epidemiologi

Den deskriptive epidemiologien har som mål å beskrive forekomst og forløp av sykelige tilstander og faktorer som påvirker helse i en befolkning, uten å se på årsaksforholdene. Deskriptiv epidemiologi er et viktig grunnlag for planlegging av helsetjenester, og for å fatte tiltak for å forebygge eller behandle sykdom.

Et hovedmål for epidemiologisk forskning er å finne årsakssammenhenger. Dette kalles gjerne analytisk epidemiologi og retter seg mot etiologisk forskning. Etiologi er et annet ord for årsak. Epidemiologisk forskning vil derfor ha behov for nær kontakt med basale biologiske fag (for eksempel biologi og kjemi), kliniske spesialister, statistikere og samfunnsvitere.

Både deskriptiv og analytisk epidemiologi bruker data fra helseregistre, helseundersøkelser og andre befolkningsbaserte forskningsprosjekter.

Betegnelsen eksperimentell epidemiologi kan brukes når man ser på resultatene etter planmessig og kontrollert påvirkning av sykdomsfremkallende faktorer i en befolkning. Et eksempel på dette er å se på reduksjon i forekomsten av hjerteinfarkt i en befolkning etter at man har forsøkt å påvirke kostholdsvaner og livsstil gjennom helseopplysning, slik som i Oslo-undersøkelsen.

Forekomsten av sykdom kan variere mellom forskjellige befolkningsgrupper. For å kunne si noe om denne variasjonen må vi vite hvor store befolkningsgruppene er og hvor mange som har sykdommen i hver gruppe. Andelen av en befolkningsgruppe som er syke kalles prevalens. Prevalens kan regnes ut ved å dele antall som er syke på antall i befolkningsgruppen.

Prevalens har ingen utbredelse i tid, og er definert som en andel (også kalt proporsjon eller ratio). Det er et øyeblikksbilde av hvordan situasjonen er på et gitt tidspunkt. Prevalens er et viktig mål for sykdomsutbredelse og inngår som en del av den deskriptive epidemiologien. Vi kan sammenlikne prevalenstall for å si noe om forskjeller mellom ulike grupper.

For noen sykdommer vil prevalensen endre seg mye gjennom et år, mens andre sykdommer har en stabil prevalens. For eksempel vil prevalensen av sesonginfluensa være mye høyere om høsten og vinteren enn sommeren, mens prevalensen av diabetes ikke viser slik variasjon. Denne variasjonen skyldes at insidensen (se neste avsnitt), det vil si tilførselen av nye syke, forandrer seg i befolkningen, og at folk blir friske.

Den vanligste problemstillingen ved en epidemiologisk undersøkelse er om det foreligger en sammenheng mellom en bestemt faktor og en sykdom eller annen helseskade. For å kunne si noe om risiko for sykdom må vi kjenne forholdstallet mellom antallet som blir syke og de som har muligheten for å bli det i løpet av en tidsperiode.

Befolkningsgruppen som inneholder individer som kan tenkes å få eller ha den sykdommen som en er interessert i, defineres som den risikoutsatte befolkningen (engelsk population at risk). I all epidemiologisk forskning er det en stor utfordring å finne frem til hvem som omfattes av denne gruppen, og hvor stor den er. Som et eksempel kan nevnes diskusjonen om hvor farlig virussykdommen covid-19 egentlig er. Risikoen for å dø kan varierer med en faktor på 10 i de forskjellige anslagene. Dette skyldes at man har brukt ulike definisjoner og avgrensninger for hvem som skulle inngå i den risikoutsatte gruppen. Denne gruppen utgjør nevneren i den brøken som raten representer, mens de som blir syke i løpet av tidsperioden utgjør telleren.

Antall nye sykdomstilfeller som kommer til kalles insidens. Dette forholdstallet per tidsenhet er en rate og raten en insidensrate. En rate defineres som endringen i en hendelse gitt forandring i en annen enhet, vanligvis tid. En sykdomsrate er med andre ord hvor mange som blir syke i en befolkning av en viss størrelse per tidsenhet. Størrelsen vil oftest være 1000 eller høyere, mens tidsenheten kan variere med hvilken tilstand man undersøker, fra time til dag, måned eller år.

Dødelighetsrater eller mortalitetsrater, for eksempel antall døde per 1000 per år (antall døde/1000/år) kan ses som spesialtilfelle av insidensrater. Insidensraten av en sykdom for en bestemt gruppe individer, for eksempel definert ved alder og kjønn, sier noe om sannsynligheten (risiko) for å få sykdommen over en gitt tidsperiode. Insidensraten sier i seg selv ikke noe om årsaker til sykdommen. Det er først når en sammenlikner forskjellige grupper at en kan påvise forbindelser som kan være uttrykk for årsakssammenhenger.

Ved å sammenlikne sykdomsforekomsten i grupper som i ulik grad utsettes for en risikofaktor kan man beregne tre mål for sammenheng: ratedifferanse, relativ risiko og odds ratio.

• Ratedifferansen forteller om hvor stor forskjellen er i absolutt risiko for sykdom mellom to grupper.
• Relativ risiko (RR) er et mål på hvor mange ganger større risikoen er for sykdom i en gruppe i forhold til en annen.
• Odds ratio (OR) sier i prinsipp det samme som relativ risiko, men beregnes ut fra gruppenes odds for sykdom.

Anta at man har beregnet insidensratene av en bestemt sykdom i to grupper der man vet at den ene gruppen har vært utsatt for en mulig sykdomsfremkallende faktor. Ratene kan sammenliknes ved at man beregner den absolutte eller den relative forskjellen. I en norsk undersøkelse av sammenhengen mellom røykevaner og dødelighet hos 68 000 norske kvinner og menn i alderen 35–49 år i perioden 1972–1978 kan man sette opp følgende tabell:

Her har vi ikke tatt med piperøykere, derfor er totaltallet lavere enn 68 000.

Ratedifferansen i dødelighet av lungekreft mellom kvinner som røyker og de som aldri har røkt er (21-1,9)/100 000 personår, eller 19,1/100 000 personår. Denne forskjellen kan også kalles overskytende risiko (excess risk).

Den relativ risikoen er forholdstallet mellom dødeligheten for røykere og ikke-røykere, eller (21/100 000)/(1,9/100 000), eller 11,05. Det betyr at i denne befolkningsgruppen hadde kvinner som røykte 11 ganger høyere risiko for å dø av lungekreft enn ikke-røykere. Tilsvarende tall for menn var 16,1. Relativ risiko er et typisk mål for sammenhenger i epidemiologiske studier.

Odds ratio gir også uttrykk for relativ risiko, men beregnes ut fra relative odds. Odds er sannsynligheten for en hendelse dividert med sannsynligheten for en ikke-hendelse, gitt at det bare er to muligheter. Odds ratio er dermed forholdet mellom odds for gruppene.

Relativ risiko og/eller odds ratio kan brukes til å beregne hvor viktig en faktor er for sykdomsforekomsten i befolkningen. Vi bruker to mål for dette; tilskrivbar andel blant de syke og tilskrivbar andel i befolkningen. Tilskrivbar andel kalles på engelsk for attributable fraction (AF). Det første sier noe om hvor stor andel av en bestemt sykdom som kan tilskrives en årsaksfaktor blant de som har sykdommen, mens det andre målet sier noe om hvor viktig faktoren er som årsak i hele befolkningen. For å beregne det siste må vi vite hvor stor andel av befolkningen som er utsatt for faktoren.

Formelen for tilskrivbar fraksjon (AF) blant de syke er AF=(RR-1)/RR.

For kvinner med lungekreft blir andelen som tilskrives sigarettrøyking 0,90, eller 90 prosent.

Blant menn blir tilsvarende tall 0,94 eller 94 prosent.

Den tilskrivbare fraksjonen (PAF, population attributable fraction) av sigarettrøyking for lungekreft i hele befolkningen er gitt ved formelen

PAF=p(RR-1)/(1+p(RR-1))

hvor p angir andelen sigarettrøykere i befolkningen. I studien var 36 prosent av kvinnene og 41 prosent av mennene sigarettrøykere.

For kvinner blir PAF: 0,79, eller 79 prosent, og for menn 0,86 eller 86 prosent. Dette betyr at omkring 80 prosent av lungekrefttilfellene i befolkningen kan forklares ved sigarettrøykingen. Trolig er dette en undervurdering av sammenhengen siden tidligere røykere og piperøykere ikke ble trukket inn i regnskapet.

Alder kan være en alternativ forklaring på sammenhengen og gi opphav til såkalt konfundering  (confounding factors). Hvis faktoren øker med økende alder må man forsøke å justere for effekten av alder. Det kan gjøres ved å sammenlikne grupper med samme alder, eller justerer for alder. Det kan gjøres på ulike måter og kalles aldersstandardisering. Det betyr at man fjerner effekten av alder i en risikovurdering. Slike standardiseringer eller justeringer kan man også gjøre for andre faktorer som kan forstyrre mulige sammenhenger. Det kan være inntekt, kjønn, høyde, bosted og så videre.

I analysen av et mulig årsaksforhold (kausalitet), må man vurdere om sammenhengen kan være uttrykk for systematiske feil i datamaterialet eller skjevhet (bias) på grunn av unøyaktigheter ved måling, telling og utvelging av de undersøkte individene. Endelig må man vurdere om resultatene skyldes rene tilfeldigheter.

Først når dette som er diskutert ovenfor er tilfredsstillende forklart kan man forsøke å trekke konklusjoner om en eventuell årsakssammenheng, altså at faktoren virkelig lå bak en høyere sykdomsrisiko.

Diskusjoner om årsaker til sykdom har preget menneskene til alle tider, men det er først siden det londonbaserte selskapet The Epidemiological Society ble etablert i 1850 at de har blitt mer systematiserte. Selskapet hadde det latinske uttrykket «veniente occurrite morbo» eller «møt sykdommen når den oppstår», som sitt slagord. Uttrykket stammer den romerske dikteren Persius (34-64 evt.).