Om inte

Postad 2018-07-12 av Karl Pettersson. Taggar: epidemiologi

Under förra sommaren skrev jag några inlägg, den 19 juni, 8 juli och 16 juli om innebörden av att förändringar i olika riskfaktorer har medfört en viss förändring av exempelvis dödstal i kranskärlssjukdom. Eftersom det är frågan om relativa dödstal, där riskfaktorernas effekt multipliceras med en baslinje, blir effekten (i absolut förändring av dödstalen) olika beroende på vilket år som används som indexår: om ett år med låga dödstal och låga riskfaktornivåer (som slutåret, i fallet med kranskärlssjukdom, där dödstalen minskat kraftigt de senaste decennierna parallellt med en minskning av olika riskfaktorer) används blir de större än om ett år med höga dödstal och höga riskfaktornivåer (som startåret) används. Studier av nedgången av kranskärlssjukdom, som Björck m.fl. (2009), har använt sig av slutåret, vilket gör att traditionella riskfaktorer (som kolesterol, blodtryck och rökning) ser ut att förklara en mycket stor andel av minskningen, men detta kan bli missvisande när det gäller att tolka betydelsen av dessa faktorer jämfört med andra.

Ett sätt att studera effekterna av olika förändringar i riskfaktorer är att rita upp tidsserier över dels de observerade dödstalen över tid, dels alternativa tidsserier över hur de skulle ha sett ut om olika riskfaktorer inte förändrats jämfört med ett indexår (givet vissa uppskattningar av dels utvecklingen av riskfaktorernas fördelning i befolkningen, dels de relativa dödstal som är kopplade till en viss förändring av en riskfaktor).

Jag har gjort detta med utvecklingen av kranskärlssjukdom i Sverige och de tre nämnda klassiska riskfaktorerna. Data över dessa för perioden 1980–2015 finns tillgängliga via IHME (2016), och data över dödstalen i kranskärlssjukdom (ICD-9 410–414, ICD-10 I20–I25) finns tillgängliga via WHO (2017). För uppskattningar av effekterna av riskfaktorer på kranskärlssjukdom har jag använt mig av Singh m.fl. (2013) (för kolesterol och blodtryck) och Ezzati m.fl. (2005) (för rökning).

Om mitt Mortchartgen-paket för Julia finns installerat och datafiler för detta genererats utifrån WHO-data, kan diagrammen i detta inlägg återskapas genom att klona bloggförrådet och köra ./rfcf_1807plots.jl från katalogen postdata/2018-07-12-ominte. Datafilerna från IHME (2016) laddas ned automatiskt om de inte finns tillgängliga.

Fig. 1 och fig. 2 visar hur dödstalen bland kvinnor och män i åldersgruppen 55–64 år skulle ha utvecklats om de olika riskfaktorerna kolesterol (TC), systoliskt blodtryck (SBP) och andelen rökare (SMOK) stannat på 1980 års nivå. De observerade dödstalen, som visas som stjärnor, har jämnats ut med lokal regression, och de utjämnade talen har multiplicerats med de relativa tal som beräknats utifrån antagandet att olika kombinationer av riskfaktorerna legat konstant på indexårets nivå.

Figur 1: Kvinnor 55–64 år, indexår 1980.
Figur 1: Kvinnor 55–64 år, indexår 1980.
Figur 2: Män 55–64 år, indexår 1980.
Figur 2: Män 55–64 år, indexår 1980.

Sverige skulle givet dessa data ha haft en liknande, närmast exponentiell nedgång av kranskärlsdödligheten, utan de aktuella förbättringarna i riskfaktorer om än med några års eftersläpning. Utan sänkningarna av kolesterol från 1980 skulle dödstalen 2015 ha legat ungefär på 2010 års nivå. Om folk dessutom hade haft samma blodtryck och rökt i samma omfattning som 1980, hade dödstalen legat ungefär på 2004 års nivå.

Vi kunde ha valt ett annat indexår, som slutåret, 2015. Fig. 3 visar hur dödstalen bland de 55–64-åriga kvinnorna skulle ha utvecklats om riskfaktorerna hela tiden legat på 2015 års nivå.

Figur 3: Kvinnor 55–64 år, indexår 2015.
Figur 3: Kvinnor 55–64 år, indexår 2015.

Eftersom diagrammen visar logaritmer av dödstalen blir differenserna mellan de olika scenariona i startåret i fig. 3 desamma som i slutåret i fig. 1. Men om vi skulle exponentiera tillbaka till dödstal, skulle de förra skillnaderna bli mycket större, på grund av en högre baslinje. Om vi skall beräkna exempelvis antal liv som räddas 2015 till följd av förbättringarna, blir resultat beroende av vårt val när det gäller indexår. I inlägget 8 juli hävdade jag att det rimliga då är att använda startåret som index.

Fig. 4 och fig. 5 visar utvecklingen i åldersgruppen 75–84 år, med 1980 som indexår.

Figur 4: Kvinnor 75–84 år, indexår 1980.
Figur 4: Kvinnor 75–84 år, indexår 1980.
Figur 5: Män 75–84 år, indexår 1980.
Figur 5: Män 75–84 år, indexår 1980.

Det har skett en minst lika stark relativ nedgång som i den yngre åldersgruppen, men effekterna av riskfaktorerna motsvarar bara ett par års förändring. De relativa effekterna av en viss förändring av riskfaktorer är svagare i högre åldrar, och rökningen i den högre åldersgruppen har inte minskat bland kvinnor.

I varje fall verkar det tydligt att förbättringar i annat än klassiska riskfaktorer är viktiga för att förstå nedgången av åldersspecifika dödstal i kranskärlssjukdom (och generellt i cirkulationssjukdom, där dödstalen i de flesta länder i den rika världen varit på nedåtgående åtminstone sedan 1950-talet (Ezzati m.fl. 2015)). Framsteg i vården har säkert spelat roll, men effekten av dessa är också relativt begränsad (Björck m.fl. 2009). Artificiella trender genom ändrad rapportering av dödsorsaker kan vara en faktor, framför allt i högre åldersgrupper. En hypotes som förespråkats av exempelvis Lawson (2016), som jag skrev om i 16 juli-inlägget är minskning av aterom i kranskärlen till följd av minskad börda av infektioner.

Referenser

Björck, Lena, Annika Rosengren, Kathleen Bennett, George Lappas och Simon Capewell. 2009. ”Modelling the decreasing coronary heart disease mortality in Sweden between 1986 and 2002”. European Heart Journal 30: 1046–1056. doi:10.1093/eurheartj/ehn554.

Ezzati, Majid, S. Jane Henley, Michael J. Thun och Alan D. Lopez. 2005. ”Role of Smoking in Global and Regional Cardiovascular Mortality”. Circulation 112 (4): 489–497. doi:10.1161/CIRCULATIONAHA.104.521708.

Ezzati, Majid, Ziad Obermeyer, Ioanna Tzoulaki, Bongani M. Mayosi, Paul Elliott och David A. Leon. 2015. ”The contributions of risk factor trends and medical care to cardiovascular mortality trends”. Nat Rev Cardiol 12 (9): 508–530. doi:10.1038/nrcardio.2015.82.

IHME. 2016. ”Global Burden of Disease Study 2015 (GBD 2015) Covariates 1980–2015”. http://ghdx.healthdata.org/record/global-burden-disease-study-2015-gbd-2015-covariates-1980-2015.

Lawson, James S. 2016. ”Multiple Infectious Agents and the Origins of Atherosclerotic Coronary Artery Disease”. Frontiers in Cardiovascular Medicine 3: 30. doi:10.3389/fcvm.2016.00030.

Singh, Gitanjali M., Goodarz Danaei, Farshad Farzadfar, Gretchen A. Stevens, Mark Woodward, David Wormser, Stephen Kaptoge, m.fl. 2013. ”The Age-Specific Quantitative Effects of Metabolic Risk Factors on Cardiovascular Diseases and Diabetes: A Pooled Analysis”. PLOS ONE 8 (7): 1–10. doi:10.1371/journal.pone.0065174.

WHO. 2017. ”WHO Mortality Database”. http://www.who.int/healthinfo/mortality_data/en/index.html.