Intro + Epidemiologiska mått och grundbegrepp Flashcards
Pyramiden
Fallserier: Antal fall med observation som har ett mönster
Ekologiska studier: Har inte kontroll grupp
Fall-kontroll och cohort studier: Där har vi kontroll med före och efter utfallet.
Randomiserad kliniska prövningar (RCT): är viktigaste och tyngste typ av studie.
Meta analys: Review av olika randomiserade kliniska prövningar.
Begränsningar med RCT:
Begränsningar med RCT:
* Kan inte göras för alla exponeringar vi utsätts för
- miljögifter, strålning, socioekonomi, kost, mindset….
* Kan vara svårt att mäta outcome (Outcome är utfallet)
* Oetiskt för många interventioner eller patientgrupper (t.ex. Gravida)
* Strikt selekterade patienter motsvarar inte patientmaterielet I vanlig sjukvård
* Svårt att få tillräckligt långa behandlingstider: Korta perioder för att kunna säkerställa en tillförlitlig slutsats.
* Jämförelser görs inte mellan relevanta exponeringar
Den med 1/3 regel:
* I studier med 3000 patienter kan man inte upptäcka läkemedelsbiverkningar med en incidens på < 1/1000
* Studier med 500 patienter kan man inte upptäcka läkemedelsbiverkningar med en incidens på < 1/166
* Tidsödande & dyra att genomföra
OBS! Vad som händer i praktiken är inte samma sak som vad som händer i en klinisk kontrollerad prövning.
Epidemiologi:
Epidemiologi:
* epi = bland
demos = folk
logos = läran om
* Läran om det som ”är bland” folk
* Vetenskapen om de smittsamma (epidemiska) sjukdomarna
* Studier av förekomst och distribution av sjukdomar i en population
Olika typer av epidemiologi:
Olika typer av epidemiologi:
Infektions epidemiologi
Hjärt och kärl epidemiologi
Miljö epidemiologi
Psykologisk epidemiologi
Genetisk epidemiologi
Läkemedelsepidemiologi
Läkemedelsepidemiologi är en samling
Läkemedelsepidemiologi är en samling av klinisk farmakologi och epidemiologi, där:
Klinisk farmakologi: Studier av läkemedelseffekter i människor
Epidemiologi: Studier av förekomst och distribution av sjukdomar i en population
Läkemedelsepidemiologi: Vetenskapen kring användningen av läkemedel och dess effekter i befolkningen
Läkemedelsepidemiologi
Läkemedelsepidemiologi
Studier av läkemedelsanvändningen och dess effekter I befolkningen
* Drug utilization studies (studier av rationell förskrivning, utköp och användning av läkemedel)
* Effekt (effectiveness) och säkerhet av läkemedelsbehandling i olika patientgrupper
- gravida, barn, äldre…
* Medicinska, sociala och ekonomiska aspekter på läkemedelsanvändningen – tex risk/nytta, missbruk/ beroende, ojämlik användning, kostnader för läkemedel
Hälsoekonomi
Hälsoekonomi
* En del av nationalekonomin som används för att analysera och bedöma kostnader och effekter av insatser inom hälso- och sjukvården.
* Hälsoekonomiska utvärderingar gör det lättare att prioritera mellan olika insatser.
* Tydliggör vilket alternativ som ger mesta möjliga hälsa till befolkningen, givet de resurser som finns tillgängliga.
Kort om NOAK
Kort om NOAK
- Nya direktverkande orala antikoagulantia (NOAK)
- Trombinhämmaren dabigatran (Pradaxa)
- Faktor Xa-hämmarna rivaroxaban (Xarelto), apixaban (Eliquis) och edoxaban (Lixiana)
- Lovande resultat från kliniska prövningar
– Liknande eller bättre resultat jfr med warfarin
– Lägre risk för intrakraniella blödningar
– Inget behov av monitorering
– Har också interaktioner - Många kvarstående frågetecken när de skulle introduceras på marknaden
Två sorters effekt (VIKTIGGT)
Två sorters effekt (VIKTIGGT)
Efficacy = Hur väl ett behandlingsalternativ fungerar under noga kontrollerade förhållanden, dvs effekt i en klinisk prövning på särskilt utvalda patienter
Effectiveness = Hur väl ett behandlingsalternativ fungerar i verkligheten, dvs effekt i praktisk sjukvård
Gapet kan bero på att patienterna skiljer sig åt (ålder, genetik, samsjuklighet, andra läkemedel…) eller hur doktorerna förskriver och patienterna använder läkemedlen i praktiken
Epidemiologi: Handlar om
Epidemiologi: Handlar om sjukdomar
- Epidemiologi är studien av fördelningen och bestämningsfaktorerna (Vad som påverkar?) för hälsorelaterade tillstånd eller händelser (inklusive sjukdom), samt tillämpningen av denna studie för att kontrollera sjukdomar och andra hälsoproblem. (WHO 2017)
Epidemiologi är alltså studier av förekomst och distribution av sjukdomar i en population, de kan vara:
- Deskriptiv – som beskriver förekomst av sjukdomar, ohälsa och läkemedelsanvändning
- Analytisk – tar reda på orsakerna
- Interventionell – vad man kan göra åt det (De har alltså syfte att testa olika metoder för att förbättra hälsan och förbättra läkemedelsanvändningen)
Vanliga epidemiologiska frågor
Vanliga epidemiologiska frågor
* Vad är problemet?
Den kan vara: ohälsan, sjukdomen, riskfaktorn, läkemedlet
* Hur vanligt är det?
* Var förekommer det?
* När förkommer det?
* Vilka är drabbade?
* Vad beror det på?
* Vad kan vi göra åt det?
Typiska epi-frågor
Typiska epi-frågor. Många epidemiologiska studier har en exponering och ett utfall:
Exponering: Där frågorna kan vara: (Dessa är deskriptiva frågor som beskriver situationen i en population)
- Hur stor av andel av befolkningen utsätts för strålning?
- Hur stor andel av gravida kvinnor röker?
- Hur många äldre är ensamma?
Utfall: Där frågorna kan vara: (Dessa är analytisk epidemiologiska frågor som tar reda på orsakerna):
- Kan strålning orsaka hjärntumörer?
- Kan rökning hos gravida göra att barnen växer sämre?
- Kan ensamhet öka risken för demens?
Typiska läkemedelsepidemiologiska-frågor:
Typiska läkemedelsepidemiologiska-frågor: Då är LM båda med i exponering och utfall:
Exponering: Där syftet är att studera och undersöka ifall en viss population har blivit exponerade (behandlade) med ett visst LM:
- Behandling med läkemedel
ELLER
- Sjukdom, annan faktor
Utfall: Där syftet är att studera och undersöka ifall en viss population har fått effekt/biverkan när de (exponerades) behandlats med ett visst LM:
- Effekt
- Biverkan
ELLER
- Behandling med läkemedel
ELLER: En exponering kan också vara en sjukdom medan ett utfall är behandlingen, där man vill undersöka vilken behandlingen får man för att behandla en viss sjukdom.
För epidemiologiska studier behövs olika mått:
För epidemiologiska studier behövs olika mått:
Mått på förekomst:
* Prevalens (Punkt och periodprevalens)
* Incidens (Incidensrat och kumulativ incidens)
Mått på död:
* Letalitet
* Dödstal
* Medellivslängd
Validitetsmått: Grad av sanning (Om en viss metod ger bättre svar)
* Sensitivitet
* Specificitet
Mått på samband ”effektmått”
* Korrelation
* Relativ risk
* Oddskvot
* Hazard ratio
* Absolut risk
Mått på läkemedelsanvändning
Mått på läkemedelsanvändning
* Prevalens eller incidens: Detta mått sker med aggregerad data
För att ta reda på prevalens eller incidens måtten kan man räkna räknar upp måtten nedan:
* Recept
* Förpackningar
* DDD: Defined daily dose
* PDD: Prescribed daily dose
* …
Aggregerad data refererar till information som har kombinerats eller summerats från individuella enheter till en mer övergripande nivå, vanligtvis på en grupp- eller populationsnivå. Denna process innebär att man slår ihop data från olika individer eller enheter för att skapa en sammanställd bild.
Man behöver inte nödvändigtvis veta det exakta antalet personer i populationen vid varje enskild tidpunkt, utan man fokuserar på det totala antalet förekomster av sjukdomen eller tillståndet.
Prevalens:
Prevalens: Förekomsten av sjukdom/ohälsa/ läkemedelsanvändning i en definierad population. Anges som en andel eller proportion, 0-100%
Prevalens = Antal individer med en sjukdom eller ett visst läkemedel / Totala antalet individer vid en viss tidpunkt eller under en viss period
Olika typer av prevalens:
Olika typer av prevalens:
- Punktprevalens: Antalet fall av en hälsohändelse (sjukdom/ohälsa/ läkemedelsanvändning) vid en viss tidpunkt. Till exempel om du deltar i en enkät och svarar på frågan om tar smärtstillande Läkemedel.
Med punktprevalens får man veta: Hur många är det NU som tar läkemedlet???
Den är lättast att styra i en enkät. - Periodprevalens: Antalet fall av en hälsohändelse (sjukdom/ohälsa/ läkemedelsanvändning) i förhållande till en tidsperiod. Till exempel om man studerar hur stor del av befolkningen som hämtat ut recept på smärtstillande läkemedel under ett år i ett register eller databas. År eller två veckor månad eller något. Den är lättast att styra och studera med databaser.
- Livstidsprevalens: Antalet fall av en hälsohändelse (sjukdom/ohälsa/ läkemedelsanvändning) i förhållande till den totala livstiden. Till exempel om du deltar i en enkät och svarar på frågan om du någonsin har använt smärtstillande läkemedel.
Exempel – punktprevalens
Exempel – punktprevalens
Diagrammet visar andel barn med övervikt vid 4 års kontroll och besök.
Detta sker alltså vid en viss tidpunkt, nämligen, 4 års kontroll och besök.
Exempel – periodprevalens
Exempel – periodprevalens
Diagrammet visar förskrivningen av antibiotika mellan 2006-2018
Måtten är antal patienter på 1000 invånare, diagrammet visar en periodprevalens, med tanke på att denna mätning har skett någon gång under året, vi vet inte vilken dag t.ex.
Incidens
Incidens: Mäter hur förekomsten förändras genom att mäta endast nya fall. Kan beräknas som incidensrat eller kumulativ incidens.
Den anger alltså: Hur många NY insjuknade?
Samband mellan måtten:
Samband mellan måtten:
Prevalens: Är antalet sjuka i en befolkning.
Incidens: Anger antalet nya fall som sjuknar.
Prevalens kan sänkas om folk dör eller tillfrisknar.
Exempel förkylningar - klass med 20 studenter
Exempel förkylningar - klass med 20 studenter
Där vi har 20 personen i en klass. Denna mätning sker under 3 månader (Jan, Feb och Mars)
Alla 20 blev inte förskylda (Endast 8 blev det)
Periodprevalens i februari, kan man beräkna genom att, räkna de som var förkylda (6 st)
Prevalens = (6/20 är periodprevalensen i feb = 30%).
6 st för att man räknar ALLA (Oavsett om det sker I slutet eller början) pilar i feb.
Punktprevalens vid den 28:e feb —> 1/20 = 5% (För att vi har endast 1 fall i 28:e feb)
Incidens i feb: Nya insjuknad 4 st (4/18) = 22.2% (Antal folk som har den linje delen (__) av pilen inom feb, för att vi mäter endast nya fall i feb).
Vad påverkar prevalensen?
Vad påverkar prevalensen?
Faktorer som leder att prevalensen ökar:
* Längre sjukdomsduration: Sjukdomen är varaktig.
* Ökad incidens —> Fler patienter flöder
* Inflytt av sjuka: Antalet sjuka ökar
* Utflytt av friska: Antalet friska minskar
* Förbättrad diagnostik (fler fall hittas): Hitta folk med sjukdom tidigare.
Faktorer som leder att prevalensen minskar:
* Kortare sjukdomsduration
* Hög dödlighet
* Minskad incidens
* Inflytt av friska personer
* Utflytt av sjuka personer
* Förbättrad behandling så fler tillfrisknar
Obs! Skillnad mellan akuta och kroniska sjukdomar. Akuta sjukdomar som infektion (Covid t.ex.) läcker ut, medan kroniska sjukdomar (Diabetes t.ex.) om man sjuknar en gång bär man ha sjukdomen länge med sig.
Sammanfattningsvis är det centrala i skillnaden att akuta sjukdomar har en snabb början och en kortare varaktighet, medan kroniska sjukdomar är långvariga och kan kräva livslång hantering.
Kumulativ incidens:
Kumulativ incidens:
Vi har två typer av incidens mått:
1- Kumulativ incidens: Ett proportionstal som uttrycks i procent (%). Heter cumulative incidens eller incidence proportion på engelska.
Kumulativ incidens: (Ackumulera).
Den beräknas genom att: Antal individer som får ett LM/sjukdom under en specifik tidperiod (Alltså som inte hade det från början utan insjuknar) / Antalet individer under risk i periodens början (att få LM/sjukdom) alltså som hade möjlighet att få det
Exempel – kumulativ incidens
Exempel – kumulativ incidens
Dessa diagram visar att alla är friska från början, men därefter ackumuleras fallen det och blir fler. Dessa två diagram visar män och kvinnors kumulativ incidens med hjärt- och kärl sjukdomar. Man kan läsa av att incidensen av sjukdomen börjar vid 55 år.
Incidensrat/tal
Incidensrat/tal
Beräknas utifrån den faktiska tiden patienten riskerar få LM/sjukdomen. Enheten för incidenstal blir 1/persontid.
Skillnad mellan Kumulativ incidens och Incidensrat:
Kumulativ incidens fokuserade på grupper som alla var friska från början. Medan incidensrat fokuserar på tiden varje patient riskerar att få LM.
Incidensrat beräknas genom = Antalet (nya) individer som får ett LM/sjukdom under en specifik tidsperiod / Sammanlagda persontid för individer under risk (att få LM/sjukdom)
Incidensrat
Incidensrat
Incidensrat kan teoretiskt variera från 0 till oändligt stort. Tillskillnad från kumulativ incidens som kan inte bli högre än 100%
Persontid (nämnaren) beräknas om populationen förändras under den tidsperiod man vill studera, t.ex. genom:
- In och utflyttning
- Död
- Inlagda på sjukhus osv.
Vi räknar ut den sammanlagda tiden som populationen riskerar att få LM/sjukdom.
Mäta incidensrat:
Mäta incidensrat:
I figuren nedan representerar linjen tiden och ett D representerar en sjukdomsdebut (eller död)
- Person 1 genererar 25 personår
- Person 2 generar 50 år personår
Vi följer alltså dem för 25 respektive 50 år: - Totalt 25 + 50 = 75 personår
Incidensrat = 2 sjukdomsfall / 75 personår
= 0.0267 fall per person och år
= 2.67 fall per 100 personår
Exempel – influensa
Exempel – influensa
Kumulativ incidens syns ut i ett diagram som ackumulering, fallen ackumulerar alltså och blir fler och fler, tills den når 100% kanske (T.ex. Nästan 100% av befolkningen som fick covid)
Incidensrat, däremot fluktuerar.
Sammanfattningsvis visar kumulativ incidens en ackumulering av fall över tiden, medan incidensrat ger en indikation på hastigheten av fall per tidsenhet och kan fluktuera beroende på förändringar i befolkningen eller sjukdomsincidensen.
Mortalitet
Mortalitet = dödlighet:
Dödstal: Antalet avlidna under en bestämd tidsperiod / Det genomsnittliga antalet individer i populationen.
Letalitet: Andel som avlider av en sjukdom i relation till totalantalet individer som insjuknar i den sjukdomen under en viss tidsperiod. Anges i %.
Medellivslängd
Medellivslängd
* Förväntad (beräknad) återstående livslängd vid en viss ålder.
Diagrammet visar att kvinnor har längre medellivslängd än män, men att medellivslängden för män har börjat öka, därför har gapet mellan mäns medellivslängd och kvinnors börjat minska.
Olika mått på effekt
Olika mått på effekt
* Absolut risk
* Attributrisk
* Relativ risk
* NNT
* Oddskvot
Exemplet venlafaxin:
Exemplet venlafaxin: Antidepressivt läkemedel, s.k. SNRI (Serotonin- och noradrenalinåterupptagshämmare)
- Registrerat för behandling av…
- egentlig depression
- generaliserat ångestsyndrom
- social fobi
- panikångest, med eller utan agorafobi
- Mycket vanliga biverkningar >1/10; yrsel, huvudvärk, illamående, muntorrhet, svettningar
I FASS anges det också att denna LM leder till sexuell dysfunktion. Men: Hur vanligt är det egentligen med impotens om man behandlas med LM:et?
Beräkning analytiska mått
Beräkning analytiska mått
- Antag RCT där 76 patienter med depression randomiserats till venlafaxine eller placebo…
Man utför en RCT (Randomiserad klinisk prövning), där resultatet av studien sammanfattades I en tabell som visar att några har utvecklat impotens och några inte.
Tabellen anger att:
40 individer behandlats med LM:et, endast 8 av dem fick impotens, resten fick inte biverkningen.
36 individer behandlats med placebo, där 3 av dem fick impotens, resten fick inte biverkningen.
Placebo har också fått impotens alltså.
Olika typer av risk:
Olika typer av risk:
1- Absolut risk (samma som kumulativ incidens) = Antalet som utvecklar utfallet under en tidsperiod / Antal personer som följs upp under tidsperioden.
2- Relativ risk (RR) = Incidensen hos de exponerade / incidensen hos de oexponerade
3- Attributrisk = Riskskillnad = incidensen i exponerad grupp - incidensen i oexponerad grupp
Beräkna mått
* Vad är absoluta risken för impotens med venlafaxin?
- Vad är absoluta risken för impotens med placebo?
- Vad är attributrisken med venlafaxin? I procent?
Beräkna mått
- Vad är absoluta risken för impotens med venlafaxin?
Är andel som får denna biverkning av alla som behandlas
8 / 40 = 20% Risken är 20% att få impotens med LM:et. - Vad är absoluta risken för impotens med placebo?
3 / 36 = 8.33%. Risken är 8.33% att få impotens med placebo.
Man får biverkningen även i placebo
- Vad är attributrisken med venlafaxin? I procent?
Det är risk ökning eller skillnad I risk
20% - 8,33 % = 11,7% Är risken att få impotens med venlafaxin jämfört med placebo.
Beräkna mått (2)
* Vad är den relativa risken för impotens med venlafaxin?
Beräkna mått (2)
* Vad är den relativa risken för impotens med venlafaxin?
Vi delar absoluta risk för impotens med venlafaxin med absoluta risken för impotens med placebo = 20 / 8,33 = 2,40 (Detta innebär att venlafaxin är associerad med mer än dubblerad risk att få impotens)
Observanda om relativ risk
Observanda om relativ risk
- Även positiva effekter kallas ”risk” (T.ex. kan man säga RISK att undvika stroke!)
- RR (Relativ risk) = 1 betyder ingen skillnad (För att man delar två absolut risk med varandra)
RR >1 högre risk hos de exponerade
RR <1 lägre risk hos de exponerade jämf med kontrollgruppen.
- Ofta anges 95%-konfidensintervall, konfidensintervall som inte överlappar 1 är ”statistiskt signifikanta”. I detta fall har vi relativ risk (2,4) som är statisk risk ökning med LM contra placebo.
- Statistisk signifikans inte samma som klinisk relevans. Om man har register studier med stora databaser med 1000 människor är det lätt att få små CI.
- Ta alltid reda på den absoluta risken.
Exemplet insulin glargin
Exemplet insulin glargin
Denna studie undersöker om LM lantus är associerad med cancer:
Då får man Relativ risk på 1.91 med CI som är 1,25 och 2,89 (Detta innebär att det är dubblerad risk att få cancer med insulin)
Men absoluta risken
Men absoluta risken
Bröstcancer 2,6 fall per 1000 personår
Insulin lantus har 5,0 (5/2.6 blir dubbel)
Number needed to treat:
Number needed to treat: Antalet man behöver behandla för att undvika en händelse (eller för att orsaka en oönskad biverkan)
Kan även kallas ”number needed to harm”, NNH (För biverkan). NNH är ett bra sätt för att visa på data om nytta och risk. Där NNH är ett pedagogiskt sätt att beskriva läkemedlens nytta/risk.
NNT = 1/Absoluta riskreduktionen (absolut risk minskning = Skillnad mellan de absoluta riskerna)
Exemplet insulin glargin. ARR (Absoluta relativa risken) = 5,0 per 1000 får bröst cancer med insulin - 2,6 per 1000 får bröst cancer med andra typer av insulin/1000 = 2,4/1000
Alltså = (5.0 - 2.6)/1000 = 2.4/1000
NNT = 1/0.0024 = 417
Det innebär att det kräver 417 personer att behandlas med insulin för att de ska få bröstcancer.
Oddskvot:
Oddskvot:
Odds = Sannolikhet för en viss händelse
Oddskvot = Kvoten mellan två odds.
Skillnad mellan odds och risk:
EX:
Risk att få etta (1) med tärning är 1/6 för att vi har 6 utfall. Risk är 1/6
Medan oddset för samma händelse är 1/5 för att det finns 1 alternativ att få en fem och 5 alternativ att få något annat.
Oddskvot = (a/c)/(b/d) = ad/bc
eller
(a/b)/(c/d) = ad/bc
Tabellen visar de som är exponerade och icke-exponerade och hur många av de som drabbas och några kontroll.
Fall kontroll studie: Där man
Fall kontroll studie: Där man räknar oddskvot
Man ska räkna odd
Odds vs risk
Odds vs risk
- Odds kan vara större än 1, det kan inte en risk
Risk är alltid andel (Värde 0-1) Medan odds kan bli oändlig. - OR (Oddskvot och relativ risk) skiljer sig numeriskt från RR. Det beror på utfall: Vid sällsynta utfall så blir RR ungefär samma som OR
- OR redovisas på samma sätt – värdet 1 är lika vanligt med de två alternativ, konfidensintervall anges.
- OR (Oddskvot) är svårare att förklara
- RR (Relativ risk) används i regel i RCT och kohortstudier
Beräkna mått
* Vad är oddset för att få impotens med venlafaxin?
- Vad är oddset för att få impotens med placebo?
- Vad är oddskvoten?
Beräkna mått
- Vad är oddset för att få impotens med venlafaxin?
8/32 = 0.25 (De som får utfallet / Med de som inte får) - Vad är oddset för att få impotens med placebo?
3/33 = 0.0909 - Vad är oddskvoten?
0.25/0.0909 = 2,75 (Relativ risken var 2,4) Inte samma, men visar ungefär samma sak —> Dubbel så stor risk att få impotens med LM jämfört med placebo
Så när används OR?
Så när används OR?
- I fall-kontrollstudier: Man kan inte räkna RR och absoluta risken med fall-kontrollstudier för att man har inte bakomliggande populationer som är exponerade med LM
- I analyser med logistisk regression: En metod för att sköta confounding
- Antag en fall-kontrollstudie med venlafaxin & impotens
- Räkna ut OR!
En fall kontrollstudie undersöker behandlingen med antidepressiva LM och impotens:
Odds att få antidepressiva medel = 8/3 (DVS antal som behandlas och har impotens / antal som inte behandlas och har impotens)
Odds att få antidepressiva medel om man inte impotens = 32/33 (DVS antal som behandlas och inte har impotens / antal som inte behandlas och som inte har impotens)
(8/3)/(32/33) = 2,75 = Oddskvot
Begrepp som talar om hur ”bra” mätningar/tester/metoder är för att visa sanningen
Begrepp som talar om hur ”bra” mätningar/tester/metoder är för att visa sanningen
- Validitet (validity) = Tillförlitligheten i en metod, dvs i vilken grad metoden mäter det vi vill mäta. Accuracy är en synonym till validitet (Exakthet): Då den anger i vilken grad man hamnar nära sanningen (Man gör det i mitten och till höger om man tar medelvärdet)
- Noggrannhet (precision): Att värdena kommer nära varandra (Man gör det till vänster och i mitten)
- Reliabilitet (reliability): I vilken grad visar det upprepat svar (Man gör det till vänster och i mitten)
I vänster har man systematisk fel
I mitten har man ingen systematisk eller slump fel
Medan till höger har man slump fel
Begrepp som anger hur väl en mätning stämmer med sanningen
Begrepp som anger hur väl en mätning stämmer med sanningen
Sensitivitet
* sannolikheten att en sjuk individ blir klassificerad som sjuk
Specificitet
* sannolikheten att en frisk individ blir klassificerad som frisk
Positivt prediktionsvärde
* Andelen sant positiva (sjuka) av alla som diagnosticerats som sjuka vid en undersökning
En studie visade att tester för Covid-19
En studie visade att tester för Covid-19 inte stämde alltid, då vissa visade felaktiga svar (Då med dessa tester lyckades man inte visa att dessa patienter har Covid-19)
Accuracy består av måtten Sensitivitet och Specificitet.
Sensitivitet, Specificitet, Prediktionsvärde (pos)
Sensitivitet, Specificitet, Prediktionsvärde (pos)
Denna korstabell visar antal personer som är positiva sanna, falska och negativ sanna, falska.
Där vi har 10 000 totalt.
Prevalens: Andel som har sjukdom i befolkning = 1000 / 10 000 = 10% är prevalensen för denna befolkning.
Sensitivitet: Hur många av sjuka hittar vi i testet = 950 / 1000 = 95% hittas sjuka med testet
Specificitet: De som är friska (Motsats) = 8910 / 9000 = 99%
positiv prediktionsvärde = Av alla som testas hur många är sjuka på riktigt = 950 / 1040 = 91,3%
I alla tester vill man ha hög specificitet och sensitivitet.
Sensitivitet i läkemedelsregister
Sensitivitet i läkemedelsregister: Sannolikheten för en som faktiskt tar läkemedel (exponerad) att klassificeras som exponerad i registret
Vad kan leda till låg sensitivitet? DVS Att folk har blivit exponerade med LM men inte hittas i registret:
* Receptfritt, slutenvård (På sjukhus eller på vård avdelning)
* Internetapotek
* Utköp på utländska apotek
* “Lån” från släktingar, grannar
Ovan hittas inte i register —> Bidrar till låg sensitivitet
Man kan dock använda data över uthämtade LM för att mäta om folk använder LM, men den visar ändå inte sanningen som innebär att man verkligen blir exponerad av LM (Den visar endast om patienter har hämtat ut LM)
Specificitet i läkemedelsregister
Specificitet i läkemedelsregister: Sannolikheten för en oexponerad (en som inte använder läkemedel) att klassificeras som oexponerad i register
Vad kan leda till låg specificitet?
* Dålig compliance: Innebär att de som inte använder LM, men de ser i register som att de gör det.
Register vs. Enkät
Register vs. Enkät Vilket av dem är det bästa sättet att mäta läkemedelsanvändning på?
1:a studie: Genom föräldrar rapport studerar hur mycket LM som köps ut.
2:a studie: Påverkan av att folk lånar från varandra på LM användning.
Från första studien där föräldrar rapporterad:
Från första studien där föräldrar rapporterad:
10,7% av föräldrar säger att barn tar LM, medan det är I verkligheten endast 10,3 % av barnen som tar LM
Register och enkäter visar inte samma sak alltså
Sensitivitet - diagram
Sensitivitet - diagram
Ju längre tidsperiod man studerar LM registret 24 månader, desto större sannolikhet att de som tar LM hittas i register.
Om du studerar ett läkemedelsregister över en längre tidsperiod ökar chansen att personer som tar läkemedel kommer att synas i registret. Detta beror på att personer som tar läkemedel regelbundet har större sannolikhet att vara inkluderade under en längre tidsperiod.
Om du bara studerar registret under en kort tidsperiod, som 3 månader, finns det en risk att personer som tar läkemedel under en kortvarig period inte syns i registret.
Ju längre tidsperiod man studerar läkemedelsregistret (t.ex., 24 månader), desto större är sannolikheten att personer som regelbundet tar läkemedel kommer att synas i registret. Sensitiviteten ökar eftersom fler personer som faktiskt tar läkemedel kommer att inkluderas i studien.
Om man studerar registret över en kort tidsperiod, som 3 månader, finns risken att personer som tar läkemedel under en kortvarig period inte syns i registret. Sensitiviteten kan vara lägre eftersom vissa personer som tar läkemedel inte nödvändigtvis registreras under den korta tidsramen.
Specificitet - diagram
Specificitet - diagram
För specificitet blir det tvärtom:
Ju längre tid man studerar LM register (24 månader), desto lägre blir specificitet. Medan om studerar för 3 månader, får man en hög specificitet. Det betyder alltså att av de som säger att de tog LM, har de efter 24 månader kanske slutat ta det eller fick det fel diagnos.
Ju längre tid man studerar läkemedelsregistret (t.ex., 24 månader), desto lägre blir specificiteten. Detta beror på att det finns en ökad risk för att personer som tidigare tagit läkemedel inte längre gör det eller har övergått till andra behandlingsformer. Det kan resultera i falskt positiva resultat och därmed minska specificiteten.
Om man studerar registret över en kort tidsperiod, som 3 månader, kan specificiteten vara högre eftersom det finns mindre möjlighet för förändringar i behandlingsplaner och medicineringar under den korta tidsramen. Det kan ge en tydligare bild av dem som faktiskt inte tar läkemedel under den specifika perioden.
Register vs. Enkät
Register vs. Enkät
Register för astma LM:
Vänddiagram:
Mörkare cirkel: Visar antal som har hämtat ut LM
Prickade cirkel: Visar antal som har tagit LM
Diagrammet visar 3 individer som köpte ut men sa att de inte tog LM.
Klassifikationssystem - ATC
Klassifikationssystem - ATC
* Anatomical Therapeutic Chemical = ATC
* Delar in läkemedlen efter organ/system, kemiska, farmakologiska och terapeutiska egenskaper
* 14 huvudgrupper
* Varje substans har en unik kod med 7 bokstäver/siffror (kallas dock ATC5th level)
* Några substanser har fler koder
Allmänna principer
Allmänna principer
* Läkemedlen klassificeras normalt efter sin huvudindikation
* Normalt enbart en ATC-kod för en substans
* Flera ATC-koder kan förekomma om terapeutiska användningen skiljer sig åt tex. pga
- administreringsväg (tex topikal vs. systemisk)
- styrka
Några läkemedel är lätta att hitta
Några läkemedel är lätta att hitta
* Analgetika
* Antibiotika
* Antikoagulantia
* Antidepressiva
* Astmaläkemedel
* Diabetesläkemedel
* Lipidsänkare
* Cancerläkemedel
* …
Andra är svårare att hitta
Andra är svårare att hitta, tex osteoporos
Substance - ATC
▪ Vitamin D and analogues - A11CC
▪ Calcium supplement - A12A
▪ Estrogens/tibolone/SERM - G03C/G03F/G03X
▪ Parathyroid hormones - H05AA
▪ Calcitonin - H05BA
▪ Bisphosphonates - M05BA/M05BB
▪ Denosumab - M05BX
Ett läkemedel kan ha många ATC
Ett läkemedel kan ha många ATC
Exempel prednisolon
- A07EA01 (Enemas and rectal foams)
- C05AA04 (Rectal suppositories)
- D07AA03 (Creams, ointments and lotions)
- H02AB06 (Tablets, injections)
- R01AD02 (Nasal sprays/drops)
- S01BA04 (Eye drops)
- S02BA03 (Ear drops)
Klassificering av sjukdomar
Klassificering av sjukdomar
* ICD-10
* (Tidigare ICD-versioner)
* (Snomed)
Det finns ytterligare klassifikationer…
ICF - International Classification of Functioning, Disability and Health
ICHI - International Classification of Health Interventions
ICECI - International Classification of External Causes of Injury
Sjukdomar i Stockholm
Sjukdomar i Stockholm
* C:a 30.000 kända sjukdomar
* ICD-10 har ungefär 70.000 koder
- 177 stod för 50%
- 1.800 för 90%
- 3.600 diagnoser hade bara 1 person
- 20.200 - 10 eller färre
Måttenheter
Måttenheter
Volym
* Orderrader: Antal beställningar
* Recept: Nackdel –> Olika i olika länder
* Förpackningar
Recept och förpackningar har olika styrkor. Därför har måttet DDD utvecklats
* Patienter
* Tabletter
* Kg/mg: Inom miljöområdet
* DDD (Defined Daily Dose)
* PDD (Prescribed Daily Dose
Kostnader
* AIP: Apotek inköp pris
* AUP: Apotek utförsäljning pris
* Totalkostnad: Som AIP. Kan delas in I landstingskostnad och egenavgiften
* Landstingskostnad
* Egenavgift: vad patienten betalar
* Brutto & nettokostnad (rabatter): Slutenvård på sjukhus kan man ha rabatt.
Alla måtten har för och nackdelar
Defined Daily Dose:
Defined Daily Dose: “Den antagna genomsnittliga underhållsdosen per dag för ett läkemedel som används för sin huvudsakliga indikation hos vuxna.”
Alltså den förmodliga dygn dos för att LM ska användas för sin huvud indikation hos vuxna. Alltså normal dos.
Fördelar:
1- ”Therapeutisk” mått för att den är baserad på underhåll dos på vuxna
2- Jämförbar över tid
3- Internationell mellan länder och grupper.
Begränsningar:
1- Teknisk måttenhet: Man kan räkna statistik på den, men den är osäker, då olika länder har olika styrkor och doser.
2- Fasta kombinationer: Två olika substanser.
3- Barn, äldre: DDD är lämplig för vuxna. Passar oftast inte äldre (p.g.a. Nedsatt njurfunktion och snävt terapeutisk fönster) och barn (Som får oftast mindre dos)
Exempel på DDD
Exempel på DDD
ATC och DDD systemet
DDD index
Statin (Simvastatin) har ett DDD-värde på 30 mg (Men denna styrka finns inte, men 30 mg i detta fall är det som är representativ för vad som är snitt dos för en viss terapeutisk behandling)
Hur räknar man ut DDD?
Hur räknar man ut DDD?
Antal DDD i en förpackning = (tablettstyrka (mg) * förpackningsstorlek) / DDD (mg)
20*100/30 = 66.67
600 ampuller cefotaxim 1g används på en vårdavdelning
Vad motsvarar det i DDD?
DDD är 4g
600 ampuller cefotaxim 1g används på en vårdavdelning
Vad motsvarar det i DDD?
DDD är 4g
1*600/4 = 150
Detta säger att varje ampull innehåller 0.25 DDD
Konsumtionen är 150 DDD
DDD för jämförelser mellan grupper
DDD för jämförelser mellan grupper
- DDD per 100 vårddagar: Antal plats i sjukhus
Användning av läkemedel på sjukhus.
LM som har 10 DDD / 100 vårddagar motsvarar 10% av patienter som använder LM förutsatt att folk tar normal dos - DDD/1000 invånare och dag (DDD/TID)
För att skatta användning i befolkningen. Då tar man DDD * 1000 / tid
Exempel: 10 DDD/TID, antyder att 10/1000 eller 1% av befolkningen behandlas med läkemedlet
Obs: Funkar bara för kronisk behandling och om DDD motsvarar de doser som ges (Medan kortvarig behandling som antibiotika kan det vara flera personer som får det per år)
- DDD per invånare & år
Säger ungefär hur mycket räcker LM under ett år
Exponering - DDD/100 vårddagar
Exponering - DDD/100 vårddagar
DDD / 100 vårddagar
Diagrammet visar: Användning av olika antibiotika i olika sjukhus i Sverige.
Exponering - DDD/100 vårddagar
Antibiotikaanvändning
Exponering - DDD/100 vårddagar
Antibiotikaanvändning vid sjukhus i Kina visas med en boxplott:
Median och spridning.
DDD/1000 invånare & dag
DDD/1000 invånare & dag
Diagrammet visar: Antibiotika användning, man tittat på användningen inom öppenvård i EU.
Frankrike har högst DDD och Holland har lägst DDD
DDD/1000 invånare och dag (DDD/TID) + Kön jämförelse:
DDD/1000 invånare och dag (DDD/TID) + Kön jämförelse:
Diagrammet visar att män får oftast AIC-hämmare, medan kvinnor får oftast diuretiska.
DDD/1000 invånare och dag (DDD/TID) + Periodprevalens:
DDD/1000 invånare och dag (DDD/TID) + Periodprevalens:
I en studie vill man undersöka, hur många som köper LM / 1000 invånare:
Där man jämförde mellan patient/1000 invånare och DDD/tid:
ASA: Ungefär hade DDD/tid ungefär samma värde som individ data.
Beta blockare: Fler om man har 1000 patient/invånare för att den har högt satta DDD.
Statiner: Fler om man har DDD/tid (tvärtom), där DDD är låg satta.
Fallgropar med DDD (Begränsningar med DDD):
Fallgropar med DDD (Begränsningar med DDD):
- DDD saknas för vissa läkemedelsgrupper, det kan också dröja tills nya läkemedel fått DDD. Vi har exempelvis inte DDD-värde för cancer LM, hud LM och ögondroppar.
- Barn & äldre: DDD passar inte för dem.
- Fasta kombinationer: Om man går från 2 till 1 DDD, tror man att användningen har minskat, trots det är lika många som behandlas.
- DDD ändras över tid: I regel vill WHO inte ändra för mycket, men WHO kan ändra om större doser används från senast klinisk studie måste man kanske öka den.
- Viktigt att notera vilken version av ATC/DDD som används. Använd alltid den senaste!
Diagrammet visar att DDD för AIC-hämmare
Diagrammet visar att DDD för AIC-hämmare har ökat (En begränsning för att WHO ändrar!!)
DDD för AIC-hämmare år 1994: Total användning är 20 DDD/1000 invånare
DDD för AIC-hämmare år 2000: Total användning är 40 DDD/1000 invånare
1-
a)
b)
c) När används kumulativ incidens?
1-
a) Kumulativ incidens: Den ackumuleras, under en viss period
Y-axel är andel
X-axel är tid
Med kumulativ incidens börjar vi med 0 (Vi börjar i origo) och det ökar därifrån. Kontinuerlig uppåt.
b)
c) När används kumulativ incidens?
För att veta andel folk som är infekterad under en viss tidsperiod. Vid dramatisk ökning av detta mått kan samhället rikta sina resurser mot denna sjukdom eller läkemedel. Det måste vara under samma tidsperiod man räkna antal individer.
Fördelar: enkel att förstå, då den anges i procent. Om vi inte vet förändringar (Hur många som flyttade och dog)
För en kronisk sjukdom (hela livet) —-> kumulativ incidens
För en infektion —> Kumulativ incidens är inte bra, incidensrat är bättre.
2- a)
b)
c)
2- a) Prevalens, för att den inte visar nya fall. Period prevalens för att den visar vid år 2020.
Procent i Y-axel + ingen tid i X-axel + Inte nya fall —> Prevalens, som är period för att det är ett helt år.
Om man säger under en viss tidpunkt under året som mätningen har skett —> Kan MAN SÄGA ATT DET ÄR PUNKT prevalens.
b)
Totala om det inte har ändrats, men genomsnittlig om det har ändrats.
c) Period prevalens var lämpligt i detta fall, för att känna till situationen i året under pandemi början för att känna av situationen. Det är mindre bra för kroniska
Period prevalens kan vara bra för kroniska sjukdomar. Korta sjukdomar, som infektion, är det inte bra med prevalens båda period och punkt
3- a)
b)
c)
3- a) Incidensrat: Fluktuerar, nya fall, inte ökar kontinuerligt
b)
Persontiden: Tiden man är under risk innan man får utfall. Personen är under risk, där man summerar upp dem.
Persontid kan vara år, veckor, dagar
Hur räknar man persontid ?
c) Bra när det förändras mycket i befolkningen (antal), dör flyttar eller så. Men svårare att förestå.
4- a)
b)
c)
4- a) Letalitet: För att det är bunden till ålder. Anges i procent,
Här tar man hänsyn till confirmed cases (Bara de som har sjukdomen)
Bara de som insjuknat i covid
b)
c) Det är bra att undersöka dödligheten hos en viss grupp. Man ska undersöka om virus / sjukdom är riskfull för en viss grupp (I detta fall ålder). Alltså med diagrammet kan man se att ju äldre man är desto dödligare blir covid.
För att bestämma risken att dö i en viss grupp är det lämpligt att använda sig av letalitet.
5- a)
b)
c)
5- a) Dödstal, gäller hela populationen
Dödsfall per 1000 invånare (Hela befolkningen)
b)
c) Det är bra att använda detta mått för att undersöka dödlighet hos hela populationen. Detta är bra för sjukdomar som inte uppkommer för en viss grupp.
Dödstal kan vara bättre för att den är jämförbar.
Grafen visade att dödstal ökade på grund av covid.
Bra när vi vill sätta i populations perspektiv, hur vanligt i hela befolkningen. Men helst vill man ha båda två dödstal och letalitet
Letalitet: Hur dödligt är sjukdomen när man väl ha fått det.
A)
B)
C)
D)
E)
F)
G)
A) Absoluta risk = 8 fall / 18 198 * 100 = 0.04396%
8 fall utav 18 198
B) = 162 / 18 325 * 100 = 0.884
C) = 0.04396 / 0.884 = 5% vilken är bra
D) = 0.04396 - 0.884 = -0.834 Risken sänks med så här mycket med vaccin
8/18198 - 162/18325 = 0.0084
E) 1 / 0.834 = 1.1085
Att man måste vaccinera 119 för att undvika vaccin
F) 8 / 18 190 * 100 = 0.0439
Odds ovaccin = 162 / 18163
G) (8 / 18 190) / (162 /18163) * 100 = 4.9 nästa 5%
Vid få fall blir värden lite lika
7-
A)
B)
C)
7-
A) Att det finns ingen skillnad.
B) Samsjuklighet. Högre odds för de som har högre sjuklighet. Alltså ju mer högre samsjuklighet än referens. Ålder också över 65 år —> 3.26 som är högre odds
OR = Oddskvot
Över 1 är det signifikant sant
Under 1 är det lägre dos där i täljare
Den mest 0.99-1.27 är inte signifikant
Värde på CI skär 1 —> INTE statiskt signifikant
Ju högre oddskvot desto större sannolikhet att det är kopplad till polyfarmaci
C) 1.64
HR: Likt relativ risk, en kvot som man tolkas som oddskvot
Över 1 är större risk
Under 1 är mindre risk i den gruppen
8
Sensitivitet = Sannolikheten att en sjuk individ klassas som sjuk
= 5 / 11 = 45.5%
Om 1000 personer som är sjuka, skulle hälften få fel
Specificitet = Hur bra är testet. Sannolikhet att en frisk klassa som frisk av tester
361 / 409 = 88%
Positiva predikitionsvärde (PPV) = 5 / 53 = 9%
Målet att båda Sensitivitet och Specificitet ska vara 100%
Prevalens = 11 / 420 = 2.6%
Dessa är inte bra värden, om detta är cancer test eller om den ska behandlas med cytostatika.
