Epidemiologi 2 Flashcards
Hur förhåller sig slumpmässiga fel och systematiska fel till studiestorlek?
- Beror på variationen i sina observationer (minskar ju större studie man gör)
Vad beskrivs?
Slumpmässiga fel
- Beror på fel i datan som samlats, åtgärdas genom att tänka på dem i planeringen av studien
Vad beskrivs?
- Systematiska fel
Nämn två vanliga typer av systematiska fel
- Urvals(selektions)fel
- Informations-/mät-/observations-fel
Urvals(selektions)fel
Vad innebär detta, ge också exempel
”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)
Informations-/mät-/observations-fel
Vad innebär detta, ge också exempel
- 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)
- Ex – man undersöker de exponerade mer för vi vet att de varit utsatta för något ”farligt”
Vad innebär confounding?
-
Associerad med exponering
- Utan att vara konsekvens av exponering
-
Ska i sig också påverka utfallet
- Även i frånvaro av exponering
Ge exempel på hur rökning kan vara en confounder i förhållande till exponeringen alkohol och utfallet lungcancer
- Rökning både ökar risken för lungcancer samt exponeringen (i detta fall alkoholanvändning)
På vilket sätt kan het temperatur vara en condounding gällande exponering glass och solbränna?
Condounding
- Kan avhjälpas genom randomisering av de grupper som ska jämföras men går ju inte göra i observationsstudie
Så hur kan vi göra?
Samla in information om sådant som kan orsaka confounding, vanligast är ålder och kön. Därför ses ofta justering för ålder och kön
Vad är detta exempel på?
Hur kan det kompenseras för?
- 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
- 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?
Confounding
Utöver standardisering, vad mer kan göras för att undvika confounding?
- 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
Confounding kan justeras för i analys
Hur då?
-
Stratifierade analyser
- Poolad analys och stratifierar på confoundingfaktorn – stratusspecifika punktestimat
- Går bara göra för kategoriska variabler – kön/ålder ex
- Poolad analys och stratifierar på confoundingfaktorn – stratusspecifika punktestimat
-
Justering
- Standardiserat riskmått
- Statistiska modeller – justera också för kontinuerliga variabler och flera variabler samtidigt
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?
SMR, standardiserad mortalitets/morbiditetskvot
- 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?
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
Vad är en effektmodulerare?
- En extern faktor som påverkar (modifierar) nivån på den studerade associationen mellan exponering och utfall
-
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?
- Ingen speciell confounding eftersom rå OR ligger mitt emellan dessa stratumspecifika
- Alltså är detta exempel på effektmodifiering utan speciell confounding
- RRK = råratkvot
- SRR = direktstandardiserat riskmått
Vad tyder det på att dessa avviker?
Tyder på confounding eller effektmodulering
- 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?
- 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!
På vilket sätt är båda confoundingvillkor uppfyllda här?
Det ska stå arsenik+ och arsenik- ovanför
- 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
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)
- Kausala slutsatser (kausal inferens)
Hur ser den kausala trappan ut?
- 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
