Professional Documents
Culture Documents
EPID Samenvatting.
EPID Samenvatting.
Basisgedachte
Frequentie en verdeling van ziekte/gezondheid is niet toevallig (“ad random”), maar te wijten
aan:
• predisponerende (determinanten, risicofactoren) of beschermende factoren
(preventieve factoren), daarmee bedoelen we
o persoonskarakteristieken (geslacht, leeftijd, genetisch, …)
o omgeving (fysisch, biologisch, psychosociaal)
o meestal interactie tussen beide bovenstaande componenten
• intensiteit van de blootstelling aan determinanten
Epidemiologische benadering
• Beschrijvende epidemiologie: zorgvuldig beschrijven, vaststellen van (verschillen in)
frequentie en spreiding van ziekten/sterven/gezondheid in een populatie
• Analytische epidemiologie:
o Nagaan of er een associatie/verband bestaat tussen blootstelling aan
bepaalde factoren en/of eigenschap van een persoon en de ontwikkeling van
de ziekte in kwestie
o Zijn er ernstige aanwijzingen dat dit verband causaal is?
1
Epidemiologie
Preventie
Identificeren van hoog risico groepen
• Preventieve acties bij degenen die het het meest nodig hebben
• Opsporen risicofactoren voorkomend in deze groepen:
o modifieerbaar (bv. leefstijl, dieet, ...)
o niet modifieerbaar (bv. leeftijd, geslacht, ras, ...)
Doelpopulatie
• Gehele populatie (public health approach): preventie voor hele populatie
• High-risk subpopulatie(s): preventie voor bepaalde groep (hoog-risico groepen)
Historische voorbeelden
wie ziekte preventieve acties
Philipp Childbed fever • Mysterieuze ziekte, waaraan bevallen vrouwen
Semmelweis (midden 19e E) stierven
• In eerste ziekenhuis meer sterftes, omdat dokters
infecties/bacterie meenamen van de autopsiezaal
naar patiënt (zie les 1 slide 27)
• Actie: handen wassen voor behandeling
Edward Smallpox • Variolation: gezonde individuen injecteren met
Jenner (midden 18e E) bestanddelen van immune patiënten die ziekte
hadden overleefd
• Niet optimaal: sommige stierven of gaven het
door
2
Epidemiologie
Doelstellingen epidemiologie
• Beschrijven van ziekte/maatschappelijke gezondheid, “burden of disease” ®
voorzieningen, opleiding, “health needs assessment”
• Inzicht in etiologie van ziekten: oorzaken, risicofactoren ® basis voor
basiswetenschap en preventie
• Inzicht in natuurlijke verloop en prognose van ziekten
• Inschatten van individuele ziektekans, bijdrage individuele diagnose
• Inzicht in “normale” waarden van klinische metingen (gezonde populaties)
• Evaluatie van preventie, behandeling, revalidatie, levenseindezorg; gezondheidszorg
in het algemeen ® “health impact assessment”, “EBM”, “EBN”
• Basis algemene beleid mbt factoren met invloed op gezondheid
Deelgebieden
• Oorspronkelijk: studies epidemie ® ontwikkeling naar verschillende deelgebieden
• Klinische epidemiologie: toepassen van epidemiologische principes op problemen uit
klinische praktijk, hulp bij beslissingsproces
• Endemie: gewoonlijke
aanwezigheid van ziekte in een
bepaald gebied, zonder
uitgesproken pieken of dalen
• Epidemie: snelle toename van
lijders aan bepaalde ziekte in
bepaald gebied, groter dan
verwacht (gevolgd door relatief
snelle afname ervan)
(‘interocular test’); eventueel
herhaaldelijke golven
• Pandemie: epidemie over de
hele wereld verspreid
3
Epidemiologie
Variabele en waarneming
Variabele: kenmerk dat kan variëren, wat men meet
• Kan kwalitatief of kwantitatief zijn
Epidemiologische breuk
4
Epidemiologie
Basis terminologie
Incidence rate
Cumulatieve incidentie
• aantal nieuwe ziektegevallen die zich voordoen in een cohort (populatie die
gedurende bep. tijdsperiode gevolgd wordt)
• men gaat er vanuit dat personen gedurende ganse periode gevolgd (kunnen) worden
• uitgedrukt in %
5
Epidemiologie
zie les 1 slide 59-62: voorbeeld over persoonsjaren en identificatie nieuwe gevallen
Proportionele incidentierate
Attack rate
Prevalence
6
Epidemiologie
Paradox
• ziekte gecontroleerd, niet genezen
o vb. diabetes: insuline houdt mensen in leven zonder ze te genezen
o prevalentie stijgt
• betere diagnose middelen, vroegere opsporing (screening):
o meer mensen gedetecteerd
o prevalentie en incidentie stijgt
Zie voorbeeld les 1 slide 71: Hitown heeft hogere prevalentie dan Lotown, omdat er meer
mensen in leven blijven (terwijl die in Lotown sterven)
7
Epidemiologie
teller noemer
- juist definiëren wie de ziekte heeft - selectieve onderschatting van bep.
en wie niet, diagnosecriteria groepen (bv. minderheden)
- welke personen includeren, hoe - andere criteria gebruiken in
vinden, hoe data verzamelen? verschillende studies
- niet enkel personen at risk
includeren
Zie voorbeelden van wat met hiermee bedoeld: les 1 slide 75-82
Surveillance
• continue, systematische verzameling/analyse van gegevens
• essentieel voor public health: advies geven aan beleidmakers voor preventie en
controle van aandoeningen
• bedoeling: monitoren van
• veranderingen in ziekte frequentie en prevalentie van risico-factoren
• hoe volledig de bevolking beschermd is door vaccinatie
• het optreden van drug-resistente micro-organismen
• …
8
Epidemiologie
Maten
Mortality rate (bruto mortaliteit)
#𝑜𝑣𝑒𝑟𝑙𝑖𝑗𝑑𝑒𝑛𝑠 (𝑡𝑒𝑛 𝑔𝑒𝑣𝑜𝑙𝑔𝑒 𝑣𝑎𝑛 𝑎𝑙𝑙𝑒 𝑑𝑜𝑜𝑑𝑠𝑜𝑜𝑟𝑧𝑎𝑘𝑒𝑛) 𝑖𝑛 𝑝𝑜𝑝𝑢𝑙𝑎𝑡𝑖𝑒 𝑡𝑖𝑗𝑑𝑒𝑛𝑠 𝑏𝑒𝑝𝑎𝑎𝑙𝑑𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑒
𝑝𝑜𝑝𝑢𝑙𝑎𝑡𝑖𝑒 𝑎𝑡 𝑟𝑖𝑠𝑘 𝑖𝑛 𝑑𝑖𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑒
• vaak per jaar (annual mortality rate) met in de noemer population at risk at midyear
(¹ #personen begin observatieperiode)
• uitgedrukt per 1000 of 100 000
9
Epidemiologie
Case-fatality rate
Proportionate mortality
Years of potential life lost (YPLL) (zie voorbeelden les 2 slide 41-44)
@(𝑣𝑒𝑟𝑤𝑎𝑐ℎ𝑡𝑒 𝑙𝑒𝑒𝑓𝑡𝑖𝑗𝑑 𝑣𝑎𝑛 𝑠𝑡𝑒𝑟𝑣𝑒𝑛 − 𝑟𝑒ë𝑙𝑒 𝑙𝑒𝑒𝑓𝑡𝑖𝑗𝑑 𝑣𝑎𝑛 𝑠𝑡𝑒𝑟𝑣𝑒𝑛) 𝑣𝑜𝑜𝑟 𝑏𝑒𝑝𝑎𝑎𝑙𝑑𝑒 𝑧𝑖𝑒𝑘𝑡𝑒
10
Epidemiologie
Oplossing:
• invloed van factoren neutraliseren door standaardisatie (adjusted results)
• 2 wijzen van age-adjustment (zie les 2 slide 51-54)
o directe age-adjustment
o indirecte age-adjustment (standardized mortality rate)
11
Epidemiologie
Biologische variatie
Bimodale curve: 2 pieken in een curve
Unimodale curve: 1 piek in de curve, op basis van gegevens weten welke extreem zijn en
welke normaal
Validiteit
Definitie
Mate waarin de test in staat is een onderscheid te maken tussen degenen die de ziekte
hebben en degenen die de ziekte niet hebben (meet de test wat hij beoogt te meten?)
• interne validiteit: juistheid test, meet die wat hij beoogt te meten?
• externe validiteit: generaliseerbaarheid
2 componenten
sensitiviteit specificiteit
• mate waarin een test in staat is om • mate waarin een test in staat is om
degenen die de ziekte hebben als degenen die de ziekte niet hebben
dusdanig correct te identificeren. als dusdanig correct te identificeren.
• proportie van zieke individuen met • proportie van ziektevrije individuen
een positief testresultaat met een negatief testresultaat
• maat voor de probabiliteit • maat voor de probabiliteit dat een
(waarschijnlijkheid) dat een ziek ziekte-vrij individu een negatief
individu een positief testresultaat testresultaat heeft
heeft
Dichotome testresultaten
• test resultaat: positief of negatief
• golden standaard nodig (externe bron van waarheid)
12
Epidemiologie
Terwijl sensitiviteit en specificiteit vooral belangrijk zijn voor Public Health doeleinden
(screenen van populaties)
𝑇𝑃 𝑇𝑁
𝑝𝑜𝑠𝑖𝑡𝑖𝑒𝑣𝑒 𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑖𝑒𝑣𝑒 𝑤𝑎𝑎𝑟𝑑𝑒 = 𝑛𝑒𝑔𝑎𝑡𝑖𝑒𝑣𝑒 𝑝𝑟𝑒𝑑𝑖𝑐𝑡𝑖𝑒𝑣𝑒 𝑤𝑎𝑎𝑟𝑑𝑒 =
𝑇𝑃 + 𝐹𝑃 𝑇𝑁 + 𝐹𝑁
Overzicht terminologie
sensitiviteit/specificiteit:
• verdeling testresultaten bij zieken en niet-zieken
• test met hoge sensitiviteit: weinig FN resultaten
• test met hoge specificiteit: weinig FP resultaten
• eigenschap van test
13
Epidemiologie
Samenvatting validiteit
Betrouwbaarheid (herhaalbaarheid)
• mate van overeenkomst tussen uitkomsten van herhalingen van 1 zelfde test,
wanneer deze wordt toegepast op dezelfde personen of in dezelfde situatie
(reliability; repeatability)
• vergelijking van resultaten van verschillende toepassingen van test onder ongeveer
dezelfde omstandigheden
Intrasubject variatie
Waarom biologische variabiliteit van de persoon bij wie waarneming wordt verricht?
• toevallig:
o fluctuaties zonder duidelijk patroon, random gebeuren (soms >,soms <)
o ≠ metingen dus waarneming = gemiddelde van metingen
• systematisch
o fluctuaties met bepaald patroon
o correctie mogelijk, gestandaardiseerde meting
• verschillende test: omstandigheden kunnen verschillen geven
biologische variabiliteit
• heeft nadelige invloed op reproduceerbaarheid meetmethode
• heeft niet noodzakelijk meetfouten tot gevolg
14
Epidemiologie
Intra-observer variatie
• Variatie tussen twee of meer lezingen van dezelfde testresultaten door dezelfde
onderzoeker (dezelfde onderzoeker interpreteert dezelfde testresultaten anders op
andere momenten)
• Kans hierop stijgt naarmate subjectieve elementen van de beoordelaar kunnen
meespelen in de beoordeling
Inter-observer variatie
• Variatie tussen twee of meer onderzoekers in het beoordelen van de uitkomsten van
dezelfde testresultaten.
• Overeenkomst tussen observers kwantificeren met Overall Percent Agreement
• Probleem met OPA: In het algemeen hebben meeste personen die worden
getest negatieve uitslag. Over deze groep bestaat waarschijnlijk een grote
overeenstemming tussen de twee observers (zorgt voor hoge OPA). Achter
hoge OPA kan groot meningsverschil tussen de observers schuilgaan.
• Oplossing: negatieve groep uit berekening (zie les 3 slide 52)
• Zelfs als twee onderzoekers compleet verschillende criteria hanteren in het bepalen
of de persoon positief of negatief test, gaan ze per toeval overeenkomsten hebben
• Kappa Statistic gebruiken om dit op te lossen:
15
Epidemiologie
Natuurlijk ziekteverloop
Natuurlijke prognose in termen van # doden door ziekte of # overlevenden met ziekte
Maten prognose
Case-fatality rate
16
Epidemiologie
Person-years
#𝑠𝑡𝑒𝑟𝑓𝑔𝑒𝑣𝑎𝑙𝑙𝑒𝑛
#𝑝𝑒𝑟𝑠𝑜𝑛 − 𝑦𝑒𝑎𝑟𝑠 𝑡𝑖𝑗𝑑𝑒𝑛𝑠 𝑑𝑒𝑤𝑒𝑙𝑘𝑒 𝑑𝑒 𝑔𝑟𝑜𝑒𝑝 𝑧𝑖𝑒𝑘𝑒𝑛 𝑧𝑖𝑗𝑛 𝑔𝑒𝑣𝑜𝑙𝑔𝑑
Five-year survival
• % van patiënten met bep. ziekte die nog leven 5 jaar na diagnose/start behandeling
• vaak gebruikt bij evaluatie kankerbehandeling
Problemen
• niet toepasbaar voor beoordelen therapie die <5 jaar geleden werd gestart
• lead time bias:
o leven van patiënt niet verlengd door vroegtijdige diagnose en therapie
o interval tussen diagnose en overlijden is vergroot door een vroegere
diagnose, maar geen vertraging in het tijdstip van overlijden
o misleidend om (op basis van 5-year survival) te zeggen dat uitkomst van 2e
scenario beter is
17
Epidemiologie
• verschillende curves leiden tot zelfde resultaat (10%), ondanks betere survival voor
ene groep vergeleken met andere
o A: meeste sterftes gedurende 5e jaar
o B: meeste sterftes gedurende 1e jaar
o zelfde 5-year survival rate, maar betere survival in groep A
Observed survival
• Berekenen van werkelijke geobserveerde survival doorheen tijd: life tables/sterftetafel
• Alle gegevens worden gebruikt (« 5 y survival rate) + niet enkel kijken naar 5e jaar
• Principe: voor elk kalenderjaar toont tabel # patiënten voor wie therapie werd
opgestart en # dat nog in leven is een jaar verder
• Berekening: zie les 4 slide 17-23; Kaplan-Meier methode (niet studeren)
Gebruik life tables: niet alleen voor dood, ook andere maten (ontwikkelen van neveneffecten,
herval, enz...) & voor vergelijkingen (bv. effect van 2 verschillende behandelingen)
• Geobserveerde survival van mensen met ziekte vergelijken met hun verwachte
survival als ze niet ziek zouden zijn (zie les 4 slide 32)
18
Epidemiologie
Randomized trials
Doel trial
• Trial: experimenteel onderzoek, interventiestudie
• Ideaal voor evalueren van effectiviteit en/of bijwerkingen van gezondheidsinterventie
(curatief of preventief; public health, kliniek, organisatie gezondheidszorg)
• Ultieme test voor causaliteit
• Golden standaard voor evidence
Basic design
Soorten trials
19
Epidemiologie
Historische controls
Vergelijkingsgroep uit verleden kiezen, data gebruiken uit dossiers van patiënten met
dezelfde aandoening die vroegere behandeling kregen (niet nieuwe die men wil uittesten)
voordelen • makkelijk
nadelen • moet data van verleden nemen
zoals ze zijn; gevonden verschillen
door verschillen in kwaliteit van data
verzameling (ipv werkelijk verschil in
outcome)
• mogelijk beïnvloedende variabelen
kunnen veranderen in de tijd;
gevonden verschillen door
verschillen in andere beïvloedende
factoren
Randomization
• samenstellen van interventie- en controlegroep volledig per toeval bepaald
• volledige onvoorspelbaarheid van toewijzing
• voorkeuren onderzoekers mogen geen enkele invloed hebben op toewijzing
• bedoeling: groepen uiteindelijk vergelijkbaar mbt van karakteristieken van belang
voor prognose, maar geen totale garantie van gelijkheid
Als we variabelen (buiten bedoelde interventie variabele) kennen en kunnen meten: matchen
om vergelijkbaarheid te bevorderen
• betekent dat je controlegroep zo gaat selecteren, dat zij op bepaalde variabelen
(zoals leeftijd, geslacht, enz.) lijken op interventiegroep
• maar vaak zijn niet alle variabelen gekend en meetbaar
• randomisatie: verhoogt kans op vergelijkbare groepen op bekende/onbekende &
meetbare/niet meetbare variabelen
20
Epidemiologie
Stratified randomization
• als factor (buiten de interventie) bekend is,
ervoor zorgen dat de experimentele en
controle groep op dit vlak gelijk zijn
• Verhoogt vergelijkbaarheid van groepen;
randomizatie helpt maar garandeert het
niet
• Populatie indelen in strata
(subpopulaties) voor elke
belangrijk geachte (gekende)
variabelen (bv age, seks, ...):
• Dan mensen in elk stratum random
verdelen tussen
interventie/controle groep
Blinding/masking
Voor objectievere outcome en meting:
• Deelnemers mogen niet weten in welke groep ze zitten: kan invloed hebben op
outcome (door bv. gebruik placebo)
• Onderzoekers mogen niet weten in welke groep deelnemers zitten: om te
voorkomen dat vooroordelen en overtuigingen een rol spelen in metingen
• Beide: dubbel blind (double blinding)
21
Epidemiologie
Unplanned crossover: Niet zo gewild door onderzoekers (zie les 4 slide 64-67)
• moeten tot een minimum beperkt worden
• te grote crossovers halen studie onderuit, kunnen leiden tot misclassificatie bias
Ongeplande overstap van ene groep naar de andere: hoe achteraf analyseren?
• volgens oorspronkelijke randomisatie(meestal aangeraden); “intention to treat
analysis” (original assignment groups)
• analyseren volgens de ontvangen therapie (received groups); breken van de
randomizatie
Noncompliance
• Therapie/onderzoek ontrouw
o Openlijk niet meer willen deelnemen: dropouts
o Verborgen niet meer willen deelnemen: regelmatig testen (bv. urinetest op
metabolieten)
o Verkeerde interventie volgen: dropins; soms zonder dat men het weet (bv.
aspirine ter preventie van hartinfarct)
• Daarom patiënten goed informeren testen
• Netto resultaat non-compliance op studieresultaten: vermindering van geobserveerde
verschillen (omdat interventie- en controlgroep minder verschillen)
Gebruik steekproef
• Werken met ganse populatie: vaak niet mogelijk
• Vandaar vaak: deelpopulatie (steekproef of sample)
• Resultaten bekomen door onderzoek in die steekproef conclusies trekken mbt de
populatie waaruit we de samples hebben getrokken
• Statistische methode om na te gaan of gevonden steekproefresultaten ook met een
bepaalde mate van zekerheid voor de populatie gelden
Sample size
Voor studie begint: berekenen hoeveel subjecten includeren in sample om tot valide
uitspraken mbt populatie te kunnen komen
• Berekening op basis van:
• Begin rate en verwachte rate (lopende vs nieuwe behandeling)
• a: kans te concluderen dat er verschil bestaat terwijl dat in realiteit niet zo is (p-
waarde)
• Power van studie (1–b; b is kans om te concuderen dat er geen verschil is terwijl
dat in realiteit wel zo is)
• Sample size tabellen of pc-programma
22
Epidemiologie
1
𝑁𝑁𝑇 =
𝑟𝑎𝑡𝑒 𝑖𝑛 𝑟𝑎𝑡𝑒 𝑖𝑛
O𝑢𝑛𝑡𝑟𝑒𝑎𝑡𝑒𝑑 𝑔𝑟𝑜𝑢𝑝P − O𝑡𝑟𝑒𝑎𝑡𝑒𝑑 𝑔𝑟𝑜𝑢𝑝P
Generalizability of results
• Intern validity: methodologisch correct ?
• Extern validity: veralgemening; zijn resultaten
ook toepasbaar op grotere populatie waaruit
onze steekproef komt? (is onderzochte pop.
representatief voor grote populatie?)
23
Epidemiologie
RCT: registratie
• Niet alle RCTs gepubliceerd, (non-)publication bias
o Negatieve resultaten
o Industrie
o Tijdschriften willen duidelijke (goede of slechte) resultaten
• Gevolg: gebrek aan info voor evidence-based decision, daarom verplichte
registratie CT of “medical interventions” in openbare registratiebank, vooraleer
patiënten mogen betrokken worden in de studie en/of voor publicatie
• Benadrukt in CONSORT protocol (CONsolidated Standards Of Reporting Trials)
Fazen in RCTs voor testen van nieuwe medicamenten (ter bescherming van bevolking)
Fase 1 trial • Kleine studies (20-80)
• Toxische en pharmacologische effecten?
Fase 2 trial • Small-scale klinische studies (100-300)
• Efficacy en veiligheid?
Fase 3 trial • Large-scale RCT
• Effectiveness en veiligheid
• Vaak multicentered (1000-3000)
Markt • Approval
Fase 4 studies • Postmarketing surveillance: bijwerkingen,
negatieve effecten na verloop van tijd?
Cohort studie
Doel
• Observationele studie: zoeken naar oorzaak (etiologie) van ziekten
• Incidentiestudie: incidentie van ziekte/symptomen nagaan (ontwikkeling nieuwe
gevallen
• Ook voor meer inzicht in:
• natuurlijke ontwikkeling van mensen (vb. groeicurven in pediatrie)
• natuurlijk verloop van ziekte (vb. overlevingscurve)
• prognose
24
Epidemiologie
25
Epidemiologie
Types
Prospective cohort
• concurrent of longitudinal cohort
• populatie definiëren
• blootstelling wordt afgewacht (of op
korte tijd vastgesteld)
• dan populatie volgen (concurrent) en
outcome meten
• mensen opvolgen
• langdurig
• veel kans op uitval onderweg
Retrospective cohort
• historical of nonconcurrent prospective
cohort
• zelfde design als prospective
• maar populatie en blootstelling
vastgesteld op basis van bestaande
data en records met historische
gegevens en outcome in begin van de
studie
Aandachtspunten
• vooraf idee hebben van mogelijke samenhang tussen blootstelling en ziekte
(evidentie vanuit klinische observaties, of vermoedens vanuit andere studies)
• geen lang interval tussen blootstelling en ziekte: om teveel “losses to follow up” te
vermijden
• vaak niet voldoende evidentie om zo’n grote en dure studie te verantwoorden
• exposed en non-exposed vaak moeilijk te identificeren
• retrospectief vaak niet mogelijk: slechte kwaliteit of niet bestaan van betrouwbare
historische data
26
Epidemiologie
• vaak is incidentie van een ziekte vrij laag waardoor we grote groepen langdurig
moeten volgen om voldoende cases te vinden voor valide analyses en conclusies te
kunnen (duur en intensief, time consuming)
Case-control studie
Doel
• zoeken naar oorzaak (etiologie) van ziekten: vaak als eerste stap. Meestal bevestigd
in bijkomend onderzoek met grootschaliger cohort studie
• kan uitgevoerd worden bij weinig voorkomende ziekten (« cohort studie)
• evaluatie van bepaalde interventies in gezondheidszorg (vb. screening)
Basis design
• niet met blootgestelde en niet-
blootgestelde groep (« cohortstudie)
maar met zieken (cases) en niet
zieken (controls), en gaat blootstelling
in verleden onderzoeken (proportie
blootgestelden in elke groep)
• verband tussen cases en exposure:
dan is er hogere proportie van
exposure tov non-exposure in de
groep cases dan in de groep controls
• cases/control aantallen bepaald door
onderzoekers (reflecteren niet ware
prevalentie van ziekte)
Bronnen
• patiënten ziekenhuis of privé praktijk
o gemakkelijk
o rekening houden met mogelijke selectiebias:
• patiënten uit registers in bevolking
o moeilijker
o kans op selectiebias: survivor-bias
27
Epidemiologie
Welke cases?
• incidente patiënten (nieuwe gevallen):
o betrouwbaarder om etiologie en ontwikkelen van ziekte, te onderzoeken
o blootstelling gerelateerd aan onstaan ziekte
o maar soms lang wachten om aantal te hebben
o sommigen sterven voor diagnose
• prevalente gevallen (kunnen al lang ziek zijn):
o groter aantal, makkelijker
o soms geheugenbias bij langdurige ziekte
o meet soms meer factoren gerelateerd aan survival met ziekte dan ontwikkelen
van ziekte (dus gevonden blootstelling is dan niet representatief voor de groep
zieken); selectie bias/survival bias
Bronnen
• niet gehospitaliseerde patiënten
o representatief sample uit bevolking: heel moeilijk te doen
o administratieve bestaande lijsten (school, verzekeringsagentschap,...)
o geburen: gelijkende karakteristieken met cases; minder door gevaar
o at random telefoneren in zelfde regio
o goede vrienden van cases: gelijkend op cases
o familieleden, waardoor genetische factoren alvast gelijkend zijn
o probleem: soms te veel gelijkend op cases, moeilijk evenwicht
Goed nadenken over keuze van patiënten, welke gerelateerde diagnoses niet concluderen
Interpretatie verschil in blootstelling bij cases en controls: zie les 5 slide 34
28
Epidemiologie
Matching
Als we meer exposure aan onderzochte factor vinden bij cases dan bij controls:
• is er werkelijke associatie tussen cases en die factor?
• of zijn er verschillen tussen cases en controls voor ander factoren (met invloed op
ontstaan van ziekte) dan degene die we onderzoeken?
• dus: proberen gelijkaardige groepen te creëren, door te matchen
Matching van groepen voor die factoren (buiten onderzochte blootstellingsfactor) die we
belangrijk vinden mbt hun mogelijke bijdrage aan ziek zijn
• group matching
o proportie controls met bepaalde eigenschap = proportie cases met die
eigenschap
o dus eerst alle cases selecteren, voor men deze berekeningen kan doen
• individual matching (matched pairs)
o elke case wordt met gelijkaardige control gematched
o soms moeilijk te vinden als men te hoge eisen stelt (bv. te veel
eigenschappen willen matchen)
o soms unplanned matching: bv. buren, vrienden, … te kiezen als controls
Oppassen!
• niet matchen voor factor die bestudeerd wordt (dan kan men geen verschil vinden)
• niet “overmatchen” (factoren die niet belangrijk zijn)
Geheugen probleem
Bij case-control studies: blootstelling aan bepaald factor wordt vaak via interviews bevraagd
Problemen daarmee:
Hoeveel controls?
Onderzoeker kiest hoeveel controls, vaak multiple controls (meerder controls voor één case):
• Multiple controls van hetzelfde type (bv uit ZH)
• bedoeling: power van studie verhogen, kan door verhoging cases of controls
• verhoging # cases: vaak moeilijk door lage prevalentie van aandoening (tenzij
langdurige studie of multicentered studie)
• daarom verhoging # controls per case.
• Multiple controls van andere types (bv uit ZH en thuisomgeving)
• om kans te verhogen dat exposure van controls representatief is voor
exposure in populatie (hospitaal controls ≠ controls algemene populatie)
• om alternatieve hypotheses (verband blootstelling en gevolg) na te gaan
• soms kan daardoor recall bias onwaarschijnlijk worden
29
Epidemiologie
Cross-sectional studie
Doel
• Meten prevalentie van aandoeningen in populatie
• Meten risicofactoren en beschermende factoren
• Zoeken naar etiologie van ziekten
• Zoeken naar associaties tussen kenmerken en ziekte/gezondheid
• Bepalen van normale waarden (grote steekproeven)
• Opsporen van nog niet gekende ziektegevallen (screening)
Kenmerk
• Dwarsdoorsnede onderzoek (ook cross-sectioneel of prevalentie onderzoek)
• Blootstelling en outcome tegelijkertijd gemeten bij elk individu
• Geen tijdsequens: prevalente ipv incidente gevallen identificeren (survival met ziekte)
Basis design
30
Epidemiologie
Voordelen en nadelen
voordelen nadelen
• 1 enkel contact is vaak voldoende • prevalente vs incidente cases:
• weinig tijdrovend, relatief goedkoop sommige patiënten kunnen reeds
• haalbaar onderzoek voor gevoelige gestorven zijn door ziekte
thema’s (SOA, drugs, seksualiteit) • dus eerder overleven/survival na
• alle stadia van ziekte en heel ziekte ipv nieuwe ontwikkeling van
spectrum van blootstelling ziekte
• basis voor verder etiologisch • geen tijdsequens: noodzakelijk voor
onderzoek (patiënt-control en cohort eventuele causaliteit
studies)
Overzicht
31
Epidemiologie
Verschillende studiedesigns
Relatieve risico
Vergelijken van risks/risico’s (waarschijnlijkheid dat een bepaalde gebeurtenis zal plaats
vinden) tussen blootgestelde en niet blootgestelde groep door ratio van de risks te
berekenen
32
Epidemiologie
Verschil in risico
Vergelijken van risks/risico’s tussen blootgestelde en niet blootgestelde groep door het
aftrekken van risk in niet- blootgestelde groep van dit in de blootgestelde groep
RR in cohor study
Odds
Voor RR: incidentie nodig in blootgestelde en niet-blootgestelde groep
• In case-control: incidentie niet altijd voorhanden
• Daarom andere associatie-maat: odds (goede benadering van RR)
Definitie
Odd van een gebeurtenis is waarschijnlijkheid dat een gebeurtenis zal plaatsvinden tot
waarschijnlijkheid dat die gebeurtenis niet zal plaatsvinden
!%
Ratio of odds = #$
33
Epidemiologie
!%
Ratio of odds =
#$
AR blootgestelde groep
• wat is impact van blootstelling
op ziekte-incidentie in
blootgestelde groep ?
• hoeveel daarvan is te wijten
aan blootstelling, en had
kunnen voorkomen worden?
34
Epidemiologie
Menselijk onderzoek
Moeilijkheden bij niet-menselijk onderzoek
• Dier experimenten: geldig voor menselijke populaties?; komen dosissen overeen?;
sommige ziekten bij mensen komen niet voor bij dieren,....
• In vitro: geldig voor totale intacte complexe menselijke systeem?
35
Epidemiologie
Types
36
Epidemiologie
Bias (vertekening)
• Belangrijk item in elk type epidemiologisch onderzoek
• Belangrijk bij beoordelen van (causale) verbanden
Definitie
Elke systematische fout in design, uitvoeren of analyse van een studie, die resulteert in
verkeerde inschatting van effect van blootstelling op ‘risk of disease’
• selection bias
• information bias
Selection bias
• wijze van selectie van cases/controls, of van blootgestelde/niet blootgestelde
individuen gebeurt zo dat een schijnbare associatie wordt gevonden (zelfs als, in
realiteit, blootstelling en ziekte niet geassocieerd zijn)
• schijnbare associatie het resultaat van selectie bias
Soorten
non response bias • bv. meer respons van zieken met blootstelling dan van
zieken zonder blootstelling
• gevonden verband door kleinere respons in één groep, niet
door echt verband tussen blootstelling en ziekte
• vaak verschillen non-responders op meerdere relevante
karakteristieken van de responders
• proberen veel info te krijgen van eigenschappen van non-
responders
• proberen non-respons zo klein mogelijk te houden
inclusion/exclusion • systematische fout in samenstellen van groepen die
bias vergeleken worden, zodat resultaat vertekend wordt
Information bias
• wijze van info verzameling over studie objecten verloopt inadequaat, waardoor
bepaalde info over blootstelling of ziekte incorrect is
Misclassificatie bias
• verkeerde classificatie van ziekte
• waardoor bv. cases bij controls terecht komen en vice versa
• verkeerde classificatie van blootstelling
• bv. bij case- control studies (bv. door gebruik van interviews, recall bias,
reporting bias,...)
37
Epidemiologie
Confounding
• er wordt een echte associatie geobserveerd
• we veronderstellen een causale relatie, terwijl die in realiteit niet zo is, doordat er
“confounding” in het spel is
Confounder factor
Bij een studie vragen we ons af: factor A ® ziekte B
38