Avsnitt 1 av 0
Startad

Incidens, Prevalens, Relativ Risk, Absolut Risk & Standardisering

Att mäta insjuknande, risk och förekomst: incidens, prevalens, relativ risk & absolut risk

Om är intresserad av en specifik sjukdom eller ett tillstånd är det som regel viktigt att veta (1) hur många som har sjukdomen/tillståndet; (2) hur många nya fall som uppkommer inom en viss period samt (3) hur stor risken är att man drabbas av sjukdomen/tillståndet. Dessa tre frågor kan tyckas snarlika men det finns avgörande skillnader och dessutom finns det nyanser av varje.

 

Prevalens: andel som har tillståndet (eng. prevalence)

Prevalens utgör ett enkelt matematiskt problem. Andelen individer som har sjukdomen/tillståndet kan uttryckas som ett bråk, enligt följande:

Prevalens = nantal sjuka / Npopulationsstorlek

Om man undersöker en population med 100 individer och 10 av dessa har sjukdomen/tillståndet som studeras, så är andelen:

10/100=0.1

Det innebär att prevalens är en proportion, vilket kan uttryckas som en procentsats:

0.1 = 10%

För att beräkna prevalens behöver vi alltså information om hur många som har sjukdomen/tillståndet samt hur stor populationen (som riskerar att få sjukdomen/tillståndet) är. Som framgår ovan är prevalens helt enkelt ett bråktal, där täljaren är antalet som har tillståndet/sjukdomen och nämnaren är populationens storlek.

När man undersöker prevalens är det avgörande att man, med hög precision, kan estimera populationens storlek samt antal sjuka. Prevalensen blir felaktig om täljaren eller nämnaren inte stämmer med verkligheten. Populationens storlek är oftast ett mindre problem; vi vet oftast hur stor populationen som vi studerar är. Däremot är det som regel svårt att säkerställa att metoden med vilken vi identifierar sjuka är fullgod. Några exempel följer:

Exempel 1: Ponera att vi undersöker prevalens av diabetes i Sverige genom att undersöka, via en nationell apoteksdatabas (Läkemedelsregistret), hur många i landet som hämtat ut läkemedel mot diabetes. Detta skulle leda till en kraftig underskattning av antalet personer med diabetes eftersom långt ifrån alla dessa får sådana läkemedel.

Exempel 2: Ponera att vi undersöker prevalens av multipel skleros genom att undersöka hur många som blivit vårdade (med den diagnosen) på något sjukhus under året. Detta skulle också leda till en underskattning eftersom en del av dessa patienter aldrig blir inlagda på sjukhus.

Det är alltså avgörande att man använder en metod som faktiskt kan identifiera alla (eller så många som möjligt) som har sjukdomen/tillståndet. Inom epidemiologi använder man den engelska termen level of ascertainment, eller coverage, för att beskriva en metod (eller ett registers) täckningsgrad för en viss sjukdom/tillstånd.

Prevalens, punktprevalens och periodprevalens

Man kan specificera vilken prevalens man mäter, enligt följande:

Punktprevalens anger hur stor andel i en population som har en sjukdom/tillstånd vid ett givet ögonblick (t ex i början av året).

Periodprevalens anger hur stor andel i en population som har en sjukdom/tillstånd under en viss period (t ex under hela året).

Livstidsprevalens anger helt enkelt hur stor andel i en population som någon gång under livet får en viss sjukdom/tillstånd.

 

Incidens: hastigheten med vilken nya fall uppkommer (eng. incidence)

Om vi följer 100 personer under ett helt år och 20 personer insjuknar under den tiden så är incidensen:

20 nya fall / 100 personer och år = 20 nya fall per år

Incidens beskriver alltså intensiteten med vilken friska människor blir sjuka. För incidens är nämnaren, dvs tidsperioden, fundamental. I ovanstående exempel var tidsperioden 1 år, men tidsperioden kan anges med godtyckligt tidsintervall.

Om vi följer 100 personer under 6 månader och 10 personer insjuknar så blir incidensen:

10 nya fall / 100 personer och 6 månader = 10 nya fall per 6 månader

Vilket är ekvivalent med 20 nya fall per år.

Vilket är ekvivalent med 1.66 nya fall per månad.

Incidens beräknas alltså som antal insjuknade i en population under en viss tid dividerat med den sammanlagda tiden populationen är under risk. Det innebär att incidensberäkning kräver att man följer individerna över tid.

Den generella formen för incidens är alltså:

Incidens = antal insjuknande / sammanlagd risktid

Exempel 1: Vi följer 100 personer med diabetes. Uppföljningstiden för dessa individer varierar mellan 3 och 36 månader och sammanlagt följer vi dem (hela populationen) i 1150 månader. Det innebär att total persontid i studien blir 1150 månader (detta är antal månader som samtliga individer är "under risk"). Under dessa månader drabbas 40 personer av akut hjärtattack. Incidensen beräknas enligt följande:

40 nya fall / 1150 månader = 0.035 nya fall / månad.

Vi kan multiplicera denna siffra med 12 för att beräkna antal nya fall per år:

0.035×12 = 0.42 nya fall per år

Men vi skulle också kunna uttrycka incidensen per 1000 patienter och år:

0.42×1000 = 420 nya fall per 1000 patienter och år.

Detta innebär att om vi följer 1000 patienter under ett helt år som kommer cirka 420 nya fall inträffa.

För mer information om uppföljningstid (observationstid) se kapitlet: Överlevnadsanalys: Cox regression & Kaplan-Meier

 

Kumulativ incidens (eng. cumulative incidence, incidence proportion)

Kumulativ incidens är andelen som insjuknar under en given tidsperiod. Kumulativ incidens stiger allteftersom observationstidens fortskrider (med tiden insjuknar allt fler). För att beräkna kumulativ incidens måste populationen vara stängd, vilket innebär att nya medlemmar inte får tillkomma (i en öppen population kan medlemmar tillkomma och försvinna under observationstiden). Kumulativ incidens beräknas enkelt enligt fölande:

Kumulativ incidens = antal insjuknade / antal friska vid start

Kumulativ incidens är således en andel, vilket gör att den är minst 0.0 och högst 1.0. Andelen kan självfallet anges som en procentsats (%).

 

Riskmått: absolut risk & relativ risk

Prevalens och incidens är tveklöst två riskmått. Föreställ dig exempelvis att en sjukdom har prevalens 90% i en befolkning; risken att ha den sjukdomen är mycket hög. På samma sätt kan incidens användas som ett riskmått; risken att få en sjukdom med incidens 1000 fall per år är högre än en sjukdom med incidens 100 fall per år. När vi talar om risk är det dock av relevans att separera absolut risk och relativ risk.

Absolut risk

Absolut risk beskriver risken för sjukdom i populationen. Vi har gett flera exempel på absolut risk tidigare. Om den kumulativa incidensen för hjärtattack är 1% i en befolkning så är den absoluta risken 1%. Det innebär att risken för att få en hjärtattack är 1%.

Relativ risk

Relativ risk anger risken i en grupp, jämfört med risken i en annan grupp. Relativ risk beräknas helt enkelt genom kvoten mellan två absoluta riskmått. Föreställ dig dessa två grupper:

Grupp A: 2% kumulativ incidens

Grupp B: 6% kumulativ incidens

Relativ risk i Grupp B, jämfört med Grupp A, är 6/2 = 3. Så Grupp B har 3 gånger ökad risk för hjärtattack, jämfört med Grupp A.

Man måste alltid ange relativ risk tillsammans med absolut risk, eftersom resultaten kan bli missvisande annars. Föreställ dig följande scenario:

Populationens storlek: 1.000.000 individer och dessa följs i 36 månader.

Grupp A: 1 person insjuknar av 500.000

Grupp B: 5 personer insjuknar av 500.000

Detta ger en relativ risk på 5 i grupp B, jämfört med Grupp A. Det kan bli missvisande eftersom den absoluta risken är extremt låg i båda grupper. Endast 5 individer av 500.000 insjuknar i Grupp B, vilket gör att den absoluta risken faktiskt är extremt låg, trots att den relativa risken är hög.

Riskdifferens

Riskdifferens anger skillnaden i två grupper/populationers absoluta riskmått. Exempel följer:

Grupp A: 2% kumulativ incidens

Grupp B: 6% kumulativ incidens

Riskdifferens: 6-4 = 4%.

 

Oddskvot (odds ratio)

Odds för att en viss händelse skall inträffa är ekvivalent med kvoten mellan sannolikheten för att händelsen inträffar och sannolikheten för att händelsen inte inträffar. Exempel följer:

Grupp A

  • Sannolikheten för att bli sjuk är 10%
  • Sannolikheten för att inte bli sjuk är 90%
  • Odds: 0.1 / 0.9 = 0.11

Grupp B

  • Sannolikheten för att bli sjuk är 15%
  • Sannolikheten för att inte bli sjuk är 85%
  • Odds: 0.15 / 0.85 = 0.18

Oddskvot (odds ratio) är kvoten mellan två odds. Vi kan välja att uttrycka oddskvoten för Grupp B, genom att dividera 0.18 med 0.11 (0.18/0.11) vilket är 1.64. Detta innebär att sannolikheten för att bli sjuk i Grupp B är 1.64 gånger sannolikheten i Grupp A, vilket innebär att risken är 64% högre i Grupp B.

Se separat kapitel om Logistisk regression och odds ratio (oddskvot)