Epidemiologické studie
Mgr. Aleš Peřina, Ph. D.
Z historie
 Hippokratés z Kósu: soustavným sledováním a racionální úvahou nad výsledky
se zasloužil o základy moderní medicíny
 John Snow (Londýn, 1854): analýzou místních souvislostí odhalil ohnisko
epidemie cholery
 Ignaz Semmelweis (1818 – 1865): všiml si, že větší výskyt puerperální sepse
je při domácích porodech a proto nařídil dezinfekci rukou, i když původce
onemocnění objevil Luis Pasteur až 1879.
 Polovina 20. století: postinfekční éra, i když s rozvojem laboratorních metod
vyšetřování prostředí nastal příklon k „uvěření“ výsledku laboratoře (otázka
stanovitelnosti a objektivity).
Londýnská epidemie cholery,
John Snow, 1854
Mělké infiltrační studny pro jímání
říční vody ve městě bez kanalizace.
Žádní nemocní v blízkém pivovaru
ani v blízkém chudobinci s vlastní
hlubokou studnou.
Pro svoje chuťové vlastnosti byla
studna na Broad Street vyhledávána
obyvateli i ze vzdálenějších oblastí.
Epidemiologie
 Epidemiologií se rozumí studium distribuce a determinant
zdravotně významných jevů a událostí v definovaných
populacích a využití tohoto studia k řešení zdravotních
problémů.
 Infekční
 Neinfekční
 Přesah do nových oblastí
 Klinická epidemiologie: měření efektu léčby, rozvoj medicíny
založené na důkazu (Evidence Based Medicine)
 Měření zdravotních služeb
 Epidemiologie odpovídá na otázku „kolik?“, kvalitativní
výzkum na otázku „proč?“.
Jak na to?
 Výzkumná otázka
 Volba proměnných
 Volba typu studie
 Volba souborů
 Pilotní studie
 Měření
 Velikost nebo frekvence jevu
 Statistické zpracování
 Deskriptivní (jednorozměrná analýza)
 Analytické (dvou- a více rozměrná analýza)
 Interpretace výsledků
 Nejistoty
Nosná myšlenka
 Co studovat?
 Biologický, chemický, fyzikální, psychologický, sociální, behaviorální…
faktor
 Úvaha o expozici, aneb „cesta do hlubin člověka“.
 Lze očekávat následek?
 Hypotéza
 Na základě literární rešerše (pokud možno)
 Ukazatele míry
 V metrické soustavě (výška, hmotnost, obvod pasu, glykémie na lačno…)
 Ukazatele frekvence
 Incidence nemoci, Počet zemřelých
 Riziko je pravděpodobnost (ale i emoce)
Zdroje dat
 Rutinně sbíraná data o nemocnosti, úmrtnosti
 Rutinní evidence ze statistiky UZIS, ČSÚ, registry
nemocí, úrazů, transplantací, lékařské záznamy
praktických a odborných lékařů, záznamy o úmrtích
 Základ tzv. ekologických (korelačních) studií
 Vlastní výzkum
 Dotazník
 Interview
 Laboratorní analýza
Strategie deskriptivní statistiky
 Spojitá proměnná
 Ordinální: když 2 je více než 1
 Intervalová: rozpětí ordinálních hodnot, např. skóre v
testu
 Indexy: relativní číslo
 Nespojitá (kategoriální) data
 Nominální stupnice: somatotyp, krevní skupina, barva
očí…
Deskripce spojité proměnné
 Průměr: součet množiny čísel vydělený počtem těchto čísel, ukazatel
centrální tendence
 =PRŮMĚR(A2:A6)
 Medián: prostřední hodnota, 50. percentil v řadě čísel seřazených vzestupně
 =MEDIAN(A2:A6)
 Modus: nejčastěji se vyskytující hodnota v souboru
 =MODE(A2:A7)
 Minimum: nejmenší hodnota v souboru
 =MIN(A2:A6)
 Maximum: největší hodnota v souboru
 =MAX(A2:A6)
U symetrického rozložení platí: průměr = medián = modus
Průměr
Průměr
 Je opodstatněný u dat
rovnoměrně rozložených
kolem střední hodnoty.
 Doplněný o SMODHC.
 Při vychýlených
rozloženích je zavádějící
Průměr
Sample data Statistica (c) Dell
File: Leukemia
Variable
Valid N Mean Median Mode Frequency
of Mode
Minimum Maximum Std.Dev.
AGE 71 46,14085 45,00000 28,00000 6 18,00000 83,00000 17,80473
Průměr
Sample data Statistica (c) Dell
File: Leukemia
AGE = 71*1*Normal(Location=46,1408; Scale=17,8047)
18
20
22
24
26
28
30
32
34
36
38
40
42
44
46
48
50
52
54
56
58
60
62
64
66
68
70
72
74
76
78
80
82
AGE
0
1
2
3
4
5
6
7
Noofobs
Průměr
Mortalita v oblasti vlivu JETE
Variable
Valid N Mean Median Mode Frequency
of Mode
Minimum Maximum Std.Dev.
VEKZE 4473 76,30673 79,00000 87,00000 173 0,00 103,0000 14,46791
Průměr: počet zemřelých podle věku
Histogram of VEKZE
Mortalita v oblasti vlivu ETE
0
3
6
9
12
15
18
21
24
27
30
33
36
39
42
45
48
51
54
57
60
63
66
69
72
75
78
81
84
87
90
93
96
99
102
VEKZE
0
20
40
60
80
100
120
140
160
180
Noofobs
Deskripce nespojitých (kategoriálních)
dat
 Četnost: počet výskytu hodnoty dané
kategorie (např. věkový interval od – do)
 Relativní četnost: počet výskytu hodnot
vztažených ke zvolenému základu (100 %)
 Kumulativní četnost: součet hodnot
sledované kategorie a všech nižších
kategorií
Deskripce nespojitých (kategoriálních)
dat Mortalita v oblasti vlivu JETE
Category
Count Percent Cumulative
Percent
E1
E2V
E2Z
KBA
KBV
KBJ
KBS
KBZ
KPJ
KPV
KPZ
CB
HK
OL
Missing
101 2,3 2,3
122 2,7 5,0
102 2,3 7,3
218 4,9 12,1
151 3,4 15,5
70 1,6 17,1
87 1,9 19,0
111 2,5 21,5
96 2,1 23,7
169 3,8 27,4
119 2,7 30,1
1042 23,3 53,4
993 22,2 75,6
1092 24,4 100,0
0 0,0 100,0
Požadavky na vstupní údaje
 Expoziční proměnná
 Spotřeba potravin, frekvenční dotazník, spotřeba vody, fyzická
aktivita, množství kontaminující látky v potravinách nebo v pitné
vodě
 Znak
 Zdraví
 Nemoc: definice diagnostických znaků (inclusion krítéria),
exclusion kritéria k vyloučení zdrojů statistických bias (příště ☺ )
 Smrt
 Nemocnost a úmrtnost
 Celková
 Specifická podle příčiny nebo podle věku
Požadavky na vstupní údaje
 Validita
 Popisuje studovaný znak situaci, kterou hodláme studovat?
 Lze z frekvence konzumace potravin usuzovat na zdravotní stav nebo jen na
to, kdo má co rád?
 Lze na základě výsledků laboratorního vyšetření definovat případ (inclusion
kritérium), nebo má laboratorní vyšetření pouze pomocný charakter?
 Srov. Glykemie na lačno vs. CRP
 Senzitivita a specificita
 Senzitivita: úspěšnost záchytu sledovaného znaku (100 % = žádné falešně
negetivní
 Specificita: schopnost testu odlišit případy, které znak nemají (100 % =
žádné falešně pozitivní)
Senzitivita a specificita
Má pozitivní
výsledek testu
Má negativní
výsledek testu
Je nemocný/-á Skutečně
pozitivní
(SENZITIVITA)
Falešně
negativní
Je zdravý/-á Falešně
pozitivní
Skutečně
negativní
(SPECIFICITA)
Ročenka UZIS
Incidence a prevalence
 Incidence: nově vzniklé případy během studie
 Osobočas: počet účastníků studie násobený délkou studie
 30 osob během dvouleté kohortové studie je 60 osoboroků, incidence je 10 případů/60
osoboroků, tj. 0,167/osoborok (vyjádření rizika).
 Prevalence: existující případy k určitému datu (bodová) nebo období
(intervalová). Vyjadřuje se jako proporce v populaci (obv. %).
 Nižší o vyléčené nebo zemřelé
 Nižší o počty případů, které se vyskytly po stanoveném datu.
 Vyšší o případy, které přešly např. do chronicity
 Vhodný ukazatel ke získání přehledu a formulaci hypotéz.
 Incidence a pravelence se vyjadřují v relativních číslech vztažených k
vhodnému základu (1000 osob, 100 tis. osob, v závislosti na frekvenci jevu a
velikosti populace).
Studovaná populace
 Reprezentativní výběr: mající shodné
charakteristiky se souborem základním
 Charakteristiky věku, pohlaví, ekonomické
aktivity
 Kritéria
 Randomizace (nahodilost)
 Stratifikace (rozvrstvení)
Návrh (design) studie
 Deskriptivní studie (zpravidla univariační)
 Analytická studie (zpravidla bivariační)
 Průřezová (cross-sectional)
 Ekologická
 Případů a kontrol (case – control)
 Kohortová
 Kontrolovaný experiment
 Na populační úrovni prakticky nerealizovatelný
 Výjimky: jaderná havárie v Černobylu (1986) jako nechtěný „experiment“; velmi
dobře popsaná expozice umožňující studovat následky ionizujícího záření na zdraví
populaci
Měření vztahu dvou (a více) proměnných
 Design:
 Ekologická studie: obvykle na základě rutinních statistik
 Studie případů a kontrol: problematická definice případu; následek je znám,
pátráme po expozičních odlišnostech
 Kohortová studie: problematický způsob definice kohort, kontrolujeme expozici a
pátráme po následku.
 Příklad
2X2 TABULKA Zdroje Fe
nedostatečné
Zdroje Fe
dostatečné
CELKEM
Anemie ANO 205 129 334
Anemie NE 89 86 175
CELKEM 294 215 509
Pozorované a očekávané četnosti
Pozorované
četnosti
Zdroje Fe
nedostatečné
Zdroje Fe
dostatečné
CELKEM
Anemie ANO 205 129 334
Anemie NE 89 86 175
CELKEM 294 215 509
Očekávané
četnosti
=CHITEST (Excel)
P = 0,02
Zdroje Fe
nedostatečné
Zdroje Fe
dostatečné
CELKEM
Anemie ANO 193
= 294x334/509
- 12
141
+ 12
334
Anemie NE 101
+ 12
74
- 12
175
Měření velikosti efektu pomocí
ukazatelů velikosti rizika
Pozorované
četnosti
Zdroje Fe
nedostatečné
Zdroje Fe
dostatečné
CELKEM
Anemie ANO 205 129 334
Anemie NE 89 86 175
CELKEM 294 215 509
Relativní riziko
(kohorta)
205/294 = 0,70
125/215 = 0,60
RR = 0,70/0,60 = 1,17
1,17-krát nebo o 17 %
více
Poměr šancí (Odds Ratio,
případy)
205/89 = 2,30
120/86 = 1,50
OR = 2,30/1,50 = 1,53
O 53 % větší šance.
Ekologická studie:
Korelace incidence
případů anémie v
různých územích
vzhledem k prodeji
masa.
Obecný formát 2x2 (čtyřpolní) tabulky
Exponovaní
Nemocní
Neexponovaní
Nemocní
Falešně pozitivní
Exponovaní
Zdraví
Falešně negativní
Neexponovaní
Zdraví
RR nebo OR = 1 … není efekt
RR nebo OR > 1 … rizikový faktor
RR nebo OR < 1 … ochranný faktor
 Úskalí: přenositelnost výsledků
 Interní validita epidemiologické studie
 Hillova kritéria kauzality (sir Austin Bradford Hill, 1897 – 1991)
 Síla asociace: ani slabá asociace nevylučuje kauzalitu, je-li
oslabena nerozpoznanými confoundery
 Konzistence: avšak nekonzistentnost s jinými epid. studiemi
nevylučuje kauzalitu, efekt se může dostavovat jen za
zvláštních okolností
 Specificitu účinku kauzalita nepředpokládá
 Časová posloupnost expozice a následku je podmínkou!
Epidemiologie v
hodnocení zdravotních
rizik
 Hillova kritéria kauzality … pokrač.
 Biologický gradient: avšak jeho absence kauzalitu nevylučuje
Biologická přijatelnost: avšak neschopnost patofyziologického
vysvětlení jevu může být jen důsledkem aktuální úrovně
vědeckého poznání
Koherence: inkompatibilita se "zavedenými" teoriemi
nevylučuje kauzalitu
• Experimentální důkaz: jeho absence nevylučuje kauzalitu,
neboť experimentu mohou bránit též etické důvody
• Analogie: její absence může být jen projevem nedostatku
vědecké představivosti
Epidemiologie v
hodnocení zdravotních
rizik II.
Formální a logická kauzalita.
Spotřeba zmrzliny matematicky koreluje s nárůstem kriminality ve městě, ale ve skutečnosti je nárůst krimininality spojen
s nástupem turistické sezóny.
Bias
 Základní typy
 Informační: na co se ptát a jak?
 Selekční: zdrojem bývá nízká reprezentativnost vzorku
 Confounding: spolupůsobící či závadějící faktory
Závěr
 Základem vědecké práce jsou
A. Informace o stavu řešení dané vědecké otázky
B. Dostupnost dat pro vlastní vědeckou práci
 Data jsou cenná a některá i osobního charakteru.
Data je proto třeba chránit před zneužitím a
vytěžit z nich maximum nových informací (data
mining), které jsou využitelné pro další vědecký
výzkum nebo praxi.