fredag 25 oktober 2013

Nedlagda bibliotek

En vanlig typ av argument för att moderna västerländska samhällen inte har uppnått några större framgångar i det som alltid är särskilt på tapeten så här under oktober, ”kampen[kriget] mot cancer”, är att minskningar i åldersjusterade dödstal i cancer i rika länder under de senaste decennierna varit högst blygsamma jämfört med vad som setts för t.ex. kranskärlssjukdom. Det är emellertid så att dessa jämförelser (med sådana standardbefolkningar som normalt används) främst speglar trenderna i åldersgrupperna över 65 år, där de flesta dödsfallen i cancer inträffar. I en artikel publicerad 2009 påvisades att dödstalen i cancer minskat i yngre åldersgrupper i USA, och det argumenterades för att det kunde hänföras till successivt minskande åldersspecifika dödstal i cancer i kohorter födda efter 1925 (Kort och andra 2009).

Utifrån detta skulle man kunna förvänta sig större minskningar även bland äldre i framtiden, när kohorterna födda i mitten av 1900-talet och senare kommer upp i åldrarna. Kanske bör man dock akta sig för att vara överoptimistisk. När det gäller de yngsta kohorterna kan vi bara studera några få åldersintervall, och den kraftiga minskningen inom dessa kan till stor del bero på specifika behandlingsframångar när det gäller cancerformer vanliga bland unga, som akut lymfatisk leukemi och testikelcancer, och kanske inte kommer att relevanta för cancerdödligheten bland äldre. Vi skall heller inte glömma Strehlers och Mildvans (och senare Riggs) observationer av ett negativt samband mellan dödlighet i låg ålder och hur snabbt dödligheten ökar med åldern, både när det gäller total dödlighet och en rad specifika dödsorsaker, bl.a. när det gäller cancer (Riggs 1994).

Hur man skall utföra en statistisk analys för att hänföra trender när det gäller t.ex. dödlighet till ålder, tidsperiod eller födelsekohort, som gjorts i (Kort och andra 2009), är ett svårt och kontroversiellt problem: det linjära sambandet mellan dessa variabler gör att standardmodeller för regressionsanalys inte duger. Författarna till artikeln har använt sig av mjukvaran BAMP, som bygger på en typ av s.k. bayesiansk modellering och som beskrivs av forskarna Schmid och Held i (Schmid och Held 2007). Jag laddade nu i går hem BAMP för att själv kunna utföra samma typ av analys på andra data. Emellertid visade det sig inte helt okomplicerat att få igång programmet.

Programmet är alltså primärt gjort för Linux (det finns även en Windowsversion, men den kräver Cygwinbiblioteket, som är till för att relativt enkelt porta program för Linux och andra Unixliknande system till Windowsmiljö). Problemet var att det inte uppdaterats sedan 2005, och det visade sig att det krävde det ålderstigna libg2c-biblioteket, och jag kunde inte få till någon fungerade installation av detta under den Linuxdistribution jag använder (en nyuppdaterad Arch). Visserligen är BAMP gratis att ladda hem och använda, men det är inte öppen källkod, så jag kan inte heller modifiera och kompilera om det så att det inte kräver det aktuella (om det är rätta ordet) biblioteket. Jag hade dock experimenterat med en installation av systemet FreeBSD i en VirtualBox-gäst. FreeBSD kan köra program kompilerade för Linux, och jag lyckades installera biblioteket där. Därefter kunde jag köra igång BAMP i en FreeBSD-terminal. Jag har lyckats utföra analyser på data över kranskärlsdödligheten i Sverige och kanske skriver mer om det senare. Men mitt krånglande illustrerar ett viktigt problem i vårt datoriserade samhälle: datorprogram, som kan vara unika i sin funktionalitet, riskerar att i praktiken bli oanvändbara när de systemmiljöer de är gjorda för blir föråldrade.

Referenser

Kort, Eric J., och andra. 2009. ”The Decline in U.S. Cancer Mortality in People Born since 1925”. Cancer Research 69. http://cancerres.aacrjournals.org/content/69/16/6500.long.

Riggs, Jack E. 1994. ”The cohort mortality perspective: the emperor’s new clothes of epidemiology, an illustration using cancer mortality”. Regulatory Toxicol and Pharmacology 19. http://www.ncbi.nlm.nih.gov/pubmed/8041917.

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.

Inga kommentarer: