Epidemiologi 2

Question 1

Hur förhåller sig slumpmässiga fel och systematiska fel till studiestorlek?

Answer 1

Question 2

• Beror på variationen i sina observationer (minskar ju större studie man gör)

Vad beskrivs?

Answer 2

Slumpmässiga fel

Question 3

Vad innebär standard error?

Answer 3

• How accurate the mean of any given sample from that population is likely to be compared to the true population mean

Question 4

Hur räknar du ut standard error?

Answer 4

Standardavvikelse / roten ur antalet observationer

Question 5

• Beror på fel i datan som samlats, åtgärdas genom att tänka på dem i planeringen av studien

Vad beskrivs?

Answer 5

• Systematiska fel

Question 6

Nämn två vanliga typer av systematiska fel

Answer 6

• Urvals(selektions)fel
• Informations-/mät-/observations-fel

Question 7

Urvals(selektions)fel

Vad innebär detta, ge också exempel

Answer 7

”Fel” individer i studien

• Självselektion (vem väljer att vara med)
  
  • Även kliniska prövningar
• Att studera patienter i sent skede (överlevare, motståndskraftiga)
• Healthy worker effect – de som är kvar (exponering) är mer motståndskraftiga – ex med stendammslunga (de som tålde var kvar)
  
  • Gå in i register och kolla vilka som varit anställda under en 5-årsperiod ex, korrigera för detta
• Berkson bias – felaktig korrelation, ex en restaurang har bra burgare men sämre pommes frites är uppfattningen, men pommesen är ofta bättre än pommesen på de riktigt värdelösa ställena (typ Pizzeria Valla)

Question 8

Informations-/mät-/observations-fel

Vad innebär detta, ge också exempel

Answer 8

• Sjukligheten inte fastställd lika för exponerade och oexponerade
  
  • Ex – man undersöker de exponerade mer för vi vet att de varit utsatta för något ”farligt”
    
    • Företagsläkaren undersöker anställda oftare
    • Kvinnor med spontanaborter följs upp mer noggrant
  • Recall bias – i fall-kontrollstudier: orsaken till att dessa anses vara mindre tillförlitliga än kohort. Fallen minns exponering bättre än kontroll eftersom de är mer motiverade att svara på frågor (minns sin exponering)
  • Systematiskt bortfall – någon redovisar inte sin exponering (de skäms eller något)

Question 9

Vad innebär confounding?

Answer 9

• Associerad med exponering
  
  • Utan att vara konsekvens av exponering
• Ska i sig också påverka utfallet
  
  • Även i frånvaro av exponering

Question 10

Ge exempel på hur rökning kan vara en confounder i förhållande till exponeringen alkohol och utfallet lungcancer

Answer 10

• Rökning både ökar risken för lungcancer samt exponeringen (i detta fall alkoholanvändning)

Question 11

På vilket sätt kan het temperatur vara en condounding gällande exponering glass och solbränna?

Answer 11

Question 12

Condounding

• Kan avhjälpas genom randomisering av de grupper som ska jämföras men går ju inte göra i observationsstudie

Så hur kan vi göra?

Answer 12

Samla in information om sådant som kan orsaka confounding, vanligast är ålder och kön. Därför ses ofta justering för ålder och kön

Question 13

Vad är detta exempel på?

Hur kan det kompenseras för?

Answer 13

• Finns egentligen ingen skillnad mellan grupperna, därför viktigt att stratifiera för ålder, åldern är så olika i grupperna att vi inte kan jämföra grupperna
• Åldern är confoundingfaktorn!
• Så åldern har en påverkan på population (sammansättning) och åldern är en riskfaktor för utfallet, ålder i sig är också riskfaktor för sjukdomen

Kan kompenseras för genom standardisering

Question 14

• Leder till avvikande effektmått beroende på inflytande från en tredje faktor
• Skall undvikas och om det inte kan undvikas så behöver det
• Kontrolleras/justeras för

Vad beskrivs?

Answer 14

Confounding

Question 15

Utöver standardisering, vad mer kan göras för att undvika confounding?

Answer 15

• Randomisering
• Restriktioner
  
  • Bara tar med individer i en viss ålder, kön osv
• Matchning
  
  • Matchar ihop exponerade med oexponerade eller fall/kontroller
  • Matcha med kön och ålder
  • Vid analys av data så måste matchningen hållas samman

Question 16

Confounding kan justeras för i analys

Hur då?

Answer 16

• Stratifierade analyser
  
  • Poolad analys och stratifierar på confoundingfaktorn – stratusspecifika punktestimat
    
    • Går bara göra för kategoriska variabler – kön/ålder ex
• Justering
  
  • Standardiserat riskmått
  • Statistiska modeller – justera också för kontinuerliga variabler och flera variabler samtidigt

Question 17

Standardiserat riskmått

• Direkt standardisering – som exemplet med Panama och Sverige
• Annars vanligt med …?
  
  • Vi standardiserar inte två rater som vid direkt standardisering
  • Observerade antal fall divideras med framräknat förväntat antal fall
    
    • Ex – vi förväntar oss att hela populationen blir smittad men bara hälften blir det 50/100 = 0,5
  • Beroende på vilken typ av studie vi ska göra så kan det räknas fram på lite olika sätt
  • Exponerade används som vikter

Vad beskrivs?

Answer 17

SMR, standardiserad mortalitets/morbiditetskvot

Question 18

• Tycks vara så att hög kaffekonsumtion ökar risken för hjärt/kärlsjukdom – OR 3,6

Vad skulle vi vilja göra för att undersöka om det beror på confounding ex?

Answer 18

Något av följande:

• Stratifierade grupper efter rökning och icke rökning ex
• SMR
• Direkt standardisering

Om det avviker mkt från råa OR så tyder det på confounding

• Stratifiering för ex rökning så blir OR bara strax över 1 och 1,68 jämfört med den totala OR på 3,6
• SMR vilket ger 1,11
• Direkt standardisering något mellan 1,08 och 1,68

Question 20

Vad är en effektmodulerare?

Answer 20

• En extern faktor som påverkar (modifierar) nivån på den studerade associationen mellan exponering och utfall

Question 21

• P-piller användning och hjärtinfarkt
  
  • Om detta inte stratifieras för rökare ges OR 4,4
  • Stratifiering
    
    • Rökare med p-piller – OR = 6,4
    • Icke rökare med p-piller = 2,7

Vad tyder detta på?

Answer 21

• Ingen speciell confounding eftersom rå OR ligger mitt emellan dessa stratumspecifika
• Alltså är detta exempel på effektmodifiering utan speciell confounding

Question 22

• Till skillnad mot confounding så är effektmodifiering inte en bias som skall undvikas utan en viktig information som är användbar och bör lyftas fram. Påvisar en biologisk interaktion mellan två exponeringsfaktorer

Hur kan det upptäckas sett till strata?

Answer 22

• När riskmåttet (RR eller OR) varierar mellan strata (subgrupper av population)

Question 23

I stratifierad tabell kan vi alltså:

• Identifiera effektmodifiering (jämför stratumspecifika effektmått)
  
  • Ej fel som ska justeras för, tillför mer information

Vad är det då vi ser i strata?

Answer 23

• Olika risker i de två stratumen – viktigt att poängtera!

Question 24

I stratifierad tabell kan vi alltså:

• Identifiera och eliminera confoundingeffekten (genom standardisering/justering och jämförelse mellan det råa och det standardiserade/justerade riskmåttet)

Vad är det då vi kan se i strata?

Answer 24

• Risken i stratum är lika men avviker från sammanvägd risk!

Question 25

* **RRK = råratkvot** * **SRR = direktstandardiserat riskmått** ## Footnote **Vad tyder det på att dessa avviker?**

Answer 25

Tyder på confounding eller effektmodulering

Question 26

* **RRK = råratkvot** * **SRR = direktstandardiserat riskmått** * **Dessa två avviker vilket tyder på confounding eller effektmodulering** * Det finns därför värde att ta fram strata för exempelvis rökning för att komma vidare vilket visar?

Answer 26

* Confounding – RRK (råratkvot) avviker från bägge strata (högre än bägge) * Effekmodifiering – RR-rök dubbelt mot RRej-rök * Kan därför vara bättre att presentera med SRR = 4,12 * **Men om man vill visa att rökning och arsenik har potentierade effekt kan deras riskmått (ratkvot) visas var för sig ändå - det vill vi!**

Question 28

På vilket sätt är båda confoundingvillkor uppfyllda här?

Answer 28

* Bara genom att titta på confoundingfaktorn rökning kan vi se att de har en effekt i sig självt * Även jämföra hur många personår det finns i grupperna * exponerade 4000/5000 = 0,8 * oexponerade 3500/10000 = 0,35 vilket innebär en snedfördelning gällande rökvanor * Det finns alltså samband mellan utfall och rökning * Det finns också samband mellan arsenik och rökning * Så sammantaget är rökning en confoundingfaktor och effektmodifierare

Question 29

* **Ett naturligt fenomen** * Olika effekt i olika stratum * Enkelt * Användbart * Ökar kunskapen om biologiska mekanismer * Viktig kunskap för riktad prevention * Arsenik och rökning – ev riktad prevention Vad beskrivs?

Answer 29

Effektmodifierare

Question 30

* **Ett studiespecifikt fenomen** (beror i grunden på slumpmässigt fel i materialet vi har) * Vissa faktorer är ofta confounding som kön och ålder * Justerat RR skiljer sig från rå-RR * Leder till avvikande effektmått * Skapar risk för misstolkning * Undvik (i studiedesignen) kontrollera i analysen Vad beskrivs?

Answer 30

**Confounding**

Question 31

**Slutsatser om kausalt samband** * Är den observerade associationen kausal? (orsakssamband) * Kausala slutsatser (kausal inferens) * Väga bevisen för och emot samt utesluta att slumpen eller bias är orsaken * En enskild epidemiologisk studie ska utvärderas, MEN * Ett kausalt samband kräver resultat från flera studier * Utvärderas kvalitativt eller kvantitativt (meta-analys) **​Hur ser den kausala trappan ut?**

Answer 31

* Kan förmodad kausalitet förklaras av något annat? * Selektions- eller mätbias * Confounding * Slumpen * Kausalt? * Sambandets styrka * Samstämmighet med tidigare resultat * Ex observationer eller experimentella studier * Exponering tidsmässigt före utfallet * Dos-respons * Biologisk trovärdighet * Samstämmighet med experimentella studier