Epidemiologi och statistik Susanna Calling

07/05/15
Grundläggande epidemiologi
och biostatistik
Susanna Calling, läk, med dr
susanna.calling@med.lu.se
Agenda
•  Grundläggande begrepp inom
epidemiologi och biostatistik
•  Felkällor
•  Studiedesign observationsstudier
1
07/05/15
Epidemiologi
•  ”Läran om hälsans och ohälsans
utbredning och dess orsaker i en
befolkning”
Två typer av epidemiologi
Deskriptiv epidemiologi
• VEM får en sjukdom/ ett tillstånd?
• VAR finns den?
• NÄR inträffar den?
Analytisk epidemiologi
• VARFÖR är sjukligheten hög/låg?
(Undersöker samband, exponering – fall)
2
07/05/15
Statistiköversikt
Statistik
Deskriptiv statistik
Analytisk statistik
Grafiskt
Numeriskt
Hypotestest
Sambandsanalys
Stapeldiagram, cirkeldiagram,
histogram
Medelvärde, median,
standardavvikelse
T-test, parade test,
icke-parametriska test
Association, regression
Kausalitet
(som inte kan förklaras av slumpen)
1) 
Konsekvent association, dvs att den är bevisad i många olika
studier.
2) 
Sambandets styrka (studiedesign).
3) 
Dos-responssamband
4) 
Tidssekvens
5) 
Biologisk rimlighet
6) 
Experimentellt befästande av sambandet / reversibilitet.
3
07/05/15
Startsidan/ Nyheter2012-10-11
Ät choklad – vinn Nobelpris
Ju högre
kakaokonsumtion, desto fler Nobelpris per capita.
Ju högre kakaokonsumtion, desto fler Nobelpris per capita. Schweiz toppar
ligan följt av Sverige och Danmark.
Någonstans i mitten hamnar USA, enligt nya rön publicerad i New England
Journal of Medicine, en av världens mest ansedda vetenskapstidskrifter.
Identifiera biostatistiska frågor
•  Vad är vårt syfte och mål med studien?
Formulera hypoteser, och håll fast vid
dessa under hela studien!
•  Identifiera variablerna
•  Hur ska vi designa studien?
4
07/05/15
Analytisk statistik
Population
Stickprov
De som vi vill
uttala oss om
De som vi använder för att
testa hypoteser och dra
slutsatser från
Analytisk statistik - hypotestest
•  p-värde: Avgör om något är statistiskt
signifikant, ett mått på slumpen.
•  p < 0.05 → risken att vi förkastar
nollhypotesen trots att den är sann är
mindre än 5%
5
07/05/15
Analytisk statistik - hypotestest
•  konfidensintervall = intervall som
omfattar det sanna populationsvärdet, ofta
med 95% sannolikhet
•  Statistiskt signifikant om
konfidensintervallet inte innefattar siffran
1.0, (tex 95% CI: 1.02-1.14)
Analytisk statistik - sambandsanalys
•  1. Korrelation
–  Undersöker om två variabler samvarierar (-1 till +1).
Inte nödvändigtvis kausalitet.
6
07/05/15
Analytisk statistik - sambandsanalys
•  2. Regression
–  Analys av samband mellan två eller fler variabler –
Relativ risk/ Odds ratio
Risk
•  Absolut risk = Sannolikhet att en händelse
inträffar (risk att råka ut för en outcome)
•  Ex. 1/6 att man slår en sexa med tärning
7
07/05/15
Relativ risk
•  Risk att råka ut för en outcome
i förhållande till en exponering (riskfaktor)
Relativ risk/ risk ratio (RR)
•  RR = 1 ingen ökad eller minskad risk
•  RR > 1 ökad risk
•  RR < 1 minskad risk (skyddande effekt)
Exempel
•  RR = 2,0 innebär dubbelt så hög risk om man är
exponerad.
•  RR = 1,6 innebär 60% ökad risk
•  RR = 0,7 innebär 30% minskad risk
8
07/05/15
Oddskvot/ Odds ratio (OR)
•  Odds för en outcome
i förhållande till en exponering (riskfaktor)
•  Odds = kvot mellan sannolikhet att en händelse
inträffar och sannolikhet att den inte inträffar, tex
1/5 att man slår en sexa med en tärning
Agenda
•  Grundläggande begrepp inom
epidemiologi och biostatistik
•  Felkällor
•  Studiedesign observationsstudier
9
07/05/15
1. Systematiska fel/ bias
•  Selektion
–  Representativitet
–  Bortfall/ exklusion
•  Missklassificering
–  Är diagnosen riktig?
–  Korrekt mätmetod?
–  Självrapportering?
–  Ändrad exponering?
•  Intervjuarbias/ minnesbias
Hur tillförlitlig är vår data?
•  Validitet
–  I vilken grad mäter ett test det det ska mäta
–  Ex. BMI
•  Reliabilitet/ Precision
–  Hur säkert är det att vi får samma resultat vid
upprepade mätningar?
–  Ex. CRP, blodtryck
10
07/05/15
Åtgärd systematiska fel
–  Leta efter bias
–  Ta ställning till bias vid tolkning
-  Studera/ eliminera bortfall
Felkällor
2. Confounding
–  En faktor som är associerad med både riskfaktorn och
outcome.
–  Stör tolkningen av ett resultat
Åtgärder:
–  Matchning
–  Stratifiering av data
–  Justering i multivariata analyser
11
07/05/15
Felkällor
3. Slump
–  Hur sannolikt är det att fyndet bara är en slump?
•  Åtgärd:
-  Studera större grupper
-  Statistiska test (p-värde, konfidensintervall)
Agenda
•  Grundläggande begrepp inom
epidemiologi och biostatistik
•  Felkällor
•  Studiedesign observationsstudier
12
07/05/15
Studiedesign
(ökande styrka)
Individer
• Case report
Observationsstudier
• Tvärsnittsstudie (cross-sectional study)
• Fall-kontrollstudie (case-control study)
• Kohortstudie
Interventionsstudier
Exempel studiedesign
•  Du har upptäckt ett antal tonåringar med symtom
och lab som tyder på diabetes typ 2
•  Du har gjort en case report
•  Du vill studera detta mer, men har inte stora
resurser.
13
07/05/15
Tvärsnittsstudie
(Cross-sectional study)
–  Mäter prevalens och exponering vid en viss tidpunkt
–  Inget tidsperspektiv
Exempel
•  Du studerar hur stor andel av tonåringarna på
några skolor som har diabetes typ 2.
•  Du intervjuar föräldrarna om kost och fysisk
aktivitet
•  Du har nu 20 fall med diabetes och vill
undersöka sambandet mellan diabetes och kost/
fysisk aktivitet närmare.
14
07/05/15
Fall-kontrollstudie
•  En sjukdomsgrupp, en kontrollgrupp (selektion matchning)
•  Undersöker exponering retrospektivt
•  Bra för sällsynta sjukdomar, men svårt med
sällsynta orsaker
Exempel
•  Fall-kontrollstudien visar att diabetespatienterna
har ett högre kaloriintag och mindre fysisk
aktivitet.
•  Minnesbias och intervju-bias kan ha förekommit.
15
07/05/15
Kohortstudie
•  Kohort = grupp individer med liknande
karakteristika, t ex födda samma år
•  Följs longitudinellt
•  Individerna har inte sjukdomen vid studiens
start, “ren” studiepopulation
•  God styrka för kausalitetssamband
•  Dyrt och tidskrävande
16
07/05/15
Grupparbete
•  Ni vill studera sambandet mellan fysisk inaktivitet och
depression
– 
– 
– 
– 
Vad är hypotesen?
Identifiera variablerna –riskfaktor respektive utfall?
Hur designar ni er studie?
Vilka felkällor bör ni ta hänsyn till?
•  Tvärsnittsstudie
•  Fall-kontrollstudie
•  Interventionsstudie
17