I förra inlägget skrev jag om en speciell teknik för att identifiera inflytande av ålder, tidsperiod och födelsekohort på t.ex. sjuklighet eller dödlighet i olika sjukdomar, som forskarna Schmid och Held redogör för i (Schmid och Held 2007). Jag beskrev mina problem att köra deras Linuxmjukvara BAMP, som kom sig av att den enbart fanns tillgänglig i binärform och inte uppdaterats sedan 2005, så att den inte var anpassad för moderna operativsystem. Till slut fick jag dock igång den under systemet FreeBSD (tydligen är det inte tomt skryt, det som sägs i onlinemanualen till detta system, att det rapporterats att ”in some situations, Linux® binaries perform better on FreeBSD than they do on Linux®” (FreeBSD Documentation Project 2013, 11.1)).
Sedan jag fick programmet att fungera har jag utfört analyser av dödstalen i några viktiga dödsorsaksgrupper i Sverige under perioden 1951–2012, utifrån data över antal dödsfall tillgängliga via (Socialstyrelsen) och (WHO) och data över befolkningsstorleken tillgängliga via (SCB) och (WHO). Jag tittade närmare bestämt på dödstalen i 5-åriga åldersintervall från 20–24 till 80–84 år (personer över 85 år uteslöt jag från analysen p.g.a. notoriska problem med multipla dödsorsaker) i: bröstcancer bland kvinnor (ICD-7: 170, ICD-8/9: 174, ICD-10: C50), tumörer generellt (ICD-7/8/9: 140–239, ICD-10: C00–D48), kranskärlssjukdom/ischemisk hjärtsjukdom (refereras i fortsättningen till som IHD, ICD-7: 420–422, ICD-8/9: 410–414, ICD-10: I20–I25) och slaganfall (ICD-7: 330–334, ICD-8/9: 430–438, ICD-10: I60–I69). Med 13 5-åriga åldersintervall (å) och 62 perioder (p) går det att definiera 122 (delvis överlappande) födelsekohorter (k), som vi kan referera till enligt k = p − min(å) − 2, vilket innebär att de sträcker sig från 1869 till 1990. Jag utgick från inställningarna i den .ini-fil som medföljer BAMP (förutom att jag förstås justerade antalet åldersgrupper och perioder och ändrade referenserna till deras exempeldata).
Som beskrivs i (Schmid och Held 2007) utgår analysen från att effekterna över åldersgrupper, tidsperioder respektive kohorter summerar till 0. De största variationerna sågs, för samtliga de analyserade dödsorsakerna, inom ålderskomponenten, vilket inte är förvånande eftersom de alla är starkt relaterade till hög ålder. Nedanstående diagram visar variationer mellan tidsperioder och födelsekohorter för de olika grupperna.
För de flesta av dödsorsakerna verkar det ha skett kohortvisa ökningar i de äldsta kohorterna, fram till ca 1880. Detta kan spegla konstlade trender, då data för dessa kohorter endast finns tillgängliga för åldersgrupper över 70 år, och de på 1950-talet fortfarande var relativt vanligt att dödsfall i dessa åldrar tillskrevs ospecifika orsaker, som ålderdom. Trender i de yngsta kohorterna bör också tolkas med viss försiktighet, eftersom det finns tillgång till få åldersgrupper med lågt antal dödsfall, där risken för slumpfel kan vara betydande, och dödligheten kan domineras av former som inte har så stor betydelse för dödsorsaksgrupperna i stort, som diskuterades i förra inlägget. Annars stämmer trenderna generellt väl överens med det intryck jag fått när jag ritat upp kohortspecifik dödlighet för samma eller likartade dödsorsaksgrupper i Sverige tidigare (som jag skrivit om här, t.ex. 26 mars 2011 och 25 maj och 2 juni 2012).
När det gäller bröstcancer av kvinnor har det för det första skett en periodvis nedgång av dödligheten från mitten av 1970-talet, vilket skulle kunna vara relaterat till förbättrad behandling eller effektivare diagnostik. Det är dock svårt att se någon tendens till snabbare minskning efter införandet av mammografiscreening, vilket skedde på 1980-talet. Dessutom har det skett en kohortvis nedgång i kohorter födda efter ca 1910, speciellt för kohorter födda ca 1945–70. För tumörsjukdomar i allmänhet har periodeffekterna varit jämförelsevis små, även om det skett en minskning bland män under 2000-talet. Ur ett kohortperspektiv skedde en uppgång i kohorter födda fram till ca 1900, speciellt bland män, och en nedgång i kohorter födda efter ca 1930. Detta stämmer ganska väl överens med Korts resultat för USA, som jag diskuterade i förra inlägget. Det är möjligt att livstidsexponering för tobaksrök och farliga ämnen i yrkeslivet samt vissa kroniska infektioner, t.ex. med ”magsårsbakterien” H. pylori, är viktiga bakomliggande förklaringar till detta mönster. Dessa faktorer påverkar flera av de cancerformer som förblivit mycket svårbehandlade (t.ex. cancer i lungor, lever, magsäck och bukspottskörtel). Som jag visade på här den 6 november 2011 har också incidensen i många av dessa cancertyper minskat i Sverige, även om den totala cancerincidensen ökat genom en rapporterad ökning av generellt mer godartade former.
För IHD skedde det en ökning från 1950-talet till 70-talet bland män, varefter det skett en snabb minskning bland båda könen. Det kan bero på sådant som förbättrad sjukvård, minskad rökning (som får effekter snabbare när det gäller IHD än t.ex. lungcancer) och i viss mån förändrade matvanor. Bland män gick det inte att hitta några större kohorteffekter, bortsett från en viss minskning ca 1925–45. Möjligen hade detta framträtt tydligare om jag specifikt tittat på vissa undergrupper av IHD, som jag diskuterade här den 14 december 2011. Bland kvinnor finns det en mer påtaglig kohorteffekt, med en minskning ca 1880–1940. Vi får åter hålla i minnet att de aktuella diagnoskategorierna kan ha använts på ett oprecist sätt och bland kvinnor kanske i större utsträckning innefattat tillstånd relaterade till ogynnsamma tidiga livsvillkor, som jag diskuterade här den 11 juli 2012. När det gäller slaganfall har det dels skett en periodvis minskning under hela den studerade perioden, dels en minskning inom kohorter födda efter ca 1890 bland kvinnor och efter ca 1930 bland män.
Referenser
FreeBSD Documentation Project, The. 2013. FreeBSD Handbook. http://www.freebsd.org/doc/en_US.ISO8859-1/books/handbook/.
SCB. ”SCB Befolkningsstatistik, Tabeller och diagram”. http://www.scb.se/Pages/ProductTables____25795.aspx.
Schmid, Volker J., och Leonard Held. 2007. ”Bayesian Age-Period-Cohort Modeling and Prediction – BAMP”. Journal of Statistical Software 21. http://www.jstatsoft.org/v21/i08.
Socialstyrelsen. ”Statistikdatabas för dödsorsaker”. http://www.socialstyrelsen.se/statistik/statistikdatabas/dodsorsaker.
WHO. ”WHO Mortality Database”. http://www.who.int/healthinfo/mortality_data/en/index.html.
Inga kommentarer:
Skicka en kommentar