Stabiliserad cirkulation
I förra inlägget skrev jag om Vox rapportering kring trenden att kvoten mellan antalet dödsfall i hjärtsjukdom och cancer minskat i USA (Belluz 2016). Voxartikeln är dessvärre inte speciellt klargörande: som jag påpekade misslyckas den med att förklara åldersjusterade dödstal, något som är viktigt för att förstå trenden. Det är också missvisande att ställa cancer mot hjärtsjukdom på det sätt som görs, eftersom den minskning av dödsfall i hjärtsjukdom som skett sedan 1990-talet främst uppvägs av en ökning av demens snarare än cancer.
En intressant sak som kan utläsas av det översta diagrammet i artikeln (som kommer från CDC:s meddelande (Heron och Anderson 2016)), där data redovisas till och med 2014, är att det från 2010 verkar ha skett ett trendbrott, då antalet dödsfall i hjärtsjukdom inte längre minskar.
CDC har datafiler med mikrodata över dödsorsaker publikt tillgängliga, dock utan information om de avlidnas lokalisering inom USA (National Center for Health Statistics 2018). Jag har gjort ett paket för att läsa in dessa data i en MySQL-databas och analysera dem i Julia.
Med hjälp av funktionerna i detta har jag konstruerat nedanstående
diagram över åldersspecifika andelar dödsfall med cirkulationssjukdom
(ICD-10 I00–I99 eller F01) som underliggande dödsorsak i USA Det är en
mer generell kategori än hjärtsjukdom, och innehåller tillstånd som
slaganfall och generell ateroskleros, som också kan påverkas av trender
i rapporteringen av demens. Under förutsättning att mitt Usmort-paket
och PyPlot finns tillgängliga och datafiler för jämna år under perioden
2006–2014 lästs in i databasen kan de återskapas genom att köra
agechart("F")
och agechart("M")
, efter att följande kod inkluderats
i Julia:
using Usmort, PyCall, PyPlot
= "[A-Y]"
totexpr = "I|F01"
circexpr = Dict("F"=>"kvinnor", "M"=>"män")
sexlabels PyDict(matplotlib["rcParams"])["axes.formatter.use_locale"] = true
function agechart(sex, yrs = collect(2006:2:2014))
for yr in yrs
print("Kör $(yr)\n")
= ageca(yr, sex, totexpr)
tot = ageca(yr, sex, circexpr)
circ = caprop(circ, tot)
circp plot(circp[1:26, :agest],
1:26, :prop],
circp[= string(yr))
label end
xlabel("Ålder")
ylabel("Andel")
title("Andel dödsfall cirkulation $(sexlabels[sex]) USA")
legend(loc=2)
grid()
show()
end
Från 2006 till 2010 skedde alltså minskningar i alla åldersgrupper över 50 år. Minskningarna är klart mindre och begränsade till högre åldersgrupper från 2010 till 2014, och från 2012 till 2014 ses knappast några signifikanta förändringar alls.
När det gäller åldersgrupperna i medelåldern har det under lång tid pågått en utveckling i USA, Sverige och andra rika länder där cirkulationssjukdom förlorat sin dominerande ställning som dödsorsak till förmån för cancer, samtidigt som den totala dödligheten förskjutits högre upp i åldrarna. Denna trend kan ha mattats av genom att även dödstalen i cancer börjat minska påtagligt i yngre åldersgrupper och genom att dödstalen i hjärtinfarkt, som under långt tid varit drivande för utvecklingen, redan minskat så kraftigt att ytterligare minskningar inte får så stor betydelse för utvecklingen av den generella cirkulationsdödligheten.
För åldersgrupperna över 75 år kan tillbakagången av andelen cirkulationsdödsfall till stor del förklaras av att demens oftare rapporterats, och det är som sagt det som drivit förändringarna i dödsorsaksmönster för befolkningen som helhet under de senaste decennierna. Men även här verkar det alltså ha skett en avmattning. Kanske kan detta relateras till minskad incidens i demens, som jag skrev om den 12 oktober 2014. En annan faktor kan vara att benägenheten att rapportera demens som dödsorsak omkring 2010 drivits så långt att det nästan alltid kommit att rapporteras när personen varit svårt dement och någon annan uppenbar förklaring till dödsfallet inte existerar, och att det därför inte finns så mycket utrymme för ytterligare artificiella ökningar i denna grupp. Hur som helst blir det intressant att följa den fortsatta utvecklingen, både för USA och andra höginkomstländer, som Sverige.