9789144054971

– en fördjupning Epidemiologin har under det senaste halvseklet fått allt större betydelse inom flera områden. Trots ökat behov av epidemiologisk kunskap inom vård- och hälsovetenskaperna är litteraturen på svenska begränsad.

Avsikten med boken är att ge fördjupad men ändå lättillgänglig kunskap inom viktiga områden av epidemiologin. Erfarenheter av undervisning av blivande folkhälsopedagoger, sjuksköterskor och forskarstuderande har bidragit till innehållet.

Framställningen bygger på grunderna i Epidemiologi för hälsovetare men boken kan läsas fristående med stöd av inledande faktarutor. Beskrivande och analytisk epidemiologi fördjupas i flera kapitel medan infektionsepidemiologi och klinisk epidemiologi diskuteras i egna avsnitt. Statistiska metoder inom epidemiologin och praktiska råd om publicering redovisas också. De matematiska resonemangen är sparsamma och används bara där de uppfattas viktiga för förståelsen. Framställningen görs begriplig med konkreta exempel och faktarutor. Ytterligare material i form av externa länkar finns tillgängligt på www.studentlitteratur.se/33404.

Epidemiologi för vård- och hälsovetenskaperna är avsedd som en fördjupning i epidemiologi för dem som tillägnat sig grunderna. Den vänder sig främst till universitets- och högskolestuderande inom vård- och hälsoområdet, d.v.s. till blivande folkhälsovetare, sjuksköterskor, läkare, apotekare, sjukgymnaster, socialarbetare och arbetsterapeuter. Den är också användbar för yrkesverksamma inom samma områden samt i forskningsmetodiska utbildningar.

Epidemiologi för vård- och hälsovetenskaperna en fördjupning

| Epidemiologi för vård- och hälsovetenskaperna

Epidemiologi för vård- och hälsovetenskaperna

Ingemar Andersson

Ingemar Andersson är biträdande professor i folkhälsovetenskap vid Högskolan Kristianstad och specialist i allmänmedicin. Han har mångårig erfarenhet av forskning och av undervisning i epidemiologi och statistik, men också av primärvårdsarbete. Tidigare har han gett ut grundboken Epidemiologi för hälsovetare – en introduktion.

Art.nr 33404

www.studentlitteratur.se

978-91-44-05497_1_01_cover.indd 1

Ingemar Andersson

2013-04-18 09.28

Kopieringsförbud Detta verk är skyddat av upphovsrättslagen. Kopiering, utöver lärares begränsade rätt att kopiera för undervisningsbruk enligt Bonus Presskopias skolkopieringsavtal, är förbjuden.

För information om avtalet hänvisas till utbildningsanordnarens huvudman eller Bonus Presskopia.

Den som bryter mot lagen om upphovsrätt kan åtalas av allmän åklagare och dömas till böter eller fängelse i upp till två år samt bli skyldig att erlägga ersättning till upphovsman eller rättsinnehavare.

Denna trycksak är miljöanpassad, både när det gäller papper och tryckprocess.

Art.nr 33404 ISBN 978-91-44-05497-1 Upplaga 1:1 © Författaren och Studentlitteratur 2013 www.studentlitteratur.se Studentlitteratur AB, Lund Omslagslayout: Francisco Ortega Omslagsbild: Jan Kranendonk, Julian Rovagnati/Shutterstock.com Printed by Elanders Poland, Poland 2013

978-91-44-05497-1_01_book.indd 2

2013-04-19 12:06

Innehåll

Förord 7 Bokens upplägg och avgränsning 9 K apitel 1

Att beskriva sjukdomar och hälsofaktorer 11

Population och kohort 11 Epidemiologiska modeller 12 Prevalens och incidens 14 Prevalens 16 Incidens 20 Odds 28 Viktigt vetande 29 K apitel 2

Epidemiologisk analys 33

Riskvärdering i epidemiologiska studier 33 Absolut risk 34 Prevalenskvot 36 Relativ risk (incidenskvot, riskkvot) och oddskvot 38 Studieuppläggningar 44 Fallstudier och fallserier 44 Tvärsnittsstudien 45 Fall-kontrollstudien 48 Kohortstudien 56 Ekologisk studie 60

© F ö rfattaren o c h S tudentlitteratur

978-91-44-05497-1_01_book.indd 3

3

2013-04-19 12:06

Innehåll

Randomiserad kontrollerad studie 63 Viktigt vetande 68 K apitel 3

Felkällor i epidemiologiska studier 71

Slumpmässiga fel 71 Att förebygga slumpmässiga fel 72 Systematiska fel 72 Selektions-bias 73 Informations-bias 76 Kombinerade orsaker till bias 79 Övriga typer av bias 80 Att förebygga systematiska fel (bias) 80 Confounding 82 Vad innebär confounding? 82 När ska vi misstänka confounding? 84 Hur komma till rätta med confounding? 86 Interaktion 88 Viktigt vetande 89 K apitel 4

Att förklara orsaker till hälsa och sjukdom 91

Vad menar vi med orsak? 92 Modeller för relationen mellan orsak och effekt 92 Vad talar för kausalitet? 95 Metaanalys 101 Hur genomförs en metaanalys? 101 Viktigt vetande 105 K apitel 5

Infektionsepidemiologi 107

Att studera infektionssjukdomar 108 Att beskriva en infektion 109 Epidemimodeller 112 Beräkning av nivån för flockimmunitet 115 Periodicitet hos infektioner 119

4

978-91-44-05497-1_01_book.indd 4

© F ö rfattaren o c h S tudentlitteratur

2013-04-19 12:06

Innehåll

Vaccinationseffektivitet 120 Viktigt vetande 121 K apitel 6

Klinisk epidemiologi 123

Diagnos 123 Statistisk avvikelse 123 Patoanatomisk och patofysiologisk avvikelse 124 Avvikelse som är behandlingsbar 124 Sociala normer för avvikelse 124 Användning av diagnostiska test 125 Egenskaper hos diagnostiska test 126 Screening 131 Hur ska felkällorna kunna minimeras? 134 Vilka krav ska ställas på ett bra screeningtest? 134 Utvärdering av screeningprogram 135 Number needed to screen (NNS) 136 Diagnostiska sannolikheter 137 Multipla test (samtidigt och sekventiellt) 142 Bestämning av prognos 144 Prognosstudier 144 Viktigt vetande 146 K apitel 7

Statistik för epidemiologiska studier 149

Statistisk inferens och hypotestestning 150 Signifikans och p-värde 151 Konfidensintervall 152 Beräkning av stickprovsstorlek 154 Val av stickprov 155 Överlevnadsanalys 156 Korrelation och regression 159 Multivariabel regressionsanalys 162 Multipel linjär regression 163 Logistisk regression 167 Cox regression 171

© F ö rfattaren o c h S tudentlitteratur

978-91-44-05497-1_01_book.indd 5

5

2013-04-19 12:06

Innehåll

Poisson-regression 173 Avslutande kommentarer till regressionsanalyser 174 Multinivåanalys 176 Användning av datorstöd 178 Viktigt vetande 179 K apitel 8

Att rapportera en epidemiologisk studie 181

Delarna i rapporten 181 Titel 182 Sammanfattning 182 Inledning/bakgrund 183 Metod och material 183 Resultat 185 Diskussion 186 Viktigt vetande 191

Litteratur 193 Person- och sakregister 195

6

978-91-44-05497-1_01_book.indd 6

© F ö rfattaren o c h S tudentlitteratur

2013-04-19 12:06

Förord

Den snabba utvecklingen inom det medicinska området sammanhänger med flera faktorer. En viktig faktor är användningen av epidemiologiska studier för att utreda orsakssammanhang och för att värdera behandlingseffekter. Inom stora delar av det medicinska fältet är epidemiologi därmed en betydelse­ full grundvetenskap. Kunskap inom ämnesområdet är viktig för alla som arbetar med eller intresserar sig för det medicinska fältet. Den anglosachsiska litteraturen inom området är omfattande men inte alltid så lättillgänglig.

Undertecknad har tidigare skrivit en grundbok i ämnet, Epidemiologi för hälsovetare – en introduktion. Den ger, som titeln anger, grundläggande fakta om epidemiologiska principer främst i ett folkhälsovetenskapligt perspektiv.

Boken har blivit väl mottagen och används inom flera hälsoutbildningar för skilda professioner. Efterhand har det uppkommit önskemål om fördjupning av några områden av epidemiologin på svenska. Inte minst gäller det för de längre utbildningarna inom vård- och hälsoområdet, där fördjupad kunskap om begrepp och metoder är nödvändig.

Den här boken vill belysa några viktiga delar inom epidemiologin mer ingående vilket förutsätter att läsaren har viss kännedom om grunderna.

Jag har liksom i grundboken strävat efter att på ett enkelt och tydligt sätt förmedla och förklara epidemiologiska metoder och angreppssätt. Talrika praktiska exempel hoppas jag ska bidra till förståelsen. Då det inte är en grundbok har instuderingsträning i form av övningsuppgifter inte lagts in i texten. Bokens omfattning bygger på ett subjektivt val av områden och är så klart inte heltäckande. När önskemål uppstår om ytterligare fördjupning – eller breddning – rekommenderas t.ex. den speciallitteratur som återfinns i litteraturlistan.

© F ö rfattaren o c h S tudentlitteratur

978-91-44-05497-1_01_book.indd 7

7

2013-04-19 12:06

Förord

Min förhoppning är att boken ska vara användbar för en bred läsekrets som behöver fördjupa sitt kunnande inom epidemiologin. Det gäller exempelvis medellånga och långa vårdutbildningar samt utbildningar inom folkhälsoområdet. Men boken bör också fungera som en uppslagsbok för yrkesverksamma sjuksköterskor, läkare, tandläkare, apotekare, farmaceuter, sjukgymnaster, arbetsterapeuter och folkhälsovetare. Även för specifika kurser i forskningsmetodik och epidemiologi på magister- och forskarnivå kan boken eller delar av den vara lämpliga.

Idéerna till bokens innehåll har till stor del kommit från studenter i skilda sammanhang. Inte minst när den tidigare grundboken använts i forskningsmetodiska kurser för läkare. Tack till alla er som bidragit med förslag och idéer!

Jag svarar ensam för innehållet men har under arbetets gång haft stor hjälp av två erfarna kollegor och vänner. Professor Göran Ejlertsson, Högskolan Kristianstad, som har stor erfarenhet av forskningsmetoder och skrivande, har läst manus och har gett värdefulla synpunkter på faktainnehåll, struktur och språk. Överläkare Ido Leden, Centralsjukhuset Kristianstad, har, från sin utgångspunkt som kliniskt erfaren läkare och skribent, gett viktiga synpunkter på begriplighet och läsbarhet. Båda är jag skyldig stort tack för insatser som säkert har gjort innehållet mer tillgängligt för läsarna.

Till slut hoppas jag att boken, liksom den tidigare grundboken, ska fylla en lucka när det gäller epidemiologi på svenska, och bidra till användbar kunskap på ett lättillgängligt vis.

Vanneberga i april 2013 Ingemar Andersson

8

978-91-44-05497-1_01_book.indd 8

© F ö rfattaren o c h S tudentlitteratur

2013-04-19 12:06

Bokens upplägg och avgränsning

Avsikten med boken är att ge en fördjupad förståelse för några delar av epidemiologin som kan vara praktiskt användbara i hälsoarbete och forskning. Boken vänder sig till dig som har grundkunskaper i epidemiologi, d.v.s. som känner till begrepp och metoder som diskuteras i grundböcker (t.ex.

Epidemiologi för hälsovetare – en introduktion). För att underlätta läsningen inleds flera avsnitt med rutor som har beteckningen Grunder. Dessa rutor sammanfattar några grundläggande fakta som kan vara bra att gå igenom innan fortsatt läsning. Texten avbryts också av två andra typer av rutor.

Fakta­rutorna sammanfattar eller kompletterar texten i vissa avseenden medan exempelrutorna använder praktiska anknytningar och beräkningar för att förtydliga det som berörs i texten. I slutet av varje kapitel ges korta sammanfattningar av centrala begrepp under rubriken Viktigt vetande. För att underlätta läsning av epidemiologilitteratur och artiklar på engelska, anges för viktiga begrepp i texten den engelska beteckningen inom parentes. I slutet av boken finner du en litteraturlista med källor som lämpar sig för ytterligare fördjupning. Registret som avslutar boken innehåller hänvisningar till de viktigaste, men inte alla, avsnitt där begreppet eller företeelsen i fråga behandlas.

Innehållet i boken är uppdelat i åtta kapitel som utan större bekymmer kan läsas fristående från varandra. De fyra första kapitlen behandlar allmän epidemiologi med fokus på att beskriva och analysera data. Inledningsvis utvecklas begreppen prevalens och incidens och hur de beräknas. I det andra kapitlet belyses analytiska frågor och därmed olika studieuppläggningar, vilket leder fram till en diskussion om felkällor i kapitel tre. Det fjärde kapitlet tar upp den oftast svårbesvarade frågan om ett funnet samband kan relateras till en specifik orsak. De återstående kapitlen behandlar vart och ett mer avgränsade ämnesområden. Kapitel fem ger således synpunkter © F ö rfattaren o c h S tudentlitteratur

978-91-44-05497-1_01_book.indd 9

9

2013-04-19 12:06

Bokens upplägg och avgränsning

på infektionsepidemiologi, speciellt när det gäller enkla epidemiberäkningar medan det sjätte kapitlet tar upp några centrala områden inom klinisk epidemiologi. Där behandlas bl.a. värdering av kliniska tester, screening samt beslutsanalys. I kapitel sju ges, utan krav på fullständighet, en översikt över användbara statistiska metoder för epidemiologiska studier. Det avslutande kapitlet ger några råd som du bör tänka på inför publiceringen av epidemiologiska studier.

Framställningen har i möjligaste mån förenklats och matematiska härledningar och uttryck har där så varit möjligt minimerats – allt för att underlätta läsningen. Avsiktligt finns det därför heller inga referenser som bryter av texten. Istället finner du litteraturlista med referens- och fördjupnings­ litteratur i boken. Ytterligare material i form av externa länkar finns tillgängligt på www.studentlitteratur.se/33404.

10

978-91-44-05497-1_01_book.indd 10

© F ö rfattaren o c h S tudentlitteratur

2013-04-19 12:06

Kapitel 3

Felkällor i epidemiologiska studier

Det är ofrånkomligt att epidemiologiska studier är behäftade med fel av olika slag.

Frågan är alltså inte om det finns felkällor utan snarare var de finns. Det är därför betydelsefullt att redan i planeringen av en studie uppmärksamma möjliga felkällor i design och genomförande. Det här kapitlet vill peka på flera viktiga områden där felkällor bör uppmärksammas.

Grunder 3.1 • Systematiska fel, eller bias på engelska, innebär fel som uppstår genom att en viss grupp avviker på ett systematiskt sätt.

• Slumpmässiga fel, icke-systematiska mätfel som t.ex. kan bero på naturlig variation eller variation mellan individer i olika stickprov.

• Confounding, fel i slutsats om samband som uppstår när en faktor, en confounder, samvarierar med både studerad exponerings- och effektvariabel.

Slumpmässiga fel Alla mätningar som görs är utsatta för en slumpmässig (stokastisk) variation. En sådan variation beror inte på någon påvisbar faktor i mätning eller mätinstrument utan relateras till en inneboende variabilitet i tillvaron, särskilt i biologiska system. Många mätningar görs i form av stickprov och de slumpmässiga felen i relation till ett stort antal möjliga stickprov inverkar då på möjligheten att dra korrekta slutsatser om det sanna populationsvärdet utifrån stickprovet. Vi eftersträvar ett litet slumpmässigt fel vilket också kan uttryckas som hög precision. En metod med litet slumpmässigt fel, d.v.s. hög precision, bidrar till en hög reliabilitet. Det slumpmässiga felets inverkan

© F ö rfattaren o c h S tudentlitteratur

978-91-44-05497-1_01_book.indd 71

71

2013-04-19 12:06

3 Felkällor i epidemiologiska studier

på möjlig slutsats värderas vid en hypotesprövning med lämplig statistisk funktion. Sannolikheten för att dra en felaktig slutsats av hypotesprövningen kan uttryckas som ett p-värde eller ett konfidensintervall för en variabel (se vidare kapitel 7).

At t förebygga slumpmässiga fel

För att öka precisionen i observationsstudier kan följande åtgärder vara viktiga att överväga: • Gör en powerberäkning (se kapitlet om statistiska metoder) och

använd tillräckligt antal studerade individer för att kunna besvara frågeställningen med tillräcklig precision. Mindre studier innebär möjlighet för större slumpvariation.

• Optimera urvalet av individer (slumpmässighet genom randomiserade urval).

• Minska slumpvariation i mätningar genom kontroll av metoder, dubbelmätningar eller medelvärden av flera mätningar. Att ha kunskap om metoders precision är betydelsefullt och bör värderas innan användning. För frågeinstrument kan reliabiliteten t.ex. studeras med ett test-retestförfarande då svarsutfall för samma individer och identiska frågor jämförs med några veckors mellanrum. Ett annat sätt att jämföra det insamlade datamaterialet är att jämföra data uppdelat i två halvor av testet s.k. split-halfanalys. En korrigerad korrelation mellan de båda testhalvorna kan sedan användas som ett mått på testets reliabilitet.

• Använd optimala statistiska analysmetoder d.v.s. med så hög styrka som möjligt.

Systematiska fel Om en upprepad mätning visar på en avvikelse i samma riktning från det sanna värdet talar vi om ett systematiskt fel. Tendensen att, i en viss riktning, avvika från det egentliga värdet kallas, med en engelsk term, för bias. Bias måste uppmärksammas i alla typer av epidemiologiska studier men speciellt

72

978-91-44-05497-1_01_book.indd 72

© F ö rfattaren o c h S tudentlitteratur

2013-04-19 12:06

3 Felkällor i epidemiologiska studier

vid jämförelse mellan två eller flera grupper. Förekomsten av bias minskar validiteten i resultaten, som då tenderar att avvika åt något håll. Generellt uppstår bias p.g.a. brister i design eller genomförandet av studier. Många typer av bias är tänkbara och de överlappar ofta varandra. De vanligaste kan inordnas i två grupper: selektions-bias (selection bias) och informations-bias (information bias). Tabellerna 3.1 respektive 3.2 visar några exempel från vardera gruppen.

Tabell 3.1

Olika typer av selektions-bias med exempel på förekomst.

Selektions-bias

Beskrivning

Exempel

Populations-bias

Val av studiepopulation som är utsatt för bias

Bekvämlighetsurval, väntrumsundersökning vid enkätstudie

Urvals-bias

Val av studiepersoner på olika grunder

Val av kontroller i en fall-kontrollstudie Healthy worker-effekten

Exklusions-bias

Exklusion av individer p.g.a. varierande urvalskriterier

Uteslutning av individer ur en studie på olika grunder beroende på om individen är fall eller kontroll

Berksons bias

Bias vid val av studie­ deltagare ur sjukhus­ population

Två eller flera samtidiga diagnoser ökar sannolikheten för sjukhuskontakt

Bortfalls-bias (svars-bias)

Ojämnt deltagande mellan olika grupper

Varierande bortfall i olika studiegrupper i exempelvis en tvärsnitts- eller fall-kontrollstudie

Selek tions-bias

Allmänt innebär selektions-bias att sannolikheten för individer att inkluderas i studiepopulationen varierar mellan exponerad och oexponerad grupp.

Korrekt val av studiepopulation eller studiebas är grundläggande för att minimera populations-bias och därmed felaktiga slutsatser. Det kan synas självklart att om vi vill studera förekomsten av ett symtom i den allmänna befolkningen, kan vi inte enbart studera dem som söker på akutmottagningar. Ibland används ändå s.k. bekvämlighetsurval när det egentligen är en annan population vi vill kunna yttra oss om.

Urvals-bias handlar allmänt om en snedvridande effekt av hur individer selekteras till studier. Om det finns systematiska skillnader i hur individer väljs som fall respektive kontroller i en fall-kontrollstudie uppstår möjlighet för urvals-bias. Urvals-bias kan förekomma i alla studietyper men är speciellt

© F ö rfattaren o c h S tudentlitteratur

978-91-44-05497-1_01_book.indd 73

73

2013-04-19 12:06

3 Felkällor i epidemiologiska studier

vanlig i fall-kontrollstudier med hänsyn till svårigheterna att välja kontroller på ett optimalt sätt. Kontroller med vissa egenskaper kan t.ex. väljas bort, vilket medför att också den studerade exponeringsfaktorn förändras. I studier av arbetshälsa måste hänsyn tas till den s.k. healthy worker-effekten, som kan ses som en form av urvals-bias. Den innebär att individer som är i arbete är selekterade när det gäller flera egenskaper. Så är t.ex. hälsan i allmänhet bättre bland individer i arbete jämfört med en åldersmatchad grupp som inte arbetar. Överlevnads-bias (survivor bias) som nämndes i kapitel 2 innebär ett urvalsfel relaterat till varierande överlevnad i olika studiepopulationer.

Exempel 3.1 I en fall-kontrollstudie, som undersökte möjliga orsaker till bröstcancer, fann man en högre andel rökare bland fallen då dessa jämfördes med kontrollerna. Fallen var incidenta och hämtade ur cancerregistret i en viss region. Kontrollerna erhölls genom att välja åldersmatchade individer bland dem som de senaste fem åren genomgått två negativa hälsokontroller med mammografi och som bodde i samma geografiska område. Det funna sambandet mellan rökning och bröstcancer kan ifrågasättas p.g.a. urvalet av kontroller. Det är känt att individer som hörsammar kallelser till hälsokontroller som grupp har mer hälsosamma levnadsvanor jämfört med dem som uteblir. Andelen rökare bland kontrollerna kan alltså vara lägre av denna anledning.

Bias kan också uppkomma om exponerade respektive oexponerade individer i en kohortstudie exkluderas på olika grunder (exklusions-bias). Resultatet kan bli att funna samband tunnas ut eller förstärks beroende på riktning av bias. Motsvarande kan gälla för en fall-kontrollstudie om fall och kontroller exkluderas på olika grunder.

Exempel 3.2 Resultatet av en klassisk fall- kontrollstudie från 1974 visade att förekomst av bröstcancer kunde relateras till användning av reserpin, en blodtrycksmedicin som tidigare användes i stor omfattning. En genomgång av hur studien genomförts visade att kontrollerna valts bland kvinnor som sökt vård vid samma sjukhus som bröstcancerpatienterna, eftersom de då kom från samma områden. Däremot uteslöts kontroller som hade diagnosen hypertoni medan samma exklusion inte gjordes för fallen. På så sätt över­ skattades andelen med reserpinmedicinering bland fallen.

Berksons bias är en särskild typ av selektions-bias som relaterar till fallkontrollstudier som genomförs i en sjukhuspopulation. Fallen som återfinns 74

978-91-44-05497-1_01_book.indd 74

© F ö rfattaren o c h S tudentlitteratur

2013-04-19 12:06

3 Felkällor i epidemiologiska studier

på sjukhus behöver inte vara representativa för fallen generellt eftersom samsjuklighet (flera diagnoser) medför en ökad sannolikhet för sjukhusvård.

På så sätt är det mer sannolikt att funna sjukhusfall har flera sjukdomar än just den som ska studeras, vilket gör fallen mer komplicerade än fallen med enbart studerad sjukdom i sig.

Bortfalls-bias (non-respondent bias) är en vanlig anledning till systematiska fel. Individer som inte svarar på en enkät eller uteblir från undersökning skiljer sig oftast från studiedeltagare i flera avseenden. På samma sätt kan deltagare som är frivilliga eller först blir rekryterade till en studie skilja sig från dem som inte deltar eller rekryteras senare. Om bortfallet av individer som inte svarar eller blir undersökta i en tvärsnittsstudie skiljer sig i vissa avseenden från dem som svarar kan resultatet snedvridas. Ett exempel är prevalensstudier av vanliga hälsoproblem där bortfallet ofta är högre bland individer i socioekonomiska grupper med ökad sjuklighet. Det leder till att den studerade prevalensen i populationen underskattas. I kohortstudier är en vanlig orsak till bortfalls-bias att individer som faller bort under studiens gång (flyttar eller inte går att hitta) har andra egenskaper än de individer som stannar kvar i kohorten under studietiden. Det innebär att resultatet kan förstärkas eller tunnas ut beroende på vilka faktorer som påverkas.

Tabell 3.2

Olika typer av informations-bias med exempel på förekomst.

Informations-bias

Beskrivning

Exempel

Instrumentell bias

Mätfel, observationsfel

Dålig kalibrering av instrument

Intervjuar-bias

Variation mellan eller hos observatörer

Dålig samstämmighet i arbetssätt hos intervjuare

Surrogatintervju-bias

Ersättning för intervju med en ursprunglig försöksperson

Intervju med anhöriga till avlidet fall i fall-kontollstudie

Felklassifikations-bias Felaktig klassifikation av individ (misclassification bias) t.ex. p.g.a. diagnosfel, kan relateras till instrumentell bias

Bristande sensitivitet/specificitet hos mätmetod, skilda diagnostiska kriterier mellan grupper

Minnes-bias (recall bias)

Varierande minne för t.ex. exponering beroende på grupptillhörighet

Minnesfel vid fall- kontrollstudier p.g.a. tidsfaktor och relation till utvecklad sjukdom

Respondent-bias (report bias)

Under- eller överrapportering relaterad till grupptillhörighet

Rapportering relaterad till undersökares förväntan eller vad som anses allmänt accepterat

© F ö rfattaren o c h S tudentlitteratur

978-91-44-05497-1_01_book.indd 75

75

2013-04-19 12:06

3 Felkällor i epidemiologiska studier

Informations-bias

Instrumentell bias (measurement bias) är kanske den mest uppenbara formen av informationsfel. Om mätning av egenskaper i olika grupper sker med varierande metoder, instrument eller undersökare uppstår skillnader mellan grupperna som kan hänföras till felmätningen. Systematiska skillnader mellan mätinstrument t.ex. beroende på brister i kalibrering bidrar till sådana fel.

Närbesläktad med den här typen av fel är även intervjuar-bias (inter­ viewer bias) som t.ex. kan bero på hur olika intervjuare inhämtar uppgifter från respondenter på ett varierat sätt. Intervjuar-bias kan uppstå genom rapporterings- och tolkningsfel av intervjuaren men också genom s.k. surrogat­ intervjuer. Sådana intervjuer måste t.ex. genomföras i en fall-kontrollstudie om fallindividen hinner avlida innan exponeringsdata är insamlade. Intervjuer med anhöriga, som kanske inte är helt kunniga (eller ärliga) om individens tidigare förhållanden, kan då medföra surrogatintervju-bias.

På olika sätt kan vi i en studie klassificera individer felaktigt, något som benämns som felklassifikations-bias (misclassification bias). Ett sådant fel är inte helt ovanligt i fall-kontrollstudier där fall respektive kontroller kan hamna i fel grupper p.g.a. över- eller underdiagnostik. Felklassifikation kan också bero på brister i mätmetodernas sensitivitet och specificitet, vilket diskuteras ytterligare i kapitel 6.

Två former av felklassifikations-bias brukar särskiljas. En första typ innebär att felklassifikationen uppstår genom en felaktig skillnad, t.ex. i hur exponering mäts på varierande sätt i två grupper (differentiell felklassificering). I den andra formen beror felklassifikationen på fel i datainsamlingen i sådana avseenden som inte hänger samman med någon specifik exponering eller effekt, något som ger effekter på en eller flera grupper oberoende faktisk exponering eller diagnos (icke-differentiell felklassificering). Den första formen kan leda till direkt felaktiga slutsatser, medan den andra formen, vilken är svårare att upptäcka, snarare medför en utslätning av skillnader även om sådana verkligen finns. Ett exempel (3.3) från en hypotetisk fallkontrollstudie visar på skillnaderna vid de båda typerna av felklassificering.

76

978-91-44-05497-1_01_book.indd 76

© F ö rfattaren o c h S tudentlitteratur

2013-04-19 12:06

3 Felkällor i epidemiologiska studier

Exempel 3.3 En fall-kontrollstudie genomförs för att studera sambandet mellan tidigare perioder av östrogenbehandling och livmodercancer. Östrogenbehandling hos 200 fall och lika många kontroller jämförs. Utan någon felklassifikation blir utfallet enligt följande tabell.

Fall

Kontroller

Östrogenbehandling Ja

100

40

Nej

100

160

Oddskvoten, OR, för associationen mellan exponering (östrogen) och sjukdom kan beräknas som: 100 × 160 = 4,0 100 × 40 Om det sker en felklassificering av exponering som drabbar både fall och kontroller i samma omfattning (icke-differentiell felklassificering) kan vi beräkna förändringen av OR enligt följande. Vi antar att 20 % är felklassificerade bland både fall och kontroller vilket innebär att 20 av fallen (20 % av 100) och 8 av kontrollerna (20 % av 40) hamnar i den oexponerade gruppen. Tabellen blir nu: Fall

Kontroller

Ja

100 – 20 = 80

40 – 8 = 32

Nej

100 + 20 = 120

160 + 8 = 168

Östrogenbehandling

Den förändrade oddskvoten kan beräknas till: OR =

80 × 168 = 3,5 120 × 32

Resultatet blir alltså en försvagning av sambandet genom felklassificeringen. Den ickedifferentiella felklassificeringen medför en sådan försvagning av ett reellt samband. Om felklassificeringen inte är känd (och kan korrigeras) överskattas sambandet.

Om vi i stället gör en felklassificering, t.ex. genom skilda sätt att mäta den tidigare exponeringen för östrogen för fall respektive kontroller, kan en differentiell felklassificering uppstå. Vi antar att mätningen av exponering för fallen är korrekt, medan brister i mätmetoden för östrogenexponering bland kontrollerna medför att endast hälften av de exponerade blir korrekt klassificerade. Tabellen blir då:

© F ö rfattaren o c h S tudentlitteratur

978-91-44-05497-1_01_book.indd 77

77

2013-04-19 12:06

3 Felkällor i epidemiologiska studier

Fall

Kontroller

Ja

100

40 – 20 = 20

Nej

100

160 + 20 = 180

Östrogenbehandling

Oddskvoten för sambandet blir: OR =

100 × 180 = 9,0 100 × 20

Det innebär att den beräknade oddskvoten blir kraftigt förändrad, något som är typiskt för den icke-differentiella felklassificeringen. Just i det här fallet kommer vi att felaktigt övervärdera det funna sambandet.

En vanlig typ av bias i samband med datainsamling är minnes-bias (recall bias). De flesta studietyper kan påverkas av en variation i försökspersonernas minnesförmåga. Hänsyn måste t.ex. tas till skillnader i kvaliteten på minnesuppgifter om exponering från fall och kontroller, beroende på aktuell diagnosticerad sjukdom. Åtgärder kan vara observans vid val av kontroller och validering av minnesuppgifter men också användning av t.ex. inbyggd fall-kontrollstudie där uppgifter om exponering finns även för fallen när studien påbörjas. Vid tvärsnittstudier, där frågor ställs om retrospektiva förhållanden, bör minnesfaktorn speciellt uppmärksammas om minnesskillnader mellan grupper kan misstänkas.

Respondent-bias eller rapporterings-bias (reporting bias) är fel som uppstår genom individers avvikande rapportering om exponering p.g.a. skillnader i attityder eller övertygelse mellan olika studerade grupper. Uppgifter från individer direkt i en kohortstudie om t.ex. symtom, sjukdomsepisoder kan variera mellan olika grupper och leda till både differentiell och ickedifferentiell felklassificering.

Bakgrunden till informations-bias är, som ovan relaterats, ofta grundad i metodologi och studiedesign.

78

978-91-44-05497-1_01_book.indd 78

© F ö rfattaren o c h S tudentlitteratur

2013-04-19 12:06

3 Felkällor i epidemiologiska studier

Kombinerade orsaker till bias

I en del fall kan det vara svårt att separera selektions- och informations-bias som i kombination kan bidra till ett avvikande resultat. Några exempel på sådana kombinerade orsaker ska ges. Övervaknings-bias (surveillance bias, detection bias), som innebär täta kontroller av en eller flera grupper, medför t.ex. en ökad sannolikhet för upptäckt av sjukdom i studerade grupper jämfört med en grupp som inte är under observation.

När prevalensdata används för att uppskatta risk, vilket diskuterades i kapitel 2, finns förutsättningar för systematiska fel som benämns incidensprevalens-bias (incidence-prevalence bias). De kan t.ex. bero på variation i sjukdomsduration (eller överlevnad) för sjukdomsfall som är exponerade respektive oexponerade.

Exempel 3.4 Sambandet mellan rökning och kronisk bronkit är väl belagt. För individer med kronisk bronkit som slutar att röka är överlevnaden (sjukdomsdurationen) längre jämfört med dem som inte slutar. Om relationen mellan pågående rökning och kronisk bronkit studeras med en tvärsnittstudie blir den (ur prevalensdata) uppskattade relativa risken för låg p.g.a. skillnaden i sjukdomsduration.

Avsaknad av tidsdimension vid en tvärsnittsstudie medför som tidigare diskuterats risk för felslut när funna samband ska förklaras, något som benämns tids-bias (temporal bias). Exempel 3.5 visar hur ett sådant felslut kan uppstå.

Exempel 3.5 En tvärsnittsstudie gjordes för att belysa faktorer som skulle kunna bidra till allergi­ utveckling i form av astma och allergisk rhinit bland förskolebarn. I resultatet fann man oväntat att i familjer med låg förekomst av husdjur (katt, hund, marsvin) var prevalensen allergisjukdom klart förhöjd, något som inte stämde med tidigare erfarenheter. Vidare analys visade att familjer med allergibarn långt tidigare hade gjort sig av med eventuella husdjur. Det systematiska felet i studien relaterade till tidsfaktorn. Felet hade kunnat förebyggas med frågor om tidigare djurförekomst i familjen.

Två typer av bias kan relateras till screening, lead time bias och length time bias. Lead time är den tid som förflyter mellan screeningfynd av sjukdom och den tidpunkt då sjukdomen normalt skulle ha upptäckts kliniskt. Om

© F ö rfattaren o c h S tudentlitteratur

978-91-44-05497-1_01_book.indd 79

79

2013-04-19 12:06

– en fördjupning Epidemiologin har under det senaste halvseklet fått allt större betydelse inom flera områden. Trots ökat behov av epidemiologisk kunskap inom vård- och hälsovetenskaperna är litteraturen på svenska begränsad.

Avsikten med boken är att ge fördjupad men ändå lättillgänglig kunskap inom viktiga områden av epidemiologin. Erfarenheter av undervisning av blivande folkhälsopedagoger, sjuksköterskor och forskarstuderande har bidragit till innehållet.

Framställningen bygger på grunderna i Epidemiologi för hälsovetare men boken kan läsas fristående med stöd av inledande faktarutor. Beskrivande och analytisk epidemiologi fördjupas i flera kapitel medan infektionsepidemiologi och klinisk epidemiologi diskuteras i egna avsnitt. Statistiska metoder inom epidemiologin och praktiska råd om publicering redovisas också. De matematiska resonemangen är sparsamma och används bara där de uppfattas viktiga för förståelsen. Framställningen görs begriplig med konkreta exempel och faktarutor. Ytterligare material i form av externa länkar finns tillgängligt på www.studentlitteratur.se/33404.

Epidemiologi för vård- och hälsovetenskaperna är avsedd som en fördjupning i epidemiologi för dem som tillägnat sig grunderna. Den vänder sig främst till universitets- och högskolestuderande inom vård- och hälsoområdet, d.v.s. till blivande folkhälsovetare, sjuksköterskor, läkare, apotekare, sjukgymnaster, socialarbetare och arbetsterapeuter. Den är också användbar för yrkesverksamma inom samma områden samt i forskningsmetodiska utbildningar.

Epidemiologi för vård- och hälsovetenskaperna en fördjupning

| Epidemiologi för vård- och hälsovetenskaperna

Epidemiologi för vård- och hälsovetenskaperna

Ingemar Andersson

Ingemar Andersson är biträdande professor i folkhälsovetenskap vid Högskolan Kristianstad och specialist i allmänmedicin. Han har mångårig erfarenhet av forskning och av undervisning i epidemiologi och statistik, men också av primärvårdsarbete. Tidigare har han gett ut grundboken Epidemiologi för hälsovetare – en introduktion.

Art.nr 33404

www.studentlitteratur.se

978-91-44-05497_1_01_cover.indd 1

Ingemar Andersson

2013-04-18 09.28