New Epidemiologie 4 - Uni Greifswald · 2019. 12. 16. · Ziel der Epidemiologie Identifikation von beeinflussbaren Ursachen von Gesundheit und Krankheit Um den Gesundheitszustand

Epidemiologie 4Maresa Buchholz

Institut für Community MedicineAbteilung Methoden

Universitätsmedizin Greifswald

Positiver prädiktiver Wert Der positiv prädiktive Wert gibt an, wie viele Personen, bei denen ein

positives Testergebnis vorliegt, auch tatsächlich krank sind Berechnung: a/(a+b)

2

69% mit einem positivem Testergebnis sind auch wirklich krank.

Überblick

3

Begriff Formel Definition

Sensitivität Anteil (in %) von Personen mit einer Erkrankung, die durch das Testergebnis korrekt „positiv“ klassifiziert wurden

Spezifität Anteil (in %) von Personen mit einer Erkrankung, die durch das Testergebnis korrekt „negativ“ klassifiziert wurden

Positiver prädiktiver Wert Anteil (in %) von Personen, deren positives Testergebnis korrekt war, an allen Personen mit positivem Testergebnis

Negativer prädiktiver Wert Anteil (in %) von Personen, deren negatives Testergebnis korrekt war, an allen Personen mit negativem Testergebnis

Siegrist J (2005): Medizinische Soziologie S.275 ff.

4

Die Firma Secure-Tester möchte einen neuen besonders früh durchführbaren Schwangerschafts-test auf den Markt bringen. An einer Gruppe von Frauen in Kinderwunschbehandlung wurde der neue Test durchgeführt und anschließend wurde durch eine exakte Labordiagnose des HCG-Wertes im Blut das Ergebnis des neuen Tests überprüft.

Frage: Sollte man aufgrund des Ergebnisses den neuen Test auf den Markt bringen (Antwort Ja oder Nein) und würden sich der positive und der negative prädiktive Wert in einer anderen Population, zum Beispiel einer groß angelegten klinischen Studie zur Entwicklung einer neuen Malaria-Prophylaxe, in der der Schwangerschaftstest als Screeningtest vor Einschluss in die Studie genutzt werden soll, stark verändern (Ja oder Nein)?

a) Ja/Jab) Nein/Neinc) Ja/Neind) Nein/Ja

Deutsches Ärzteblatt (2010); 107(42):749

Aufgabe

Die Sensitivität eines neuen Tests zur Erkennung der Hepatitis-C-Infektion ist 0,50 und die Spezifität 0,75. Berechnen Sie den positiven prädiktiven Wert des neuen Tests in einer Gruppe von 200 Personen mit intravenösem Drogenkonsum, von der bekannt ist, dass die Prävalenz der Hepatitis-C-Infektion 20% beträgt. Zeigen Sie Ihre Berechnungsschritte!

Krank

Test

Ja Nein

positiv 50 25 75

negativ 50 75 125

100 100 200

Prävalenz= 50%

Krank

Test

Ja Nein

positiv 20 40 60

negativ 20 120 140

40 160 200

Prävalenz 20%

PV+ = 0,33

PV+ = 0,67

Je höher die Prävalenz, desto höher der positive prädiktive Wert Screening am aussichtsreichsten in einer Hoch-Risiko-

Zielgruppe Reihenuntersuchung in Bevölkerung in Hinblick auf

seltenen Erkrankungen: Finanziell (Verschwendung von Ressourcen) und ethisch nicht vertretbar

7

Beziehung zwischen positiven prädiktiven Wert und Prävalenz

PSA (prostata-spezifisches Antigen) ist ein Test zur Früherkennung von Prostatakrebs. Testergebnisse von unter 4 Einheiten werden als normal beurteilt, Testergebnisse von 4 Einheiten und mehr werden als auffällig gewertet. Allerdings überlappen sich die Testwerte von Männern mit und ohne Prostatakrebs. Wendet man die Grenze von 4 Einheiten an, hat der PSA-Test eine Sensitivität von 80% und eine Spezifität von 80%.

Welchen Einfluss hätte die Verschiebung des Grenzwertes von 4 auf 3 Einheiten auf die Sensitivität und die Spezifität des Tests?

Aufgabe 3

Se= 0,25Sp= 0,9

Se= 0,85Sp = 0,3

Ziele Screening

Senkung der Inzidenz Sofern in der prä-klinischen Phase möglich

Senkung der Mortalität der Zielerkrankung Erwartung einer längeren Lebensdauer

Verbesserung der Lebensqualität Weniger eingreifende Therapie

13

Lead-Time BiasBias: Fehler im Design, bei der Durchführung oder Analyse einer Studie/ Untersuchung, der zu einer falschen Einschätzung der Auswirkung einer Exposition auf das Erkrankungsrisiko führt.

Kein Screening

Screening

Screening

Tod

Tod

Tod

Lead time

Lead time Längere Lebensdauer

Ziel der Epidemiologie

Identifikation von beeinflussbaren Ursachen von Gesundheit und Krankheit

Um den Gesundheitszustand von Populationen zu verbessern

Verwendung von Zusammenhangsmaßen: RR und OR Assoziation kann verschiedene Gründe haben:

Zufälliger Fehler Systematische Fehler Tatsächlicher Zusammenhang

15

Zufällige Fehler Epidemiologische Studien können allein aus Zufallsgründen

Gefahr laufen, ein Ergebnis zu produzieren, was nicht der Realität entspricht.

Beispiel: Übergewicht assoziiert mit Bluthochdruck Studie mit geringer Fallzahl kann überproportional viele

normgewichtige Hypertoniker beinhalten

Systematische Fehler Zentrale Bedeutung für die Epidemiologie Müssen adäquat berücksichtigt und kontrolliert werden, um

Fehlinterpretationen zu vermeiden Verzerrungseffekte durch Störgrößen (Confounding) Fehler bei der Auswahl der Studienteilnehmer (Selektionsbias) Fehler bei der Informations- und Datengewinnung (Informationsbias)

16

Systematische Fehler Verzerrungseffekte durch Störgrößen Confounder:

Variable, die einen unabhängigen Risikofaktor für die Erkrankung (bzw. die Zielgröße) darstellt, zugleich aber einen Zusammenhang mit der Exposition aufweist, ohne ein Glied in der Kausalkette von der Exposition zur Erkrankung zu sein

Häufige Confounder: Alter, Sozialer Status, Geschlecht, geografische Herkunft, Rauchen,

Alkoholkonsum oder Vorerkrankungen

17

Systematische Fehler

18

Ösophaguskarzinom

Fälle Kontrollen

AlkoholkonsumJa 650 400

Nein 250 450

Assoziation von Alkoholkonsum und Ösophaguskarzinom

Odds Ratio: 2,9

Raucher

Fälle Kontrollen

Alkohol‐konsum

Ja 600 200

Nein 150 50

Nicht‐Raucher

Fälle Kontrollen

Alkohol‐konsum

Ja 50 200

Nein 100 400

Odds Ratio: 1,0

Schwartz et al. (2003). Public Health. Gesundheit und Gesundheitswesen. S. 403

Systematische Fehler Kontrolle von Confounding-Effekten Studiendesign

Beschränkung bei der Stichprobenauswahl Randomisierung Gematchte Stichproben

Analyse Stratifizierung Multivariate Analysen

19

Systematische Fehler Randomisierung

20

Systematische Fehler Kontrolle von Confounding-Effekten Studiendesign

Beschränkung bei der Stichprobenauswahl Randomisierung Gematchte Stichproben

Analyse Stratifizierung Multivariate Analysen

21

22

Vorteile Nachteile

• Beschreibung der absoluten Größenordnung

• Leicht zu berechnen

Bei Vergleichen (zwischen Ländern und Regionen) aufgrund unterschiedlicher Altersstrukturen schwer zu interpretieren

Altersstandardisierung Vorliegen unterschiedlicher Altersstrukturen bei Bevölkerungen

verschiedener Regionen führen zu einer beschränktenVergleichbarkeit der Mortalitäts- oder Morbiditätsraten

23

Altersstandardisierung

Direkte Altersstandardisierung Indirekte Altersstandardisierung

direkte Standardisierung

24

Bei der direkten Standardisierung wird berechnet,wie viele Sterbefälle in zwei oder mehreren Ländernzu erwarten wären, wenn die Bevölkerung in den zuvergleichenden Ländern genau dieselbe Alters-verteilung wie eine Standardbevölkerung hätte.

Direkte Altersstandardisierung Standardbevölkerungen

Dienen als einheitliche Basis zur Berechnung von vergleichbaren Maßzahlen für die jeweilige(n) Bezugsbevölkerung(en) bei der Altersstandardisierung verwendet werden.

Beispiel: Krebsregister für den Vergleich von Morbiditäts-, oder Mortalitätsraten

Beispiele von Standardbevölkerungen Europastandardbevölkerung Standardweltbevölkerung Standardbevölkerung Deutschland

25

Direkte Altersstandardisierung

Quelle: GBE (2019): http://www.gbe-bund.de/gbe10/abrechnung.prc_abr_test_logon?p_uid=gast&p_aid=0&p_knoten=FID&p_sprache=D&p_suchstring=10216

26

Direkte Altersstandardisierung Bezug der beobachteten „Roh“-Daten auf eine Standardpopulation Schritt 1: Berechnung der rohen Sterberaten Schritt 2: Berechnung der altersspezifischen Sterberaten

27

A-Stadt B-Stadt

Altersgruppen Population Todesfälle Mortalitätsratepro 1.000

Population Todesfälle Mortalitätsratepro 1.000

20-39 40.000 50 25.000 22

40-59 80.000 170 40.000 120

60-79 35.000 330 37.000 290

Gesamt 155.000 550 102.000 432

1,3

2,1

9,4

3,5

0,9

3,0

7,8

4,2


28

A‐Stadt B‐Stadt

Alters‐gruppen

Standard Population Todes‐fälle

Mortalität ErwarteteFälle

Population Todes‐fälle


20‐39 350.000 40.000 50 1,3 25.000 22 0,9

40‐59 600.000 80.000 170 2,1 40.000 120 3,0

60‐79 290.000 35.000 330 9,4 37.000 290 7,8

Gesamt 1.240.000 155.000 550 3,5 102.000 432 4,2

A-Stadt= 4.441/1.240.000 = 3,6

B-Stadt= 4.377/1.240.000 = 3,5

455

1.260

2.726

4.441

315

1.800

2.262

4.377

• Schritt 3: Auswahl einer Standardbevölkerung• Schritt 4: Berechnung der erwarteten Sterbefälle bezogen auf Standardbevölkerung


29

A‐Stadt B‐Stadt

Alters‐gruppen

Standard Population Todes‐fälle


Population Todes‐fälle


20‐39 350.000 40.000 50 1,3 25.000 22 0,9

40‐59 600.000 80.000 170 2,1 40.000 120 3,0

60‐79 290.000 35.000 330 9,4 37.000 290 7,8

Gesamt 1.240.000 155.000 550 3,5 102.000 432 4,2

A-Stadt= 4.441/1.240.000 = 3,6

B-Stadt= 4.377/1.240.000 = 3,5

455

1.260

2.726

4.441

315

1.800

2.262

4.377

• Schritt 3: Auswahl einer Standardbevölkerung• Schritt 4: Berechnung der erwarteten Sterbefälle bezogen auf Standardbevölkerung

A-Stadt= 550/155.000 = 3,5

B-Stadt= 432/102.000 = 4,2

Ohne Standardisierung Mit Standardisierung

Direkte Altersstandardisierung Altersstandardisierung ermöglicht den Vergleich von

Daten unterschiedlicher Jahre oder Regionen Keine Verzerrung aufgrund unterschiedlicher Altersstrukturen

Altersstandardisierte Morbiditäts- oder Mortalitätsraten stellen keine realen, empirisch beobachtete Angaben dar

Beschreiben, wie Mortalitäts-oder Morbiditätsraten in der betrachteten Bevölkerung wären, wenn Bezugsbevölkerung der Standardbevölkerung entspräche

30

Übung

31

Schritt 1: Berechnung der rohen Sterberaten Schritt 2: Berechnung der altersspezifischen Raten Schritt 3: Auswahl einer Standardbevölkerung Schritt 4: Berechnung der erwarteten Sterbefälle bezogen auf

Standardbevölkerung

Altersstandardisierung Vorliegen unterschiedlicher Altersstrukturen bei Bevölkerungen

verschiedener Regionen führen zu einer beschränktenVergleichbarkeit der Mortalitäts- oder Morbiditätsraten

32

Altersstandardisierung

Direkte Altersstandardisierung Indirekte Altersstandardisierung

Indirekte Standardisierung

33

Bei der indirekten Standardisierung wird berechnet, wieviele Sterbefälle zu erwarten wären, wenn in den zuvergleichenden Populationen nicht die tatsächlichenMortalitätsraten, sondern die Mortalitätsrate derStandardbevölkerung wirken würde.

Indirekte Altersstandardisierung Altersspezifische Sterberaten einer Standardbevölkerung (z. B. des

Bundeslandes Bayern) werden mit der Altersverteilung der jeweilsuntersuchten Population gewichtet (z. B. Landkreis Forchheim)

Beispiel: Ermittlung von erwarteten Sterbefälle wenn im LandkreisForchheim die gleiche Sterberate bestehen würde wie in Bayern

Berechnung Standardisierte Mortalitätsratio (SMR) SMR= ä

ä

SMR von 1= Sterblichkeit gleich SMR von >1= Sterblichkeit in untersuchten Population höher als

Standardbevölkerung bzw. Bezugsbevölkerung SMR von < 1= Sterblichkeit in untersuchten Population geringer als

Standardbevölkerung bzw. Bezugsbevölkerung

34

Indirekte Altersstandardisierung

AlterLandkreis Kreis A Kreis B

Population Todes‐fälleMortalität/

1.000 PopulationTodes‐fälle

erwartete Todesfälle Population

Todes‐fälle

erwartete Todesfälle

0‐25 4.000 400 1.000 100 2.000 10026‐50 8.000 800 3.000 300 2.000 10051‐75 5.000 500 2.000 200 1.000 50Gesamt 17.000 1700 6.000 600 5.000 250

35

? ? ?


AlterLandkreis Kreis A Kreis B




Todes‐fälle


0‐25 4.000 400 100 1.000 100 2.000 10026‐50 8.000 800 100 3.000 300 2.000 10051‐75 5.000 500 100 2.000 200 1.000 50Gesamt 17.000 1700 100 6.000 600 5.000 250

36


AlterLandkreis Gemeinde A Gemeinde B




Todes‐fälle


0‐25 4.000 400 100 1.000 100 100 2.000 100 20026‐50 8.000 800 100 3.000 300 300 2.000 100 20051‐75 5.000 500 100 2.000 200 200 1.000 50 100Gesamt 17.000 1700 100 6.000 600 600 5.000 250 500

37

SMR= Kreis A 1,0

Kreis B 0,5

38

Statistisches Monatshefte Niedersachsen 2009

Vielen Dank!39

Documents

New Epidemiologie 4 - Uni Greifswald · 2019. 12. 16. · Ziel der Epidemiologie Identifikation von beeinflussbaren Ursachen von Gesundheit und Krankheit Um den Gesundheitszustand