Datakällor Flashcards
Önskelista för analytiska farmakoepidemiologiska studier
Önskelista för analytiska farmakoepidemiologiska studier
- Patient characteristics
– Age, sex, height, weight - Medical data
– Diagnoses
– Procedures
– Test values/results (e.g., lab, ECG, imaging)
– Other information: blood pressure, symptoms, clinical notes, etc. - Medications
– Indication
– Prescriptions/dispensations/a ctual intake
– Over-the-counter - Patient-reported outcomes
- Family history, e.g. CVD
- Life style
– Fitness, diet, smoking, alcohol consumption, sun exposure… - Attitudes/personality
- Social/work/environmental
– Socio-economic status, living conditions - Mortality and causes of death
All these data would be standardized and continuously linked using unique patient identifiers
Vad behöver man för att utföra analytiska farmakoepidemiologiska studier?
Man behöver beskriva populationen (Ålder, kön, socioekonomi faktorer)
Exponeringen: Vilka LM tas förskrivs, köps ut och används av populationen
För analytiska studier behöver man beskriva utfall (Cancer, sjukhusanläggning, dödlighet)
Man behöver för analytiska studier studera counfounder som hänger med exponering och utfall (En confounder kan vara t.ex. andra LM, rökning, ålder, kön och miljöfaktorer)
Attityder: vad folk tänker, känner och deras erfarenheter
Om det är möjligt: I varje studie har vi massa önskemål, men vi har inte data eller inte etisk att samla dessa data, eller man får inte rätt svar osv.
Ovan är viktiga faktorer för epidemiologiska analytiska studie för att kolla samband mellan olika faktorer. Man ska ha relevanta data och färska.
Exempel på data - andra studier om läkemedelsanvändningen
Exempel på data - andra studier om läkemedelsanvändningen
- Egenskaper hos läkare, farmaceuter och patienter: Man kan vara intresserad av läkare egenskaper (kön, hur länge man jobbat)
- Vårdorganisation: Vad har vården för budget
- Socioekonomiska faktorer: Med hänsyn till patient, apotek, vårdlandsting
- Policies och regelverk: Vilken lagstiftning eller policy för att hantera förskrivningsrätter (OSV)
- Vårdprogram och rekommendationer: Påverkar hur vi ska diagnosera olika sjukdomar.
- Industrins marknadsföring: Påverkar vilka läkare har kontakt med industri, media osv
- ..
Men även andra data som är antirationella, nationella, lokala och regionala data.
Primära vs. sekundära data
Primära vs. sekundära data
Primärdata
Data som samlas in i samband med en undersökning, och inte har existerat tidigare. T.ex vid analys eller forskningsprojekt. Forskare själva samlar in denna data (I form enkäter eller intervjuer)
Sekundärdata
Data som redan existerar (insamlat i annat syfte)
T.ex. journaler som ska egentligen vara för patientens användning men kan användas för studier och forskning (Enkät kan det också vara, men det ska vara för ett annat syfte)
Vilket är bäst?
Vilket är bäst?
* Beror på frågeställningen!
Fördelar med primärdata
* Många data finns inte nån annan stans
Vilket är bäst?
LÄNGRE
Vilket är bäst?
* Beror på frågeställningen! Vad vill vi ta reda på, kan data svara på det?
Fördelar med primärdata
* Många data finns inte nån annan stans: Massa data finns inte i databaser (Finns inte registrerat), t.ex. kommunikation.
* Data anpassat efter studien: Primär data är anpassat för studien, det är den data vi önskar för vår studie
* Data är aktuella: Data är färsk
* Du kan lita på data, när du vet hur det samlats in
Nackdelar med primärdata
* Tar lång tid att samla in: Svarsfrekvens är inte bra, folk är trötta på enkäter
* Kostar mer
* Kräver kunskap hos insamlaren och validerade instrument: Man kan fråga på olika sätt och kan ge ledande frågor
* Går att manipulera: Medan registret data (Sekundär data) går inte att manipulera, för att de vet inte om våra studier.
De flesta överskattar sig själv…
De flesta överskattar sig själv…
I en studier letade forskare efter studier inom kvalitet inom vårdprogram och riktlinjer för behandling och diagnos. Varje punkt är mått på kvalité av en studie. Där:
X-axel: Personal som självrapporterade sina kompetens
Y-axel: Objektiv följsamhet
Om alla sa sanningen, skulle alla punkter hamna i en rät linje. Men i denna studie, överskattade personalen sig själva hur bra de är och hur de följer riktlinjer.
Problem!
Sekundärdata
Fördelar och nackdelar
Sekundärdata
Fördelar med sekundärdata
* Kostnadseffektivt: För att data finns redan insamlade
* Går snabbt att samla in: För att data finns redan insamlade
* Många olika (delvis okända) faktorer kan följas upp: Primär data måste vi från början bestämma vad ska vi fråga om (Man kan plocka data från andra variabler och hitta nya samband)
* Påverkas inte av intervjuare eller respondenten
Nackdelar med sekundärdata
* Data finns inte/inte anpassad efter studien
* Validitet: Kan variera med överdiagnostik
* Kan vara gamla och inaktuella: Man vill göra färska studier
Datakällor om läkemedel
Finns massa datakällor:
Försäljningsdata från industrin
Försäljningsdata från grossister
Claims/reimbursement
Journaldata
Hälsodataregister & Kvalitetsregister
LM register
Apoteksdatabaser
Datakällor om läkemedel
Finns massa datakällor:
Försäljningsdata från industrin: Ger info om mängder som säljs och tillverkas.
Försäljningsdata från grossister: Grunden för LM statisk, där man registrerar allt som levereras från industri till apotek (Ger inte info) men rationellt ger bild på hur mycket som levereras av olika LM klasser.
Claims/reimbursement: Här finns data om hur mycket betalar vård och hur mycket får vården tillbaka samt hur mycket betalar landsting. Grund till stora epidemiologiska studier. Mycket data. En nackdel är att, när patienten betalar kontant får man inte data på det.
Journaldata: Diagnoser och labbdata, samt olika medicinska data (BB, glukosnivå osv)
Hälsodataregister & Kvalitetsregister: Två olika saker, bra register om hela befolkning
LM register: Alla LM som förskrivs ut finns data på.
Apoteksdatabaser: Vad apotek säljer (samma som socialstyrelse), men även receptfria LM ingår där.
Data som samlas från patienter: Hur man verkligen tar LM hos patienten (Allt annat är det som säljs, tillverkas och så)
Hur är det med andra data?
Besök & inläggningar
Dödsfall & demografi
Socioekonomi
Diagnoser/sjukdomar
Cancer
Vårdåtgärder
Labdata / undersökningar
Behandlingsresultat
Livskvalitet
Attityder
Hur är det med andra data?
1- För att mäta Besök & inläggningar: Sekundär data är mer lämplig, som redan finns i landsting och socialstyrelse. Man skulle kunna använda sig av primär data, men sekundär data är säkrare.
2- För att mäta Dödsfall & demografi: Även här sekundär data är lämplig, då vi har god koll på var folk bor. Inflyt och utflytt. Men med vissa demografi data är primär data säkrare
3- För att mäta Socioekonomi: Vissa data är bra som primär data och vissa sekundär data. Utbildningsnivå kan plockas från utbildningsregister eller födelse land också lätt.
4- För att mäta Diagnoser/sjukdomar: Diagnoser på sjukhus i öppenvård är sekundär data lämplig. Vissa diagnoser registreras inte och under diagnostik. Men med primär data uppkommer problem med att patienten inte kommer ihåg eller så.
5- För att mäta Cancer: Cancer register har vi. Användning av primär data i detta fall är svårt, för att patienten inte vet och man kanske är efter större data. Sekundär data är lämplig.
6- För att mäta Vårdåtgärder: T.ex. Operation, viss test eller LM genomgång, ingen av dessa 2 data är perfekt. Nackdel med primär data är att patienten inte minns, svårt att komma ihåg. Nackdel med sekundär data, att man inför inte allt.
7- För att mäta Labdata / undersökningar: Svårt att fråga patienten om det om man vill ha stark data. Sekundär data är lämplig.
8- För att mäta Behandlingsresultat: Det vi mest intresserade av. Tyvärr är endast få sjukdomar med uppföljning av behandlingsresultat. Kvalitetsregister skulle vara lämplig. Ingen av dessa 2 data är lämplig.
9- För att mäta Livskvalitet: Svårt att mäta med register. Men bättre med primär data genom att gå och fråga.
10- För att mäta Attityder: Bättre med primär data (Gå och hämta åsikter). En del data kan finnas i register.
Primära vs. sekundära data
Primärdata
Primära vs. sekundära data
Primärdata
Data som samlas in i samband med en undersökning, och inte har existerat tidigare
Primär data som man samlar för sin studie som inte finns tidigare. Denna data är alltså speciell för studien.
Primärdata
Primärdata
* Både för kvantitativa (Procent, andel och skillnader) och kvalitativa (Åsikter och attitder) studier
* Enkäter, intervjuer, observationer eller experiment
* Kan vara information om allt möjligt
- kön, ålder, yrke, inkomst, utbildning, sjukdomar, livsstil, intressen, aktiviteter, erfarenheter, värderingar, attityder, kunskaper, beteenden…
* Anpassas efter just din undersöknings syfte och behov.
Med primär data kan man ta reda på olika saker. Hos vilken folkgrupp som helst (läkare, receptarie, patienter, anhöriga) utifrån studies syfte och behov
Enkät
Enkät
Det finns standard enkät som används löpande eller att vissa kan görs anpassade för olika projekt.
EX. på en studier som utför enkät undersökning
EX. på en studier som utför enkät undersökning med sekundär data: Migrän LM som är potenta men kostsamma, de uppkommer problem med dessa LM, då man kan överkonsumera dem.
Vad har hänt när de blev receptfria? Är studiens frågeställning. Enkäter delades ut, men man studerade även sekundär data på vilka LM de behandlas med och vilken diagnos.
Av denna metod kunde man märka att samling av data med register är lättare att ha för populationsstudier. Medan med enkät fångade man bara 48 patienter.
I länder med mindre databaser,
I länder med mindre databaser, använder man sig oftast av primär data. I denna studie i Brazil knakade man på dörren och folk fyllde enkät (Denna var en tvärsnittsstudie). Finns risk att inte alla svarar, samt att vissa lämnar inkompletta enkäter.
Enkät
Fördelar och nackdelar
Enkät
Fördelar
* Billig och effektiv metod att samla data
* Säkerställer anonymitet: Med en enkät vet vi inte vem som fyllde enkäten, men vi känner till antalet som svarade.
* Respondenten kan svara när han/hon har tid: Göra på olika sätt, via mail, länkar osv
* Ingen intervjuare som kan påverka utfallet: Vissa intervjuare kan förvänta sig vissa svar.
Nackdelar
* Risk för misstolkningar: Att man tolkar fel resultat
* Stort bortfall, icke representativt urval: Många som inte vill svara (90% svarsfrekvens är målet, men vi får endast 20%) Risken att bara negativa eller positiva svarar, då är bortfallet problem
* Påminnelser behövs ofta: Man ger 4 påminnelser (inte lång tid innan de svarar)
Ex: Enkät för öppna frågor
Ex: Enkät för öppna frågor och kryssa alternativ för att svara på sjukdomar patienten är diagnoserad med, vilka LM, allergier, rökar man, slutna alternativ eller öppna frågor
Ex: Enkät om kosttillskott.
Ex: Enkät om kosttillskott. Enkäter om kosttillskott är typisk typ av enkäter för att vi har inte register på dem på individnivå
Ex: Enkät om följsamhet
Ex: Enkät om följsamhet, där man har påstående och man väljer; Alltid, ofta, ibland, sällan, aldrig OSV. För enkäter som mäter olika typer av följsamhet måste man kolla på validitet skalor
Validerade skalor
Validerade skalor: Som mäter testats validitet och säkerställts att de faktiskt mäter det man vill mäta.
Fördel: De kan jämföras mellan olika studier. Översatta till olika språk.
Nackdel: Det finns en forskare som äger rättighet till skalan och man måste betala för det ibland.
Intervju
Fördelar
Nackdelar
Intervju
Fördelar
* Flexibel, intervjuaren kan ställa följdfrågor: Om man inte begriper frågan, detta leder till att man minimerar risker för feltolkning.
* Risken för feltolkning minimeras
* Litet bortfall, kan få representativt underlag: Risk för bortfall i början (Om man ens vill intervjuas)
Nackdelar
* Arbetskrävande
* Lämpar sig ej för stora urval
* Intervjuaren måste vara närvarande hela tiden
* Krav på den som intervjuar: Att göra det på rätt sätt, då intervjuarna kan påverka.
* Intervjuaren kan påverka respondenten
Intervju - olika slags frågor
Intervju - olika slags frågor
* Inledande frågor (när började du intressera dig för …): För att väcka intresse
* Uppföljningsfrågor (säg lite mer om …)
* Sonderingsfrågor (fördjupning av ett svar)
* Preciserande frågor (hur reagerade x då?)
* Direkta frågor (på slutet av intervjun): Om något man inte fick svar på, då vill man poängtera frågan.
* Indirekta frågor (vad tycker man om …): Man får andra svar än med de direkta frågor
* Strukturerade frågor (man byter tema): För att tydliggöra för patienten att vi ska byta ämne (Tydliggöra var man är i intervjun)
* Tolkande frågor (menar du att …?): Risk att man leder patienten till ett visst svar.
Krav på intervjuaren
Krav på intervjuaren: Man ska förbereda sig. Om man har flera intervjuare, måste man se att man gör lika för att det inte ska bli svårt:
* Insatt (väl förberedd)
* Strukturerad (motivet med intervjun skall vara klart och ej kunna misstolkas): Tydligt för patenten för att förklara vad som krävs och förklara frågor.
* Tydlig (begripliga frågor)
* Visa hänsyn (avbryt ej)
* Öppen (reagera på det som är viktigt)
* Styrande (veta vad man vill ha svar på): Se till att intervjun handlar om detta ämne
* Kritisk (ifrågasätt, motsägelser): Om patienten byter sin åsikt, fråga och granska är det verkligen så du menade?
* Låt den intervjuade få läsa och reagera: För en bättre kvalité
* Etiska överväganden viktiga: Man måste vara försiktig med det.
Primär datainsamling går ut så här:
Primär datainsamling går ut så här:
- Bestäm syfte och frågeställningar: Börja med att bestämma syfte: Vad vill vi göra?
- Välj det mest lämpliga sättet att samla in data på: Primär eller sekundär data (Om primär data: enkät eller intervjuer)
- Skriv ett protokoll för datainsamlingen
- Gör enkätformulär och skattningsskalor: Oavsett om man ska utföra en enkät eller intervju
Välj i möjligaste mån validerade instrument - Pilottesta enkäten/intervjuguiden: Testa på någon av studiepopulationen så att de verkligen förstå det, de ska ligga i den populationen du ska studera. Om du ska göra enkäten för en äldre population, testa enkät på en gammal släktning. Begriper dem?
- Träna alla som ska samla in data
- Hantera insamlade data
Ska man välja primärdata?
Fördelar med primärdata
och nackdelar
Ska man välja primärdata?
* Beror på frågeställningen!
Fördelar med primärdata
* Många data finns inte nån annan stans
* Data anpassat efter studien
* Data är aktuella
* Du kan lita på data, när du vet hur det samlats in
Nackdelar med primärdata
* Tar lång tid att samla in
* Kostar mer
* Kräver kunskap hos insamlaren och validerade instrument
* Går att manipulera
Primär data har många fördelar, de finns inte någon annan stans (Tankar, åsikter och attityder).
Men olika nackdelar att man manipuleras av forskar och intervjuare.
Sekundärdata
Sekundärdata
Data som redan existerar (insamlat i annat syfte). Sekundär: Man har redan insamlat data.
Primär: Som forskare samlar in för att svara på en frågeställning man har för sin studie.
Den perfekta databasen innehåller…
Den perfekta databasen innehåller…
- Patient characteristics
– Age, sex, height, weight - Medical data
– Diagnoses
– Procedures
– Test values/results (e.g., lab, ECG, imaging)
– Other information: blood pressure, symptoms, clinical notes, etc. - Medications
– Indication
– Prescriptions/dispensations/a ctual intake
– Over-the-counter - Patient-reported outcomes
- Family history, e.g. CVD
- Life style
– Fitness, diet, smoking, alcohol consumption, sun exposure… - Attitudes/personality
- Social/work/environmental
– Socio-economic status, living conditions - Mortality and causes of death
All these data would be standardized and continuously linked using unique patient identifiers
Den perfekta databasen, innehåller allt möjligt för att studera LM effekter.
Man ska länka med personnummer för att bättre kvalité
Sverige var en av de
Sverige var en av de första länderna i världen som fick en samlad nationell läkemedelsstatistik
På 70-talet började det, som måttenheter började utföras. Då började data ligga ute på hälsomyndighet och socialstyrelse
Datakällor – läkemedel i Sverige
Datakällor – läkemedel i Sverige
Inleveransstatistik: Data på leveranser till apotek. På 70-talet började den. År 1985 hade man öppen och sluten vård (På sjukhus och öppendata), men inte antal individer utan bara doser
Daignos-receptundersökningen: Denna sökning finns inte som datakälla idag på grund av dålig svarsfrekvens. Den inkluderade en kombination av sina recept med diagnos. Inkluderade även vilka LM på vissa diagnoser kunde man studera.
SOS med individ och personnummer data —> Möjligt till epidemiologiska studier
