lördag 29 december 2012

Välfärd och ofärd

Jag skrev här i förra inlägget om de klassifikationer av orsaker till död och ohälsa som används i GBD2010. En av huvudkategorierna inkluderar de tillstånd som brukar betecknas som ”välfärdssjukdomar”. Det är ett uttryck som används flitigt i debatten, fast det är inte alltid helt klart hur det skall förstås. En innebörd är att det är sjukdomar vars betydelse som hälsoproblem ökar med stigande välfärd relativt andra typer av sjukdomar, som magtarminfektioner, näringsbrist och mödradödlighet. Nedanstående tabell visar de GBD-regioner (se regionindex nedan) som har högst och lägst andel dödsfall över hela åldersspannet 2010 i några av de mest omtalade grupperna av vad som brukar betecknas som välfärdssjukdomar: kranskärlssjukdom (IHD), slaganfall, diabetes. cancer generellt och i bröst/prostata och lungor.

Lägst och högst andel dödsfall GBD2010
Orsak Kvinnor Män
LH LH
All cancer CSAFAUCSAFHAP
Bröst/prostataCSAF/WSAFWESAAU
LungaWSAFNAMWSAFHAP
DiabetesEEOCEEOC
IHDESAFEEWSAFEE
SlaganfallOCEEWSAFEA

Generellt är det regionerna i södra Afrika som har lägst andel dödsfall i de olika grupperna av välfärdssjukdomar. Höginkomstregioner som inkluderar Västeuropa, Japan, Nordamerika och Australien har högst andel för cancergrupperna, Oceanien minus AU-regionen har högst andel för diabetes, Östeuropa har högst andel för slaganfall bland kvinnor och IHD och Östasien (Kina, Nordkorea, Taiwan) har högst andel för slaganfall bland män. I viss mån bekräftas bilden av ”välfärdssjukdomar”, speciellt för cancersjukdomarna.

Men andelen dödsfall i en orsak kan påverkas av både förändringar i befolkningens åldersstruktur och förändringar i dödstalen i andra orsaker, förutom förändringar i åldersspecifika dödstal (antal döda i förhållande till folkmängden) för den aktuella orsaken (även om det inte påverkas direkt av förändringar i folkmängden, som det absoluta antalet dödsfall, som jag skrev om här den 16 december). Det senare torde vara ett mer relevant mått om vi vill se i vilken mån sjukdomarna är ”välfärdssjukdomar” också i det avseendet att de orsakas eller förvärras av faktorer relaterade till ökad välfärd. Det kan då kanske vara av intresse att se i vilken grad andelen dödsfall kan förutsäga vilka regioner som tenderar att ha högre åldersspecifika dödstal. Nedanstående tabell visar Kendalls τ-korrelationer mellan andelen dödsfall i alla åldrar och åldersspecifika dödstal i olika åldersgrupper för cancer generellt, IHD och slaganfall (genomsnitt för 5-åriga åldersintervall från 15–19 till 75–79 år och det öppna intervallet 80– år) för alla 21 GBD-regionerna 2010. Statistiskt signifikanta korrelationer (p<0,05) visas i rött.

τ för andel dödsfall vs genomsnittliga dödstal GBD2010
Dödstal Kvinnor Män
CancerIHDSlaganfallCancerIHDSlaganfall
15– 0,410,450,280,620,580,32
15–44 −0,29−0,07−0,20−0,110,230,02
45–64 0,110,07−0,000,330,330,17
65– 0,450,470,300,690,620,34

Generellt finns det starka, men långt ifrån perfekta, korrelationer mellan andelen dödsfall och åldersspecifika dödstal efter 65 års ålder, men korrelationerna är svaga när det gäller dödstal i yngre åldersgrupper. För dödstal i cancer bland kvinnor 15–44 år finns en nästan statistiskt signifikant (p≈0,07) negativ korrelation med andelen av hela den kvinnliga befolkningen som dör av cancer. Oceanien har, jämfört med andra regioner, påfallande höga åldersspecifika dödstal i cancer bland kvinnor, speciellt i yngre åldrar. Det konstitueras i sin tur av höga dödstal i en rad olika former, som cancer i bröst, lever, livmoderhals, magsäck, melanom, leukemi och lymfom. Men andelen där som dör av cancer är inte så hög, vilket har att göra med en relativt ung befolkning och höga dödstal även i andra dödsorsaker, både ”fattigdosmrelaterade” sjukdomar och andra grupper av ”välfärdssjukdomar”, som diabetes och kärlsjukdom.

Uteslutande av denna outlier förändrar dock inte korrelationen (se diagram): det är ett generellt mönster att låg- och medelinkomstregioner har högre dödstal i cancer i yngre åldrar jämfört med de höginkomstregioner där andelen dödsfall i cancer är större. Kanske har det att göra med faktorer som bristfällig sjukvård och hög spridning av kroniska infektioner (där det finns etablerade samband åtminstone med cancer i lever, livmoderhals, magsäck och lymfom). I fallet med Oceanien kan det också finnas en synergisk effekt med extremt hög prevalens av fetma och diabetes i den vuxna populationen (se t.ex. Imperial College). Högre rapporterade åldersspecifika dödstal bland äldre i höginkomstregioner kan å andra sidan vara relaterat till bättre rapportering (även om GBD sökt korrigera för detta genom omfördelning av ”skräpkoder”), selektiv överlevnad och kohorteffekter av t.ex. tobaksrökning (som både ökat och minskat tidigare i höginkomstregionerna, vilket innebär att livstidsexponeringen bland äldre personer är större i dessa).

I mitt inlägg här den 20 september förra året skrev jag om ett liknande mönster för olika länder i Europa, med anledningen av en debatt kring ett uttalande av den nuvarande brittiske premiärministern. Som jag skrev där ger mönstret med olika trender för olika åldersgrupper också upphov till godtycklighet när det gäller s.k. direkt åldersstandardiserade dödstal över hela åldersspannet (ett flitigt brukat mått när det gäller jämförelser av sjukdomsbördan mellan olika befolkningar). Det är ett vägt medelvärde av de åldersspecifika dödstalen, där vikterna är de olika åldersgruppernas andelar av en standardpopulation. Är trenderna olika för olika åldersgrupper, kommer då också trenderna för åldersstandardiserade dödstal att variera beroende på valet av standardpopulation.

Diagrammen (klicka för förstoring) visar genomsnittliga dödstal i cancer (på y-axlarna) i åldersgrupperna mellan 15 och 44 år bland kvinnor och män 2010 (för kvinnor även med OC-regionen borttagen) vs andelen dödsfall i cancer, enligt GBD, för alla åldersgrupper i 21 regioner.

Regionindex: ALAM: Anderna (Latinamerika), AU: Australien/Nya Zeeland, CA: Centralasien, CAR: Karibien, CE: Centraleuropa, CLAM: Centrala Latinamerika, CSAF: Centrala Afrika söder om Sahara, EA: Östasien, EE: Östeuropa, ESAF: Östra Afrika söder om Sahara, HAP: Höginkomstländer vid Asiens stillhavskust, MEA: Mellanöstern/Nordafrika, NAM: Nordamerika, OC: Oceanien (utom AU), SA: Sydasien, SEA: Sydostasien, SLAM: Södra Latinamerika, SSAF: Södra Afrika söder om Sahara, TLAM: Tropiska Latinamerika, WE: Västeuropa, WSAF: Västra Afrika söder om Sahara

Regionerna är definierade i supplement till [1], GBD2010-data är tillgängliga via IHME och beräkningar har gjorts i R [2].

[1] GBD 2010: design, definitions, and metrics, Lancet 2012, http://www.thelancet.com/themed/global-burden-of-disease

[2] R Development Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Wien 2010, ISBN 3-900051-07-0, http://www.R-project.org

Inga kommentarer: