fredag 29 mars 2013

44 extra månader

I förra veckan presenterade SCB nya livslängdstabeller för 2012 (SCB). Resultatet är i överensstämmelse med det som jag, utifrån en litet grövre beräkning, förutsåg i inlägget här den 20 februari. Den förväntade livslängden från födseln för män ökade från 79,79 år 2011 till 79,87 år 2012. För kvinnor minskade den från 83,67 till 83,54 år. Det är första året sedan 1999 det sker en minskning jämfört med det föregående året och den största minskningen ett enskilt år sedan 1990. Den höga aktiviteten av influensa A(H3N2), som tenderar att leda till ökad dödlighet bland äldre, i början av 2012 spelar säkert in här.

Skillnaden i livslängd mellan könen är 3,67 år, vilket innebär att vi är tillbaka på en nivå typisk för sent 50-tal. Kanske kommer skillnaden att öka litet detta år, då det inte verkar vara lika mycket A(H3N2)-aktivitet, men den långsiktiga trenden är att den minskar. Jag skrev här den 21 mars 2010 att om man vill förstå trender för könsskillnad i livslängd, är det ofta fruktbart att titta på tidstrender i den relativa betydelsen av olika dödsorsaker snarare än förändringar i skillnaden i dödlighet i någon specifik dödsorsak. Diagrammen nedan visar dels relativa könsskillnader i livslängd och andelen dödsfall före 85 års ålder som tillskrivs kranskärlssjukdom (ischemisk hjärtsjukdom, IHD) för perioden 1951–2010, dels relativa könsskillnader för åldersspecifika dödstal i IHD, lungcancer och övriga dödsorsaker för perioderna 1952–54, 1980–82 och 2008–10, baserat på data från (WHO) och (HMD).

Diagrammen (klicka för förstoring) visar överst andelen IHD-dödsfall (ICD-7: 420–422, ICD-8/9: 410–414, ICD-10: I20–I25) bland kvinnor och mellan 20 och 84 år (vänster axel) och kvinnornas livslängd från födseln i relation till männens (höger axel) för Sverige 1951–2010 och genomsnittliga dödstal för män relativt kvinnor inom åldersintervallen på x-axeln i IHD, lungcancer (ICD-7: 162–163, ICD-8: 162, ICD-10: C33–C34) och övriga dödsorsaker för 1952–54, 1980–82 och 2008–10.

Vi ser att det finns ett tydligt tidssamband mellan den relativa könsskillnaden i livslängd från födseln och andelen dödsfall som tillskrivs IHD. Under de perioder då andelen som dog av IHD var som störst levde kvinnorna uppåt 9 procent (ca 6 år) längre än männen. Män har betydligt högre dödstal än kvinnor i IHD i medelåldern, så dominans av IHD som dödsorsak medför helt naturligt att männen lever kortare relativt kvinnorna. Vi ser dock också att de relativa könsskillnaderna i IHD-dödstal ökade från 50-talet till 80-talet i alla åldersgrupper. Från 80-talet till våra dagar har de åter minskat i yngre åldersgrupper men har inte förändrats mycket i åldersgrupperna över 65 år (där över 90 procent av alla IHD-dödsfall inträffar). När det gäller lungcancer var könsskillnaden på 50-talet störst i medelåldern, men på 80-talet var den störst bland äldre. Numera har den manliga överdödligheten minskat i nästan alla åldersgrupper; före 60-årsåldern finns till och med en kvinnlig överdödlighet i lungcancer. Den manliga överdödligheten i övriga dödsorsaker, betraktade som grupp, ökade från 50-talet till 80-talet men har inte förändrats från 80-talet till nutid.

Tidstrenderna för lungcancer speglar säkert genuina förändringar i könens relativa risker, som till stor del kan ha att göra med varierande könsmönster för rökvanor inom olika födelsekohorter. Den manliga överdödligheten tycks ha varit störst i kohorter födda omkring 1900, där förhållandevis många män, men få kvinnor, varit rökare. Trenderna för könsskillnader i IHD är svårare att tolka. Den minskande manliga överdödligheten i yngre åldrar sedan 80-talet kan ha att göra med ändrat könsmönster för rökvanor. Det tycks emellertid inte förklara den ökade dödligheten i medelåldern från 50-talet till 80-talet, som alltså inte överensstämmer med trenderna för lungcancer. Vi får komma ihåg det jag skrivit om t.ex. den 11 juli 2012, att de diagnosgrupper som inryms i definitionerna av ”IHD” (den definition som används här är inget undantag) är ganska vida och kan rymma flera olika sjukdomar, med olika uppkomstmekanismer och olika relativa risker för könen, där vissa kan ha minskat över tid medan andra ökat. De ökade könsskillnaderna i övriga dödsorsaker från 50-talet till 80-talet beror till en del på att yttre orsaker (olyckor, självmord etc.) och alkoholrelaterade orsaker, där det hela tiden funnits en stark manlig överdödlighet, fick större betydelse för dödligheten i yngre åldrar, samtidigt som t.ex. tuberkulos och graviditetskomplikationer i stort sett försvann som dödsorsaker. Inom äldre åldersgrupper uppstod också en manlig överdödlighet i andra typer av sjukdom i cirkulationsorgan än IHD (bl.a. slaganfall) och sjukdomar i andningsorganen, vilket kanske också kan vara kopplat till olika födelsekohorters rökvanor.

Referenser

HMD. ”Human Mortality Database”. http://www.mortality.org.

SCB. ”SCB Befolkningsstatistik, Tabeller och diagram”. http://www.scb.se/Pages/ProductTables____25795.aspx.

WHO. ”WHO Mortality Database”. http://www.who.int/healthinfo/morttables/en/index.html.

måndag 11 mars 2013

Blandade effekter

I förra inlägget presenterade jag en statistisk modell för att förutsäga mortaliteten i kranskärlssjukdom på befolkningsnivå utifrån olika riskfaktorer. Jag har sedan provat att använda samma oberoende variabler för att förutsäga mortalitet i vidare kategorier, som hjärtsjukdom (ICD-9: 390–429, ICD-10: I00–I51) och cirkulationssjukdom generellt (ICD-9: 390–459, ICD-10: I00–I99) i samma uppsättning befolkningar. Resultaten pekar i samma riktning som de jag redovisade i förra inlägget, men förutsägelseförmågan blir litet bättre. Dessa grövre indelningar kanske minskar känsligheten för artificiella trender, som beror på skillnader mellan olika länder när det gäller sättet att rapportera dödsorsaker.

Jag betonade i förra inlägget att man får vara mycket försiktig med att tolka in orsakssamband mellan risk/skyddsfaktorer och mortalitet i denna typ av s.k. ekologiska samband. En sak att vara uppmärksam på är att det finns grupper av länder med ett ganska likartat riskfaktor- och dödlighetsmönster, t.ex. de 13 före detta sovjetrepubliker som utgör nära en fjärdedel av de ingående länderna. Det är rimligt att tro att de kan ha andra gemensamma faktorer utöver de riskfaktorer som ingår som oberoende variabler i modellen som påverkar rapporterade dödstal i länderna. Det är alltså inte oproblematiskt att betrakta dem som oberoende statistiska datapunkter. Tänk om det varit USA, och inte Sovjetunionen, som brutit samman i början av 90-talet, så att alla delstaterna blivit självständiga. I så fall hade vi kunnat ha 49 fler befolkningar med ett amerikanskt riskfaktorer- och dödlighetsmönster, och det är troligt att förutsägelserna då hade sett annorlunda ut.

Ett vanligt sätt att hantera denna typ av problem i statistisk analys är att använda någon form av s.k. multinivåregression, där individerna delas in i olika kluster och effekterna av tillhöra ett visst kluster vägs in i modellen. Jag jämförde resultaten i den ovannämnda analysen av hjärtsjukdom en s.k. mixed effects-analys (med hjälp av funktionen lmer i R (R Development Core Team 2011)), med samma riskfaktorer som i den enkla analysen, men där befolkningarna därutöver delades in efter GBD-region (se mitt inlägg här den 29 december 2012).

Som diagrammen nedan visar gav denna multinivåanalys klart bättre förutsägelseförmåga än den enkla analysen, speciellt för åldersgrupperna över 65 år. När det gäller de äldre, där det finns notoriska problem med att ange en entydig dödsorsak, kan kulturella skillnader när det gäller rapporteringen av dödsorsaker väntas ha större betydelse än för yngre. Betydelsen av de olika riskfaktorerna påverkades. I den enkla analysen innebar t.ex. en ökning av systoliskt blodtryck med 1 mm 8–10 procent högre mortalitet i åldersgrupperna under 65 år, och 6–7 procent högre i åldersgrupperna över 65 år (p < 0, 001 i alla grupper), och 1 procentenhet fler diabetiker gav 11–12 procent högre mortalitet före 65 års ålder (p ≈ 0, 02 för både kvinnor och män), men 1 mmol/l högre totalkolesterol minskade mortaliteten före 65 års ålder med ca två tredjedelar (p ≈ 0, 008 för kvinnor; p ≈ 0, 001 för män).

I multinivåanalysen fanns ett likartat negativt samband med totalkolesterol bland kvinnor under 65 år, men det gick inte att hitta något samband i andra grupper. Sambandet med andelen diabetiker var inte heller signifikant, annat än bland män över 65 år. Ökat blodtryck medförde i åldersgrupperna under 65 år en mortalitetsökning med 4–6 procent/mm, vilket är mer linje med de effekter som setts i studier på individnivå (se (Prospective Studies Collaboration 2002)), och det gick inte att hitta några effekter bland kvinnor eller män över 65 år. Alltså verkar det finnas risk för snedvriden uppskattning av betydelsen av olika riskfaktorer om man analyserar samband mellan befolkningar på internationell nivå utan att ta hänsyn till denna typ av klustring av länder. Kanske var detta vad som drabbade t.ex. studier från mitten av 1900-talet, som jag skrev om här den 11 maj 2011, som visade relativt starka positiva samband mellan andelen fett i maten och kranskärlsmortalitet: en hög andel fett blir bara en markör för att befolkningen tillhör en västerländsk kultursfär.

Diagrammen (klicka för förstoring) visar förutsedda vs rapporterade (ln-transformerade) dödstal i hjärtsjukdom för kvinnor och män under och över 65 år i befolkningar med tillgängliga data för dödlighet och riskfaktorer i en enkelnivåanalys (se löptexten för närmare beskrivning). Landskoder: AL: Albanien, AM: Armenien, AT: Österrike, AU: Australien, BE: Belgien, BG: Bulgarien, BY: Vitryssland, CA: Canada, CH: Schweiz, CY: Cypern, CZ: Tjeckien, DE: Tyskland, DK: Danmark, EE: Estland, ES: Spanien, FI: Finland, FR: Frankrike, GB: Storbritannien, GE: Georgien, GR: Grekland, HR: Kroatien, HU: Ungern, IE: Irland, IL: Israel, IS: Island, IT: Italien, JO: Jordanien, JP: Japan, KG: Kirgizistan, KR: Sydkorea, KW: Kuwait, KZ: Kazakstan, LT: Litauen, LU: Luxemburg, LV: Lettland, MD: Moldavien, MT: Malta, MU: Mauritius, NL: Nederländerna, NO: Norge, NZ: Nya Zeeland, PL: Polen, PT: Portugal, RO: Rumänien, RS: Serbien, RU: Ryssland, SE: Sverige, SG: Singapore, SI: Slovenien, SK: Slovakien, TH: Thailand, UA: Ukraina, US: USA, UZ: Uzbekistan.
Diagrammen (klicka för förstoring) visar förutsedda vs rapporterade (ln-transformerade) dödstal i hjärtsjukdom för kvinnor och män under och över 65 år i befolkningar med tillgängliga data för dödlighet och riskfaktorer i en multinivåanalys där länderna delas in efter GBD-region (se löptexten för närmare beskrivning). Landskoder som ovan.

Referenser

Prospective Studies Collaboration. 2002. ”Age-specific relevance of usual blood pressure to vascular mortality: a meta-analysis of individual data for one million adults in 61 prospective studies”. Lancet 360. http://www.ncbi.nlm.nih.gov/pubmed/12493255.

R Development Core Team. 2011. ”R: A Language and Environment for Statistical Computing”. http://www.R-project.org/.

tisdag 5 mars 2013

Förutsägelser som slår in

Den 6 maj 2011 skrev jag här om hur nivåer av totalkolesterol samvarierar med kranskärlsdödlighet i medelåldern i den moderna världen. I strid med den traditionella bilden verkade befolkningar med högre nivåer av totalkolesterol ha lägre kranskärlsdödlighet. Befolkningar i höginkomstländer i västvärlden har fortfarande relativt sett höga kolesterolnivåer, samtidigt som mortaliteten minskat kraftigt i dessa befolkningar. Utifrån detta kan det vara av intresse att fråga sig i vilken mån etablerade riskfaktorer generellt kan förutsäga internationella skillnader i kranskärlsdödlighet i den moderna världen.

Jag använde mig av mortalitetsdata för senast tillgängliga år, för länder med åldersspecifika mortalitetsdata tillgängliga hos (WHO) 2002 eller senare (de flesta hade data tillgängliga för perioden 2008–10), riskfaktordata för 2008 från (Imperial College) och data för andelen rökare tillgängliga i WHO-rapporten för 2011 (WHO) (i de flesta fall var de från undersökningar på 00-talet). Dessa data fanns tillgängliga för 54 länder. Sedan sökte jag, med hjälp av R (R Development Core Team 2011), passa in dessa data på modeller av följande typ: ln(r(avg[0, 64])kv, i) = α + β1D(avg[25, 64])kv, i + β2BMI(avg[20, 64])kv, i + β3TK(avg[25, 64])kv, i + β4SBP(avg[25, 64])kv, i + β5DSkv, i, där r(avg[0, 64])kv, i är genomsnittliga dödstal i kranskärlssjukdom (ICD-9: 410–414, ICD-10: I20–I25) i åldersgrupperna under 65 år bland kvinnor i befolkningen i, D[25, 64]kv, i är genomsnittlig andel diabetiker bland kvinnor i åldersgrupperna mellan 25 och 64 år (de åldersgruper under 65 år där Imperial College-data fanns tillgängliga) BMI är genomsnittligt BMI, TK är genomsnittlig totalkolesterolnivå, SBP är genomsnittlig systolisk blodtrycksnivå och DS är andelen dagligrökare (här fanns könsspecifika, men inte åldersspecifika, data). β-koefficienterna (som uppskattas i analysen) ger relativa effekter av förändringar av riskfaktorerna på dödstalen. Jag konstruerade motsvarande modeller för män under 65 år, med riskfaktor- och mortalitetsdata för män, och för kvinnor och män över 65 år (med data för riskfaktorer, utom rökning, i åldern 65–74 år; modeller med genomsnitt för åldersgrupperna över 65 gav något sämre förutsägelseförmåga).

Vad gav då de olika analyserna för resultat? En ökning av andelen diabetiker med en procentenhet skulle ge en ökning av kranskärlsdödligheten på uppåt 10 procent i de fyra modellerna; men det var statistiskt signifikant enbart för män under 65 år. Det gick inte att hitta något samband mellan BMI eller andelen rökare och dödlighet i någon av modellerna. Totalkolesterol hade starka negativa samband med dödlighet i alla grupper, utom kvinnor över 65 år. För kvinnor under 65 år skulle en ökning av totalkolesterolet på 1 mmol/l innebära en minskning av kranskärlsdödligheten med 80 procent (p ≈ 0, 002) och med 71 procent för män (p ≈ 0, 001). Systoliskt blodtryck hade däremot ett enhetligt och starkt signifikant positivt samband, där en ökning med 1 mm förutsade en ökning av dödstalen med 8–9 procent med p < 0, 001 i alla fyra grupperna.

Det negativa sambandet med kolesterol är förstås paradoxalt, sett till att det är en etablerad riskfaktor, men väntat utifrån observationerna jag nämnde i inledningen. Vi kan inte veta vad resultaten blivit om vi använt oss av mer sofistikerade mått på lipider, som kvoten mellan totalkolesterol och hdl-kolesterol; jag känner inte till några aktuella data över sådana mått på internationell nivå. Högt blodtryck framstår å andra sidan som farligare än vad som normalt brukar antas (se (Prospective Studies Collaboration 2002)). Det vore givetvis förhastat att säga att resultaten helt och hållet visar genuina orsakssamband mellan riskfaktorerna och dödstalen. Sannolikt rör det sig om komplexa samband med olika faktorer relaterade till social och ekonomisk utveckling. Att lägga till uppgifter om BNP/capita för 2008 (uppgifter justerade för köpkraft, från (Gapminder)) förbättrade dock inte förutsägelseförmågan, och det var inte någon oberoende signifikant faktor.

Nedanstående diagram visar hur väl modellen som helhet förutsäger dödstal i de olika befolkningarna. Den ger bättre förutsägelser för åldrarna under 65 år och generellt goda förutsägelser för befolkningar i Syd- och Västeuropa. De höga dödstalen i länder i Östeuropa tenderar att underskattas, i synnerhet bland äldre. När det gäller ett land som Thailand överskattar modellen kraftigt dödstalen bland äldre; men här har statistiken inte speciellt bra kvalitet (en stor andel av dödligheten tillskrivs ospecifika orsaker). På motsatt sätt kan man misstänka att aterosklerotisk hjärtsjukdom kanske överrapporteras som dödsorsak bland äldre i östeuropeiska länder (se mitt inlägg här den 22 oktober förra året). I epidemiologiska sammanhang talas det om den ”franska paradoxen”, vilket innebär att Frankrike har lägre dödstal i kranskärlssjukdom än vad som kunde förväntas utifrån att befolkningen har relativt höga nivåer av riskfaktorer som rökning, kolesterol och annat. Dessa modeller överskattar något dödstalen i Frankrike, men inte så kraftigt. Det är i och för sig inte så förvånande, sett till att totalkolesterol i modellerna är en ”skyddsfaktor” snarare än riskfaktor.

Diagrammen (klicka för förstoring) visar förutsedda vs rapporterade (ln-transformerade) dödstal i kranskärlssjukdom för kvinnor och män under och över 65 år i befolkningar med tillgängliga data för dödlighet och riskfaktorer (se löptexten för närmare beskrivning). Landskoder: AL: Albanien, AM: Armenien, AT: Österrike, AU: Australien, BE: Belgien, BG: Bulgarien, BY: Vitryssland, CA: Canada, CH: Schweiz, CY: Cypern, CZ: Tjeckien, DE: Tyskland, DK: Danmark, EE: Estland, ES: Spanien, FI: Finland, FR: Frankrike, GB: Storbritannien, GE: Georgien, GR: Grekland, HR: Kroatien, HU: Ungern, IE: Irland, IL: Israel, IS: Island, IT: Italien, JO: Jordanien, JP: Japan, KG: Kirgizistan, KR: Sydkorea, KW: Kuwait, KZ: Kazakstan, LT: Litauen, LU: Luxemburg, LV: Lettland, MD: Moldavien, MT: Malta, MU: Mauritius, NL: Nederländerna, NO: Norge, NZ: Nya Zeeland, PL: Polen, PT: Portugal, RO: Rumänien, RS: Serbien, RU: Ryssland, SE: Sverige, SG: Singapore, SI: Slovenien, SK: Slovakien, TH: Thailand, UA: Ukraina, US: USA, UZ: Uzbekistan.

Referenser

Gapminder. ”Data in Gapminder World”. http://www.gapminder.org/data/.

Imperial College. ”Global Burden of Metabolic Risk Factors of Chronic Diseases”. http://www1.imperial.ac.uk/publichealth/departments/ebs/projects/eresh/majidezzati/healthmetrics/metabolicriskfactors/.

Prospective Studies Collaboration. 2002. ”Age-specific relevance of usual blood pressure to vascular mortality: a meta-analysis of individual data for one million adults in 61 prospective studies”. Lancet 360. http://www.ncbi.nlm.nih.gov/pubmed/12493255.

R Development Core Team. 2011. ”R: A Language and Environment for Statistical Computing”. http://www.R-project.org/.

WHO. ”WHO Mortality Database”. http://www.who.int/healthinfo/morttables/en/index.html.

———. ”WHO report on the global tobacco epidemic, 2011 Appendix VIII”. http://www.who.int/tobacco/global_report/2011/appendix_viii/en/index.html.