Epidemiologické přístupy v toxikologickém výzkumu

Epidemiologie popis zdravotního stavu populace, popis frekvence a rozsahu a onemocnění na populační úrovni popis vlivu onemocnění na populaci, včetně socioekonomických dopadů identifikace příčin a rizikových faktorů určitého onemocnění, poskytuje podklady pro preventivní opatření hodnocení efektivity lékařské péče, jak preventivní tak i následné, poskytuje podklady pro management prognózy vývoje onemocnění podklady pro analýzu rizik a stanovení zákonných limitů Epidemiologický popis onemocnění zahrnuje informace o: populaci (velikost, informace o věku, pohlaví, rase, zaměstnání atd.) místě (mezinárodní, národní, lokální studie) prostředí (biologické, chemické, fyzikální podmínky) čase (okamžité, dlouhodobé studie)

Ideální koncepce vědecké metody Testování alternativních hypotéz, hledání možných interferencí kritická analýza dosavadních poznatků (rešerše, meta analýza) Syntéza & teorie Závěry a interpretace Konceptuální Hypotéza Testování alternativních hypotéz, hledání možných interferencí Design studie Empirické závěry Operační hypotéza Sběr dat Pozorování/ Data Analýza dat

Míry frekvence onemocnění Incidence popisuje výskyt nových případů onemocnění v populaci ve studovaném období počet nových případů / celkový počet osob ve studované populaci v určitém časovém úseku vysoké hodnoty incidence ukazují na vysoké riziko onemocnění výhodné při popisu akutních onemocnění Prevalence popisuje zastoupení dané nemoci ve studované populaci v daném okamžiku okamžitý počet nemocných / celkový počet osob ve studované populaci prevalence výhodná pro popis dlouho trvajících chronických onemocnění prevalence závisí na počtu osob, které onemocněli a na délce nemoci není nutně mírou rizika onemocnění Prevalence = Incidence  Doba trvání

Kauzální vztah Pokud změna frekvence, nebo kvality expozice vede k odpovídající změně ve frekvenci výskytu onemocnění Typy kauzálních vztahů postačující příčina – pokud je daný faktor přítomen, nemoc se vždy projeví (genetická onemocnění – Downův syndrom) nutná příčina – pokud daný faktor není přítomen, nemoc se neprojeví (infekční nemoci – tuberkulóza) rizikový faktor – pokud je daný faktor přítomen, zvyšuje pravděpodobnost vzniku onemocnění (cigaretový kouř – rakovina plic) přímý kauzální vztah vs. nepřímý kauzální vztah nekauzální vztah – mezi proměnnými je náhodná (nevysvětlující) závislost (lineární vztah mezi počtem zubních plomb a rizikem infarktu myokardu)

Bradford Hillova kriteria kauzality Korelace – čím větší korelace mezi nezávislou proměnnou (expozice) a závislou proměnnou (počet onemocnění), tím vyšší pravděpodobnost kauzálního vztahu mezi proměnnými Semelweis (1818-1865) - významně vyšší úmrtnost na horečku omladnic na klinice řízené porodními bábami, než na klinice řízené lékaři – příčinná souvislost? Durkheim 1951 – počet sebevražd ve 4 pruských regionech na poč. 19 století koreluje s poměrným zastoupením protestantského obyvatelstva – příčinná souvislost ? Časová souslednost – příčina by měla předcházet následek blesk předchází hrom – příčinná souvislost? v letech kdy se začalo s průmyslovým spalováním odpadů vzrostl počet případů rakoviny – příčinná souvislost? (doba latence 20 let !) v letech po zákazu používání azbestu stále stoupá počet případů azbestem vyvolané rakoviny – příčinná souvislost? (doba latence 20 let)

Bradford Hillova kriteria kauzality Konzistence – čím větší je shoda výsledků různých studií zabývajících se danou dvojicí Koherence – logická provázanost s výsledky jiných vědních oborů Věrohodnost – existence teoretického mechanismu vysvětlujícího vztah mezi příčinou a následkem formaldehyd je genotoxický a vysoce dráždivý – informace o zvýšeném výskytu tumorů v dýchacích cestách je věrohodná formaldehyd má velký distribuční objem a rychle se v organismu odbourává, ani vysoké koncentrace v ovzduší výrazně nezvyšují jeho koncentraci v tělních tekutinách – informace o zvýšeném výskytu nádorů vnitřních orgánů nevěrohodná Specificita – čím menší počet příčin postačuje k vysvětlení následku, tím lépe Vztah dávka účinek – čím větší míra expozice tím větší míra a četnost následků emise z dieselových motorů – mnoho studií popisuje vztah k rakovině plic, není vztah dávka účinek, patrně vliv kouření (confounding factor)

Bradford Hillova kriteria kauzality Experimentální důkaz – řízené experimenty (klinické studie) popisují kauzalitu lépe, než studie pozorovací problém extrapolace výsledků experimentálních studií na zvířatech prováděných s vysokými koncentracemi látek při odhadu rizika nízkých koncentrací pro člověka Analogie – podobné následky u podobných příčin

Faktory ovlivňující určení kauzality Bias (zkreslení – systematická chyba) Vychýlení výsledku jedním směrem (zvyšuje pravděpodobnost nalezení neexistujícího vztahu) - Selection bias (výběrové zkreslení), Allocation bias (chyba přiřazení), Recall bias (informační zkreslení) Random Error (náhodná chyba) snižuje pravděpodobnost nalezení existujícího vztahu, snižuje sílu statistických testů Confounding factor (zavádějící faktor) neexistující vztah mezi expozicí látce A a onemocněním je nalezen díky vztahu mezi expozicí látce A a látce B, která skutečně dané onemocnění vyvolává Synergismus vzájemná kombinace dvou či více příčin a jednoho následku Modifikace efektu různé úrovně expozice vyvolávají různá onemocnění

Stratifikace dat – zvlášť kuřáci a nekuřáci Rakovina plic o 30% častější mezi konzumenty alkoholu Stratifikace dat – zvlášť kuřáci a nekuřáci kouření je zavádějící faktor při popisu vztahu mezi konzumací alkoholu a rakovinou plic

Epidemiologické studie Observační (pozorovací) KVALITA VÝPOVĚDI Kauzistiky (case reports) Série případů (case series) Ekologické studie (ecological studies) DESKRIPTINÍ Surveillance Průřezové studie (cross-sectional studies) ANALYTICKÉ Studie případů a kontrol (case-control studies) Kohortové studie (cohort studies) Intervenční (experimentální) Klinické studie (clinical trial) Terénní kontrolované studie (field trial)

Ekologické studie sledují jestli ekologické jednotky (např. obyvatelé městských částí) s vysokou frekvencí expozice mají též tendenci k vyšší frekvenci výskytu daného onemocnění prevalence onemocnění a prevalence expozic pro danou populaci – každá může být z jiného zdroje dat (registr znečištění, zdravotní registr) data na úrovni populace – nevíme nic o konkrétní expozici a zdravotním stavu jedinců zahrnutých do studie není schopná dokázat kauzalitu, pouze míru asociace levná rychlá metoda

Průřezové studie Cross-sectional studies retrospektivní studie náhodný výběr jedinců ze studované populace – data na individuální bázi jednorázový sběr dat o zdravotním stavu a expozici studovaných jedinců prevalence onemocnění a prevalence expozic rozdělení populace na 4 skupiny – exponovaní s nemocí, exponovaní bez nemoci, neexponovaní s nemocí a neexponovaní bez nemoci v jednom časovém bodě porovnáváme riziko onemocnění v exponované a neexponované populaci nebo míru expozice v nemocné a zdravé populaci můžeme najít vztah (asociaci), ale nelze prokázat kauzalitu nedostatek informací o časové souslednosti, možná záměna příčiny a následku (různá skladba potravin u lidí s určitou nemocí – příčina? následek?) retrospektivní sledování – zkreslení informací zejména o expozici rychlost, nízká cena

Průřezové studie (cross-sectional studies)

Studie případů a kontrol Case-control studies retrospektivní analytická studie testování hypotéz o příčinách onemocnění, o vztahu mezi expozicí a nemocností incidence i prevalence onemocnění, dvě populace identifikace případů (cases) – jedinci se sledovaným onemocněním výběr kontrol (controls) – jedinci bez sledovaného onemocnění, ale v ostatních aspektech (věk, pohlaví, socioekonomický status) co nejvíce podobní kontrolám „Density sampling“ – výběr kontrol v okamžiku identifikace případu (výhodné pro dlouhotrvající studie) „Cumulative sampling“ – výběr kontrol na konci studie v obou skupinách hodnotíme úroveň expozice vyšší ve skupině případů – látka působí jako rizikový faktor vyšší ve skupině kontrol – látka působí jako protektivní (ochranný) faktor zkreslení výběrové – skupina kontrol nereprezentuje studovanou populaci „recal bias“ - případy mají tendenci nadhodnocovat expozici

Studie případů a kontrol (case-control studies)

Kohortové studie Cohort studies skupiny jedinců (kohorty) složeny z jedinců, kteří na počátku studie nevykazují sledovaný zdravotní efekt, na základě určitého společenského znaku Prospektivní kohortové studie Specific exposure cohorts – kohorty tvořeny na základě různé expozice rizikovému faktoru, výhodné pokud je expozice málo častá (např. Hirošima) General population cohorts – expoziční status jedinců stanoven až v průběhu první fáze studie, někdy periodicky přehodnocován, výhodné u častých nebo simultánních expozic Retrospektivní (historické) kohortové studie v kohortách se porovnává výskyt onemocnění

Kohortové studie (cohort studies) ČAS SMĚR ZJIŠŤOVÁNÍ EXPONOVANÍ NEMOCNÍ Zdraví jedinci ZDRAVÍ Zdrojová populace Náhodné vzorkování NEMOCNÍ NEEXPONOVANÍ ZDRAVÍ Prevalentní případy

Míry efektu Používají se k popisu míry onemocnění mezi dvěma skupinami osob RD – risk diference (rozdíl rizik) absolutní rozdíl v hodnotách incidence (rizika) mezi exponovanou a neexponovanou populací RR – relative risk (relativní riziko) RR - risk ratio (incidence, prevalence) – průřezová a kohortní studie OR – odds ratio (poměr šancí) - studie případů a kontrol RR – rate ratio (poměr relativních rizik) poměr poměrů šancí poměr poměrů rizik

Míry efektu – průřezová studie Risk dissease (riziko onemocnění) (exposure) – A/A+B Risk dissease (riziko onemocnění)(no exposure) – C/C+D Risk ratio (poměr rizik) – (A/A+B)/(C/C+D)

Míry efektu – kohortní studie

Míry efektu – studie případů a kontrol odd dissease (šance onemocnět) (exposure) – A/B odd dissease (šance onemocnět) (no exposure) – C/D odds ratio (poměr šancí) – (A/B)/(C/D)

Síla vztahu (asociace) RR (Rate Ratio) Síla vztahu 1.0-1.2 žádný 1.2-1.5 slabý 1.5-3.0 střední 3.0-10.00 silný >10.0 velmi silný

Odds Ratio & Risk Ratio D+ D- E+ a b E- c d OR = (a / c) / (b / d) a / (a +b ) RR = ------------ c / (c +d) a / (a +b ) a / b ad RR = ------------ = ------ = -- = OR c / (c +d) c / d bc OR = (a / c) / (b / d) OR = (ad) / (bc)

Statistické testování dat - hypotézy Ho - neexistuje vztah mezi expozicí a onemocněním HA – existuje vztah mezi expozicí a onemocněním příklady nulových hypotéz H0 Rate diference = 0 RR (relative risk) = 1 OR (odds ratio) = 1 SMR = 100 Závěr testu platí H0 (není vztah) platí H1 (je vztah) nezamítnout H0 správné rozhodnutí Chyba 2. druhu () zamítnout H0 Chyba 1. druhu ()

Interpretace dat D+ D- E+ 15 85 E- 10 90  - nastavená (kritická) pravděpodobnost chyby 1. druhu (zamítnutí pravdivé Ho) obvykle 0,05 – tedy pokud je H0 pravdivá, máme 5 % šanci zamítnout ji (1- ) – hladina významnosti testu p – míra kompatibility experimentálních dat s H0 (vypočtená pravděpodobnost chyby 1. druhu) pokud p >>  - experimentální data korespondují s H0 – můžeme H0 přijmout D+ D- E+ 15 85 E- 10 90 IE+ = 15 / (15 + 85) = 0.15 IE- = 10 / (10 + 90) = 0.10 RR = IE+/IE- = 1.5, p = 0.393 Pravděpodobnost chyby 1.druhu je větší než kritická hladina – hrozí zamítnutí platné H0 Přestože hodnota RR = 1,5 ukazuje na negativní vliv expozice na zdravotní stav, považujeme tento vliv za statisticky nevýznamný

Čtyřpolní tabulka D+ D- Celkem E+ 15 (12,5) 85 (87,5) 100 E- 10 (12,5) 90 (87,5) 25 175 200 http://statpages.org/ctab2x2.html Očekávaná hodnota O = (součet řádku*součet sloupce)/celkový součet 2 =  (naměřená hodnota – očekávaná hodnota)2 / očekávaná hodnota 2 = (15-12,5)2/12,5 + (10-12,5)2/12,5 + (85-87,5)2/87,5 + (90-87,5)2/87,5 2 = 1,143 (p = 0,285) df = (řádky-1) * (sloupce – 1) = 1 2(1-) (df) = 3,842 2  2O,95 (1) - nezamítáme HO , očekávané a pozorované hodnoty považujeme za shodné na 95 % hladině významnosti

Interpretace dat N Incid. E- 200 0.10 E+ 0.18 0.21 0.24 RR 1.8 2.1 2.4 Power 58% 82% 95%  - pravděpodobnost chyby 2. druhu (zamítnutí pravdivé H1) obvykle 0,20 – tedy pokud je H1 pravdivá, máme 20 % šanci zamítnout ji (1- ) – síla testu (power) Při velikosti populace 400 a pravdivosti H1 (RR > 1) musíme zjistit RR = 2,1 (síla testu 82 %) nebo vyšší, abychom mohli přijmout H1

Interpretace dat faktory ovlivňující sílu studie nastavená úroveň  - čím nižší , tím nižší síla testu počet sledovaných jedinců v jednotlivých skupinách a celkový počet jedinců – čím nižší celkový počet jedinců a čím vyšší rozdíl v počtech jedinců v jednotlivých skupinách, tím nižší síla testu podíl mezi očekávanou a sledovanou úrovní efektu – čím vyšší E/O tím vyšší síla testu Exposure N Incid. Risk ratio P- value Power* RR** None 1000 0.10 1.0 --- Low 500 0.15 1.5 0.006 77% 1.52 Medium 250 0.02 60% 1.64 High 100 0.12 27% 2.08 * síla testu (power) s danou velikostí populace ( = 0.05) a velikostí RR (risk ratio) ** RR (risk ratio) potřebné pro sílu testu (power) 80% při dané velikosti vzorku

Interpretace dat konfidenční interval (CI - confidence interval) rozsah hodnot bodového odhadu, která na dané hladině významnosti obsahuje skutečnou hodnotu parametru šířka CI – míra přesnosti (čím užší CI, tím vyšší přesnost) studie s větším počtem pozorování mívají užší CI

Interpretace dat D+ D- E+ 15 85 E- 10 90 IE+ = 15 / (15 + 85) = 0.15 RR = IE+/IE- = 1.5, p = 0.30 95% C.I. (0.71, 3.07) Pokud konfidenční interval pro RR obsahuje 1, považujeme vztah mezi expozicí a incidencí za statisticky nevýznamný Pokud konfidenční interval pro RD (rate difference) obsahuje 0, považujeme vztah mezi expozicí a incidencí za statisticky nevýznamný