Section 6: Descriptive Epidemiology

som tidligere nævnt læres enhver novice-avisreporter, at en historie er ufuldstændig, hvis den ikke beskriver hvad, hvem, hvor, hvornår og hvorfor/hvordan i en situation, uanset om den er Være en rumfærge lancering eller et hus brand. Epidemiologer stræber efter en lignende omfattende karakterisering af en epidemiologisk begivenhed, hvad enten det er en pandemi af indflydelse eller en lokal stigning i terrænkøretøjsulykker. Epidemiologer har dog en tendens til at bruge synonymer til de fem V ‘ er, der er anført ovenfor: sagsdefinition, person, sted, tid og årsager/risikofaktorer/transmissionsformer. Beskrivende epidemiologi dækker tid, sted og person.

kompilering og analyse af data efter tid, sted og person er ønskeligt af flere grunde.

• først ved at se på dataene omhyggeligt bliver epidemiologen meget fortrolig med dataene. Han eller hun kan se, hvad dataene kan eller ikke kan afsløre baseret på de tilgængelige variabler, dets begrænsninger (for eksempel antallet af poster med manglende information for hver vigtig variabel) og dets særheder (for eksempel varierer alle tilfælde i Alder fra 2 måneder til 6 år plus en 17-årig.).
• for det andet lærer epidemiologen omfanget og mønsteret af det folkesundhedsproblem, der undersøges — hvilke måneder, hvilke kvarterer og hvilke grupper af mennesker der har mest og mindst tilfælde.
• for det tredje opretter epidemiologen en detaljeret beskrivelse af en befolknings sundhed, der let kan kommunikeres med tabeller, grafer og kort.
• for det fjerde kan epidemiologen identificere områder eller grupper inden for befolkningen, der har høje sygdomsrater. Disse oplysninger giver igen vigtige spor til årsagerne til sygdommen, og disse spor kan omdannes til testbare hypoteser.

tid

forekomsten af sygdom ændres over tid. Nogle af disse ændringer forekommer regelmæssigt, mens andre er uforudsigelige. To sygdomme, der forekommer i samme sæson hvert år, inkluderer influens (vinter) og vestnilvirusinfektion (August–September). I modsætning hertil kan sygdomme som hepatitis B og salmonellose forekomme når som helst. For sygdomme, der forekommer sæsonmæssigt, kan sundhedsembedsmænd forudse deres forekomst og gennemføre kontrol-og forebyggelsesforanstaltninger, såsom en vaccinationskampagne eller mygsprøjtning. For sygdomme, der forekommer sporadisk, kan efterforskere gennemføre undersøgelser for at identificere årsagerne og spredningsmetoderne og derefter udvikle passende målrettede handlinger for at kontrollere eller forhindre yderligere forekomst af sygdommen.

i begge situationer er det afgørende at vise mønstre for sygdomsforekomst efter tid for overvågning af sygdomsforekomst i samfundet og for at vurdere, om folkesundhedsinterventionerne gjorde en forskel.

tidsdata vises normalt med en todimensionel graf. Den lodrette eller y-akse viser normalt antallet eller antallet af sager; den vandrette eller H-aksen viser tidsperioderne som år, måneder eller dage. Antallet eller antallet af sager er tegnet over tid. Grafer over sygdomsforekomst over tid afbildes normalt som linjegrafer (figur 1.4) eller histogrammer (figur 1.5).

Nogle gange viser en graf tidspunktet for begivenheder, der er relateret til sygdomstendenser, der vises. For eksempel kan grafen angive eksponeringsperioden eller datoen kontrolforanstaltninger blev gennemført. At studere en graf, der noterer eksponeringsperioden, kan føre til indsigt i, hvad der kan have forårsaget sygdom. At studere en graf, der noterer tidspunktet for kontrolforanstaltninger, viser, hvilken indvirkning, hvis nogen, foranstaltningerne kan have haft på sygdomsforekomsten.

som nævnt ovenfor er tiden afbildet langs h-aksen. Afhængig af sygdommen kan tidsskalaen være så bred som år eller årtier eller så kort som dage eller endda timer på dagen. For nogle tilstande — for eksempel mange kroniske sygdomme — har epidemiologer en tendens til at være interesseret i langsigtede tendenser eller mønstre i antallet af tilfælde eller hastigheden. For andre forhold, såsom fødevarebårne udbrud, er den relevante tidsskala sandsynligvis dage eller timer. Nogle af de almindelige typer tidsrelaterede grafer er yderligere beskrevet nedenfor. Disse og andre grafer er beskrevet mere detaljeret i Lektion 4.

sekulære (langsigtede) tendenser. Grafering af de årlige tilfælde eller hyppighed af en sygdom over en årrække viser langsigtede eller sekulære tendenser i forekomsten af sygdommen (figur 1.4). Sundhedsembedsmænd bruger disse grafer til at vurdere den fremherskende retning for sygdomsforekomst (stigende, faldende eller i det væsentlige flad), hjælpe dem med at evaluere programmer eller træffe politiske beslutninger, udlede, hvad der forårsagede en stigning eller fald i forekomsten af en sygdom (især hvis grafen angiver, hvornår relaterede begivenheder fandt sted), og brug tidligere tendenser som en forudsigelse for fremtidig forekomst af sygdom.

sæsonudsving. Sygdomsforekomst kan tegnes efter uge eller måned i løbet af et år eller mere for at vise dets sæsonmæssige mønster, hvis nogen. Nogle sygdomme som f.eks infektion med vestnilen er kendt for at have karakteristiske sæsonbestemte fordelinger. Sæsonbestemte mønstre kan antyde hypoteser om, hvordan infektionen overføres, hvilke adfærdsmæssige faktorer der øger risikoen og andre mulige bidragydere til sygdommen eller tilstanden. Figur 1.6 viser årstidens mønstre af røde hunde, rotavirus. Alle tre sygdomme viser ensartede sæsonbestemte fordelinger, men hver sygdom topper i forskellige måneder — røde hunde i marts til juni, influens i November til marts og rotavirus i februar til April. Rubella-grafen er slående for epidemien, der opstod i 1963 (rubella-vaccine var ikke tilgængelig før i 1969), men denne epidemi fulgte ikke desto mindre det sæsonbestemte mønster.

ugedag og tidspunkt på dagen. Under nogle forhold kan visning af data efter ugedag eller tidspunkt på dagen være informativ. Analyse på disse kortere tidsperioder er særlig hensigtsmæssig for forhold relateret til erhvervsmæssig eller miljømæssig eksponering, der har tendens til at forekomme med regelmæssigt planlagte intervaller. I figur 1.7 vises dødsfald på landbrugstraktorer efter ugedage.(32) Bemærk, at antallet af dræbte landbrugstraktorer om søndagen var ca.halvdelen af antallet de andre dage. Mønsteret af landbrugstraktorskader i timen, som vist i figur 1.8, toppede klokken 11:00, dyppede ved middagstid og toppede igen klokken 4:00 disse mønstre kan foreslå hypoteser og mulige forklaringer, der kunne evalueres med yderligere undersøgelse. Figur 1.9 viser antallet af overlevende og redningsmænd, der blev præsenteret for lokale hospitaler efter angrebet på Verdenshandelscentret den 11.September 2001.

epidemisk periode. For at vise tidsforløbet for et sygdomsudbrud eller epidemi bruger epidemiologer en graf kaldet en epidemikurve. Som med de andre grafer, der er præsenteret hidtil, viser en epidemikurves y-akse antallet af tilfælde, mens røntgenaksen viser tid som enten Dato for symptomdebut eller dato for diagnose. Afhængigt af inkubationsperioden (længden af tiden mellem eksponering og symptomdebut) og transmissionsveje kan skalaen på h-aksen være så bred som uger (for en meget langvarig epidemi) eller så smal som minutter (f.eks. for madforgiftning af kemikalier, der forårsager symptomer inden for få minutter). Konventionelt vises dataene som et histogram (som ligner et søjlediagram, men har ingen huller mellem tilstødende kolonner). Nogle gange vises hvert tilfælde som en firkant, som i figur 1.10. Formen og andre træk ved en epidemikurve kan antyde hypoteser om tid og kilde til eksponering, transmissionsmåden og det forårsagende middel. Epidemiske kurver diskuteres mere detaljeret i Lektion 4 og 6.

sted

beskrivelse af forekomsten af sygdom efter sted giver indsigt i problemets geografiske omfang og dets geografiske variation. Karakterisering efter sted henviser ikke kun til bopæl, men til enhver geografisk placering, der er relevant for sygdomsforekomst. Sådanne placeringer inkluderer diagnosested eller rapport, fødested, ansættelsessted, skoledistrikt, hospital enhed, eller nylige rejsedestinationer. Enheden kan være så stor som et kontinent eller et land eller så lille som en gadenavn, hospitalfløj eller operationsstue. Nogle gange henviser sted slet ikke til et bestemt sted, men til en stedkategori såsom by-eller landdistrikter, indenlandsk eller udenlandsk og institutionel eller ikke-institutionel.

overvej dataene i tabel 1.3 og 1.4. Tabel 1.3 viser SARS-data efter rapportkilde og afspejler, hvor en person med mulig SARS sandsynligvis vil blive sat i karantæne og behandlet.(33) I modsætning hertil viser tabel 1.4 de samme data, hvor de mulige SARS-patienter var rejst, og afspejler, hvor transmission kan have fundet sted.

selvom steddata kan vises i en tabel som tabel 1.3 eller tabel 1.4, giver et kort en mere slående visuel visning af steddata. På et kort kan forskellige antal eller sygdomsrater afbildes ved hjælp af forskellige skygger, farver eller linjemønstre, som i figur 1.11.

en anden type kort til steddata er et spotkort, såsom figur 1.12. Spotkort bruges generelt til klynger eller udbrud med et begrænset antal tilfælde. En prik placeres på det sted, der er mest relevant for sygdommen af interesse, normalt hvor hvert offer boede eller arbejdede, ligesom John sne gjorde på sit spotkort over Det Gyldne firkantede område i London (figur 1.1). Hvis det er kendt, er steder, der er relevante, såsom sandsynlige eksponeringssteder (vandpumper i figur 1.1), normalt noteret på kortet.

analyse af data efter sted kan identificere samfund med øget risiko for sygdom. Selvom dataene ikke kan afsløre, hvorfor disse mennesker har en øget risiko, kan det hjælpe med at generere hypoteser til test med yderligere undersøgelser. For eksempel er et samfund med øget risiko på grund af karakteristika hos befolkningen i samfundet, såsom genetisk modtagelighed, manglende immunitet, risikabel adfærd eller eksponering for lokale toksiner eller forurenet mad? Kan den øgede risiko, især for en smitsom sygdom, tilskrives karakteristika ved det forårsagende middel, såsom en særlig virulent stamme, gæstfrie avlssteder eller tilgængeligheden af vektoren, der overfører organismen til mennesker? Eller kan den øgede risiko tilskrives det miljø, der bringer agenten og værten sammen, såsom trængsel i byområder, der øger risikoen for sygdomsoverførsel fra person til person, eller flere boliger bygges i skovklædte områder tæt på hjorte, der bærer flåter inficeret med organismen, der forårsager Lyme-sygdom? (More techniques for graphic presentation are discussed in Lesson 4.)

Person

fordi personlige egenskaber kan påvirke sygdom, kan organisering og analyse af data fra “person” bruge iboende egenskaber hos mennesker (for eksempel alder, køn, race), biologiske egenskaber (immunstatus), erhvervede egenskaber (civilstand), aktiviteter (erhverv, fritidsaktiviteter, brug af medicin/tobak / medicin) eller de betingelser, hvorunder de lever (socioøkonomisk status, adgang til lægehjælp). Alder og køn er inkluderet i næsten alle datasæt og er de to mest almindeligt analyserede “person” egenskaber. Afhængig af sygdommen og de tilgængelige data er analyser af andre personvariabler dog normalt nødvendige. Normalt begynder epidemiologer analysen af persondata ved at se på hver variabel separat. Nogle gange kan to variabler som alder og køn undersøges samtidigt. Persondata vises normalt i tabeller eller grafer.

alder. Alder er sandsynligvis den vigtigste “person” – attribut, fordi næsten enhver sundhedsrelateret begivenhed varierer med alderen. En række faktorer, der også varierer med alderen, inkluderer: modtagelighed, mulighed for eksponering, latenstid eller inkubationsperiode for sygdommen og fysiologisk respons (som blandt andet påvirker sygdomsudvikling).

Ved analyse af data efter alder forsøger epidemiologer at bruge aldersgrupper, der er smalle nok til at opdage aldersrelaterede mønstre, der kan være til stede i dataene. For nogle sygdomme, især kroniske sygdomme, kan 10-årige aldersgrupper være tilstrækkelige. For andre sygdomme skjuler 10-årige og endda 5-årige aldersgrupper vigtige variationer i sygdomsforekomst efter alder. Overvej grafen for pertussis forekomst ved standard 5-årige aldersgrupper vist i figur 1.13 a. den højeste sats er klart blandt børn 4 år og yngre. Men er satsen lige så høj hos alle børn inden for denne aldersgruppe, eller har nogle børn højere satser end andre?

for at besvare dette spørgsmål er der brug for forskellige aldersgrupper. Undersøg figur 1.13 b, som viser de samme data, men viser pertussis for børn under 1 år separat. Det er klart, at spædbørn tegner sig for det meste af den høje sats blandt 0-4-årige. Folkesundhedsindsatsen bør således fokusere på børn under 1 år snarere end på hele 5-års aldersgruppen.

køn. Mænd har højere sygdoms-og dødsrater end kvinder for mange sygdomme. For nogle sygdomme er denne kønsrelaterede forskel på grund af genetiske, hormonelle, anatomiske eller andre iboende forskelle mellem kønnene. Disse iboende forskelle påvirker modtagelighed eller fysiologiske reaktioner. For eksempel har præmenopausale kvinder en lavere risiko for hjertesygdomme end mænd i samme alder. Denne forskel er blevet tilskrevet højere østrogenniveauer hos kvinder. På den anden side afspejler de kønsrelaterede forskelle i forekomsten af mange sygdomme forskelle i muligheder eller eksponeringsniveauer. For eksempel viser figur 1.14 forskellene i lungekræft satser over tid blandt mænd og kvinder.(34) den forskel, der blev konstateret i tidligere år, skyldes den højere forekomst af rygning blandt mænd i fortiden. Desværre er forekomsten af rygning blandt kvinder nu lig med den blandt mænd, og lungekræft hos kvinder har klatret som følge heraf.(35)

etniske og racemæssige grupper. Nogle gange er epidemiologer interesseret i at analysere persondata efter biologiske, kulturelle eller sociale grupperinger såsom race, nationalitet, religion eller sociale grupper såsom stammer og andre geografisk eller socialt isolerede grupper. Forskelle i racemæssige, etniske eller andre gruppevariabler kan afspejle forskelle i modtagelighed eller eksponering eller forskelle i andre faktorer, der påvirker risikoen for sygdom, såsom socioøkonomisk status og adgang til sundhedspleje. I figur 1.15 er børnedødeligheden for 2002 vist ved moderens race og spansktalende oprindelse.

socioøkonomisk status. Socioøkonomisk status er vanskelig at kvantificere. Det består af mange variabler såsom besættelse, familieindkomst, uddannelsesmæssig præstation eller folketællingsspor, levevilkår og social status. De variabler, der er nemmest at måle, afspejler muligvis ikke nøjagtigt det overordnede koncept. Ikke desto mindre bruger epidemiologer ofte erhverv, familieindkomst og uddannelsesmæssig præstation, samtidig med at de erkender, at disse variabler ikke måler socioøkonomisk status præcist.

hyppigheden af mange ugunstige sundhedsmæssige forhold stiger med faldende socioøkonomisk status. For eksempel er tuberkulose mere almindelig blandt personer i lavere socioøkonomiske lag. Børnedødelighed og tid tabt fra arbejde på grund af handicap er begge forbundet med lavere indkomst. Disse mønstre kan afspejle mere skadelige eksponeringer, lavere modstand og mindre adgang til sundhedspleje. Eller de kan til dels afspejle et indbyrdes afhængigt forhold, der er umuligt at løsne: bidrager lav socioøkonomisk status til handicap, eller bidrager handicap til lavere socioøkonomisk status, eller begge dele? Hvad tegner sig for den uforholdsmæssige forekomst af diabetes og astma i lavere socioøkonomiske områder? (36, 37)

nogle få negative sundhedsmæssige forhold forekommer hyppigere blandt personer med højere socioøkonomisk status. Gigt var kendt som” kongers sygdom ” på grund af dets tilknytning til forbrug af rige fødevarer. Andre tilstande forbundet med højere socioøkonomisk status inkluderer brystkræft, kronisk træthedssyndrom, og tennisalbue. Forskelle i eksponering tegner sig for i det mindste nogle, hvis ikke de fleste af forskellene i hyppigheden af disse forhold.

References (This Section)

1. Goodman RA, Smith JD, Sikes RK, Rogers DL, Mickey JL. Dødsfald forbundet med landbrugstraktorskader: en epidemiologisk undersøgelse. Folkesundhed Rep 1985; 100:329-33.Heyman dl, Rodier G. Global overvågning, National overvågning og SARS. Emerg Inficere Dis. 2003;10:173–5.
2. American Cancer Society . Atlanta: American Cancer Society, Inc. Tilgængelig fra:http://www.cancer.org/Research/CancerFactsFigures/cancer-facts-figures-2005/external ikon.
3. Centre for sygdomsbekæmpelse og forebyggelse. Aktuelle tendenser. Lungekræft og brystkræft tendenser blandt kvinder. 1984; 33 (MM19): 266.
4. Liao Y, Tucker P, Okoro CA, Giles, Mokdad AH, Harris VB, et. al. REACH 2010 overvågning for sundhedsstatus i mindretalssamfund — USA, 2001-2002. 2004; 53: 1-36.