilnærming til målpopulasjonen. EKSEMPLER PÅ UTVALG: • Enkelt, tilfeldig utvalg – hver person i utvalgsrammen har samme sannsynlighet for å bli trukket til utvalget. • Stratifisert utvalg – sannsynligheten for å bli trukket til utvalget avhenger av hvilken undergruppe (hvilket stratum) man tilhører, for eksempel etter kjønn og alder. • Systematisk utvalg – sannsynligheten for å bli trukket ut er enten 1 eller 0 avhengig av om man fyller et gitt kriterium eller ikke. For eksempel kan alle som er født den 10. i hver måned bli trukket ut, men ingen andre. • Klyngeutvalg (cluster)– enheten i utvalgsrammen er ikke enkeltpersoner men større enheter. For eksempel kan man trekke skoleklasser eller kommuner. Når man etterpå samler inn data fra enkeltpersoner har man en flernivåsituasjon. Dette er det viktig å ta hensyn til i dataanalysen.

9. Hvorfor vitenskap og forskningsmetoder? • Oppøve kritisk tenkning • Er behandlingen nødvendigvis riktig? • Er en vitenskapelig sannhet evigvarende? • Grunnlag for (livslang) læring • Forstå litteraturen • Innhente oppdatert kunnskapsoppsummering • Kunne svare på spørsmål om nye forskningsresultater (pasienter, media) • Rekruttere pasienter til utprøving av ny behandling/medikamenter • Vitenskap / forskning: naturlig del av studiene i odont, ernæring og med. (forskningsbasert undervisning, lærere ved UiO er forskere) • Grunnlag for obligatorisk forskningsoppgave i studiene • Noen av dere skal bli forskere (selv om dere ikke vet det ennå)

10. Mål for sykdomsforekomst Grunnleggende spørsmål: • Hvor mange er syke? Prevalens • Hvor mange nye tilfeller av sykdom opptrer i løpet av en gitt tidsperiode? Insidens => Grunnlag for planlegging av helsetjenester

11. Prevalens Syk Tilfeldig utvalg Frisk Tid

12. Prevalens (punktprevalens) - andelen av en befolkning eller et utvalg som har en sykdom på et gitt tidspunkt. Periodeprevalens - har en sykdom i løpet av en tidsperiode Livstidsprevalens - har en sykdom i løpet av livet Kan også brukes om andre forhold enn sykdom, for eksempel prevalensen av røyking ******************************************************

13. Prevalens eksempel • Diabetes (type 1) • I Norge er det på et gitt tidspunkt 1150 tilfeller av diabetes type 1 i aldersgruppen 0-14 år • Antall 0-14 åringer i Norge er 820 000

14. Prevalens diabetes I D+ D+ =1150, D- = 820000 -1150 Populasjon/utvalg D- Antall syke Antall i utvalget D+ (D+ +D-) Prevalens = = 1150 820000 = = 0.0014 eller 14 pr 10000 Dvs. punktprevalens

15. Prevalens av vitamin D-mangel(serum 25(OH)D < 25 nmol/l)Kvinner, Helseundersøkelsen i Oslo (HUBRO) (Holvik et al. Eur J Clin Nutr 2004)

16. Aldersdemens, prevalens Alders-spesifikke estimater

17. Insidens Syk Frisk tid

18. Insidens - andelen av en befolkning eller utvalg som rammes av aktuell sykdom i løpet av en gitt tidsperiode.

19. Insidens • Kumulativ insidens (incidence propotion). • Andel som har «hendelse» i løpet av en gitt periode. Eks 2 stk av 100 får kreft i løpet av en 10 års periode: 2/100 • Insidens rate • Persontid (Incidence time): • Rate: 2/100*10=2/1000 personår

20. Kumulativ insidens (Incidence proportion ) • Andelen i en populasjon som blir syke i løpet av en gitt tidsperiode (lukket kohort)

21. Eksempel kumulativ insidens (incidence proportion) Ortopedisk kirurgisk avd.: • 250 personer ble operert for hoftebrudd i løpet av ett år • Alle personene ble fulgt opp i 2 år etter operasjonen • 50 personer måtte reopereres pga komplikasjoner

22. Eksempel kumulativ insidens (incidence proportion) Ortopedisk kirurgisk avd.: • 250 personer ble operert for hoftebrudd i løpet av ett år • Alle personene ble fulgt opp i 2 år etter operasjonen • 50 personer måtte reopereres pga komplikasjoner Kumulativ insidens (som måtte reopereres) i løpet av 2 år: 50/250 = 0.20 = 20%

23. Insidens rate • Insidensraten (IR) er antall personer som blir syke i en populasjon dividert med persontiden i oppfølgingsperioden

24. Eksempel insidens rate Ortopedisk kirurgisk avd.: • 250 personer ble operert for hoftebrudd i løpet av ett år • Alle personene ble fulgt opp i 2 år etter operasjonen • 50 personer måtte reopereres pga komplikasjoner • Reoperasjonene foregikk i gjennomsnitt etter 1 år. Dvs. totalt antall personår blir: 200*2 + 50*1 = 400 + 50 = 450 • Insidens rate (som måtte reopereres): 50/450 = 0.111 per 1 person år = 11.1 per 100 person år

26. Folkehelserapporten 2010, Nasjonalt folkehelseinstitutt

27. Prevalensen av type 2 diabetes har økt • Mulige forklaringer: • Økt insidens • Bedre overlevelse blant diabetikere • Endret befolkningssammensetning (etnisitet) • Økt diagnostisering, og andre metodologiske årsaker (seleksjonsbias)

28. Insidens, varighet, prevalens Insidens Prevalens Frisk Død

29. Definisjoner • Mødredødelighetsrate (MMR) • Antall kvinner som dør i løpet av ett kalenderår med svangerskapsrelatert årsak, under graviditet til 42 dager etter terminert svangerskap, per antall levendefødte barn i samme periode • Spedbarnsdødelighetsrate (IMR) • Antall barn som dør før fylte 1 år i løpet av ett kalenderår, per antall levendefødte barn i samme periode • Under fem år dødelighetsrate (U5MR) • Antall barn under fem år som dør i løpet av ett kalenderår, per antall levendefødte barn i samme periode

30. Indikator • Mødredødelighetsrate (MMR) • en indikator på kvaliteten til landets helsevesen. • Spedbarnsdødelighetsrate (IMR) • en indikator på helse og ernæring, sosial og økonomisk utvikling i landet. • Under fem år dødelighetsrate (U5MR) • en indikator på helse og ernæring, sosial og økonomisk utvikling i landet

31. Vanlige årsaker til U5MR og MMR De vanligste dødsårsakene blant små barn: lungebetennelse (2 mill barn U5 per år) malaria diaré (1.9 mill barn U5 per år) Mødre dødelighet: De fleste dør av blødning i løpet av eller i forbindelse med fødsel; svangerskapsforgiftning; blodforgiftning; komplikasjoner etter utrygge aborter; andre indirekte årsaker som malaria og hiv

32. Perinatal dødelighet – dødfødte (fra og med 28. svangerskapsuke) og barn som dør i løpet av første uke etter fødselen, i løpet av ett kalenderår, per 1000 levendefødte i.s.periode. • Neonatal dødelighet - omfatter alle fødte i løpet av ett kalenderår som dør de første fire leveuker, per 1000 levendefødte i.s.periode. • Post neonatal dødelighet - Barn som i løpet av ett kalenderår dør etter de 4 første leveukene og før utgangen av første leveår, per 1000 levendefødte i.s.periode.

33. Mortalitet • Insidens (Insidens rate) av død

34. Letalitet • Den andelen som dør i løpet av en gitt periode blant alle personer som er rammet av en bestemt sykdom

35. Forventet levealder • Med det mye brukte uttrykket "forventet levealder" menes det vanligvis "forventet levealder vedfødselen". Dette kan tolkes som antall år en nyfødt kan forvente å leve under de gjeldende dødelighetsforhold. • Forventet levealder kan også beregnes for andre aldre, f.eks. forventet gjenstående levetid for 80-åringer. • Forventet levealder beregnes ut fra aldersavhengige dødssannsynligheter for hvert kjønn for den perioden vi ser på, som regel ett kalenderår. • (Den faktiske gjennomsnittlige levealderen til en kohort (fødselskull) kan imidlertid først beregnes når alle personer i denne kohorten er døde, dvs. etter over hundre år.)

36. Kilde: Folkehelserapporten 2014

37. Russland sterk økonomisk vekst 2002 Russland finanskrise 1998 Sovjetunionen oppløses 1991 Gorbatsjov, glasnost 1985

40. Diagnostiske tester

41. Elektronmikroskopbilde av Mycobacterium tuberculosis

42. Diagnostiske tester • Til nytte for klinikeren (og pasienten) for å stille diagnose hvis man på forhånd er usikker, og hvis testen er god (valid og reliabel) • Validitet (latin: validus ”sterk, robust”) • Om en test (eller et spørsmål) faktisk måler det den er ment å skulle måle • Reliabilitet (reproduserbarhet) • Graden av stabilitet hvis en test (eller et spørsmål) gjentas under identiske forhold (dvs. gir det samme svar)

43. Validity and reliability Validity High Low High Reliability Low True value True value

44. - + 9 1 + 109 881 - Mammografi (kreft?) Brystkreft (MRI/biopsi) “Gullstandard” Hypotetisk eksempel 10 990 Sensitivitet = 9/10 = 0.90 Andelen sanne syke som blir identifisert med mammografi Andelen sanne friske som blir identifisert med mammografi Spesifisitet = 881/990 = 0.89 MEN, vi har 1 falsk negativ av 10 sanne syke og 109 falske positive av 990 sanne friske

45. Prediktiv verdi for positivt testresultat: • Sannsynligheten for at en kvinne som har positivt funn (kreft) ved mammografi virkelig er syk • Prediktiv verdi for negativt testresultat: • Sannsynligheten for at en kvinne som har negativt funn (ikke kreft) ved mammografi virkelig er frisk Avhenger av testens egenskaper (sensitivitet og spesifisitet), og prevalensen av sykdom

46. Eksempel • En 60 år gammel kvinne har et unormalt mammografi; hva er sannsynligheten for at hun har brystkreft? Dvs. hva er den prediktive verdien for positivt testresultat? • En 60 år gammel kvinne har et normalt mammografi; hva er sannsynligheten for at hun virkelig er frisk (ikke brystkreft)? Dvs. hva er den prediktive verdien for negativt testresultat?

47. + - 9 1 + 109 881 - Mammografi (kreft?) Beregning av PPV og NPV fra 2x2 tabell Brystkreft (MRI/biopsi) “Gullstandard” 118 882 PPV=9/118=7.6% Blant de som testet positivt, hva er sannsynligheten for sann sykdom? NPV=881/882=99.9% Blant de som testet negativt, hva er sannsynligheten for å være sann frisk? Prevalens av sykdom = 10/1000 =1%

48. + - 18 2 + 108 872 - Mammografi (kreft?) Hvahvissykdommenvardobbeltså prevalent ipopulasjonen? 20 Brystkreft (MRI/biopsi) “Gullstandard” 980 Sensitivitet =18/20= 0.90 Spesifisitet = 872/980= 0.89 Sensitivitet og spesifisitet er kvalitet knyttet til testen, så de verdiene endrer seg ikke

49. + - 18 2 + 108 872 - Mammografi (kreft?) Hvahvissykdommenvardobbeltså prevalent ipopulasjonen? 20 Brystkreft (MRI/biopsi) “Gullstandard” 980 PPV =18/126 = 14.3% NPV = 872/874 = 99.8% Prevalens av sykdom = 20/1000 =2%

50. Konklusjoner • Prediktiv verdi for positivt testresultat: • øker med økende prevalens av sykdom • øker hvis man forbedrer den diagnostiske testen (mammografitesten) til å bli mer nøyaktig