Сравнение частотных показателей.

Из кн. Coggon D., Rose G., Barker D. EPIDEMIOLOGY FOR THE UNINITIATED. Fourth Edition.- BMJ Publishing Group 1997

"Увеличивается ли заболеваемость данной патологией? Возникает ли какое-то заболевание с необычной частотой в моей общине? Коррелирует ли оно с некоторой причиной возникновения заболевания? Изменились ли результаты, с тех пор как мы провели профилактические программы? " Чтобы ответить на подобные вопросы, мы берем два показателя заболеваемости и при их сравнении пытаемся придти к некоторому выводу. Эта глава анализирует некоторые из тех проблем, которые могут возникать.

Терминология и классификация заболеваний.

Существует достаточно много диагностических ярлыков и группировок и они непрерывно меняются. Для того, чтобы нам было легче общаться друг с другом, необходима некоторая стандартизация, даже несмотря на тот факт, что ни одна система стандартизации не может соответствовать всем требованиям.

Система МКБ.

Международная Классификация Болезней, Травм, и Причин Смерти, издаваемая Всемирной Организацией Здравоохранения, присваивает трехзнаковый буквенно-цифровой код каждому более-менее серьезному состоянию. Часто добавляется четвертый знак, который более точно описывает данное состояние: например, код МКБ C92 - означает миелоидную лейкемию, которая, однако, может быть дополнительно классифицирована как C92.0 ("острая") или C92.1 ("хроническая"). Более широкие группы также формируются достаточно легко - например, коды МКБ C81-C96 - все означают злокачественные новообразования лимфатической и кроветворной тканей. Эта система используется для кодирования свидетельств о смерти. Она также определяет представление результатов в отчетах и в диагностических регистрах большинства больниц.

Система должна периодически модифицироваться для того, чтобы совпадать с развитием медицины. Девятый пересмотр МКБ начал использоваться в 1979 году, и сейчас во многих регионах он заменен 10-ым пересмотром. Однако, надо иметь ввиду, что когда классификация меняется от одного пересмотра к другому, может возникнуть ситуация, при которой результаты, если они кодировались по разным классификациям, не могут быть напрямую сопоставимы. Например, восьмой пересмотр включал отдельные категории для язвы желудка и для пептической язвы неопределенной области, в то время как в седьмой пересмотр подобных различий включено не было. В этой ситуации прежде, чем мы сможем сделать достоверное сравнение, будет необходимо провести некоторое суммирование категорий.

Показатели связи.

Некоторые показатели достаточно часто используются для того, чтобы просуммировать частоту заболеваний в разных популяциях. Каждая используется для своей цели. Определения, которые здесь даются, предполагают, что "подвергнувшаяся воздействию" популяция сравнивается с той, которая не подвергалась такому воздействию. Подобное воздействие может быть связано с "факторами риска ", которые, возможно, вызывают заболевание (например, если ребенка кормили молочными смесями, а не грудью, или если человек является владельцем кота), или если люди защищаются от заболевания (например, за счет иммунизации). Параллельные определения могут использоваться для того, чтобы сравнить частоту заболеваний у людей с различными уровнями воздействия фактора риска (например, высокое или низкое содержанием алюминия в питьевой воде).

Риск, который связан с данным фактором - это частота заболеваний в группе, подвергшейся воздействию, минус частота заболеваний в группе, не подвергшейся воздействию. Это - показатель связи, которая является наиболее важной при принятии решений для индивидуумов. Например, при принятии решения, заниматься или не заниматься опасным видом спорта, типа скалолазания, именно этот “относимый” (attributable) на счет скалолазания риск повреждения, и должен быть взвешен против удовольствия участия в данной активности.

Относительный (relative) риск - это отношение частоты в группе, подвергнувшейся воздействию к частоте в группе, которая не подвергалась воздействию. Он связан с относимым риском следующей формулой:

Относимый риск = заболеваемость среди лиц, не подвергшихся воздействию x (относительный риск - 1)

Относительный риск менее важен при принятии решений для конкретного человека, чем относимый риск. Например, если принимать решение между удваиванием риска смерти от бронхиального рака и удваиванием риска смерти от рака ротовой полости, большинство информированных людей выберут второе. Относительный риск в обоих случаях одинаковый (два), но соответствующий этому относимый риск для рака полости рта, значительно меньше, потому что этот рак является значительно более редким заболеванием.

Однако относительный риск - это показатель, наиболее часто используемый эпидемиологами. Одна из причин этого заключается в том, что данный показатель можно оценить при применении большого количества типов исследования. В частности, относительный риск может быть оценен в исследованиях по типу случай-контроль (см. Главу 8), в то время как относимый риск не может быть оценен. Другая причина - эмпирическое наблюдение, когда два фактора риска заболевания действуют совместно, их относительные риски часто можно оценить, если считать, что они являются произведением друг друга. Таблица 3.1 демонстрирует риск рака легких у курильщиков и не-курящих, с учетом того, работали или нет они с асбестом. Риск среди курильщиков был примерно в 10 раз выше, чем у не-курильщиков, вне зависимости от воздействия асбеста. Относимый риск, однако, не указывает на подобную удобную независимость от типа сравнения.

Таблица 3.1 Относительный риск рака легких с учетом привычек к курению и воздействию асбеста

Воздействие асбеста

Курение Сигарет

 

Нет

Да

Нет

1.0

10.9

Да

5.2

53.2

Показатель, близко связанный с относительным риском, - это отношение шансов (odds ratio), определяемое как шансы наличия заболевания у лиц, подвергшихся воздействию, деленное на шансы наличия заболевания в группе лиц, не подвергшихся воздействию. Люди, которые делают ставки на ипподромах, хорошо знают, что вероятность один из 100, соответствует шансам один к 99 против наступления данного факта; и вообще обычно частота x эквивалентна шансам один к 1 - x. В большинстве случаев, отношение шансов является достаточно хорошим примерным показателем относительного риска.

Популяционный относимый риск = относимый риск x распространенность фактора риска в популяции.

Популяционный относимый риск (population attributable risk) измеряет потенциальное воздействие профилактических мероприятий в популяции, и чрезвычайно важен для принятия решений в общественном здоровье.

Относимая пропорция (attributable fraction) - это пропорция заболеваний, которая была бы устранена в популяции, если заболеваемость была бы снижена до уровня, имеющегося у лиц, не подвергавшихся воздействию. Этот показатель очень часто используется для того, чтобы сравнить воздействие различных стратегий, направленных на поддержание общественного здоровья.

Мешающие или третьи переменные (confounding).

В идеальном лабораторном эксперименте исследователь изменяет только одну переменную за раз, поэтому любой эффект, который он наблюдает, может быть следствием изменения только этой самой переменной. Большинство эпидемиологических исследований являются обсервационными а не экспериментальными, и они сравнивает людей, которые различаются по многим показателям, как известным, так и неизвестным. Если подобные различия определяют риск заболевания независимо от воздействия, которое мы изучаем, мы говорим, что они вмешиваются, или мешают изучению связей данного заболевания.

Например, некоторые исследования продемонстрировали высокую частоту рака легких у поваров. Хотя это могло бы быть следствием их работы (возможно, рак вызывается канцерогенными веществами в испарениях от жарки), а может быть и также следствием того, что профессиональные повара курят больше, чем популяция в среднем. Другими словами, курение может вмешиваться в определение взаимосвязей между раком легких и приготовлением пищи.

Вмешивающие переменные также определяют, до какой степени наблюдаемые ассоциации, являются причинно-следственными. Они могут приводить к появлению следовых ассоциаций, в тех случаях, когда фактически не имеется никаких причинно-следственных связей, или с другой стороны, они могут затенить эффект истинной причины.

Два наиболее известных вмешивающих факторов - это возраст и пол. Общая смертность от всех причин у мужчин в течение пятилетнего периода была выше в Бурнемоте, нежели в Саутгемптоне. Однако, эти различия исчезли, когда показатели смертности были сравнены в отдельных возрастных группах (Таблица 3.2). Это произошло не потому что Бурнемот - менее здоровое место чем Саутгемптон, а потому что он является городом, в который уезжают пенсионеры, и в связи с этим в нем имеется больший процент пожилого населения.

Таблица 3.2 Общая смертность среди мужчин в Бурнемоте и Саутгемптоне в течение пятилетнего периода

Возрастная группа

Бурнемот

Саутгемптон

 

Кол-во смертельных случаев

Популяция

Ежегодный показатель смертности на 100 000

Кол-во смертельных случаев

Популяция

Ежегодный показатель смертности на 100 000

< 1

116

919

2 524

223

1 897

2 351

1-44

204

34 616

118

332

64 090

104

45-64

1 252

19 379

1 292

1 728

24 440

1 414

65 +

4 076

11 760

6 932

3 639

9 120

7 980

Всего

5 648

66 674

1 694

5 922

99 547

1 190

Стандартизация.

Вышеупомянутый пример указывает на опасность прихода к заключениями об этиологии при сравнении общих, или нестандартизированных показателей. Проблема может быть преодолена сравнением частот, откорректированных на различия в возрасте и поле, как указано в таблице 3.2, но представление таких данных является довольно сложным, и часто полезно получить единственное число, которое суммирует сравниваемые показатели, но с учетом различий в поло-возрастной структуре изучаемой популяции. Стандартизация (или корректировка) используется именно для этой потребности. Существуют два основных метода:

Прямая стандартизация.

Прямая стандартизация сравнивает заболеваемости, взвешенные на основании данных для возраста и пола, при этом веса равняются пропорции людей в каждой возрастной и половой группе, в соответствии с принятым стандартом. Таблица 3.3 иллюстрирует метод подсчета, основанный на смертности от ишемической болезни сердца у мужчин в США в возрасте 35-64 лет в течение 1968 года. Таблица 3.4 демонстрирует стандартизированные частоты для мужчин и женщин в эти годы, подсчитанные согласно данной методике, и показывающая значительное падение частот.

Таблица 3.3 Пример прямой стандартизации, основанной на смертности от ишемической болезни сердца среди мужчин в США в возрасте 35-64 лет, 1968 год.

Возраст (годы)

Смертность от ИБС на 100 000 (1)

% популяции в возрастной группе (2)

(1) x (2)

35-44

93

34.4

3 199.2

45-54

355

360

12 780.0

55-64

961

29.5

28 349.5

Общее количество

 

100

443 28.7 100=443

Таблица 3.4 Ишемическая болезнь сердца среди американских мужчин и женщин в возрасте 35-64 года: стандартизированная смертность (смертность/100’000 в год) в течение 1968 - 1974

1968

1969

1970

1971

1972

1973

1974

Мужчины

443

430

420

413

408

399

377

Женщины

134

126

126

124

120

118

111

 

Непрямая стандартизация.

Прямой метод является хорошим методом для больших исследований, однако, в большинстве опросов непрямой метод приводит к более стабильной оценке риска. Предположим, что врач общей практики хочет проверить свое впечатление о том, что в том регионе, где он работает имеется повышенное количество случаев хронического бронхита. При использовании стандартизованного анкетного опросника, он изучает выборку мужчин среднего возраста, которые находятся у него под наблюдением и обнаруживает, что 45 их них имеют постоянный, кашель и отходящую мокроту. Являются ли эти цифры чрезмерными? Расчеты показателей по методу непрямой стандартизации показаны в таблице внизу.

Таблица 3.5 Пример непрямой стандартизации.

Возраст

Количество (1)

Распространенность признака в группе (2)

Ожидаемые случаи = (1) x (2)

35-44

150

8%

12

45-54

100

9%

9

55-64

90

10%

9

Общее количество

   

30

Вначале мы указываем количество людей в каждой возрастной группе - внесенная в таблицу колонка 1. Доктор затем должен выбрать соответствующую стандартную популяцию, в которой известны специфические цифры (колонка 2). (В исследованиях смертности это обычно национальные данные, или некоторый поднабор их, такие как определенный регион или определенный социальный класс; в мультицентровых исследованиях это могут быть суммарные данные из всех центров.) Умножение друг на друга колонок 1 и 2 для каждого класса, дает нам ожидаемое количество случаев в каждой группе в зависимости от возраста и размеров группы в соответствии с имеющейся стандартной популяцией. Суммирование во всех классах дает нам ожидаемую частоту, в соответствии с размером и возрастной структурой данной выборки. В данной ситуации мы ожидали бы 30 случаев, а наблюдали 45, что нам дает откорректированный относительный риск, или стандартизированную распространенность 45/30 = 150 %. (Обычно стандартизированные отношения выражаются в процентах.)

Сравнимая статистика, называемая стандартизированной частотой смертности, достаточно широко используется для суммирования временных тенденций профессиональных и региональных различий. Таким образом, в 1981 году стандартизированная смертность от самоубийств у мужчин врачей составляла 172%, указывая на небольшое дополнительное количество случаев, по отношению к популяции в целом в данное время. Для того, чтобы анализировать временные тенденции, например, с помощью индекса стоимости жизни, выбирается год, от которого производятся все подсчеты.

Другие методы корректировки вмешивающихся переменных.

Техника стандартизации обычно используется для того, чтобы откорректировать по возрасту и полу, хотя она может применяться и для того, чтобы контролировать показатели других вмешивающихся переменных. Другие методы, которые используются значительно более широко для того, чтобы корректировать наличие вмешивающихся переменных, включают методы математического моделирования, такие как логистическая регрессия. Они предполагают, что риск развития заболевания у человека отвечает специфической математической функции, связывающей воздействие с различными факторами риска и вмешивающимися переменными. Например, можно было бы предположить, что шансы развития рака легких является производными от постоянной величины и трех параметров - один параметр определяется возрастом, другой - тем, курит ли человек или нет, и третьий тем, работал ли человек с асбестом или нет. Затем используется компьютерная программа для того, чтобы вычислить значения всех этих параметров, которые наилучшим образом соответствуют наблюдаемым данным. Эти параметры оценивают отношения шансов для каждого фактора риска - для возраста, курения, и воздействие асбестом, и они взаимно корректируются относительно друг друга. Подобные техники моделирования весьма мощные и они легко доступны пользователям персональных компьютеров. Однако, их необходимо применять аккуратно, поскольку математические допущения, используемые в модели, не всегда могут отражать реальности биологического организма.