Download præsentationen
Præsentation er lastning. Vent venligst
1
Introduktion
2
Conflicts of interest I have participated in research projects funded by Alcon, Almirall, Astellas, Astra-Zeneca, Boehringer-Ingelheim, Servier, Novo Nordisk, and LEO Pharma, all with funds paid to the institution where I am employed (no personal fees) and with no relation to today’s presentation. I have been paid for being a course lead and teacher for courses held by The Danish Association of the Pharmaceutical Indistry (DLI Market Intelligence) and Pharmakon.
3
Pharmacoepidemiology
… on a population-level Something with drugs Studier af brug af lægemidler og virkningen (både effekt og bivirkninger) af at man bruger disse lægemidler.
4
Pharmacoepidemiology
”While the individual man is an insoluble puzzle, in the aggregate he becomes a mathematical certainty. You can, for example, never foretell what any one man will do, but you can say with precision what an average number will be up to.” AC Doyle in “Sherlock Holmes: The Sign of four”
7
Evidensbaseret lægemiddelanvendelse på 2 timer
8
Farmakoepidemiologi på 1 time?
9
Hyppigheds- og associationsmål Studiedesigns Fejlkilder
10
Hyppigheds- og associationmål
Incidens/ incidensrate Prævalens/prævalensproportion Kumuleret incidensproportion (risiko) Odds Associationsmål ud fra ovenstående (IRR, relativ risiko og OR)
11
Studiedesigns Kohortestudie Case-kontrol-studie Selv-kontrollerede studier Drug utilization-studier
12
Fejlkilder Bias Confounding
13
Hyppigheds- og associationsmål Studiedesigns Fejlkilder
14
Incidens Antallet af nye sygdomstilfælde Fx: Der er 10 incidente tilfælde af akut myokardieinfarkt i Danmark om dagen
15
Incidensrate Incidens per persontid Fx: Incidensrate af ØGB er 50 per personår Incidens rate = antal nye sygdomstilfælde den observationstid hvori tilfældene opstod
16
1 personår? En person fulgt i et år To personer hver fulgt i 6 måneder
Tre personer hver fulgt i 4 måneder 100 personer hver fulgt i 3.65 dage 10 personer fulgt hver i 1 måned samt 60 personer fulgt hver 1 dag …
17
Incidensrate Incidensrate = 1 tilfælde / 24 personår = 0,0417 py-1
Tid, år Bidrag (persontid) 8 6 2 5 3 Incidensrate = 1 tilfælde / 24 personår = 0,0417 py-1 = 42 per 1000 py
18
Prævalens Antallet af sygdomstilfælde Fx: 1100 danskere lever med myasthenia gravis (=der er 1100 prævalente myastenikere i Danmark)
19
Prævalensproportion Den andel af en population der på et givet tidspunkt har en sygdom Fx: Prævalensproportion af brug af betablokkere er 30% af alle personer der tidligere har haft et AMI Prævalensproportion= antal syge totalt antal
20
Prævalensproportion Tid, år Betablokkerbruger Ikke betablokkerbruger
AMI AMI AMI AMI AMI Tid, år Betablokkerbruger Ikke betablokkerbruger
21
Kumuleret incidensproportion (KIP)
Den andel der inden for en periode oplever et (nyt) udfald Fx: 30-dages dødelighed for personer indlagt med akut myokardieinfarkt er 10% KIPt = antal nye sygdomstilfælde frem til tiden t Antal personer i risikopopulationen ved tidsrummets start
22
Kumuleret incidensproportion (KIP)
KIP8år = 1 / 7 Tid, år
23
Odds Fx: Odds for at dø inden for 30 dage fra indlæggelse pga. akut myokardieinfarkt er 0,11 (10%/90%) Odds = Sandsynligheden for at være syg Sandsynligheden for IKKE at være syg
24
Odds Odds = 1 / 6 = 0,16 Tid, år
25
Associationsmål Relativt mål for hyppigheden af outcome fx hos lægemiddelbruger vs ikke-bruger Incidence rate -> incidence rate ratio KIP -> relative risk Odds -> odds ratio Jo højere RR/IRR/OR, jo stærkere er associationen, dvs sammenhængen mellem lægemiddelbrug og outcome.
26
Opgave 11 Et studie angiver et resultat således „742 maveblødninger per 100,000 personår“. Hvilket epidemiologisk mål er der tale om? A. En prævalensproportion B. En kumuleret incidensproportion C. Number needed to treat (NNT) D. En incidensrate E. En hazard ratio Opgave 12 Et studie angiver et resultat således „17% dør indenfor 30 dage efter operationen“. Hvilket epidemiologisk mål er der tale om?
27
Hyppigheds- og associationsmål Studiedesigns Fejlkilder
28
Kohortestudie Case-kontrol-studie
En gruppe af brugere af et lægmiddel og en gruppe ikke-brugere er fulgt over tid og sammenlignet i forhold et givet outcome Case-kontrol-studie En gruppe med et givet outcome er sammenlignet med en gruppe uden det pågældende outcome ift deres tidligere lægemiddelforbrug Make them provide specific examples
29
Kohortedesign
30
107.7 personår 3 events IR = /py = 28/1000py
31
IR(eksponeret) = 28/1000py IR(ueksponeret) = 20/1000py IRR = 28/20 = 1,4
32
Kohortedesign
33
Case-kontrol-design
34
Kohortestudie piger i alderen der bruger P-piller følges i 3 år. Blandt disse piger opstår 200 DVTer inden for de tre år. Blandt kontrol-piger der også følges i tre år (alder men ingen P-piller) optræder 100 DVTer. Hvad er incidence-rate-ratio?
35
Case-control Der identificeres 300 piger i alderen med DVT. Blandt disse har 80% brugt p-piller Der identificeres 300 piger i samme alder uden DVT. Blandt disse har 50% brugt p-piller.
36
Odds ratio DVT Ja Nej P-pille Ja 240 150 P-pille Nej 60
𝑂𝑅= =4
37
If properly conducted and analysed, case-control studies can yield all the information that cohort studies can provide. Ken Rothmann
38
Selv-kontrollerede designs
Case-crossover
39
Selv-kontrollerede designs
Case-crossover
40
Selv-kontrollerede designs
Case-crossover
41
Selv-kontrollerede designs
Self-controlled case-series
42
Selv-kontrollerede designs
Symmetri-design
43
Drug utilization-studier
Incidensrater Prævalensproportioner Brug af enkeltstoffer Persistens (‘drug survival’) Co-medicinering Daglig dosis (≈) Ydertyper Regionale forskelle Skævhed i forbrug I starten var der intet Og så lavede man nogle registre over lægemiddelforbruget!
46
Hyppigheds- og associationsmål Studiedesigns Fejlkilder
47
Systematiske fejl (Bias)
Tilfældig variation Systematiske fejl (Bias) Selektionsbias Informationsbias Confounding Statistikers ekspertise Epidemiologs ekspertise
48
Confounding Manglende sammenlignelighed…. Sammenblanding af effekter…
Fejl som følge af manglende sammenlignelighed mellem medicin-brugere og ikke-medicin-brugere
49
1. Associeret med udfald (/outcome)
2. Associeret med eksponeringen (/exposure) 3. Er ikke forårsaget af eksponeringen (”ikke i den kausale kæde”)
50
Øvelse: Gæt confounderen?!
Personer der bruger BH har større risiko for brystcancer end folk der ikke bruger BH Personer med højt alkoholforbrug har en øget risiko for lungecancer Brugere af vægttabsprodukter har færre hoftenære frakturer end ikke-brugere med samme alder Brugere af lav-dosis aspirin (ASA) har højere forekomst af blodpropper i hjertet end folk på samme alder der ikke brugere lav-dosis aspirin
51
Typer af bias Selektionsbias Informationsbias Protopatisk bias
(misklassifikationsbias) Protopatisk bias (reverse causation bias) Immortal-time bias
52
Selektionsbias Bias der kommer UDEFRA materialet, på grund af selektiv rekruttering af individer med særlige karakteristika (i forhold til eksponering eller outcome)
53
Informationsbias Bias der opstår INDENI materialet som resultat af ukorrekte informationer Differentieret Ikke-differentieret
54
Phew…
Lignende præsentationer
© 2024 SlidePlayer.dk Inc.
All rights reserved.