Epidemiologi (III)
Läkarprogrammet –
Termin 5, Ht 2013
Lars Rylander
Avdelningen för arbets- och miljömedicin, Lund
E-post: [email protected]
Tel:
046 – 222 1631
Register
- I Sverige har varje individ ett
unikt PERSONNUMMER
- Befolkningsregister
- Flergenerationsregister
-.
-.
-.
- Yrkesregister
- Läkemedelsregister
-.
-.
- Medicinska födelseregistret (1973- )
- Missbildningsregistret
- Cancerregistret (1958- )
- Diabetesregister
- Frakturregister
- Slutenvårdsregister
-.
-.
-.
- Dödsorsaksregistret
Sett från ett epidemiologiskt perspektiv
är dessa register en fantastisk resurs!!!
Register – var finns dessa?
1) Socialstyrelsen
(www.socialstyrelsen.se)
Cancerregistret
Medicinska Födelseregistret
Dödsorsaksregistret
.
.
2) Statistiska Centralbyrån (SCB)
(www.scb.se)
Befolkningsregistret
Flergenerationsregistret
Utbildningsregistret
.
.
.
3) SKL (Sveriges Kommuner och Landsting)
(http://www.kvalitetsregister.se)
Ansvarar för våra nationella kvalitetsregister
Biobanker
Varje år sätts flera miljoner prov in på Sveriges biobanker.
Dessa prover behövs främst för hälso- och sjukvårdens
utredningar och behandlingar av patienter, men de har också
ett stort värde för forskning och utbildning. Biobankslagen
reglerar användningen av dessa sparade prov med individens
samtycke och det Nationella Biobanksrådet är ett organ som
tillsatts av Sveriges Kommuner och Landsting för att verka
för en nationell samordning och enhetliga rutiner kring
Biobankslagen och dess praktiska tillämpning. Rådet ska
också verka för ett enhetligt IT-stöd av olika biobanksregister
så att sparade prover lätt skall kunna återfinnas.
www.biobanksverige.se
Sett från ett epidemiologiskt perspektiv
är dessa biobanker en fantastisk resurs!!!
Data från
register
Data/prover
från Biobanker
Ny studie
Nya data:
Frågeformulär/
Intervjuer/
Biologiska prover
Data/prover
från gamla studier
Exempel 1
Är missbildningsfrekvensen högre hos barn
vars fädrar haft cancer?
Är det så att det finns en samverkan mellan
faderns cancer och assisterad befruktning
(IVF/ICSI)?
Manlig cancer och fertilitet
Skapande av en databas:
- Befolkningsregistret
→ barn födda 1994-2005
- Flergenerationsregistret
→ barn, mamma, pappa
- Cancerregistret
→ vilka fädrar har haft cancer
- Medicinska födelseregistret/Missbildningsregistret
→ födelseutfall + information om moder/barn
Databas bestående av ca 1.1 miljoner singelbarn
varav knappt 4900 hade en fader som haft cancer
minst ett år innan konception.
Manlig cancer och fertilitet
Svensk-Danskt samarbete:
Databas bestående av ca 1.8 miljoner singelbarn
varav ca 8800 hade en fader som haft cancer
minst ett år innan konception.
Hög kvalitet på:
- utfall
- exponering
- potentiella confounders (störfaktorer)
RESULTAT
• Män som haft cancer hade en något ökad risk
att få ett barn med en missbildning
RR 1.17 (95% CI 1.05 - 1.31)
• Assisterad befruktning (IVF/ICSI) modifierade
INTE denna effekt
Ståhl O et al. Risk of birth abnormalities in the offspring of men with a history of cancer:
A cohort study using Danish and Swedish national registries.
JNCI 2011 Mar 2;103E(5):398-406. Epub 2011 Feb 8
Cancer and male
reproductive function
- the effect on sperm DNA integrity
and on birth outcomes in the offspring
Olof Ståhl
Department of Clinical Sciences
Molecular Reproductive Medicine
Research Unit
Malmö University Hospital,
Lund University, Sweden
Den som är mer intresserad av denna studien kan läsa Olof Ståhls avhandling på följande adress:
http://luur.lub.lu.se/luur?func=downloadFile&recordOId=1268572&fileOId=1268587
Exempel 2
Mammans rökning under graviditeten och
dotterns risk att drabbas av graviditetsdiabetes
(och obesitas)?
?
Datakälla
Medicinska födelseregistret
- Nationellt register som startade 1973
- Hög täckning (97-99%)
- Rökdata finns sedan 1982; kvinnorna frågades
om sin aktuella rökning i samband med första
besöket vid MVC (graviditetsvecka 8-12) :
i) Icke-rökare
ii) 1-9 cigaretter/dag
iii) >9 cigaretter/dag
Studiedesign – studiepopulation
Inklusionskriterier:
- Kvinnor födda 1982 eller senare som själva
- fått minst ett barn.
- Kompletta data på relevanta variabler
- (rökning, BMI, födelsevikt, …)
- Totalt var det 54 012 kvinnor i den
- slutgiltiga analysen.
Resultat –
i) graviditetsdiabetes
Crude OK (95% KI)
Icke-rökare (ref)
1-9 cig/dag
>9 cig/dag
Justerad OK (95% KI)
1
1.73 (1.33, 2.26)
1.68 (1.25, 2.27)
1
1.62 (1.24, 2.13)
1.52 (1.12, 2.06)
ii) obesitas (BMI>30 kg/m2)
Icke-rökare (ref)
1-9 cig/dag
>9 cig/dag
1
1.40 (1.32, 1.48)
1.65 (1.54, 1.75)
1
1.36 (1.28, 1.44)
1.58 (1.48, 1.68)
[Mattsson et al, Diabetologia 2013]
Exempel 3
Finns det ett samband mellan miljögifter
(hormonstörande miljögifter) under fosterstadiet
och risken bland pojkar att utveckla
hypospadi (missbildning där urinröret mynnar på fel ställe)?
Fall-kontrollstudie
inom SSMB
STUDIEPOPULATION
SSMB
(Southern Sweden Microbiology Biobank)
>200 000 serumprover från
gravida i södra Sverige sparade
från rubella-screening
1. FALL: Via matchning med
Medicinska Födelseregistret,
Missbildningsregistret och
Slutenvårdsregistret kan vi
identifiera de pojkar som
utvecklat hypospadi.
2. KONTROLL: Till varje fall
valdes en kontroll från MMB,
dvs en pojke som inte
utvecklat hypospadi.
3. Serum från fall- och
kontrollmödrarna plockas ut
från MMB.
4. Analys av miljögifter.
RESULTAT - Miljögifter och risken att utveckla hypospadi
OK
PCB-153
-0.25
>0.25
>0.48
>0.76
(ng/mL)
(ref)
– 0.48
– 0.76
95% KI
OK
95% KI
1.00
0.96 (0.57, 1.62)
0.75 (0.42, 1.35)
0.60 (0.30, 1.19)
p,p’-DDE (ng/mL)
-0.1 (ref)
>0.1 – 1.0
>1.0 – 2.2
>2.2
1.00
1.33 (0.73, 2.44)
1.69 (0.93, 3.08)
1.68 (0.92, 3.08)
HCB (ng/mL)
-0.15 (ref)
>0.15 - 0.19
>0.19 – 0.26
>0.26
1.00
0.80 (0.46, 1.38)
1.04 (0.59, 1.84)
1.59 (0.86, 2.93)
1.00
1.33 (0.73, 2.44)
1.69 (0.97, 2.93)
1.00
1.65 (1.02, 2.69)
Rignell-Hydbom et al. PLoS One 2012
STROBE
– Strengthening the Reporting
of Observational Studies in Epidemiology
Syftet med STROBE:
“Our intention is to explain how to report
research well, not how research should be
done.”
Lars Rylander
STROBE –
CONCLUDING REMARKS
“The STROBE Statement may also aid in
planning observational studies, and guide
peer reviewers and editors in their
evaluation of manuscripts”
Lars Rylander
www.strobe-statement.org
STROBE
– Strengthening the Reporting
of Observational Studies in Epidemiology
STROBE består av 22 punkter med
fokus på tre studiedesigner:
- Tvärsnittsstudier
- Kohortstudier
- Fall-kontrollstudier
Lars Rylander
STROBE checklist
TITLE and ABSTRACT
INTRODUCTION
Background/rationale
Objectives
METHODS
Study design
Setting
Participants
Variables
Data sources/measurement
Bias
Study size
Quantitative variables
Statistical methods
RESULTS
Participants
Descriptive data
Outcome data
Main results
Other analyses
DISCUSSION
Key results
Limitations
Interpretation
Generalisability
OTHER INFORMATION
Funding
STROBE –
INTRODUCTION
2. Background
- Vetenskaplig bakgrund till varför
studien görs.
- Vilka kunskapsluckor finns?
Vilken/vilka av dessa luckor kommer
studien att fokusera på?
Lars Rylander
STROBE –
INTRODUCTION
3. Objectives
Ett bra syfte:
- specificerar vilken population som studeras
- information om vilken/a exponering/ar, utfall, och
parametrar som inkluderas
Viktigt att förstå vad som är “the investigators intention”
- vilka subgruppsanalyser som a priori är tänka
att genomföras
- gör det lättare att förstå vilka analyser som
uppkommit på vägen
Lars Rylander
STROBE –
METHODS
4. Study design
- Exemplet (case-crossover) indikerar att om man avviker från
‘traditionell’ studiedesign –
Beskriv/motivera vald studiedesign
- Avstå från termerna “prospektiv” och “retrospektiv”
Dåligt definierade
Dock viktigt: “Describe exactly how and when data
collection took place”
- Vad var orginalsyftet med studien?
Lars Rylander
STROBE –
METHODS
5. Setting
Ange VAR och NÄR studien ägde rum
- T ex kan exponering/behandlingsmetoder
ändras över tiden
- Ange inte enbart hur lång uppföljningstid
utan också under vilken tidsperiod
- Ökar möjligheten till generaliserbarhet
Lars Rylander
STROBE –
METHODS
6a. Participants
Ange
- Inklusionskriterier
- Vilka källor som använts?
- Vilka metoder som använts för
rekrytera individer?
- Speciellt vid fall-kontrollstudier:
Hur har kontrollerna valts?
Lars Rylander
STROBE –
METHODS
7. Variables
Noggrann beskrivning av ALLA
variabler:
-
Utfall
Exponering
Potentiella confounders
Potentiella effektmodifierare
Alltså även variabler som INTE finns
med i de slutliga modellerna!
Lars Rylander
STROBE –
METHODS
8. Data sources/Measurement
Mätfel och felklassificering av exponerings- och
utfallsvariabler kan
- göra det svårare att hitta samband
- leda till “falska” samband
Mätfel av potentiella confounders kan
- leda till “residual confounding”
Alltså, ge detaljerad information om validitet och
reliabilitet
- helst någon skattning, inte “bara” en referens
Lars Rylander
STROBE –
METHODS
10. Study size
- Vad avgjorde studiestorleken?
- Praktiska orsaker?
- Powerberäkning?
(vilka såklart delvis bygger på gissningar)
- Publication bias!
- STROBE rekommenderar:
- Om powerberäkningar är gjorda
innan studien - redovisa dessa
- Trötta inte ut läsaren med
retrospectiva powerberäkningar
Lars Rylander
STROBE –
METHODS
11. Quantitative variabler
- Om man väljer att kategorisera/gruppera sina
kvantitativa variabler, beskriv:
- Varför detta gjordes!
- Hur det gjordes!
(inkluderande antal i olika kategorier, cut-points,
medelvärde/median i de olika kategorierna)
- Om man väljer att inte kategorisera sina data:
- Uppfylldes eventuella modellantagande?
- Gjordes några transformationer?
- Fundera/diskutera eventuell “residual confounding”
Lars Rylander
STROBE –
METHODS
12. Statistical Methods
- Generellt finns det inte en statistisk metod
som är rätt! Oftast finns det ett antal
alternativ som kan besvara samma fråga!
Viktigt att beskriva vilka metoder som valts.
STROBE:
“Investigators should pre-determine analyses at
least for the primary study objectives in a study
protocol”
Lars Rylander
STROBE –
RESULTS
13. Participants
- Ge detaljerad information
Idealt är att ange antal deltagare i varje
steg av rekryteringen
- Vid Fall-kontrollstudier
Rekommenderas att dela upp det separat
på fall och kontroller
Lars Rylander
STROBE –
RESULTS
13. Non-participation
- Ge detaljerad information
Idealt är att ange antal icke-deltagare
i varje steg av rekryteringen
Om möjligt – detaljerad beskrivning av
anledningen till icke-deltagande
- Överväg alltid att göra ett flödesschema
Underlättar oftast för läsaren!
Lars Rylander
STROBE –
RESULTS
16. Main results
- Ange resultat för såväl ojusterade som
justerade analyser
Ange antal individer som är med i respektive
analys (pga t ex missing)
Ange konfidensintervall
Vid modellbyggande: Ange inklusions- och
exklusionskriterier
- Oftast anges endast relativa mått
Om möjligt, komplettera med absoluta mått
och ev attributable fractions
Lars Rylander
