HNE 24806
Samenvatting
Epidemiology
Door: Thomas van den Boezem Robin Splithof Daniël Meijers Martijn ten Have Anne van Hamont Lisa Tonen Chrissie Montanus Bas Hoogenbosch
Verspreiden niet toegestaan | Gedownload door: Yan Dan van het Reve | ID: 81785
Samenvatting epidemiologie College 1, blz. 1-28. Door Thomas van den Boezem (Omdat dit inleidende hoofdstuk van de hak op de tak springt, heb ik de structuur iets aangepast) Epidemiologie gaat om het meten van gezondheid, de oorzaken van ongezondheid achterhalen en interveniëren om gezondheid te verbeteren. Meest fundamentele taak is om een structuur te ontwikkelen voor gezondheidsissues, groot en klein. Epidemiologie heeft veel te maken met beschrijvingen en vergelijkingen van groepen mensen die enorm verschillen in genetische bouw, gedrag en leefomgeving. De grote uitdaging is hier zó mee om te gaan dat er op een logische en systematische manier bruikbare informatie wordt geleverd. Dáár gaat het om. Vier stappen: 1) beschrijving van gezondheidsstatus van populatie, 2) de causatie vaststellen: wat veroorzaakt het, 3) afweging en evaluatie van interventies en 4) het verloop en de uitkomst van de ziekte bepalen, voor en na een interventie. Attack rate: percentage personen dat ziekte krijgt na blootstelling aan stimulus. Relative risk: Ziekenpercentage na stimulus delen door ziekenpercentage zonder stimulus. Life table: vat de gezondheid van populatie samen in termen van individuen die overleven tot bepaalde leeftijd. Voor voorbeeld zie blz. 12. Belangrijke vragen in epidemiologie: 1) Welke ziekte is aanwezig? 2) Wie zijn ziek? 3) Waar wonen zijn? 4) Wanneer werden ze ziek? 5) Waarom werden zij ziek? Vragen 2 -4 horen bij descriptieve epidemiologie. Informatie gegenereerd in de descriptieve fase, kan verder worden bestudeerd in de analytische epidemiologie. Hier wordt gekeken naar verbanden tussen mogelijke oorzaken en ziekten. Uiteindelijk moet er uitkomen of iets een ziekte écht veroorzaakt. Als laatste evalueren epidemiologen nieuwe preventieve maatregelen, programma’s of behandelingen bedoeld voor het terugdringen van de ziekte of bevorderen van de gezondheid. Ook letten ze goed op de effectiviteit van die programma’s nadat ze zijn geïmplementeerd. Samenvatting EPI College 1, H10 Causation, blz. 237-251. Door: Thomas van den Boezem Causes bestaan uit 1) component causes: losse vereisten voor een gebeurtenis. Zij zijn nodig voor de ontwikkeling van een ziekte, maar veroorzaken die niet in hun eentje. Samen maken zij deel uit van 2) sufficient causes: het complete ‘bouwpakket’ dat tot de gebeurtenis leidt. Ook zijn er 3) necessary causes, die hoe dan ook nodig zijn voor de gebeurtenis (bijv. ontwikkeling van een ziekte). In de praktijk krijg je het meest te maken met component causes als je je met oorzaken van ziekte bezighoudt. En component causes hoeven níét gelijksoortig te zijn: kan gaan om afwezigheid- of juist aanwezigheid van een bepaalde factor. Tot nu ging het erom of bepaalde exposures associated zijn met een bepaalde uitkomst. Volgende stap is bepalen of die associatie causaal is. Belangrijk: let op confounders. Twee cruciale stappen vóór conclusie van causale link: 1) andere opties voor de associatie dan een causale link, bijv. Toeval, bias, confounders. Dán pas stap 2): evaluation of causality: Hill (1965) kwam met goede set van guidelines om causaliteit aan te tonen. Bevat de elementen: 1) Temporality: de exposure moet plaatsvinden voorafgaand aan ontwikkeling ziekte. Van alle guidelines is dit de enige vereiste!! 2) Sterkte van asociatie: relative effect (RR) minimaal groter dan 2.0. ‘Sterk’ is minimaal 5.0. 3) Consistency: een effect dat vaak en in vele studies gevonden wordt, is waarschijnlijk geen toeval. 4) Dose-response relatie: als een factor een cause van een ziekte is, dan is deze waarschijnlijk gerelateerd aan de dosis van blootstelling. Gaat om hoeveelheid en duration van blootstelling.
5) Biological plausibility: is er een biologisch mechanisme waardoor bepaald effect een ziekte veroorzaakt, dan is dit een goed argument voor causaliteit. 6) Specificiteit: Hill suggereerde dat causatie waarschijnlijke is als een bepaalde associatie leidt tot één specifieke uitkomt. 7) Ook aandacht geven aan experimentele data, bijv. Van studies met dieren. 8) Coherence: interpretatie van cause-effect relatie moet niet in strijd zijn met de bekende feiten. 9) Analogy: die relatie moet ook niet in strijd zijn met bekende causale associaties. Ook in acht nemen: verwijdering van blootstelling moet minstens leiden tot vermindering uitkomst. Is er eenmaal beyond any reasonable doubt vastgesteld dat er een causale relatie is, dan kan er actie ondernomen worden om beleid, wetgeving, gezondheidsvoorlichting, geneeskunde en de richting van bepaalde onderzoeken aan te passen.
HNE Samenvatting college 2 – Epidemiological Measures (door: Martijn ten Have) bladzijde 29 -49 – H2 – Measuring health Frequentie metingen: Kijken naar hoe vaak een ziekte binnen een bepaalde groep voorkomt, dus bijvoorbeeld 145 van de 389 mensen die roken in een groep hebben longkanker. Prevalentie: Meet de hoeveelheid zieken in een populatie op een bepaald punt in de tijd. Prevalentie wordt als volgt berekend: Aantal mensen die de ziekte op een bepaald punt in de tijd hebben/ totaal aantal mensen in de populatie. Incidentie: Meet de gevallen van ziekte over een bepaalde tijdspijn, het is bedoelt om te zien hoeveel nieuwe gevallen er van een ziekte er in bijvoorbeeld een jaar bij zijn gekomen. Average Duration of Disease: Dit beschrijft de relatie tussen prevalentie en incidentie omdat bepaalde ziektes langer duren dan de andere heeft dit effect op incidentie en prevalentie. Daarom wordt disease duration op deze manier in de formule voor prevalentie meegenomen: P = IR X D. Cumulatieve incidentie/Incidentie proportie: Meet de omvang van het aantal mensen dat een ziekte krijgt een bepaald tijdsbestek. Incidentie ratio: Meet de tijdsspan waarin de mensen risico hadden om de ziekte op te lopen. Person Years: als er wordt gekeken naar 1000 personen over een periode van 5 jaar zijn er in totaal 5000 person years geobserveerd. CI = Aantal mensen dat een bepaalde ziekte in een specifieke periode had/het aantal mensen dat risico liep om de ziekte te krijgen aan het begin van de periode. IR = Aantal mensen die de ziekte ontwikkelen/aantal person years wanneer mensen het risico liepen de ziekte te krijgen. Ratio: is simpelweg het ene nummer gedeeld door het andere nummer Proportion: kan worden uitgedrukt als een getal tussen 0 en 1 of tussen 0 en 100%. Bij de delen gaat het hier om deel gedeelt door geheel. Rate: moet het element tijd bevatten, zoals 60 km per uur of 150 van de 2000 per jaar. Case-fatality ratio: is zowel een proportion als een ratio, het is echter geen rate omdat het tijdselement ontbreekt. Onderstaande rates zijn veelvoorkomend binnen de Epidemiologie:
H5 – Why? Linking exposures and disease Het linken van ziektes en hun oorzaken is 1 van de hoofddoelen binnen de epidemiologie. Door groepen met elkaar te vergelijken zijn door verschillende ratio’s te berekenen hoeveel schade een bepaalde gedraging zoals roken of schadelijke stiffen in de omgeving kan hebben.
Dit helpt niet alleen bij het vinden van oorzaken van bepaalde ziektes maar zorgt ook voor de mogelijkheid tot vergelijking tussen de schadelijkheid van verschillende factoren. Daarnaast kan het een indicatie geven tot in hoeverre iemand met een bepaalde eigenschap zoals roken meer kans heeft op het krijgen van een ziekte dan iemand die niet rookt. Relative risk Door vergelijkingen te maken tussen groepen die wel blootgesteld zijn aan een bepaalde stof en niet zijn blootgesteld kan er gekeken worden naar het schadelijke effect van die stof. Hier is wel de aanname voor benodigd dat er een causaal verband tussen exposure en ziekte is. De berekening die hier bij hoort luidt: RR = incidence rate onder de blootgestelden / incidence rate onder niet-blootgestelden Het getal wat hier uiteindelijk uitkomt kan als waarde 1 hebben, wat betekend dat er geen verband tussen de blootstelling en ziekte is. Het kan een uitkomst kleiner dan 1 hebben, dit wil zeggen dat de blootstelling juist bescherming bied en de kans op de ziekte verkleind. En de uitkomst kan groter dan 1 zijn, bij een uitkomst zoals bijvoorbeeld 2 heeft de blootgestelde twee keer zoveel kans op de ziekte dan de nietblootgestelde. De uitkomst van RR kan echter ook de “Rate Risk” betekenen, dit is alleen wanneer er gerekend is met incidence rate deze bevat nog het tijdselement zoals eerder genoemd. Odds ratio: is slechts gebaseerd op het aantal zieken vs niet-zieken, dit wordt gebruikt voor case-control studies. Attributable risk: vertelt ons hoeveel de ziekte extra voor komt bij de blootgestelden dan bij de nietblootgestelden. En daar uit kan afgeleid worden hoeveel mensen er in de blootgestelde groep gered kunnen worden als ze niet aan de factor zouden worden blootgesteld. Population Attributable Risk: kan daarom ook worden berekend door : PAR = incidence rate population – incidence rate in unexposed. Ook kan hier de cumulatieve incidentie voor worden gebruikt. Population Attributable Fraction: proportie van de zieken in de blootgestelde groep die toe te wijzen zijn aan de blootstellen. Deze fractie kan op de volgende twee manieren berekend worden:
Waar bij de Incidence rate de incidence in total population minus de incidence in unexposed wordt gedeeld door incidence in total population. Bij de Cumulatieve incidencie het hier om de optelsommen van de totale populatie en unexposed populatie gaat. Deze rekensom vertelt ons hoeveel extra ziekte er voorkomt in de populatie (blootgesteld en niet blootgesteld) vergeleken met een groep die compleet niet-blootgesteld is. Op die manier kan er duidelijk worden hoeveel ziekte er misschien zou kunnen worden voorkomen door de blootstelling weg te halen. PAF kan ook berekend worden door de PAR te delen door de incidentie van de totale populatie. Ook hier kan de normale incidentie vervangen worden door de cumulatieve incidentie van de totale populatie.
HNE College 3 – Standardisation/ descriptive epidemiology/ cross-sectional study (door: Lisa Tonen) Hoofdstuk 2: Standardisation Bladzijde 49-54 - Standaardisatie: Om populaties met grote verschillen toch met elkaar te kunnen vergelijken, zal standaardisatie moeten worden toegepast. Er wordt hierbij gecorrigeerd voor verschillen van een bepaald kenmerk (vaak leeftijd of geslacht), waardoor dit geen invloed meer zal hebben op de uitkomsten van een onderzoek. - Directe standaardisatie: methode waarbij (sterfte)cijfers van een populatie worden toegepast op een standaardbevolking. Bij directe standaardisatie moet goed opgelet worden welke standaardpopulatie gebruikt is! Het kan namelijk erg verschillen of de standaardpopulatie van een land of van bijvoorbeeld de wereld gebruikt wordt. - Cumulative incidence: de kans dat iemand een bepaalde ziekte krijgt binnen een bepaalde periode van tijd (kan een aantal dagen zijn, weken, jaren). - Lifetime risk: de kans dat iemand een bepaalde ziekte krijgt in zijn gehele leven (hierbij wordt vaak van de leeftijd van 0 tot 74 jaar uitgegaan). - Indirecte standaardisatie: methode waarbij een geobserveerd (sterfte)cijfer wordt vergeleken met het (sterfte)cijfer dat wordt verwacht door uit te gaan van leeftijdsspecifieke sterftecijfers van een externe populatie. - Standardised mortality ratio (SMR): wordt berekend door het geobserveerde sterftecijfer te delen door het verwachte sterftecijfer. Hieruit kan je afleiden hoeveel meer of minder sterfte er is bij een bepaalde populatie vergeleken met een andere populatie. - Standardised incidence ratio/ standardised morbidity ratio (SIR of SMR): wordt berekend door de geobserveerde incidentie te delen door de verwachte incidentie (uitgaande van een externe populatie). - Verschil/voordelen/nadelen directe en indirecte standaardisatie: zie tabel 2.7 op pagina 54. Hoofdstuk 3: Descriptive epidemiology Bladzijde 71-93 - Descriptive epidemiology: beantwoordt de vragen: Wie? Wat? Waar? Wanneer? - Case report/case series: gedetailleerde beschrijvingen (vaak van doktoren) van één of meerdere gevallen van een uitzonderlijke aandoening of ziekte. Deze beschrijvingen kunnen potentiële gezondheidsproblemen identificeren (SARS, Mexicaanse griep, etc) of tot extra onderzoek aanzetten. - Prevalence surveys: onderzoek naar de prevalentie van allerlei aspecten (gerelateerd tot gezondheid) bij een bepaalde bevolkingsgroep. VB: obesitas, roken, blootstelling aan zon, etc. Dit kan gebruikt worden voor het plannen van de aanpak van de gezondheid van een populatie, maar hiermee kan er ook vergeleken worden met andere populaties en trends ontdekt worden. - Routine data collections: er wordt op regelmatige basis allerlei data verzameld van een populatie: - Sterftecijfers (vaak relatief makkelijk te verkrijgen) - Overlijdensaktes: de doodsoorzaak is meestal lastig te achterhalen omdat het vaak een combinatie van aandoeningen is, die niet allemaal vermeld worden). - Verbal autopsy: in lage inkomenslanden zijn de doodsoorzaken vaak niet of nauwelijks geregistreerd. Door middel van ‘verbal autopsy’ wordt met interviews nagegaan waaraan familieleden overleden zijn. - Morbiditeitdata (vaak erg lastig te verkrijgen omdat zeer weinig informatie over morbiditeit op een systematische wijze is verzameld) - Ziekteregisters: vaak slechts een klein aantal aandoeningen in opgenomen. - Ziekenhuisrapporten: een ziekenhuis is niet altijd representatief voor de gehele bevolking. Sommige ziektes worden daarbij ook niet binnen een ziekenhuis behandeld, maar bijvoorbeeld door de huisarts. - Databronnen: steeds vaker wordt informatie op het internet geplaatst. - Internationale bronnen: WHO, Wereldbank - Nationale bronnen: Australia’s Health, Health United States, etc. Creative use of existing data: Ondanks dat ‘descriptive epidemiology’ vooral ingaat op de vragen ‘Wie, Wat, Waar en Wanneer’, kan er wel een link geprobeerd te leggen met de vraag ‘Waarom’. Data die overeenkomt met een hypothese zorgt niet voor bewijs, maar zorgt er wel voor dat de hypothese meer geloofd zal worden.
- Migrant studies: Hierbij worden de effecten van ‘nature’ en ‘nurture’ gescheiden en geprobeerd om verschillen in het voorkomen van ziektes in bepaalde landen te verklaren. Dit wordt onderzocht doormiddel van grote groepen migranten die van bijvoorbeeld een land met een laag risico voor een bepaalde ziekte naar een land met een hoog risico zijn gemigreerd. - Ecological/correlation studies: vergelijken de blootstelling met een risicofactor en de aanwezigheid van een bepaalde ziekte in populaties of groepen mensen (geen individuen). Hieruit komen vaak geen causale relaties naar voren, maar er worden hieruit wel nieuwe hypotheses gevormd. Echter moet er wel rekening gehouden worden met het feit dat andere factoren van invloed kunnen zijn. - Ecological fallacy: De assumptie dat een individueel lid van een groep, de gemiddelde eigenschappen heeft van de gehele groep. Hoofdstuk 4: Cross-sectional study Bladzijde 94-99 - Analytic studies: bevatten vergelijkingen tussen mensen met en zonder een bepaalde ziekte of met of zonder blootstelling aan bepaalde invloeden. Hierbij wordt de vraag ‘Waarom’ beantwoordt. - Intervention study: de onderzoeker brengt een verandering aan om te zien wat het effect is op de gezondheid van mensen. Vaak lastig i.v.m. ethische kwesties als het gaat om gezondheid. - Clinical trial: twee of meer verschillende behandelingen voor mensen met een ziekte - Preventive trial: doel om het risico op een bepaalde ziekte te verminderen - Observational studies: de onderzoeker observeert alleen (zonder veranderingen aan te brengen). - Ecological studies: vergelijken blootstelling en ziekte (zie hierboven). - Cross-sectional studies: bestuderen de relatie tussen een bepaalde blootstelling en een daarop volgende gezondheidsstatus in een ‘cross-section’ (representatieve steekproef) van een populatie.
is eerder was: de blootstelling of de ziekte.
Reverse causality: soms het lastig te achterhalen wat
Clinical Epidemiology – College 4 (Chrissie) Clinical epidemiology: ‘the application of epidemiological principals and methods to the practice of clinical medicine’ Centrale punten in Clinical epidemiology: 1. Definities van normaal en abnormaal. Als een patiënt bij de dokter komt dan moet hij beslissen of iets normaal of abnormaal is, geen ziekte of ziekte. 2. Accuraatheid van diagnostische testen. (zoals een labtest) 3. “Natural History” van een ziekte. (stappen die een een ziekte doorloopt.) en de prognose van een ziekte (kans dat een bepaalde gebeurtenis gebeurt) 4. Effect treatment 5. Preventie in klinische zorg Learning objectives: 1. Definities van normaal en abnormaal
3 manieren om te bepalen wat abnormaal en wat normaal is. • Normal as common. Moet je wel veel gezondheidsvariabelen hebben van veel patiënten. Standaardverdeling maken en dan 2 Standaardafwijkingen van de mean. Je kan het ook verdelen in 95%, dan valt 5% onder abnormaal.
•
Abnormal as associated with disease Moeilijk om een snijpunt te vinden want de non–cases en cases overlappen elkaar bijna altijd. Dus bij een cholesterol van 5.0 mmol kan je niet zeggen dat is abnormaal want dan worden sommigen ziek maar anderen weer niet.
•
Abnormality as treatable Er wordt gekeken wanneer een behandeling meer goed doet dan kwaad en daarbij worden dat criteria opgesteld om normaal en abnormaal de definiëren. Ook wordt er bekeken of het financieel wel de moeite waard is. Deze methode wordt het meest gebruikt omdat deze geen cut-of point hanteert wat normaal en abnormaal is. De bovenste 2 mogelijkheden doen dat wel. 2. Accuraatheid van diagnostische testen
Diagnostische test: bevestigd mogelijke diagnosis bij patiënten met symptomen.
Als er een verschil is tussen de sensitivity en specificity voor een bepaalde testen. Dan moet kies je de test die aangeeft wat je op dat moment het belangrijkst vindt. Als mensen al heel lang proberen zwanger te worden dan geef je als arts de test die het meest betrouwbaar een positieve test geeft omdat je ze het liefst geen valse hoop wil geven. Practical utility of a test: hoe goed presteert de test in een gegeven populatie? Positive predictive value (PPV): Kans van ziekte in een patiënt met een normale test uitslag Negative predictive value (NPV): Kans dat een patiënt geen ziekte heeft terwijl de test abnormaal is. PPV bereken je door: # mensen met een positieve uitslag en daadwerkelijk die ziekte hebben/ #mensen totaal die een positieve uitslag kregen.
NPV: #mensen met een negatieve uitslag en daadwerkelijk niks hebben /# mensen die totaal een negatieve uitslag kregen. Predictive value van een test : • Hoe sensitiever en specifieker de test hoe hoger de predictive value is. • Prevalentie van ziekte beïnvloed ook de predicitve value. Lage prevalentie zorgt voor een lage positieve predicitve value. 3. Natural history van een ziekte
Natural history: natuurlijke stadia van een ziekte 1. Pathologisch begin, infectie of bacterie oplopen 2. Pre- sympotomatic tijd tussen het oplopen van een virus of bacterie en het krijgen van symptomen 3. Clinically obvious stage, de symptomen zijn zichtbaar. Voor een natural history heb je informatie van veel patiënten nodig. De informatie wordt meestal ingezameld d.m.v. cohort studies. De Cohort studies die worden gebruik zijn meestal: • Prognostic studies (zie onderaan deze samenvatting voor meer uitleg) • Etiologic studies
Het is de bedoeling van Health Care om de Natural History te beïnvloeden zodat ziektes kunnen worden voorkomen of op tijd te worden onderschept. Prognosis: voorspelling dat een bepaalde gebeurtenis zal plaatsvinden in de toekomst met een bepaalde ziekte. Hierbij is klinische ervaring niet genoeg (in een ziekenhuis komen alleen de ergste gevallen binnen.) maar hierbij heb je epidemiologie nodig.
Survaval analysis: elke keer als er iemand dood gaat daalt de lijn.
4) Effect treatment
Efficacy: the ability of a treatment to achieve the desired result in patiens that are compliant. Compliant: houdt je je aan het advies van de arts, dus neemt bijv. zoals voorgeschreven elke dat een pil. RR: relatieve kans dat een gebeurtenis in de behandelingsgroep plaatsvind vergeleken met de controle groep. RR = Risk (t)\Risk (p)
(t)= treatment
(p) = placebo
RRR: relative risk reduction, baseline risk that is removed by treatment. 1- RR
ARR: absolute risk reduction Risk (p) – Risk (t)
NNT: Number needed to treat Aantal mensen die je moet behandelen om 1 sterfgeval te voorkomen. Laat zien wat de impact is van de behandeling en is het makkelijkst te interpreteren. 1/ARR RRR zet met de werking van een medicijn in positiever daglicht dan een ARR. Dus maakt uit welke berekening wordt gebruikt! Effectiveness: ability of treatment to achieve the desired result all the patients to whom the treatment is offerd. Dus ook al vallen mensen af of houden ze zich niet aan dokters orders iedereen wordt meegerekend. Per protocol analysis: alleen mensen die pillen innemen dus compliant zijn beste de werking van het medicijn weer.
geeft het
Intention to treat analysis: iedereen die het medicijn heeft voorgeschreven gekregen ook al zijn ze afgevallen geeft het meest reële beeld, omdat dit in de werkelijkheid vaak gebeurt.
5. Prevention in Clinical practice
Primary prevention: Bijv pillen geven met supplementen bij zwangerschap, of vaccinaties Secondairy prevention: screening programs, poging om ziekten eerder te ontdekken om de ziekte last te verlichten. Secondairy preventie heeft geen effect op de incidentie van ziekten, kans is groot dat juist iets als screening juist meer ziektegevallen in kaart brengt. Screening: meestal een test dat relatief goedkoop is dat gebruikt word over een grote groep nog gezonde mensen, met het doel om vroeg een ziekte te kunnen opsporen. Daarna wordt een diagnostische test toegepast om de diagnose te bevestigen. Bij een screening test ligt de nadruk op weinig kosten en veiligheid, en minder op definitieve diagnose stellen. Het beste moment om te screenen is tussen het moment dat de vroegste diagnosis mogelijk is en het moment waarop normaal pas een diagnose wordt gesteld. Criteria om een screening program op te zetten: • Karakteristieken van de ziekte o Het kan een serieuze aandoening worden als het niet vroeg genoeg ontdekt wordt o Relatief vaak voorkomen o Natural History moet duidelijk zijn en er moet relatief veel tijd zitten in de ontwikkeling van de ziekte. Acute en dodelijk ziekten hoef je niet te screenen want tegen de tijd dat het ontdekt wordt is het telaat. o Samenleving moet het zien als een public health probleem. • Karakteristieken van de behandeling
•
•
o Effectieve behandelingsmethoden mogelijk o Vroeg behandelen kan dood voorkomen o Er moeten goede faciliteiten zijn om in the behandelen en voor de “follow up” Karakteristieken van de screeningprogram o Goedkoop, makkelijk de doen o Betrouwbaar en valide o Safe, en acceptabel voor publiek Kosten o Acceptabele kosten o balance between costs of screening programme, number of cases detected, consequences of not screening (cost-effective) o Emotionele kosten
Nadelen van screening: • • •
Physical harm: complicaties, invasive testing, vooral als er foutief een positieve test was waardoor je de behanding helemaal niet nodig had. Psychological harm: angst, boosheid, depressie van het wachten in onzekerheid of door foutieve positieve of negatieve testen. Financial harm: kosten van de onderzoeken, medische afspraken mogelijke opnames in ziekenhuis. Box 4.2 op pag 100
Een studie om de accuraatheid van een diagnostische test te onderzoeken kan worden gezien als een speciale soort cross-sectional studie. Individuen met symptomen worden random geselecteerd en eerst aan een indextest onderworpen (test waar je geïnteresseerd in bent, wilt weten hoe goed die werkt) en daarna aan de beste test die er is (gouden standaard). Resultaten van beide testen worden vergeleken en kan je de sensitiviteit en de specifity bereken van de indextest. Het is hierbij belangrijk dat de mensen die je selecteert representatief zijn voor je onderzoekspopulatie.
Prognostic or survival studies pag 106
Dit zijn studies waarbij er wordt gekeken wat er gebeurt met de patiënten nadat ze zijn gediagnostiseerd met een ziekte. In het onderzoek zitten dan mensen die in het zelfde stadia zijn van hun ziekte of ze worden opgenomen in het onderzoek na de eerste primaire behandeling. Dit soort studies helpt aan te geven wat voor een soort karakteristieken invloed heeft op de uitkomst. Dit zijn prognostic factors, zoals leeftijd geslacht enz. Deze factoren bepalen niet de uitkomst maar worden heel sterk met de uitkomst geassocieerd dus je zou aan de hand van die factoren de uitkomst kunnen voorspellen. Meestal zijn prognostic studies veel kleiner dan cohort studies.
HNE Samenvatting College 5 – Cohort Study (Door Robin) Bladzijde 100-105 H4-Cohort Study De beste manier om te onderzoeken of iets een causaal verband heeft (met bijv. gezondheid) is om twee onderzoeksgroepen te hebben. Éen groep die blootgesteld word aan een risicofactor en één groep die niet word blootgesteld aan die factor. In vele gevallen is dit onethisch. ‘The next best thing’ is dan een cohort study waar 2 groepen met een verschillende niveau van blootstelling, soms wel of geen bloodstelling, aan een mogelijke risicofactor (voor het onderzoek niet altijd bekend of het wel een risicofactor is!) over tijd worden gevold. Deze groepen hebben aan het begin van het onderzoek allen een goede gezondheid. (Begin iedereen op het zelfde niveau, daarna neemt gezondheid af of niet. Cohort study wordt vaak gebruikt voor onderzoek naar ziekten, het geeft de beste info over de oorzaken van ziektes van alle observationele studies) Cohort study word ook wel prospective of longitidinal study genoemd. Model van een cohort study:
Aan het begin mogen de participanten vrij zijn van het te onderzoeken fenomeen (bijv. geen CVD) Dit vergemakkelijkt een oorzaak gevolg relatie aan te wijzen. Een ander voordeel hiervan is dat het niet biased is door kennis over de uitkomst status. Een cohort study heeft een lange follow up periode en ‘exposure levels’ zijn alleen aan het begin en aan het eind van de studie gemeten. In de lange tijd dat het onderzoek duurt zijn mensen hun gedrag gaan veranderen en daarmee is misschien hun blootstelling niveau verandert. (Rokers stoppen met roken bijvoorbeeld) Selectie van de participanten is belangrijk op twee fronten. Selectie voor de cohort is belangrijk voor de generaliseerbaarheid en selectie uit, verlaten van, de cohort zorgt voor eventuele bias. (Veel ‘lost to follow up’ bijvoorbeeld) Cohort studies zijn vrij duur, omdat ze zo lang duren. Maar een goed uitgevoerde cohort study heeft ook een goede voordelen:kosten ratio, vanwege een hoge validiteit. Historical cohort study/retrospective study: goede en uitgebreide gegevens over bloodstelling van een groep mensen word uitvoerig onderzocht en herleid tot de huidige gezondheidsstatus. Record linkage: het gebruik van extra (persoons)gegevens van andere bronnen om het eigen onderzoek te verrijken. Doel cohort study: het identificeren van oorzaak/orzaken van een ziekte.
Some definitions: Cohort: Een groep mensen die in een bepaalde tijd word gevolgd. “In epidemiology, the word cohort is often used to designate a group of people who share a common experience or condition.”. Exposure or exposed: milieu factor (chemisch), gedragsfactor (roken), intrinsieke eigenschap (leeftijd, genoom) Unexposed: Niet worden blootgesteld (niet roken) Covariates: Een variabele die mogelijke van invloed is op de uitkomst van het onderzoek, bijvoorbeeld gewicht, roken en hoeveelheid energie. Outcome: al het mogelijke resultaat van blootstelling aan een factor van belang, of van preventieve of therapeutische interventies. Bijvoorbeeld risk factors of gezondheidstoestand. Steps of a cohort study • Start with a population at risk • Measure exposures and covariates in the beginning • Follow the cohort over time with surveillance for events (outcome) and re-examination • Keep track of quality of measurements, participation of people in study and staff, withdrawals, drop-outs • Compare event rates (outcome) in people with and without exposure of interest De drie elementen van een cohort study zijn: population, exposure en outcome. Bijvoorbeeld bij een onderzoek naar depressie(=outcome) door binge drinking(=exposure) onder Finnen(populatie). Strengths and Limitations
Welke vormen van bias kunnen voorkomen in een cohort study? – Selection bias: Systematische fout bij het selecteren van proefpersonen. Proefpersonen zijn niet representatief voor de populatie. (Lost to follow up bias: meer mensen van één groep (exposed of not exposed) verlaten het onderzoek vroegtijdig.) – Information bias: Verkeerde constateringen/metingen van informatie van de verschillende groepen. – Confounding: “A situation in which a measure of the effect of an exposure on risk is distorted because of the association of exposure with other factors that influence the outcome under study.”
HNE Samenvatting college 7 – Case-control studies (door: Martijn ten Have) bladzijde 107 -111 – H2 – Healthy research: study designs for public health Case-control study: longitudinaal onderzoek, dit betekend dat het over een tijdsperiode gaat en niet over 1 bepaalde punt in de tijd. Daarnaast kijkt het eigenlijk naar het verleden, het kijkt naar ziektes waarvan de aanwezigheid al bekend is. Een CC studie is vaak handig bij zeldzame ziektes of ziekte die een lange levensloop hebben. Vaak zijn ze ook nog eens goedkoop en belasten ze de onderzochte personen nauwelijks. Een nadeel is dat het zich wel richt op 1 soort uiting of probleem waardoor dus voor een ziekte met meerdere ook meerdere CC studies moeten worden uitgevoerd. Een ander nadeel is dat sommige mensen met een bepaalde ziekte de archieven niet halen doordat ze al bijvoorbeeld sterven onderweg naar het ziekenhuis of iets dergelijks. Hierdoor kan het probleem ontstaan dat mensen die voor de studie interessant zijn niet in de studie terechtkomen. Belangrijk aan het selecteren van cases en controls is dat ze op ze onafhankelijk van de exposure zijn ingedeeld, wordt dit niet gedaan dan is er een kans dat er selection-bias op zal treden en de kans op het betreden van de studie afhankelijk gaat worden van wel of geen blootstelling en de mate van hoe erg de ziekte is. Daarnaast zijn er nog twee soorten bias die voor kunne komen in een CC-studie Information bias: Wanneer data verzameling over de blootstelling niet hetzelfde is voor cases en controls. Counfounding: Wanneer 1 of meerdere andere factoren, behalve de blootstelling waar men in geïnteresseerd is een informatie geven over de associatie tussen blootstelling en ziekte. Een belangrijke manier in het “rangschikken” van de cases en controls in een studie is matching, zo zorgt men er voor dat in beide groepen vergelijkbare personen zitten. Op deze manier vermijd men problemen zoals bijvoorbeeld een veel jongere control groep die automatisch vanwege leeftijd al minder risico’s lopen. Het matchen moet ook weer niet overdreven worden, het moet wel bij relevantie kenmerken blijven anders wordt de studie statistisch erg lastig en onoverzichtelijk. Precisie: is gerelateerd aan de hoeveelheid random error, ook wel standaard fout door statistici genoemd. Als de precisie in orde is van een studie draagt dit bij aan de kracht en geloofwaardigheid van een studie. Validiteit: betreft meer de systematische fout zoals de bias, validiteit draagt bij aan de betrouwbaar houd en geeft aan hoeveel of weinig ruimte er is voor het trekken van verkeerde conclusies. Interne Validiteit: Levert de studie een “unbiased” schatting op van wat het gemiddelde claimt te zijn? Externe Validiteit: Kunnen de resultaten van de relatief kleine groep uit de study gegeneraliseerd worden naar de veel grotere populatie waar men in geïnteresseerd is?
HNE College 9 – Public Health (door: Lisa Tonen) The scope for preventive medicine Risicofactoren voor hart- en vaatziekten: overgewicht, obesitas, hoog cholesterol, hoge bloeddruk en roken. Health transition: van infectieziektes en voedseltekort, naar overconsumptie en inactiviteit. De gezondheidsrisico’s van inwoners van verstedelijkte gebieden zijn hoger dan die van inwoners van het platteland. Population versus individual risk Indeling risico: hoog/laag risico. Deze indeling is lastig te maken, vaak niet duidelijk wat bij hoog risico valt en wat bij laag. Verder is het vaak zo dat wanneer er alleen gefocust wordt op de groep met een hoog risico, niet de meeste levens gered zullen worden in een populatie. Strategies for prevention The high-risk strategy The high risk benadering: Eerst worden individuen geïdentificeerd die in de groep behoren met een hoog risico. Daarna probeert men de mate van blootstelling aan de oorzaak van het hoge risico te verminderen, of wordt er protectie gegeven aan de consequenties van de blootstelling. Bij deze strategie wordt er dus gefocust op de mensen die in de hoge-risico groep vallen; dit is vaak slechts een klein gedeelte van de populatie. Redenen voor het kiezen voor high-risk strategy: - De interventie is aangepast op bepaalde individuen met zijn of haar problemen - Er wordt geen hulp geboden/geld uitgegeven aan mensen die dit niet nodig hebben De High-risk strategy sluit goed aan bij het voorkomen van een ziekte die slechts onder bepaalde groepen mensen voorkomt. Echter is het een ongeschikte strategie voor het bestrijden van een veel voorkomende ziekte. The mass strategy/ population strategy Bij een veel voorkomende ziekte is mass strategy een effectievere keuze. Deze strategie erkent de mate waarin de ziekte voorkomt en het effect op de maatschappij als geheel. Deze strategie legt de focus op het verminderen van een gezondheidsrisico voor de gehele populatie. Bij het zoeken naar een gepaste strategie voor het terugdringen van een bepaalde ziekte dient er een juiste afstemming te worden gevonden tussen een bepaalde doelgroep en de populatie als geheel. Er kan ook een middenweg tussen de twee strategieën worden gebruikt bij het bestrijden van een bepaalde ziekte/aandoening.
HNE Samenvatting college 10 - Infectious diseases (door: Bas Hoogenbosch) bladzijde 276 - 306 - H12 - Outbreaks, epidemics and clusters 12.1 - Outbreaks, epidemics, endemics and clusters definition outbreak/epidemic: the occurence of disease at a level greater than would normally be expected definition sporadic: occasional cases occuring at irregular intervals definition endemic disease: a disease that is constantly present in a given population or geographic area definition epizootic: the occurence of disease at a level greater than would normally be expected within an animal population definition enzootic disease: a disease that is constantly present within an animal population definition zoonoses: infection that cross from animals to humans definition pandemic: a disease what affects a large number of people and crosses many international boundaries definition cluster: aggregation of relatively uncommon events or diseases in space and/or time in amounts that are believed or percieved to be greater than could be expected by chance 12.2 Rare disease clusters Investigating clusters of rare diseases has rarely led to conclusive evidence as to the cause and usually reveals that the cluster is most probably a chance effect due to variation of small expected numbers. definition post hoc: consists of looking at the data—after the experiment has concluded—for patterns that were not specified a priori. 12.3 Epidemiology of infectious diseases definition communicable disease: an infectious disease that can be transmitted from one individual to another either directly or indirectly through an intermediate plant, animal host, vector or inanimate environment. In the 20th century, there is a huge decrease of infectious diseases through: - Improved standard of living (hygiene, nutrition) - Installation of sewerage, drinking-water supply - Microbiological techniques to isolate and identify micro-organisms - Epidemiological investigation of transmission routes - Anti-microbial treatment - Vaccination (measles, polio, pneumonia, diarrhoea, HIV infection, dengue, malaria and TB) But there are also emerging infectious diseases, because of: - Ecology > Climate changes, deforestation, intensive farming - Demography - Behaviour > Travel, trade, sex, drugs - Technology > Food production and distribution > Medical interventions (transplantation, immunosuppresive therapy) - Evolution of microbes - Bioterrorism In developed countries, mortality due to acute infection is largely restricted to the very young, the elderly and the infirm, but infections remain an important cause of expensive morbidity in these richer nations. Infections still constitute the most important disease group in low- and middle income countries, where they are responsible for almost one-third of the disease burden. The trend, where old, changed or newly encountered microbes pose threats of local or regional epidemics, or even large pandemics, will continue. Since it is bases on many factors that are sure to persist or increase in the future including:
1-population growth, 2-expanding trade and travel, 3-mass-produced food, 4-intensive livestock production, 5-environmental change, 6-resistance to antimicrobial drugs, 7-human encroachment on wilderness and forest and global warming. Effective identification and control of outbreaks of infectious disease remains an important and complex component of public health. 12.4 A causal model In the book a model that shows the interaction between an infectious agent and its potential host, the transmission process and how all of these may be influenced by the environment, is discussed. definition host: mobilises a variety of genetically directed and other adaptive responses against a particular agent definition agent: any infectious or non-infectious risk factor, some of which have a variety of modes of transmission definition environment: includes the background social, economic and ecological circumstances that surround the host and determine the community risk level. (image above page 286) infectious disease epidemiology VS non-infectious disease epidemiology RESEMBLANCES - Same general rationale - Same terminology (mostly) - Same study methods - Same ways of collecting data (blood samples, questionnaires, registries) - Same analysis (statistics) DIFFERENCES - A case may also be an exposure > Person with infection can also be source of infection - People may be immune > Having an infection or disease could result to resistance to an infection (immunity) - A case may be source without being recognized as a case > Asymptomatic/sub-clinical infections - There is sometimes a need for urgency > Epidemics may spread fast and require control measures - Preventive measures (usually) have a good scientific evidence 12.5 What influences the spread of infectious diseases? The aim of infectious disease epidemiology is to describe and explain the occurence and distribution of infections and the relationship of infection to disease. 12.5.1 The infectious agent definition infection: the entry of a microbial agent into a higer-order host and its multiplication within the host definition infestation: when a lower organism lives on a higher organism definition infectivity: the ability of an organism to invade and multiply in a host (for example measured by the secondary attack rate) definition pathogenicity: the power of an organism to produce overt illness among those infected definition virulence: the ability of an organism to produce serious disease (for example measured by the case-fatality ratio) definition intensity of infection: the number of infectious agents that are involved 12.5.2 The host definition host: the human or animal to which an agent acquires entry and in which it multiplies. Factors that had to do with biology, maturation and replication of the agent, influence the incubation period. definition incubation period: the time between initial infection and the onset of clinical disease. definition latent period: the time from entry into the host until the onset of infectiousness (may be longer or shorter than the incubation period).
12.5.3 Transmission Direct transmission The transmission from ‘close personal contact’ by touching infectious secretions or excreta. Indirect transmission Involves a vehicle (lifeless) or a vector (living) Airborne transmission: could be obligate (pathogens only transmitted by a infectious particle called droplet nuclei) or preferential (infect by multiple routes) The type and mode of transmission of an agent are key factors for designing control strategies and that some agents may have several modes of transmission. 12.5.4 The environment The physical environment or climate, the level of sanitation, air pollution, water quality, population density, overcrowding, poverty, housing conditions and food availability are all environmental issues that are influencing the transmission of infectious disease. 12.6 Epidemics or outbreaks There are two principal types of epidemic 12.6.1 Point-source epidemics (type 1 epidemic) A common-source (or common-vehicle) or extended-source epidemic that occurs when many people are suddenly exposed to the same source of infection, leading to a clear increase in incidence of disease. (diagram beneath page 293) 12.6.2 Propagative (contagious) epidemics (type 2 epidemic) This type arises from the introduction of an infection into a susceptible population with subsequent transmission from person to person and a progressive increase in incidence (index case= the first single case, secondary cases= the cluster of cases a period after the index case, tertiary cases= the generation of cases after the secondary cases).(diagram beneath page 294) 12.6.3 Common conditions for the occurence (and cessation) of an outbreak There are numerous agent-host-environment states that might change and precipate an outbreak: - the new appearance or sudden increase of an infectious agent - an increase in susceptibles in an environment that has an endemic pathogen - the introduction of an effective route of transmission (example: climate change bringing new species of mosquito) When contrary conditions hold, an epidemic will end or diminish. 12.7 Outbreaks investigation (the figure is a scheme about how outbreaks investigation works) The following series of steps is essential in any outbreak investigation (from the college sheet) ;slightly different in the book): 1- Confirm outbreak and diagnosis 2- Form Outbreak Control Team 3- Define a case 4- Identify cases and obtain information 5- Describe data by time, place, person
6- Develop hypothesis (on source) 7- Test hypothesis: analyctical studies 8- Additional studies 9- Communicate results: outbreak report, publication 10- Implement contol measures
12.7.1 Study design and analysis Retrospective investigation: calculate the attack rate (=a measure of cumulative incidence often used for an outbreak that occurs over a relatively short time period) Prospective investigation: calculate the secondary attack rate (=the number of cases of infection that develop among the susceptible contacts of an infected case as a proportion of the total number of exposed contacts) Relative risk: can be calculated by comparing the attack rates in the exposed and the unexposed Odds ratio: the odds of disease in a group of people exposed to a potential risk factor divided by the odds of the same disease in a second or reference group who are unexposed (can be calculated from an case-control study) 12.7.2 Epidemic management: 1- Dealing sensibly with the media to control the wider social effects of a real or perceived epidemic. 2- Treatment of cases 3- Control measures, both short- and long-term, need to be initiated 4- Ensure that all aspects of an outbreak are reported accurately. 12.8 Epidemic prevention To be ready for new epidemics we need to develop and maintain substantial human and laboratory resources, have a suitable system of surveillance, be able to manage the media effectively, and have a clear institutional framework within which surveillance, interdiction and response can operate. figure ‘strategy for prevention & control’ This figure is about the transmission of an infectious disease. Every term with a number (1 to 6) is a specific strategy for prevention. Except prophylaxis (=when someone is infected with a certain pathogen, prophylaxis prevents that the infection can lead to a disease; for example antiviral drugs that prevent an active HIV infection) every term speaks for themselves.
Conclusion While we have focused on infectious diseases, the principles of outbreak investigation used to apply to all disease outbreaks, communicable or otherwise. bladzijde 307-322 - H13 – Watching not waiting: surveillance and epidemiological intelligence definition surveillance system: the design and use of the special information systems that allow health officials to detect new risks and diseases, generate data needed for effective health planning and resource allocation. The essential features of a surveillance system are: - practical (clear case definitions for each disease) - workable (uniform and continuous data collection methods - rapidity of collection, analysis, interpretation and dissemination of data - (practical) intermediate goals (including identifying and monitoring outbreaks, limiting transmission of infectious agents, prompt treatment of illness, evaluation of disease control progrmmes and planning health services) 13.1 The scope of surveillance Traditionally the term surveillance has been applied to monitoring acute infectious diseases. Although this remains a major focus, surveillance today also covers morbidity and mortality for many other diseases, injuries and environmental hazards. In addition, health information systems are beginning to extend surveillance to risk factors (such as: unsafe sex, indoor smoke and high cholesterol level) themselves. social epidemiology: (a form of epidemiology that is under growing awareness) research at the role of poverty and other fundamental social determinants of health (health inequalities). Other types of information could also have useful contributions to health surveillance activities (such as reports on climatic conditions or animal health) 13.2 Aspects of surveillance: - Define health problem (Eg incidence (Mexican) Flu, HIV?) - Set up case definition (Often clinical profile & laboratory confirmation) - Define the source of data (Laboratory; hospital; death statistics; notification) - Collect data (Passive, active, sentinel) - Analyse data - Use for action (prevention and control measures) 13.2.1 Notifiable diseases Describes a disease as a notifiable one is a matter of assigning a level of public health importance to a disease. Over and under-response of notifiable diseases are both a problem. 3 Groups of notifiable diseases: 1-group A, 2-group B, 3-group C (from the most deadliest and infectious to the less deadliest and infectious) 13.3 Types of surveillance All types may co-exist in a single geographical area or health system. 1 - Passive surveillance This system depends on the discretion or whim of the healthcare provider, even where notification is required by law. It’s inexpensive, but not always complete. Media-driven alerts can also assist passive surveillance of non-infectious diseases. Surveillance of the majority of notifiable diseases in many countries relies heavily on a passive system. 2 - Active surveillance This system is bases on specific collection of data from healthcare providers or institutions, both as a need arises and in the longer term. Active surveillance can produce more complete data of better quality than that provided by the other systems (passive and sentinel). However it is resourceintensive to maintain. Active surveillance could be done by using record linkage.
definition record linkage: link records from different sources to extract information that would otherwise be sought by passive surveillance systems. 3 - Sentinel surveillance This system relies on the reporting of cases of specific diseases or risk factors that may indicate that a particular preventive or therapeutic activity is not working as planned. 13.4 Surveillance in practice The most developed surveillance systems can be found in the USA. The leading international agency for disease surveillance is the WHO. The WHO is especially important for helping resource-poor areas respond to epidemics. 13.5 Evaluation of surveillance Surveillance systems have (or should have) stated goals and objectives. These are the logical starting points for evaluations and the following attributes should be the focus. 13.6 Summary Sir Richard Doll warned that because the list of surveillance targets is growing, we have to take sure that we don’t drown in useless informations.
HNE College 11 – Trial (door: Anne van Hamont) Hoofdstuk 4, blz. 112-116 Intervention studies
Intervention studies: bij dit soort studies voeren onderzoekers bepaalde interventies uit in de hoop dat dit de toekomstige gezondheid van de deelnemers zal verbeteren. Dit kan gebruikt worden om mensen met een ziekte te genezen of om ziekte te voorkomen bij een groep mensen. Een voorbeeld is het geven van vitamine A om polio te voorkomen en zo de kindersterfte te verlagen. De studie kan worden toegepast op zowel individuele kinderen als op hele dorpen/steden. Randomised controlled trials (RCT’s) Als er een nieuw geneesmiddel of behandeling wordt getest is het belangrijk dat de personen in de testgroep en de controlegroep random zijn verdeeld om goede resultaten te krijgen. Verder is het ook altijd van belang dat het aantal proefpersonen hoog is, zodat onbekende en onmeetbare factoren van de verschillende individuen niet voor verkeerde resultaten zorgen. De proefpersonen uit de controlegroep worden vergeleken met de testgroep. De controlegroep krijgt of geen behandeling, of een placebo. Een placebo wordt het meest gebruikt omdat er daar betere resultaten mee behaald kunnen worden. Een studie wordt ‘dubble blind’ genoemd als zowel de proefpersonen als de onderzoekers niet weten welke groep de controlegroep is en welke de testgroep. Als alleen de proefpersonen niet weten in welke groep ze zitten, wordt de studie ‘single-blind’ genoemd. Als het niet mogelijk is om de onderzoekers en de proefpersonen te laten weten in welke groep ze zitten(bijvoorbeeld als een behandeling met medicijnen vergeleken wordt met een operatie) wordt er gebruik gemaakt van een objectieve buitenstaander die de resultaten beoordeeld. Er wordt tegenwoordig ook vaker gebruik gemaakt van een open studie waar er geen ‘blinde groepen’ zijn, omdat bijvoorbeeld zorgverleners en dataverzamelaars kunnen zorgen voor een bias door de kennis die ze hebben over de toewijzing van de behandeling over de controlegroep en de testgroep. Community trials: preventieve onderzoeken waarin de interventie wordt uitgevoerd op het niveau van de gemeenscha. Het wordt over het algemeen uitgevoerd wanneer het onmogelijk zou zijn om de interventie op individueel niveau aan te bieden. Hoofdstuk 4, aanbevolen stof blz. 117-121
Randomized trials kunnen op twee manieren uitgevoerd worden. Bij een parallel Group worden de proefpersonen random toegewezen aan een groep en die groepen worden dan parallel gevolgd. Bij een crossover trial dienden de proefpersonen als hun eigen controle. Zo’n onderzoek bestaat bijvoorbeeld uit twee verschillende tijdsonderdelen en twee groepen proefpersonen. Een groep proefpersonen krijgen in het eerste deel de behandeling en in het tweede deel krijgen ze een placebo, bij de andere groep proefpersonen gaat dit andersom. Het grootste voordeel van dit design is dat het statistische en klinische valide resultaten kan produceren en dat er minder deelnemers nodig zijn dan bij een parallel design. Een variant op de crossover trail is de single patient trial¸of de n-of-1 trial. Een individuele proefpersoon krijgt zowel de experimentele als de controle behandeling in een willekeurige volgorde op verschillende tijden. Meest weten de onderzoekers en de patiënten niet wat de experimentele behandeling is en wat de controle behandeling. De trial eindig als duidelijk is geworden of er verschillen zijn tussen de controlebehandeling en de experimentele behandeling.
Ethiek
(Nuremberg Code, Declaration of Helsinki, Beecher’s Report, Tuskegee syphilis, Belmont report) Na de Tweede Wereldoorlog zijn er regels gekomen voor medisch onderzoek. Deze regels zijn gebaseerd op vier morele principes: 1. Weldadigheid. 2. Niet-schadelijk: de voordelen moeten opwegen tegen de mogelijke risico’s. 3. Respect voor autonomie: recht op privacy en het informed consent. 4. Gerechtigheid: gelijkheid, onpartijdigheid en eerlijkheid.
Samenvatting epidemiologie College 12, blz 276-306. Door Daniël Meijers Epidemie/uitbraak is de aanwezigheid van een en dezelfde ziekte in een gemeenschap. Endemie(endemic): continue aanwezigheid van een en dezelfde ziekte in een gemeenschap Pandemie is een ziekte die veel meer mensen ziek maakt en op heel veel verschillende plekken kan uitbreken(bv. Wereldwijd). Cluster is het samenklonteren van (weinig) ziekten in een ruime tijd maar waar toch wordt verwacht dat het geen toeval is. Controle op infectieziekten in de twintigste eeuw omdat: - Verbeterde leefomstandigheden(hygiëne, voeding) - Installatie van riolering, water toevoer(kranen) - Microbiologie om ziektes te identificeren en isoleren - Vaccinatie - Antibacteriële behandelingen - Epidemiologisch onderzoek op handelsroutes De mens stimuleert(vaak onbedoeld) opkomende pathogene: Ecologie: klimaatverandering, intensieve landbouw Demografie Gedrag: reizen, handel Technologie: voedselbewerking en verhandeling, medische interventies Evolutie van micro-organismen Bio-terrorisme Door controles kan veiligheid worden gegarandeerd. 1. Definieer het gezondheidsprobleem(HIV, griep) 2. Definieer je onderzoek(profiel maken) 3. Definieer je bronnen voor het onderzoek(ziekenhuizen, statistieken) 4. Verzamel data(passief, actief) 5. Analyseer data 6. Reden tot actie?(preventie en controle maatregelen uitvoeren)
HNE Throughout the course– Bias/Error (door: Anne van Hamont) Hoofdstuk 7 blz. 167-175 Sources of error in epidemiological studies Fouten die voor kunnen komen in epidemiologisch onderzoek zijn in te delen in twee soorten fouten: -Selction bias -Measurement bias De fouten kunnen verder onderverdeeld woorden in random fouten of systematische fouten. Selection bias Selection bias: Deze fout ontstaat als er een systematisch verschil is tussen : 1)mensen die meedoen in een studie en de mensen die niet meedoen in de studie, 2) als de mensen in de experimentgroep en de controlegroep niet goed geselecteerd zijn, of 3) omdat er verschillende criteria zijn gebruikt bij de selectie van proefpersonen: Selction bias kan een groot probleem zijn in verschillende studies: -Prevelence survey: als de geselecteerde mensen die in het onderzoek meedoen niet representatief zijn voor de hele populatie komt er een verkeerd resultaat uit het onderzoek. In dit geval helpt het niet als de steekproef vergroot wordt, de verschillen tussen de onderzoekspopulatie en de totale populatie zal dan nog groter worden. -Analytische studies: selection bias leidt tot ongeschikte vergelijkingen tussen de experimentgroep en de controlegroep waardoor er geen goede metingen kunnen worden verricht. -Case control study: als de participanten worden geselecteerd als twee aparte groepen is het moeilijk om ervoor te zorgen dat de definitieve controlegroep een goede groep mensen is om met de experimentgroep te vergelijken. -Cohert study: hier geldt hetzelfde als bij de case control study als de mensen in de exposed en de unexposed groepen apart worden geselecteerd. Selection bias kan zorgen voor een lagere interne validiteit en zorgt altijd voor een lage externe validiteit. Bronnen van selection bias: -Vrijwilligers: Vrijwilligers kunnen problemen opleveren omdat ze meestal meer gezondheidbewust zijn. Een vrijwilligersgroep kan daarmee erg verschillend zijn dan een groep mensen die random zijn geselecteerd. Als er reclame gemaakt wordt voor een studie zal het mensen aantrekken die geïnteresseerd zijn in het studieonderwerp. De vrijwilligersgroep kan daarmee dus ook anders zijn dan de geselecteerde groep. Er wordt hierdoor bijna nooit gebruik gemaakt van vrijwilligersgroepen. -Lage response rates: mensen met een bepaalde ziekte zijn over het algemeen wel bereid om mee te doen aan een onderzoek naar hun ziekte. Mensen die geen ziekte hebben zijn daar vaak minder toe bereid. Als er gezocht moet worden naar mensen die mee willen doen aan het onderzoek in de controlegroep is er eigenlijk geen sprake meer van een random selectie. -Ascertainment of detection bias: dit kan voorkomen als de kans van een individu om een bepaalde ziekte te krijgen gerelateerd is aan de vraag of hij of zijn blootgesteld is aan de factor die in het onderzoek van belang is. -The healthy-work effect: mensen die werken zijn gezonder dan mensen die niet werken. De meeste mensen die niet werken kunnen dat niet omdat ze ziek zijn. Dus als er gekeken wordt naar de gezondheid van mensen die werken in vergelijking met de hele populatie, zijn de mensen die werken altijd gezonder. -Loss to follow up: als er in de experimentgroep meer mensen uitvallen dan in de controlegroep (of andersom) dan kunnen er verkeerde resultaten uit het onderzoek komen.
HNE Troughout the course- Confounding: Hoofdstuk 8(p. 197-202), Daniël Meijers Na de kans/toeval(chance) en de partijdigheid(error/bias) een derde optie waarom resultaten van een studie fout kunnen zijn, namelijk verstorende factoren(confounding). Confounding is een mix van effecten die wordt veroorzaakt door een andere verstorende factor zodat we andere resultaten krijgen. Kan bij niet random studies voorkomen maar ook bij random studies en wordt sneller veroorzaakt bij een kleine populatie. Een voorbeeld van confounding is een onderzoek onder 40 mensen. De helft heeft longkanker en de andere helft niet. De vraag is: verhoogt het drinken van alcohol de kans op longkanker? Wat blijkt is dat de kans op longkanker drie keer zo groot is als er alcohol wordt gedronken. Dit klinkt niet logisch. Dit blijkt ook als je gaat onderzoeken of er een relatie is tussen roken en alcohol drinken. Roken verhoogt namelijk de kans op longkanker aanzienlijk. Als je dit onderzoekt blijkt dat roken en drinken vaak samengaan. Roken is dus de oorzaak van longkanker terwijl het leek of alcohol dit was. Roken is een derde factor die eerst niet werd meegenomen, roken is dan ook de confounder.
Drie criteria voor confounder: 1. Moet een risicofactor zijn waar op het eerste gezicht niet op wordt gelet. 2. Moet je kunnen associëren met je interesse(bijvoorbeeld een populatie). 3. Mag niet tussen je veronderstelling en de uitkomst(niet op de directe causale weg). Een proces waarbij je deelnemers van een onderzoek verdeeld in twee of meer gescheiden groepen noem je stratificatie(stratification).
Throughout the cource: Role of chance (Chrissie) Random sampling error In een onderzoek is het moeilijk om de hele populatie in je onderzoek te verwerken daarom nemen we een steekproef van de populatie (samples). Je wil dat je steekproef zo representatief mogelijk is. Maar het is nóóit mogelijk om als je dezelfde studie uitvoert op een steeds andere random geselecteerde groep mensen uit de populatie dat daar exact dezelfde antwoorden uit komen als wanneer je onderzoek had gedaan over de hele populatie. random sampling error. Dit komt omdat elke steekproef andere individuen bevat met andere karakteristieken en deze zullen bij elke steekproef variëren. Hoe groter je steekproef hoe dichter je bij de werkelijke waarde van de onderzoekspopulatie je komt! Hoe groot je steekproef kan zijn kan je berekenen, maar dat doen we nu niet.
Confidence intervals (CI) Confidence Intervals : gebruik je om te kijken wat de effecten zouden kunnen zijn van de random sampling error in je onderzoek. Hiermee zeg je eigenlijk het antwoord is niet precies dit punt maar is ergens binnen deze marges. Hoe groter het interval hoe minder precies je onderzoek, en dus meer random sampling error. Measure of Relative Risk: als deze 1.0 is , is er geen relatie tussen beiden gevallen. Dus uit de beide uiteinden van een CI boven de 1.0 zitten wil dit suggereren dat er een positieve relatie is tussen de beide variabelen die je onderzoekt. Maar als een grens beneden de 1.0 valt en de ander erboven, kan je niet iets zeggen over de relatie tussen beide groepen.
Statistics in epidemiology BLZ 158 -162 kan je het best zelf even lezen! Ik heb mijn best gedaan maar vind het zelf ook nogal lastig. Je kan beter, als je het wil weten, het hele verhaal lezen. Krijg je ook voorbeelden enz. Om uit te rekenen of je uitslag niet berust is op kans kan je ook gebruik maken van de Hypothesis test: Daarmee bereken je de kans dat je een effect had gezien dat even sterk of sterker is dan het geobserveerde effect dat er echt geen verschil is tussen de groepen. (de nul hypothese) P waarde: is het resultaat van een hypothesis test en geeft je een idee over hoe groot de kans is dat de resultaten daadwerkelijk een associatie hebben of dat het resultaat berust is op kans. Pwaarde van 0.01 is een 1% kans dat het resultaat van berust was op kans. Een resultaat is statistisch significant wanneer een p-waarde minder is dan 0.05. minder dan 5% kans dat het resultaat berust is op kans. CI en P-waarde voor een statistische test: Als de CI de 1.0 niet bevat van de Risk Ratio of Odds Ratio dan is de P-waarde < 0.05 en als de 1.0 er wel in zit dan is de P-waarde groter of gelijk aan 0.05.
Dit zijn alleen maar hulpmiddelen om je onderzoek te kunnen beoordelen waar wanneer de pwaarde aangeeft dat iets niet significant is dan betekend dit niet dat er geen associatie is. Power van een studie is de mogelijkheid van een studie om een associatie op te sporen. (de studie moet dus groot genoeg zijn) In de epidemiologie wordt er veel meer gekeken naar de CI en de P-waarde wordt vaak aan de kant geschoven.
Statistical versus clinical significance Een uitkomst kan statistisch laten zien dat een groep een verbetering heeft ondergaan maar dat hoeft dan klinisch niet zo te zijn. Klinische significantie is in hoeverre een uitslag betekenis heeft voor de praktijk. Als de levensstandaard van een persoon met blaasontsteking met 0.3 verbeterd is dit statistisch significant maar in de praktijk heeft is dit verwaarloosbaar klein dus klinisch niet significant. Maar wanneer het getal 0.3 binnen een groot CI was gevallen was het getal ook niet statistisch significant geweest want de onzekerheid is te groot.