Snuvad vetenskap

Postad 2017-12-23 av Karl Pettersson. Taggar: epidemiologi

För ett par veckor sedan publicerade BMJ (i sitt decembernummer, som brukar innehålla halvseriösa artiklar) en artikel om vetenskapen bakom manlig influensa Sue (2017). Den behandlar frågan huruvida män drabbas av värre symptom vid influensa eller om de överdriver; författaren säger sig vara trött på anklagelser om det senare. Hans slutsats är att det finns viss evidens för att män drabbas värre. Han hänvisar till djurstudier, som visar på starkare immunsvar bland honor och till studier som uppges visa på högre influensarelaterad dödlighet bland män i USA (Quandelacy m.fl. 2013) och på högre incidens i sjukhusvård för influensa bland män i Hongkong, jämfört med kvinnor i motsvarande ålder (Wang m.fl. 2015). En hypotes som diskuteras är att effekter av könshormoner på immunförsvaret skulle kunna förklara dessa mönster.

Artikeln har fått en del uppmärksamhet i media världen över, även i Sverige (googla på Kyle Sue under perioden 11–17 december 2017). Dock har slutsatserna också ifrågasatts på vissa håll. I ett reportage av Scutti (2017) uttalar sig forskaren Sabra L. Klein, som påpekar att det för det första finns en interaktion mellan ålder och könsskillnader i risken att hamna på sjukhus med influensa. Bland barn vårdas pojkar oftare än flickor och bland personer över 65 år vårdas män oftare än kvinnor, men under reproduktiva åldrar tenderar kvinnor att drabbas värre av influensa än män, vilket Klein tillskriver effekter av graviditet tillsammans med ökat inflammatoriskt svar. Dessutom, säger hon, kan det vara så att män i vissa länder oftare får sjukhusvård därför att de värderas högre än kvinnor.

Jo, den 16 januari 2016 skrev jag om hur en studie av just denna Klein (som Sue (2017) också hänvisar till), som visat på att östrogen motverkar replikering av influensavirus bland kvinnor, av media världen över tolkats som att den skulle visa att män drabbas hårdare av kvinnor, samtidigt som Klein själv protesterade mot denna tolkning. Studien handlade inte primärt om könsskillnader, och i introduktionsavsnittet ges exempel på det som Klein framhöll nu: att kvinnor tenderar att drabbas värre än män i yngre åldersgrupper.

Finns det ytterligare problem med de tolkning av studier på dödlighet och sjukhusvård som görs av Sue (2017)? Quandelacy m.fl. (2013) handlar om överdödlighet under influensaperioder i USA uppdelad på underliggande dödsorsak. Sett till alla dödsorsaker finns en signifikant överdödlighet bland män i åldersgrupperna 50–64 (2,92/100 000; 95-procentigt konfidensintervall 0,69–5,14) och 65–74 år (6,46; 0,04–12,91). Det verkar dock som denna till stor del kan förklaras av dödsorsaker där influensa kan vara en förvärrande faktor samtidigt som män oberoende av detta har högre åldersspecifika dödstal än kvinnor, som kranskärlssjukdom och andra sjukdomar i cirkulationsorganen. I åldersgruppen 18–49 år finns ingen signifikant överdödlighet för alla orsaker (0,27; −0,46–0,98), men däremot för cirkulationssjukdom (0,21; 0,02–0,42). Det finns ingen signifikant överdödlighet i den äldsta åldersgruppen, 75– år, men det kan möjligen bero på att det saknas åldersjustering inom denna åldersgrupp och att kvinnorna i genomsnitt är äldre.

När det gäller Wang m.fl. (2015) är det svårt att dra några slutsatser om könsskillnader, oavsett om det är så att kvinnor i Hongkong systematiskt får sämre vård än män. Studien redovisar könskvoter för sjukhusvård för olika subtyper av influensa i olika åldersgrupper, men alla 95-procentiga konfidensintervall som redovisas överlappar 1. I åldersgruppen 18–39 år är A(H1N1)pdm09 dominerande subtyp, och här är kvoten mellan männens och kvinnornas incidens i sjukhusvård för influensa 0,9, med konfidensintervall 0,5–1,2. Det motsäger i varje fall inte att kvinnor i denna åldersgrupp drabbas hårdare.

Hur ser köns- och åldersmönstret för sjukhusvård när det gäller influensa och relaterade infektioner ut i Sverige? Data finns tillgängliga via Socialstyrelsen (2017). Nedanstående diagram visar genomsnittlig incidens (antalet patienter i relation till folkmängden) över alla tillgängliga år från 2009, då A(H1N1)pdm09 dök upp, för influensa och lunginflammation (ICD-10 J09–J18). Diagrammet kan återskapas (om Julia och AWK, för transformering av datafilen från Socialstyrelsen (2017), finns installerade) genom att bifogad ZIP packas upp och include("influi0916.jl") körs inifrån Julia.

Genomsnittligt antal patienter i relation till folkmängden för influensa och lunginflammation i Sverige åren 2009–16. Kod och data tillgängliga i ZIP.
Genomsnittligt antal patienter i relation till folkmängden för influensa och lunginflammation i Sverige åren 2009–16. Kod och data tillgängliga i ZIP.

Incidensen är starkt relaterad till ålder. Den är lägst i åldersgruppen 10–14 år och ökar snabbt efter 50-årsåldern. Män har högre incidens än kvinnor i åldersgrupperna över 60 år, och skillnaden tilltar med stigande ålder. I yngre åldersgrupper ses inget sådant mönster: tvärtom verkar kvinnor mellan 20 och 40 år ha något högre incidens i motsvarande åldersgrupper, vilket alltså stämmer överens med Kleins observationer. Hur ofta innehåller mem med man flu, mansförkylning och liknande män över 65 år?

Referenser

Quandelacy, Talia M., Cecile Viboud, Vivek Charu, Marc Lipsitch och Edward Goldstein. 2013. ”Age- and Sex-related Risk Factors for Influenza-associated Mortality in the United States Between 1997–2007”. American Journal of Epidemiology 179 (2): 156–167. doi:10.1093/aje/kwt235.

Scutti, Susan. 2017. ”’Man flu’: Is it real?” http://edition.cnn.com/2017/12/12/health/man-flu-study/index.html.

Socialstyrelsen. 2017. ”Statistikdatabas för diagnoser i sluten vård”. http://www.socialstyrelsen.se/statistik/statistikdatabas/diagnoserislutenvard.

Sue, Kyle. 2017. ”The science behind ’man flu’”. BMJ: 359. doi:10.1136/bmj.j5560.

Wang, Xi-Ling, Lin Yang, Kwok-Hung Chan, King-Pan Chan, Pei-Hua Cao, Eric Ho-Yin Lau, J. S. Malik Peiris och Chit-Ming Wong. 2015. ”Age and Sex Differences in Rates of Influenza-Associated Hospitalizations in Hong Kong”. American Journal of Epidemiology 182 (4): 335–344. doi:10.1093/aje/kwv068.