Skip to content

Instantly share code, notes, and snippets.

@simonwagner
Created January 12, 2014 17:49
Show Gist options
  • Star 0 You must be signed in to star a gist
  • Fork 0 You must be signed in to fork a gist
  • Save simonwagner/8388008 to your computer and use it in GitHub Desktop.
Save simonwagner/8388008 to your computer and use it in GitHub Desktop.
Epidemiologie
#Epidemiologie
> Epidemionlogie befasst sich mit der Untersuchung der Verteulung von Krankheiten und deren Einflussfakturen in menschlichen Bevölkerungsgruppen und deren Umsetzung zur Kontrole des Gesundheitswesens
##Klassische Epidemiologie
* Risikofaktoren im Zusammenhang mit dem gehäuften Auftreten einer Krankheit mit Hilfe einer gezielten Untersuchung
* Anlässe
* geographische Unterschiede
* Auftreten von Clustern (meistens nur bei relativ seltenen Erkrankungen)
* zeitliche Veränderungen
* Erkrankungen mit unbekannten Risikofaktoren
##Klinische Epidemiologie
> TODO
##Studien
###prospektiver/retrospektiver Ansatz
####prospektiv
> Vergleich einer Gruppe mit Faktor F (Gruppe $F^+$) mit einer Gruppe ohne den Faktor (Gruppe $F^-$) im Hinblick auf das Auftreten der Krankheit K
####retroperspektiv
> Vergleich einer Gruppe mit Krankheit (Gruppe $K^+$) mit einer Gruppe von Personen ohne diese Krankheit (Gruppe $K^-$) im Hinblick auf das Vorliegen des Faktors F.
###Studientypen
####Beobachtungstudien
#####Kohortenstudie
* prospektive Studie
* zu Beginn sind Studienteilnehmer nicht erkrankt
* Einteilung in verschiedene Expositionsgruppen
* Beobachtung über einen festgelegten Zeitraum hinsichtlich des Auftretens der Erkrankung
* Vergleich der Erkrankungsrisiken zw. den Gruppen
#####Fall-Kontrollstudie
* retroperspektive Studie
* Vergleich von Erkrankten mit Nicht-Erkrankten
######Kontrollgruppen
* Krankenhauskontrollen
* Kontrollgruppe besteht aus Patienten, die wegen andereer Krankheiten behandlet werden.
* geringere Kosten
* höhere Response
* Einweisungsgrund darf nicht mit Exposition assoziert sein.
* Populationskontrollen
* Kontrollgruppe aus der allgemeinen Bevölkerung
* oft niedrige Response
* muss representativ für die Bevölkerung sein
######Potentielle Probleme
* *Selection Bias*: z.B. Response-Bias (i.A. ist die Response bei Fällen höher als bei Kontrollen, daher möglicherweise Selektion in der Kontrollgruppe auf z.B. besser Ausgebildete, die eher bereit sind an Studien teilzunehmen)
* Retroperspektive Erfassung der Exposition (*Information Bias*): Unsicherheit bei der Erhebung (z.B. durch zeitliche Variation, wie Messungen nach einem Jahr, recall bias oder keine Rekonstruktion der Exposition nicht mehr möglich)
#####Querschnittsstudie
* Exposition und Krankheit werden zum gleichen Zeitpunkt erhoben.
* Nachteil: Unsicher, ob Exposition zeitlich vor der Erkrankung liegt
* Sinnvoll für konstante Merkmale (wie z.B. Blutgruppe. familiäre Disposition)
####Korrelationsstudie
Zusammenhang zwischen einem Bevölkerungsmerkmal und der Erkrangunshäufigkeit.
####Experimentelle Studie/Interventionstudien
Aufteilung in Placebo-Gruppe und Interventions-Gruppe. Vergleich der beiden Gruppen.
Aktiver Eingriff nötig.
###Vergleich Kohorten- vs Fall-Kontroll Studie
####Unterschiede Kohorten-/Fall-Kontroll-Studien
* Kohortenstudie
* Auswahl nach Expositionsstatus
* Vergleich mit Erkrankungshäufigkeit
* Fall-Kontroll Studie
* Auswahl nach Vorliegen der Erkrankung
* Vergleich mit Ausmaß der Exposition
####Vorteile und Nachteile der Kohortenstudie
* Vorteile
* Kausalität nachweisbar (zeitliche Abfolge)
* höhere Response
* mehrere Erkrankungen zu einer Exposition
* nützlich bei seltener Exposition
* Nachteile
* lange Studiendauer, da prospektiv
* hohe Kosten
* lost to follow-up
* Personalwechsel oder Änderungen in der Technik
* große Kohorten für seltene Erkrankungen
##Maßzahlen zur Beschreibung des Krankheitsrisiko
###Krankeitsrisiko (Morbidität)
####Prävalenz
$Prävalenz = \frac{\text{Anzahl der Erkrankten zum Stichtag}}{\text{Personen unter Risiko zum Stichtag}}$
#####Beinflussende Faktoren
* Erhöhung
* längere Krankheitsdauer
* Lebensverlängerung des Patienten durch geeignete Therapie ohne Heilung
* Anstieg der Erkrankungsrate
* verbesserte Diagnose
* Einwanderung von ...
* Erkrankten
* Gefärdeten
* Auswanderung von Gesunden
* Verringerung
* kürzere Krankheitsdauer
* hohe Sterberate unter den Erkrankten
* Abnahme der Erkrankungsrate
* verbesserte Therapie mit Heilung
* Einwanderung von Gesunden
* Auswanderung von Erkrankten
####Inzidenz (Neuerkrankungsrate)
* $I(t)$ ist die Inzidenz für den Zeitraum (0,t)
* $I(t) = \frac{\text{Zahl der Neuerkrankten im Zeitraum (0,t)}}{\text{Personenjahre unter Risiko}} = \frac{m}{\sum t_i}$
* $t_i$ Beobachtungsdauer des Probanden $i$ im Zeitraum (0, t)
Die Inzidenz wird meistens in der Einheit $1/1000 PJ$ angegeben
#####Gewichtung verlorener Patienten
Problem: Manche Patienten gehen während der Studie verloren, d.h. es ist nicht bekannt ob sie im Laufe der Studie erkranken oder nicht.
Lösung: Diese Patienten werden gewichtet. Dies wird normalerweise durch die Verwendung von Personenjahren gewährleistet. In amtlichen Statistiken muss dagegen gemittelt werden mit:
$I(t) = \frac{\text{Zahl der Neuerkrankten im Zeitraum (0,t)}}{\text{Bestand in der Mitte des Zeitraums} \cdot t} = \frac{m}{n \cdot t}$
#####Erkrankungswahrscheinlichkeit
* $P(t)$: Wahrscheinlichkeit innerhalb des Zeitraums 0 bis t zu erkranken
* $P(t) = 1 - e^{-I(t) \cdot t}$
* Annäherung für kleines $I(t)$: $P(t) = I(t) \cdot t$
####Letalität
> Wahrscheinlichkeit an einer Krankheit X zu sterben
$\text{Letalität} = \frac{Anzahl an Todesfällen in einer def. Zeit nach Auftreten von X}{Anzahl der Patienten mit X}$
##Maßzahlen für den Vergleich von Risiken
###Relatives Risiko (RR)
$RR = \frac{\text{Inzidenz der Exponierten}}{\text{Inzidenz der Nicht-Exponierten}} = \frac{I_1(t)}{I_0(t)}$
> RR besitzt im Gegensatz zur Inzidenz keine Einheit
####Beispiele für RR
* $RR = 2$: Zusammenhang zw. Exposition und Erkrankung, das Erkrankungsrisiko ist für die Exponierten *doppelt* so hoch wie für nicht Exponierte
* $RR = 0.33$: Es besteht ein Zusammenhang zw. Expositionund Erkrankung, das Erkrankungsrisiko ist für die Exponierten *1/3* des Risikos für nicht Exponierte.
* $RR = 1.0$: Das Erkrankungsrisiko ist gleich hoch für Erkrankte wie nicht Erkrankte. D.h. es besteht kein Zusammenhang zw. der Exposition und der Erkrankung.
####RR mit Konfidenzinterval
Oft wird das Relative Risiko mit einem 95% Konfidenzintervall KI angegeben. Gilt $1.0 \in KI$, dann ist das Relative Risiko nicht statistisch signifikant.
####Vorteile/Nachteile
#####Vorteile
* keine Dimension
* leicht verständlich und interpretierbar
* in viele Bereichen einsetzbar
* Einfluss von Risikofaktoren
* Einfluss von prognostischen Faktoren
* Bewertung bei Therapiestudien
#####Nachteile
* erfordert Kenntnis der Inzidenzen, daher nur bei Kohortenstudien (bzw. prospektiven Studien) zu berechnen
###Exzessrisiko (ER)
> zuschreibares Risiko
$ER = I_1(t) - I_0(t)$
###attributables Risiko (AR)
> gibt das auf die Exposition bedingte Risiko an
$AR = \frac{I_1(t)-I_0(t)}{I_1(t)} = \frac{RR - 1}{RR}$
###Odds-Ratio
Die Inzidenz und damit verbunden das relative Risiko kann nur im Rahmen von *Kohortenstudien* berechnet werden. Das Odds-Ratio ist ein Abschätzungsverfahren für das relative Risiko in retroperspektiven Studien.
Der Unterschied zw. RR und OR ist umso geringer, je seltener die Krankheit ist, d.h. je kleiner der Unterschied zwischen der Zahl der Kontrollen und der Fallzahl der Kohorte ist.
###Voraussetzungen
* Auswahl der Kontrollen muss zufällig sein
* Aufteilung der Kontrollen in hoch und gering exponiert muss dem Verhältnis in der Kohortenstudie entsprechen.
* Inzidenz oder Mortalitätsrate muss gering sein
####Herleitung
$P(t) \sim I(t) \cdot t$
$P_1(t) \sim I_1(t) \cdot t$ (Erkrankungsrisiko für Exponierte)
$P_0(t) \sim I_0(t) \cdot t$ (Erkrankungsrisiko für Nicht-Exponierte)
$\Rightarrow \frac{P_1(t)}{P_0(t)} \sim \frac{I_1(t) \cdot t}{I_0(t) \cdot t} = \frac{I_1(t)}{I_0(t)} = RR$
####Definition
$odds(K^+) = \frac{K^+ \mid F^+}{K^+ \mid F^-}$
$odds(K^-) = \frac{K^- \mid F^+}{K^- \mid F^-}$
$OR = \frac{odds(K^+)}{odds(K^-)} = \frac{(K^+ \mid F^+) \cdot (K^- \mid F^-)}{(K^+ \mid F^-) \cdot (K^- \mid F^+)}$
##Standardisierung
###direkte Standardisierung
* $m_i$: Mortalitätsrate innerhalb einer Altersgruppe
* $w_i$: Anteil der Arbeitsgruppe and der gesamten Stichprobe (Gewicht)
* $RR_i$: $\frac{m_{i}^+}{m_{i}^-}$ (relatives Risiko in einer bestimmten Klasse)
* $RR_s$: $\frac{\sum w_i \cdot RR_i}{\sum w_i} = \frac{\sum m_{i}^+ \cdot w_i}{\sum m_{i}^- \cdot w_i}$
###gewichtetes Odds-Ratio ($OR_s$)
* $OR_i$: $\frac{(K^+ \mid F^+)_i(K^- \mid F^-)_i}{(K^- \mid F^+)_i(K^+ \mid F^-)_i}$
* $w_i$: $\frac{(K^- \mid F^+)_i(K^+ \mid F^-)_i}{n_i}$
* $OR_s$: $\frac{\sum w_i \cdot OR_i}{\sum w_i} = \frac{\sum \frac{(K^+ \mid F^+)_i(K^- \mid F^-)_i}{n_i}}{\sum \frac{(K^- \mid F^+)_i(K^+ \mid F^-)_i}{n_i}}$
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment