Absolut

Svenska och internationella medier rapporterar om en ny metaanalys av effekterna av alkohol på total dödlighet och olika utfall relaterade till cirkulationssjukdom (Wood m.fl. 2018). Alkohol, eller i alla fall måttlig konsumtion av alkohol, har betraktats som en skyddsfaktor när det gäller dessa utfall. Den 20 februari 2016 skrev jag om diskussionen kring detta. Den nu aktuella analysen har en del fördelar när det gäller sådant som skapat problem i tolkningen av tidigare studier.

1. Personer som konsumerar litet alkohol (upp till 50 gram/vecka) används som referensgrupp, inte de som rapporterat att de inte druckit alls. Många studier som rapporterat skyddande effekter av alkohol har använt den senare gruppen, där det ofta finns allvarliga problem med förväxlingsfaktorer och felklassificering.
2. Det har gjorts en ordentlig åtskillnad mellan olika typer av cirkulationsutfall, vilket är väsentligt eftersom sambandet kan peka i olika riktning när det gäller exempelvis hjärtinfarkt och olika typer av slaganfall.

Resultaten är att alkohol visserligen tycks ha en viss skyddande effekt mot hjärtinfarkt, även med lågkonsumenter som referensgrupp, men att detta inte innebär signifikanta minskningar av sjuklighet eller dödlighet i cirkulationssjukdom generellt eller total dödlighet. Vid konsumtionsnivåer över 100 gram/vecka ses ökad total dödlighet.

Resultaten för total dödlighet presenteras också i form av förlorade levnadsår, så att t.ex. en konsumtionsnivå på över 350 gram/vecka från 40-årsåldern i genomsnitt skulle förkorta livet 4–5 år. Här har åldersspecifika dödstal i USA använts som baslinje och hazardkvoterna i studien multiplicerats med dessa. Detta anknyter till problematiken med att presentera relativa utfallsmått, speciellt hazardkvoter, som jag skrivit om, senast den 11 januari. Om en studie har tillräckligt med information för att uppskatta hazardkvoter för hela åldersspannet från en viss ålder är detta kanske ofta det vettigaste tillvägagångssättet för att sätta in talen i en kontext. Skillnader i absolut risk för ett visst utfall, som ibland föreslås, ger upphov till problem beroende på valet av tidsspann över vilket risken beräknas. Väljs ett kort tidsspann kan vilken risk som helst fås att framstå som obetydlig, och väljs ett mycket långt tidsspann (som en hel livstid) blir det snarare ett mått på den relativa styrkan av konkurrerande utfall (sådant som manligt kön, typ 1-diabetes¹ eller rökning blir kanske då inte riskfaktorer för cirkulationsdödlighet). Kumulativa risker över lång tid som inte tar hänsyn till konkurrerande utfall (som ofta är det som anges som livstidsrisk för t.ex. cancer) kan också bli förvirrande: de kommer alltid att närma sig 1, om inte hazardtalen minskar över tid. Det går att dra paralleller med den ofta diskuterade problematiken med mått i frekventistisk hypotesprövning, som \(p\)-värden, som också är lätta att beräkna med modern mjukvara, men svåra att sätta in i en vettig kontext.

En kompromiss, i fall där det inte finns tillräckligt med data för att beräkna hazardkvoter för alla åldrar, skulle dock kunna vara att presentera absoluta riskskillnader (för en given referensbefolkning, med hänsyn till konkurrerande utfall) för det längsta åldersspann där det finns en enhetlig hazardkvot (proportional hazards) och där kvoterna mellan dessa risker inte avviker signifikant från den hazardkvoten. Den 6 november 2016 diskuterade jag hur livstidsrisk för insjuknande och död i cancer skulle påverkas om det skedde reduktioner av både incidens eller dödstal i cancer och dödstal i andra dödsorsaker, med metoder baserade på Sasieni m.fl. (2011). På detta sätt går det också att beräkna risker upp till en viss ålder och jämföra kvoter mellan dessa. Diagrammet i fig. 1 visar hur den relativa risken att dö i tumörer upp till olika åldrar skulle förändras om åldersspecifika dödstal i tumörer minskade med 20 procent, för olika minskningar av dödstal i andra orsaker. Referensbefolkning är Sverige 2014, med data tillgängliga via Socialstyrelsen (2017). Diagrammet kan återskapas (förutsatt att Julia med masterversionen av mitt LifeTable-paket installerats) genom att bifogad ZIP-fil packas upp och include("amp_fig_rr.jl") körs i Julia.

Om vi bestämmer oss för att avvikelser på max 5 procent (relativa tal) är acceptabla innebär det att riskkvoten inte får överstiga 0,84. I så fall skulle vi i alla exempel som visas, utom det med störst reduktion för män (generellt visar sig avvikelserna tidigare för män, därför att de har högre dödstal i annat än cancer), kunna redovisa absolut riskskillnad åtminstone upp till 80 års ålder. Det går att utläsa denna i tabellform, ur den relevanta tabellen i cdicts. Exempelvis är det för kvinnor i scenariot med 20-procentig minskning av icke tumördödlighet en minskning med 2 procentenheter, från 11,3 till 9,3 procent.

Referenser

---

1. Skrev om detta den 19 mars 2015.↩︎

Webbplatsen drivs av Karl Pettersson och har genererats med Hakyll. Källkod. Kakor används vid kommentering med Isso, för att möjliggöra editering av kommentarer inom 15 minuter efter att de postats, vilket inte kommer att fungera korrekt om kakor stängs av i webbläsaren. Kommentarer som skickas sparas för att publiceras med namn och webbsida, om dessa angetts: en fungerande e-postadress kan, om så önskas, anges för att få möjlighet att kommunicera kring kommentaren i efterhand men publiceras inte. Om JavaScript inaktiveras, kommer varken kommentarer eller visning av formler med MathJax att fungera. Om fel uppstår vid besök, kan uppgifter om besökares IP-adress och tid för felet lagras i interna loggar och användas vid felsökning.