Färgade band och samband

I förra inlägget skrev jag om korrelationer mellan dödligheten i olika åldersrelaterade orsaker i åldersgrupperna 40–44 och 75–79 år på befolkningsnivå bland kvinnor och män. Det gick inte att hitta några tydliga korrelationer mellan dödligheten i bröstcancer annat än med tumördödligheten i motsvarande ålder (vilket väl inte är oväntat då bröstcancerdödligheten i sig utgör en betydande del av denna). Jag tittade nu på korrelationen mellan bröstcancerdödligheten i alla åldersgrupper från 25–29 år till 85– år och dödligheten i andra tumörsjukdomar och de grupper av kärlsjukdomar som ingick i förra inlägget vid 40–44 och 75–79 år, för samma 47 befolkningar år 2005 som studerades där.

Vi ser för det första att det finns starka Kendallkorrelationer mellan dödligheten i andra tumörsjukdomar i både den yngre och äldre gruppen och dödligheten i bröstcancer i närliggande, men inte avlägsna åldersgrupper. Dessutom finns tydlig positiv korrelation mellan dödligheten i bröstcancer i intervallen 45–59 år och dödligheten i kranskärlssjukdom i åldern 40–44 år och mellan bröstcancerdödligheten i intervallen 50–59 år och dödligheten i slaganfall i åldern 40–44 år. Däremot finns negativa korrelationer mellan alla fyra grupperna för kärldödlighet och dödligheten i bröstcancer i hög ålder.

Detta verkar till stor del vara i linje med att allmänt mindre gynnsamma miljöer präglas av hög cancerdödlighet i låg ålder, men inte nödvändigtvis i hög ålder. Folkhälsorapport från 2009 (1) pekar i samma riktning när det gäller olika grupper bland svenska kvinnor. Där visas dels ett positivt samband mellan utbildningsnivå och livslängd hos båda könen, dels en högre dödlighet i bröstcancer bland lågutbildade kvinnor i åldern 45–59 år, men inte i åldern 60–74 år. I den internationella jämförelsen finns dock inga starka positiva samband mellan bröstcancerdödlighet före 45 års ålder och dödligheten i andra sjukdomstillstånd. Vad kan det bero på?

Ja, en sak som kan spela in är samplingsfel till följd av lågt antal döda i de låga åldersgrupperna, speciellt de allra lägsta. Det kan också vara så att det finns olika varianter av sjukdomen, som är dominerande inom olika åldersgrupper, och att det komplicerar sambandet mellan ålder och dödlighet (2). I (1) påpekas också att det finns ett komplext samband mellan barnafödande och bröstcancer. Risken minskar på lång sikt bland kvinnor som fött barn, men den är förhöjd de första åren efter förlossning. I befolkningar i mer gynnsamma miljöer med hög livslängd (t.ex. folk i höginkomstländer eller högutbildade inom olika länder) tenderar kvinnor att föda fler barn i 30–40-årsåldern – speciellt skaffar de sig oftare första barnet då, snarare än tidigare, när basrisken för bröstcancer är mycket låg. Detta kan bidra till ökad risk för bröstcancer mellan 30 och 45 års ålder. Den kan vara aggressiv och svårbehandlad trots tidig upptäckt och då också medföra ökad bröstcancerdödlighet i denna åldersgrupp, trots en allmänt gynnsam miljö.

Diagrammet (klicka för förstoring) visar Kendalls τ-korrelation mellan dödligheten i bröstcancer (ICD-9 174, ICD-10 C50) i åldersgrupperna på x-axeln och dödligheten i andra dödsorsaker (kranskärlssjukdom, IHD: ICD-9 410–414, ICD-10 I20–I25; slaganfall: ICD-9 430–438, ICD-10 I60–I69; andra tumörsjukdomar: ICD-9 140–239, ICD-10 C00–D48, utom bröstcancer enligt ovan) i åldersgrupperna 40–44 och 75–79 år, för kvinnor i 47 befolkningar 2005. Data tillgängliga via WHO. Beräkningar gjorda med R (3) och Excel via RExcel (4).

(1) Folkhälsorapport 2009, Socialstyrelsen 2009, http://www.socialstyrelsen.se/publikationer2009/2009-126-71

(2) Riggs, J.E., Longitudinal Gompertzian analysis of breast cancer mortality in the U.S., 1962-1987: demonstration of a disorder displaying complex deterministic mortality dynamics, Mech Ageing Dev. 1991, http://www.ncbi.nlm.nih.gov/pubmed/1745070

(3) 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

(4) Baier, T. och Neuwirth, E., Excel :: COM :: R, Computational Statistics 2007, http://www.springerlink.com/content/0943-4062/22/1/

I kampanjernas månad

Jag diskuterade här 20 och 25 september hur den relativa skillnaden i dödlighet mellan olika befolkningar kan variera beroende på åldern. Jag gav exempel med befolkningar som har relativt hög dödlighet i tumörsjukdomar i låga åldersgrupper, men låg dödlighet i höga åldersgrupper, vilket ställer till problem när man använder s.k. åldersstandardiserade tal för att jämföra befolkningarna som helhet.

I tabellerna visar jag samband mellan dödlighet i åldersgruppen 40–44 år och åldersgruppen 75–79 år för bröstcancer (BC: ICD-9 174, ICD-10 C50), kranskärlssjukdom (IHD, ischemic heart disease: ICD-9 410–414, ICD-10 I20–I25), slaganfall (S: ICD-9 430–438, ICD-10 I60–I69) och tumörsjukdomar generellt (T: ICD-9 140–239, ICD-10 C00–D48) för kvinnor och för de tre sista grupperna för män 2005, för de 47 befolkningar där dessa data finns tillgängliga via WHO. Det är fyra sjukdomsgrupper som har stor betydelse för sjuklighet och dödlighet i länder med hög livslängd, och där man också ofta diskuterat gemensam riskfaktorer. Just denna månad är det ju också dels Rosa bandet-månad, dels nationell strokekampanj i Sverige. Jag har med hjälp av R (1) beräknat Kendalls τ (för diskussion av detta mått och hur det tolkas, se (2)) för dödstalen i de olika orsakerna. Signifikanta positiva samband (p<0,05) visas i rött; signifikanta negativa samband visas i blått.

Kvinnor 2005

	BC 75	IHD 40	IHD 75	S 40	S 75	T 40	T 75
BC 40	0,06	0,16	0,17	0,15	0,1	0,43	0,02
BC 75		−0,002	−0,12	−0,19	−0,13	0,08	0,53
IHD 40			0,52	0,43	0,48	0,5	−0,12
IHD 75				0,46	0,55	0,43	−0,13
S 40					0,54	0,36	−0,23
S 75						0,39	−0,19
T 40							0,03

Män 2005

	IHD 75	S 40	S 75	T 40	T 75
IHD 40	0,62	0,54	0,53	0,37	−0,13
IHD 75		0,43	0,49	0,3	−0,09
S 40			0,66	0,38	−0,11
S 75				0,37	−0,05
T 40					0,14

Bröstcancerdödlighet bland kvinnor i åldern 40–44 år har alltså inga starka samband med några av de andra grupperna, förutom allmän tumördödlighet bland kvinnor i samma ålder; specifikt saknas samband med bröstcancerdödlighet vid 75–79 års ålder, som annars har samband med generell tumördödlighet i samma ålder, och generellt icke-signifikanta negativa samband med dödlighet i kärlsjukdomar både i låg och hög ålder. När det gäller kärlsjukdomarna finns däremot både samband mellan dödlighet i låg och hög ålder och mellan de båda sjukdomsgrupperna. Det finns inget samband mellan generell tumördödlighet vid 40–44 och 75–79 år, och negativa samband mellan kärldödlighet i båda åldersgrupperna och tumördödlighet vid 75–79 (signifikant för slaganfall i den yngre åldersgruppen). Däremot finns signifikanta positiva samband mellan tumördödlighet vid 40–44 och kärldödlighet i båda åldersgrupperna. För de sjukdomsgrupper som är inkluderade bland männen ser sambanden i stort sett likadana ut.

En tolkning är att en allmänt ogynnsam miljö (med t.ex. dålig sjukvård och hög inflammatorisk belastning) leder till hög dödlighet i både tumörer och kärlsjukdomar i låg ålder. Att det inte finns positiva samband med tumördödlighet i hög ålder och de andra kategorierna kanske då, som jag diskuterat tidigare, beror på att fler personer som är mottagliga för aggressiva tumörer överlever till hög ålder i mer gynnsamma miljöer, samtidigt som mottagligheten för kranskärlssjukdom och slaganfall finns hos nästan alla människor.

(1) R Development Core Team (2010). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, http://www.R-project.org

(2) Noether, G.E., Why Kendall Tau?, http://www.rsscse-edu.org.uk/tsj/bts/noether/text.html

Näsa för virus

Det är inte ovanligt att folk drabbas av influensaliknande sjukdom (ILS) även när det inte pågår någon spridning av influensavirus. Vilka typer av mikroorganismer är det som ligger bakom då? Nyligen har det publicerats några studier baserade på provtagning av personer med influensasymptom i samband med pandemiutbrottet 2009, som till stor del inföll utanför normal influensaperiod. I en studie publiceras resultat från analys av 940 prover från personer som sökt vård för ILS i New York från maj 2009 till maj 2010 (1). Proverna har analyserats för 13 olika virus, och åtminstone ett virus hittades i 52 procent av proverna. Det vanligaste virusfyndet var influensa A, som hittades i 21 procent av proverna. Rhinovirus var nästan lika vanligt och hittades i 20 procent. Rhinovirusfynd förekom varenda månad, men de toppade i oktober 2009. Ingen av de övriga 11 virustyperna hittades hos mer än 3 procent för perioden som helhet, men enterovirus 68, som är närbesläktade med rhinovirus, hittades i en betydande andel av fynden från september och oktober 2009.

I en annan studie redovisas 413 prover från personer som sökt vård för influensasymptom vid två franska sjukhus under vecka 35–44 2009 (2) – en period som normalt är i princip fri från cirkulerande influensavirus i tempererade regioner på norra halvklotet. I 68 av proverna hittades den pandemiska A/H1N1 2009, och i 213 av de övriga proverna hittades andra virus och bakterier. Här var rhinovirus dominerande; i 119 prover hittades enbart rhinovirus, och i ytterligare 22 hittades virus av denna typ i kombination med A/H1N1 eller andra organismer. Olika typer av parainfluensavirus hittades också ensamma i 45 fall och tillsammans med andra organismer i 27 fall. Adenovirus (som de inte testat för i (1)) hittades också i 20 prover, men inga andra organismer i mer än 6 prover. Det gick inte att hitta några skillnader mellan personer med A/H1N1 och personer med andra organismer som grupp med avseende på symptom, annat än personer med A/H1N1 mer sällan hade svalgkatarr.

I en tredje studie har forskarna tittat på 1192 patienter på sjukhus i Rhode Island som testats för luftvägsvirus under toppen för pandemiutbrottet, i oktober till december 2009 (3). Det är en period då aktiviteten av influensavirus i de nordtempererade zonerna fortfarande brukar vara relativt låg. I den slutliga analysen inkluderades 615 patienter, som var positiva för precis ett virus. Bland dessa hade 291 A/H1N1 2009. Det näst vanligaste var rhinovirus, med 207 fall. Därnäst kom RS-virus med 45 fall, varav 38 var barn under 5 år; dessa virus brukar överlappa med influensa när det gäller säsongsbundenhet, och är kanske ingen trolig orsak till influensasymptom utanför vintersäsongen. Det gick att hitta vissa skillnader när det gäller symptom; bl.a. var folk med A/H1N1 mer benägna att ha feber och halsbesvär (stick i stäv med (2)), men t.ex. feber (som brukar vara ett nödvändigt villkor i olika definitioner av ILS) förekom även hos 70 procent av patienterna med andra virus.

Alla tre studierna pekar alltså på rhinovirus som viktig orsak till influensasymptom utanför normal influensasäsong. Det är små, enkla virus, där det finns åtminstone ett hundratal olika serotyper, som inte alltid behöver ge någon korsvis immunitet. De har länge varit erkända som en av de dominerande orsakerna till lättare förkylningar året runt. En delförklaring till att deras evolutionära framgång kunde kanske vara att infektioner oftast ger upphov till lätta symptom, så att infekterade sprider smittan ute i samhället i stället för att hålla sig hemma. Men även om risken att få ILS vid rhinovirusinfektion är låg jämfört med andra virus, som influensavirus och adenovirus, kanske de ändå står för en betydande del av alla ILS-episoder, just därför att de är så vanliga.

Finns några realistiska möjligheter att stoppa spridningen av dessa virus? Vaccin finns inte idag, och innebär svårigheter, p.g.a. det stora antalet serotyper, om man inte på något sätt kan rikta in sig på oföränderliga delar av viruset, som man nu diskuterar när det gäller influensa. Rhinovirusinfektioner förekommer året runt, och verkar ofta toppa tidigt under hösten, vilket kan tyda på att ökning av D-vitaminnivåer inte skulle ha speciellt stor effekt på dessa infektioner (se mitt inlägg här den 26 februari). Att alla skulle stanna hemma så fort de kände av förkylningssymptom är uppenbart orealistiskt. Det verkar som rhinovirus åtminstone till en del sprids via händerna, och en allmänt iakttagen god handhygien kanske skulle bromsa överföringen av virus tillräckligt mycket för att spridningen inte skulle kunna upprätthållas. Men hur realistiskt är det?

(1) Tokarz, R, m.fl., Longitudinal molecular microbial analysis of influenza-like illness in New York City, may 2009 through may 2010, Virology Journal 2011, http://www.ncbi.nlm.nih.gov/pubmed/21658237

(2) Schnepf, N. m.fl., High Burden of Non-Influenza Viruses in Influenza-Like Illness in the Early Weeks of H1N1v Epidemic in France, PLoS One 2011, http://www.ncbi.nlm.nih.gov/pubmed/21858150

(3) Chan, P.A. m.fl., Distinguishing Characteristics between Pandemic 2009–2010 Influenza A (H1N1) and Other Viruses in Patients Hospitalized with Respiratory Illness, PLoS One 2011, http://www.ncbi.nlm.nih.gov/pubmed/21949746

Fler säger nej till vad?

SVT rapporterar i dag att de ordnat en Sifo-enkät om svenskarnas inställning till influensavaccination (1). I enkäten har en enda fråga ställts: ”I samband med svininfluensan ordnade myndigheterna massvaccinering. Hur skulle du göra om myndigheterna ordnade en ny massvaccinering mot influensa. Skulle du vaccinera dig eller skulle du inte vaccinera dig?” Ja, 36 procent av de tillfrågade svarade ja, 57 procent svarade nej och 7 procent var osäkra. I början av oktober 2009 hade 50 procent svarat ja på följande fråga: ”Tänker du vaccinera dig mot svininfluensan, eller tänker du inte göra det?” I båda fallen är procentandelarna viktade efter ålder och kön, men vi kan bortse från problemen kring detta (som jag just varit inne på här), om vi är intresserade av just fördelningen i den svenska befolkningen, som inte förändrats mycket när det gäller köns- och åldersstruktur under de två år som gått.

Annika Linde från SMI tycks inte upprörd över minskningen: hon säger till Rapport att det just nu inte finns någon hotbild på samma sätt som hösten 2009, och att det bara är logiskt att folk inte vill vaccinera sig. Ja, här aktualiseras ett problem kring tolkningen av enkätfrågan. Den innehåller ju ett s.k. kontrafaktiskt scenario, att folk tillfrågas om hur de skulle agera under vissa omständigheter som faktiskt inte föreligger. Vad skall man hålla konstant i förhållande till den faktiska världen när man försöker tänka sig in i dessa omständigheter? Skall man tänka sig att myndigheterna i en situation som skulle vara lik den vi nu befinner oss i på så sätt att det inte skulle cirkulera någon pandemisk influensa, plötsligt skulle ordna en massvaccination mot influensa? Om folk har föreställt sig ett sådant scenario, är det inte konstigt att de säger nej. Men det kanske är rimligare att tänka sig att myndigheterna skulle ordna en ny vaccination därför att det dykt upp en ny pandemisk influensa.

Men i ett sådant fall öppnar sig nya frågor om hur scenariot närmare skall preciseras. Vad skulle vi ha tillgång till för information om den nya influensan och vaccinet? Skulle exempelvis dödligheten bland de drabbade ha varit högre än för A/H1N1 2009? Skulle vaccinet vara testat på en större grupp personer? Skulle det ge ett bredare skydd mot fler influensavarianter? Kanske vore det en alltför långsökt tolkning av scenariot, med tanke på de vacciner som finns tillgängliga idag. Hur som helst finns det många preciseringar av scenariot som inte verkar speciellt långsökta, men som skiljer sig åt när det gäller detaljer som kan vara relevanta för beslutet att vaccinera sig. Så länge vi inte vet hur de svarande fyllt i dessa detaljer, är det svårt att säga något bestämt om hur vi skall tolka svaren.

När den förra enkätfrågan ställdes i början av hösten 2009 var scenariot ingalunda kontrafaktiskt. Överallt diskuterades i vilken mån influensan var en mediahype, och vilka för- och nackdelar som fanns med vaccinering. Det florerade olika mer eller mindre vildsinta teorier om viruset skulle vara artificiellt och kanske skapat av vaccinbolagen. Jag minns en pizzamiddag med några av mina kollegor i september. Jag hade inte hört någon nämna influensan under själva sammankomsten, men när vi var på väg hem gled samtalet in på den. Mina kollegor var inte benägna att omfatta konspirationsteorier om vaccinet, utan verkade mer oroade över själva influensan. Vi började diskutera om man kanske rentav borde stänga ned hela Stockholm för att förhindra smittspridning, och de berättade också historier om sina egna obehagliga episoder av influensa (eller influensaliknande sjukdom) under det gånga året, och de hoppades då att de redan haft ”svininfluensan”. Under sådana omständigheter kan en enkät av den typ Sifo då ordnade ge en del intressant information om vilken sida folk i allmänhet tagit mest intryck av.

I övrigt: den internationella jämförelse jag gjorde i slutet av förra inlägget, i relation i diskussionen om det förväntade framtida mansöverskottet i Sverige, pekar väl på att den relativa eftersläpningen hos svenska kvinnors livslängd jämfört med kvinnor i andra länder, kommer att försvinna när nutida yngre kvinnogenerationer kommer upp i åldrarna. En annan fråga är vad som kommer att hända med svenska kvinnors livslängd relativt svenska mäns i framtiden, vilket är det relevanta för huvudfrågan om det framtida mansöverskottet: här är det kanske mer troligt att gapet kommer att fortsätta minska.

(1) Danielsson, F. och Christensson, E., Fler säger nej till att vaccinera sig, SVT 2011-09-26, http://svt.se/2.22620/1.2544403/fler_sager_nej_till_att_vaccinera_sig

Bevara ordningen

Jag skrev i förra inlägget om missbruk av jämförelser av åldersstandardiserade dödstal för hela befolkningar, där skillnaderna mellan befolkningarna är olika i olika åldersgrupper. Exemplet gällde här dödlighet i tumörsjukdomar i olika befolkningar. Hur ser motsvarande mönster ut när det gäller sjukdomar i cirkulationsorgan? Diagrammen nedan visar, på motsvarande sätt som i förra inlägget, 10:e och 90:e percentil och median när det gäller åldersspecifika dödstal i dessa sjukdomar för kvinnor och män i de 49 befolkningar som hade tillgänglig WHO-statistik från 2005 (huvudsakligen medel- och höginkomstländer med relativt hög livslängd). Dessutom visas data för de fyra specifika befolkningar som nämndes i förra inlägget – Sverige, England/Wales, Bulgarien och Ukraina.

Inom låga åldersgrupper ser vi för dessa länder samma mönster som för tumörsjukdomarna, både bland kvinnor och män. Sverige hör till de länder som har lägst dödlighet, England/Wales ligger nära medianen och Bulgarien och Ukraina hör till länderna med högst dödlighet. Till skillnad från vad som gäller tumörer bevarar Bulgarien och Ukraina sin plats bland länderna med högst dödlighet även i höga åldersgrupper. Dödlighetsökningen planar inte ut med åldern (möjligen kan den göra det vid mycket hög ålder, men det syns inte här, eftersom vi inte kan separera åldersgrupperna över 85 år). Det är förenligt med idén att det finns en begränsad del av befolkningen som är mottaglig för aggressiva tumörsjukdomar, och som p.g.a. högre dödlighet är underrepresenterad i höga åldersgrupper, medan däremot nästan alla är mottagliga för kärlsjukdom.

Dock minskar avståndet mellan logaritmerna för de olika befolkningarna, och det är i linje med t.ex. Strehlers och Mildvans teori, som jag skrev om här 15 augusti, som förutsäger att en mer överlevnadsgynnsam miljö leder till snabbare dödlighetsökning med åldern, även utan initiala skillnader i sjukdomsmottaglighet inom befolkningen. Den 10:e percentilen och medianen hamnar nära varandra i höga åldersgrupper, vilket innebär att det finns få befolkningar med exceptionellt låg cirkulationsdödlighet i hög ålder. Man kan fråga sig i vilken mån den kvarstående skillnaden jämfört med de befolkningar som har hög dödlighet beror på konstlade trender, som att man i Östeuropa har lägre benägenhet att rapportera demens, som ofta verkar gå hand i hand med kärlsjukdom, som dödsorsak bland äldre.

Om vi jämför direkt åldersstandardiserade dödstal mellan befolkningar som har samma rangordning av dödligheten men olika stor dödlighetsskillnad över åldersgrupperna, t.ex. England/Wales och Bulgarien när det gäller cirkulationsdödlighet, kommer rangordningen att bevaras oavsett vilken standardbefolkning vi väljer, men skillnadens storlek kommer att variera mellan olika standardbefolkningar med olika åldersstruktur. Med andra ord får vi en jämförelse på en s.k. ordinalskala, som inte är speciellt informativ: vi kan säga att Bulgarien har högre dödlighet än England/Wales, men det är godtyckligt att säga att Bulgarien har t.ex. tre gånger så hög dödlighet. Om rangordningen skiljer sig över åldersgrupperna, får vi, som i Camerons exempel jag diskuterade i förra inlägget, inte ens en meningsfull ordinal jämförelse.

I dag noterar svenska medier att kvinnoöverskottet i den svenska befolkningen förväntas försvinna inom några år. En anledning till detta är att skillnaden i förväntad livslängd mellan könen minskar. I en artikel i Sydsvenskan sägs att det inte bara beror på hälsoförbättringar bland männen utan också på försämringar bland kvinnorna (1). Det sägs att svenska kvinnor tidigare levde längst i världen, men nu dalat till en tionde plats, och det påpekas att svenska kvinnor ”röker och dricker mer än tidigare”, och dessutom ”förvärvsarbetar mer och drabbas i ökande grad av stress, ångest och utmattning”. En psykolog som intervjuas i GP hänvisar också till sämre livsvillkor för kvinnor (2).

Diagrammen i detta inlägg och förra inlägget visar dock att svenska kvinnor fortfarande har bland världens lägsta dödlighet i både tumör- och cirkulationssjukdomar upp till 50-årsåldern (notera åter att urvalet av 49 befolkningar i stor utsträckning består av de befolkningar som har högst livslängd) men hamnar i en relativt sett mer ogynnsam position senare. En eventuell kombination av Strehler–Mildvan-sambandet och selektiva effekter borde inte ensam ge en sådan förskjuten rangordning så tidigt. Det verkar mer troligt att det speglar skillnader mellan olika födelsekohorter, som att det bland kvinnor födda på 1920–50-talet, vars dödlighetsmönster de senaste decennierna fått successivt större betydelse för livslängden genom den åldersrelaterade dödlighetsökningen, finns en högre livstidsexponering för tobaksrökning jämfört med både yngre och äldre generationer av kvinnor i motsvarande åldrar. I SCB:s ULF-undersökningar har andelen dagligrökare i den yngsta kvinnogruppen (16–24 år) varit på nedåtgående sedan rapporteringen inleddes 1980, medan den bland kvinnor över 45 år börjat minska tydligt först under 2000-talet (3).

Diagrammen (klicka för förstoring) visar ln-transformerade dödstal i sjukdom i cirkulationsorgan (ICD-9: 390–459, ICD-10: I00–I99) för kvinnor och män i 5-åriga åldersintervall från 25–29 till 85– år i olika befolkningar 2005. Data tillgängliga via WHO.

(1) 2015 blir männen fler än kvinnorna, Sydsvenskan 2011-09-25, http://www.sydsvenskan.se/malmo/article1550391/2015-blir-mannen-fler-an-kvinnorna.html

(2) Överskott på män om fyra år, GP 2011-09-25, http://www.gp.se/nyheter/sverige/1.731928-overskott-pa-man-om-fyra-ar

(3) SCB:s ULF-undersökningar, HA12, Röker dagligen 1980–2007, http://www.scb.se/Statistik/LE/LE0101/2010A01B/HA/HA12_07.xls

Håller inte standarden

Jämförelser mellan olika befolkningar när det gäller sjuklighet eller dödlighet i olika åldersrelaterade tillstånd presenteras ofta i form av s.k. åldersstandardiserade data. Detta innebär att man försöker kompensera för skillnader som beror på olika åldersstruktur i befolkningarna genom att beräkna t.ex. nya dödstal för befolkningarna som helhet genom att sätta in åldersspecifika dödstal från studiebefolkningarna i en standardbefolkning med viss åldersstruktur (detta är s.k. direkt standardisering, som är det jag kommer att beröra i det följande; det går också att tvärtom sätta in standardbefolkningens dödstal i de olika åldersgrupperna i studiebefolkningarna och sedan jämföra med de observerade dödstalen i dessa, s.k. indirekt standardisering). Detta kan vara, eller förutsätts i alla fall vara, en användbar metod i många sammanhang, men den har sina begränsningar.

I den brittiska valrörelsen förra året ville dåvarande oppositionsledaren David Cameron framhålla bristerna hos den brittiska sjukvården. Han hänvisade då till statistik från Eurostat, där Storbritannien hade högre cancerdödlighet än ett relativt fattigt europeiskt land som Bulgarien. Han fick från olika håll hård kritik för att detta var en vilseledande användning av statistik (1). Men vari bestod felet? Eurostat-data för dödlighet är åldersstandardiserade, med direkt metod, till en europeisk standardbefolkning (2), så det verkar inte som om problemet skulle vara en högre andel äldre personer, med högre årlig risk att dö i cancer, i Storbritannien. Finns det skillnader mellan Bulgarien och Storbritannien i sättet att rapportera dödsorsaker, som snedvrida jämförelserna? Det är möjligt att så är fallet, men det finns också ett mer grundläggande problem med åldersstandardisering som kan spela in här.

För att åldersstandardisering skall vara meningsfull, bör skillnaderna mellan befolkningarna inom de olika åldersgrupperna idealt vara identiska. Om vi har trender som pekar åt olika håll inom olika åldersgrupper, blir åldersstandardiseringen godtycklig, på så sätt att jämförelsen mellan befolkningarna kan ge motsatta resultat, beroende på standardbefolkningens åldersstruktur. Vissa tillfälliga avvikelser mellan t.ex. unga åldersgrupper med lågt antal döda, måste tolereras i sammanhanget, men man får se till att välja en standardbefolkning som inte ger alltför stor vikt åt dessa grupper. Med WHO-data kunde jag beräkna åldersspecifika dödstal i tumörer för kvinnor och män i 49 länder eller regioner i 5-årsgrupper upp till 85– år, för år 2005. Diagrammen nedan visar median och 10:e och 90:e percentil för de åldersspecifika dödstalen, samt dessa dödstal i fyra olika befolkningar (Sverige, Ukraina, England/Wales och Bulgarien).

England/Wales ligger nära medianen inom varje åldersgrupp. Inom de översta åldersgrupperna sammanfaller medianen nästan med 90:e percentilen – knappast några befolkningar har exceptionellt hög tumördödlighet i hög ålder. Bulgarien har hög dödlighet i låga åldrar, och ligger nära 90:e percentilen, men dödlighetsökningen planar relativt snabbt ut med åldern och bland kvinnor över 60 år och män över 70 år har Bulgarien lägre dödlighet än England/Wales. Åldersstandardisering med en standardbefolkning med relativt hög andel äldre personer skulle då leda till att Bulgarien fick lägre standardiserat dödstal än England/Wales, men en standardbefolkning med fler yngre personer skulle få motsatt effekt.

En jämförelse mellan Sverige och Ukraina ger än tydligare kontrast. Ukraina hör till de länder som har högst tumördödlighet i låga åldersgrupper, medan Sverige hör till de länder som har lägst. I åldersgrupperna över 75 år har emellertid Ukraina bland världens lägsta dödlighet, medan Sverige har dödlighet jämförbar med t.ex. England/Wales. Man kan fråga sig vad dessa divergerande trender beror på. Konstlade skillnader, beroende på t.ex. mindre precis rapportering av dödsorsaker bland äldre i länder som Ukraina och Bulgarien, kan möjligen spela in. Det är också tänkbart att det rör sig om effekter av selektiv dödlighet. Ett land som Sverige, med en historiskt mer överlevnadsgynnsam miljö, kanske har en högre förekomst av personer mottagliga för olika tumörsjukdomar inom högre åldersgrupper. Östländer, som Ukraina och Bulgarien, har också höga åldersspecifika dödstal i andra kroniska sjukdomar, som kärlsjukdomar. Hur som helst visar dessa resultat att vi bör vara på vår vakt när någon kommer och presenterar jämförelser av åldersstandardiserade dödstal i tumörer mellan befolkningar i olika länder, speciellt länder med olika generell hälsonivå och livslängd.

Är det inte till och med allmänt så att användningen av direkt åldersstandardisering för jämförelser mellan befolkningar hamnar i ett dilemma? Metoden förutsätter ju att vi känner till t.ex. dödstalen i varje enskild åldersgrupp i studiebefolkningarna. Antingen är då skillnaderna mellan befolkningarna (ungefär) lika för alla åldersgrupper, och då tillför standardiseringen inget klargörande, jämfört med att bara säga att exempelvis dödligheten i befolkning X är dubbelt så hög som i befolkning Y inom alla åldersgrupper. Eller så är skillnaderna inte lika, men då blir metoden godtycklig på det sätt som beskrivs ovan.

Diagrammen (klicka för förstoring) visar ln-transformerade dödstal i tumörer (ICD-9: 140–239, ICD-10: C00–D48) för kvinnor och män i 5-åriga åldersintervall från 25–29 till 85– år i olika befolkningar 2005. Data tillgängliga via WHO.

(1) Campbell, D., Reality check: Is the UK's cancer death rate worse than Bulgaria's?, Guardian 2010-04-16, http://www.guardian.co.uk/politics/2010/apr/16/reality-check-cancer-bulgaria-cameron

(2) Causes of death, Eurostat metadata, http://epp.eurostat.ec.europa.eu/cache/ITY_SDDS/en/hlth_cdeath_esms.htm

Runda av det hela

Jag skrev i förra inlägget här om periodmönster när det gäller andelen dödsfall för olika orsaker. Det jag hittade för Sverige verkade skilja sig från det Juckett och Rosenberg hittat för sina data i (1). Nu har de, förutom de deskriptiva metoder jag beskrev i förra inlägget, också definierat ett statistiskt test för att testa mönster av denna typ. Det går ut på att beräkna medelvärdet av det kvadrerade avrundningsfelet för skillnaden mellan logaritmerna av andelarna f_i och f_j delat med det förväntade intervallet Δln(f), för alla orsaker, i och j, i listan. Om det finns en perfekt anhopning av ln(f) för de olika orsakerna kring intervall av storleken Δln(f), kommer divisionen att gå jämnt ut, och avrundningsfelet kommer att bli 0.Utifrån periodogrammet i förra inlägget utförde jag detta test för Δln(f)-värden mellan 0,2 och 1 för Sverige 2008. Som diagrammet visar, blir det svackor vid 0,35 och 0,4; då är testvärdet ca 0,817. Då den svenska befolkningen är relativt liten, kan man befara att värdet snedvrids genom samplingsfel. Jag provade då också att utföra testet på medelvärdet av f-andelen för dödligheten i Tyskland 2005 och 2006, för alla tredjepositionskoder med minst 500 dödsfall för respektive kön båda åren. Detta gav alltså upphov till ett lägre minimivärde för testet, på ca 0,806 vid Δln(f)-värden kring 0,62, vilket ligger nära J&R:s optimala Δln(f) på ca 0,68. J&R fick hög statistisk signifikans för sitt test, bedömt utifrån en nollfördelning med minimivärden på testet för slumpmässiga värden. Värderna för Tyskland innehöll ungefär samma antal observationer, med ungefär samma spännvidd hos andelarna, som deras data, och det borde då åtminstone vara signifikant på en 95-procentig nivå, om man jämför med de diagram som finns i (1). Det gäller även att om det finns ett perfekt periodmönster vid x, kommer det ju också att visa sig vid t.ex. x/2. De Δln(f)-värden som gav bäst resultat för Sverige låg också nära hälften för J&R:s optimala värden (och värdena för Tyskland). Kanske gör avrundningsfelen (troligen i kombination med andra problem, som att listan över dödsorsaker inte ger någon perfekt motsvarighet till relevanta biologiska mekanismer) att testet inte ger något utslag vid dessa värden för Sverige.

I övrigt har jag nu lagt ut litet mer detaljerad information om de överlevnadsanalyser jag skriver om här (t.ex. mer om metoderna och vilka dödsorsaker som är inkluderade) på denna sida.

Diagrammet (klicka för förstoring) visar värden för det statistiska test som beskrivs i inlägget för förväntade intervall 0,2–1, med justerade andelar för Sverige 2008 och genomsnittliga justerade andelar för Tyskland 2005 och 2006. Data tillgängliga via WHO, HMD och SCB. Beräkningar gjorda med hjälp av Excel och R (2).

(1) Juckett, D.A. och Rosenberg, B., An unexpected periodicity among the prevalences of human age-related, mortal diseases, Mech Ageing Dev. 1991, http://www.ncbi.nlm.nih.gov/pubmed/1890878

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