Föreläsning Epidemiologi 2

Question 1

Vad är kausalitet?

Answer 1

Analytisk etiologisk epidemiologi för att utvärdera orsakssamband mellan exponering och utfall

Question 2

Hur utvecklar sig felen i epidemiologiska studier?

Answer 2

Desto större studie, desto färre slumpmässiga fel

Men systematiska fel (bias) var konstant oavsett studiestorlek

Question 3

Vad räknas som systematiska fel?

Answer 3

Urvals(selektions)fel
= fel individer i de studerade grupperna

Ex. överlevarbias

Ex. självselektion
- Vem väljer att delta i forskningstudien egentligen?

Question 4

När uppstår urvals(selektions)fel?

Answer 4

När orsakssambandet är annorlunda bland de individer som ingår i studien än bland de som borde ha ingått i studien

Question 5

Vilka systematiska fel finns?

Answer 5

Informations-/ mät-/ observationsfel

Ex. systemtiskt bortfall
Ex. recall bias (folk avbryter studien)

Question 6

Vad krävs för att en faktor ska räknas som confounding?

Answer 6

För att en faktor ska vara en confounder ska två saker vara uppfyllda:

1) Ska vara associerad med exponeringen
- Utan att vara en konsekvens av exponeringen

2) Ska, i sig själv, påverka utfallet
- Även i frånvaro av exponeringen

Question 7

Vad är en confounding faktor?

Answer 7

En extern faktor som, i sig själv, påverkar (ökar/ minskar) utfallet och är associerad med determinanten

Determinant (population) -> Utfall (sjukdom)

Question 8

Vad kan sägas om en confounding faktor?

Answer 8

Leder till avvikande effektmått beroende på inflytande från en tredje faktor

Bör undvikas

Behöver kontrolleras samt justeras för

Question 9

Hur kan man undvika confounding?

Answer 9

Randomisering

Restriktioner

Matchning

Question 10

Hur kan en confounding-faktor kontrolleras?

Answer 10

Stratifierade analyser

Justering

• Poolade analyser
• Multivariabel analyser

Question 11

Vad är en SMR?

Answer 11

Standardiserad mortalitets/ morbitetskvot

Question 12

Kaffe tycks höja risken för hjärt- och kärlsjukdom enligt odds ratio, men vad kan det bero på?

Answer 12

Confounding faktor: rökning

De som dricker mycket kaffe, röker även i större utsträckning

Question 13

Hur identifierar man confounding?

Answer 13

Genom att jämföra det råa riskmåtter med det standardiserade riskmåttet har vi identifierat confounding

Question 14

Hur kan man presentera ett resultat befriat från confounding?

Answer 14

Genom att använda det standardiserade (justerade) riskmåttet presenterar vi ett mer “unbiased” resultat

Question 15

Vad är en effektmodifierare?

Answer 15

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

Question 16

Vad kan sägas om en effektmodifierare i jämförelse med en confounding?

Answer 16

Till skillnad mot confounding är en effektmodifierare inte en bias som skalla undvikas utan en viktig information som är användbar och bör lyftas fram

En effektmodifierare påvisar nämligen en biologisk interaktion mellan två exponeringsfaktorer

Question 17

Hur upptäcks en effektmodifierare?

Answer 17

En effektmodifierare upptäcks när riskmåttet (OR eller RR) varierar mellan strata (=subgrupper av populationen)

Question 18

Vad kan man göra med en stratifierad tabell?

Answer 18

1) Identifiera effektmodifiering
- Jämföra stratumspecifika effektmått

2) Identifiera och eliminera confoundingeffekten
= Genom standardisering/ justering och jämförelse mellan det råa och det standardiserade/ justerade riskmåttet

Question 19

Vad kan sägas om effektmodifierare?

Answer 19

Ett naturligt fenomen

Olika effekt i olika stratum

Enkelt

Användbart

Ökar kunskapen om biologiska mekanismer

Viktig kunskap för riktad prevention

Question 20

Vad kan sägas om confounding faktor?

Answer 20

Ett studiespecifikt fenomen

Justerat RR skiljer sig från rå-RR

Leder till avvikande effektmått

Skapar risk för misstolkning

Ska undvikas i studiedesignen

Ska kontrolleras i analysen

Question 21

Vilka kriterier finns för kausalt samband?

Answer 21

Sambandets styrka

Samstämmighet med tidigare resultat

Exponering tidsmässigt före utfallet

Dos-respons

Biologisk trovärdighet

Samstämmighet med experimentella studier

Question 22

Hur ser den vetenskapliga processen ut?

Answer 22

Observationer

Associationer

Trovärdig förklaringsmodell

Hypotes

Hypotestestning

Värdering av bevis

Question 23

Man ser att finns en association mellan exponering och utfall, vad är nästa fråga?

Answer 23

Är denna association kausal?

Question 24

Vad krävs för att avgöra om en association mellan exponering och utfall är kausal?

Answer 24

Vetenskapliga kriterier
= kausal inferens

Sannolikhetsberäkning
= statistisk inferens

Question 25

Vad innebär kausal inferens för att avgöra om association är kausal?

Answer 25

Kausal inferens
= väga bevisen för och emot samt utesluta att slumpen eller bias är orsaken
= ett kausalt samband kräver resultat från flera studier

Question 26

Vad innebär statistisk inferens?

Answer 26

1. Ta fram punktestimat: effektmått
2. Beräkna precisionen hos effektmåttet
3. Utvärdera hur sannolikt det är att resultatet stämmer överens med nollhypotesen (p-värde)