Section 6: Descriptive Epidemiology
The 5W’s of descriptive epidemiology:
What = health issue of concern
Who = person
Where = place
When = time
Why/how = causes, risk factors, modes of transmission
kuten aiemmin todettiin, jokaiselle aloittelevalle sanomalehtitoimittajalle opetetaan, että tarina on epätäydellinen, jos se ei kuvaa mitä, kuka, missä, milloin ja miksi/miten tilanne, onko se avaruussukkulan laukaisu tai tulipalo. Epidemiologit pyrkivät samanlaiseen kattavuuteen luonnehtiessaan epidemiologista tapahtumaa, olipa kyseessä sitten influenssapandemia tai maasto-onnettomuuksien paikallinen lisääntyminen. Epidemiologit käyttävät kuitenkin synonyymejä edellä luetelluille viidelle W: lle: tapausmäärittely, henkilö, paikka, aika ja syyt/riskitekijät/tartuntamuodot. Kuvaileva epidemiologia kattaa ajan, paikan ja henkilön.
tietojen kokoaminen ja analysointi ajan, paikan ja henkilön mukaan on suotavaa monestakin syystä.
- ensin epidemiologi perehtyy aineistoon hyvin katsomalla sitä huolellisesti. Hän voi nähdä, mitä tiedot voivat tai eivät voi paljastaa perustuen käytettävissä oleviin muuttujiin, sen rajoituksiin (esimerkiksi tietueiden lukumäärä, josta puuttuvat tiedot kunkin tärkeän muuttujan osalta), ja sen omituisuuksiin (esimerkiksi kaikki tapaukset vaihtelevat iästä 2 kuukaudesta 6 vuoteen, plus yksi 17-vuotias.).
- toiseksi epidemiologi saa selville tutkittavan kansanterveysongelman laajuuden ja kaavan — minä kuukausina, millä asuinalueilla ja millä ihmisryhmillä tapauksia on eniten ja vähiten.
- kolmanneksi epidemiologi luo yksityiskohtaisen kuvauksen väestön terveydestä, joka voidaan helposti välittää taulukoiden, kaavioiden ja karttojen avulla.
- neljänneksi epidemiologi voi tunnistaa väestössä alueita tai ryhmiä, joilla on paljon tauteja. Tämä tieto puolestaan antaa tärkeitä vihjeitä sairauden syistä, ja nämä vihjeet voidaan muuttaa testattavissa hypoteeseja.
aika
taudin esiintyminen muuttuu ajan myötä. Jotkut näistä muutoksista tapahtuvat säännöllisesti, kun taas toiset ovat arvaamattomia. Kaksi tautia, jotka esiintyvät samana vuodenaikana joka vuosi, ovat influenssa (talvi) ja Länsi–Niilin virustartunta (elo-syyskuu). Sen sijaan B-hepatiitin ja salmonelloosin kaltaisia sairauksia voi esiintyä milloin tahansa. Kausittain esiintyvien tautien osalta terveysviranomaiset voivat ennakoida niiden esiintymistä ja toteuttaa valvonta-ja ehkäisytoimenpiteitä, kuten influenssarokotuskampanjan tai hyttysruiskutuksen. Satunnaisesti esiintyvien tautien osalta tutkijat voivat tehdä tutkimuksia tunnistaakseen leviämisen syyt ja muodot ja kehittää sitten asianmukaisesti kohdennettuja toimia taudin esiintymisen torjumiseksi tai estämiseksi.
kummassakin tilanteessa taudin esiintymistapojen esittäminen ajan mukaan on ratkaisevan tärkeää seurattaessa taudin esiintymistä yhteisössä ja arvioitaessa, vaikuttivatko kansanterveydelliset toimenpiteet asiaan.
aikatiedot esitetään yleensä kaksiulotteisella graafilla. Pysty-tai y-akseli näyttää yleensä tapausten määrän tai määrän; vaaka-tai X-akseli näyttää ajanjaksot, kuten Vuodet, kuukaudet tai päivät. Tapausten määrä tai määrä piirretään ajan kuluessa. Taudin esiintymistä ajan mittaan kuvaavat kaaviot piirretään yleensä viivakuvioina (Kuva 1.4) tai histogrammeina (Kuva 1.5).
kuva 1.4 raportoidut Salmonelloositapaukset 100 000 populaatiota kohti vuosittain — Yhdysvallat, 1972-2002
Image Description
lähde: Centers for Disease Control and Prevention. Summary of notabilitable diseases-United States, 2002. Julkaistu 30.4.2004, MMWR 2002; 51 (nro 53): S. 59.
kuva 1.5 Suolentuppeumatartuntojen lukumäärä Rhesus rotavirusrokotteen jälkeen-tetravalentti (RRV-TV) Rokotuspäivämäärän mukaan — Yhdysvallat, syyskuu 1998–joulukuu 1999
kuvan kuvaus
lähde: Zhou W, Pool V, Iskander JK, English-Bullard R, Ball R, Wise RP, et al. Vuonna: Valvontatiedot, 24. Tammikuuta 2003. MMWR 2003; 52 (nro. SS-1): 1-26.
joskus kuvaajasta näkyy niiden tapahtumien ajoitus, jotka liittyvät tautisuuntauksiin. Kaaviossa voidaan esimerkiksi ilmoittaa altistusaika tai päivämäärä, jolloin valvontatoimenpiteet on toteutettu. Altistusajan mittaavan kaavion tutkiminen voi johtaa oivalluksiin siitä, mikä on voinut aiheuttaa sairauden. Tarkastelemalla kaaviota, jossa mainitaan torjuntatoimenpiteiden ajoitus, saadaan selville, mikä vaikutus toimenpiteillä on mahdollisesti ollut tautien esiintymiseen.
kuten edellä todettiin, aika piirretään X-akselia pitkin. Sairaudesta riippuen aikaskaala voi olla niinkin laaja kuin vuosia tai vuosikymmeniä, tai yhtä lyhyt kuin päivät tai jopa tunnit vuorokaudesta. Joissakin olosuhteissa — esimerkiksi monissa kroonisissa sairauksissa — epidemiologit ovat yleensä kiinnostuneita pitkän aikavälin suuntauksista tai kaavoista tapausten määrässä tai määrässä. Muissa olosuhteissa, kuten elintarvikkeiden välityksellä leviävissä taudinpurkauksissa, asianmukainen aikaväli on todennäköisesti päiviä tai tunteja. Joitakin yleisiä aikasidonnaisia kuvaajia kuvataan tarkemmin jäljempänä. Nämä ja muut graafit kuvataan tarkemmin oppitunnilla 4.
maalliset (pitkäaikaiset) suuntaukset. Vuosittaisten tautitapausten tai tautitapausten lukumäärän kuvaaminen vuosien aikana osoittaa taudin esiintymisen pitkäaikaiset tai maalliset suuntaukset (kuvio 1.4). Terveysviranomaiset käyttävät näitä kaavioita arvioidakseen taudin esiintymisen vallitsevaa suuntaa (lisääntyvää, vähenevää tai olennaisesti tasaista), auttaakseen heitä arvioimaan ohjelmia tai tekemään poliittisia päätöksiä, päättelemään, mikä aiheutti taudin esiintymisen lisääntymisen tai vähenemisen (varsinkin jos kuvaaja osoittaa, milloin siihen liittyvät tapahtumat tapahtuivat) ja käyttämään menneitä suuntauksia taudin tulevan esiintyvyyden ennustajana.
Kausaalisuus. Taudin esiintymistä voidaan kuvata viikon tai kuukauden mukaan vähintään vuoden ajan, jotta voidaan osoittaa taudin mahdollinen kausiluonteisuus. Joillakin taudeilla, kuten influenssalla ja Länsi-Niilin infektiolla, tiedetään olevan tyypillisiä kausittaisia levinneisyyksiä. Kausiluonteisuus voi ehdottaa hypoteeseja siitä, miten infektio tarttuu, mitkä käyttäytymistekijät lisäävät riskiä, ja muita mahdollisia tekijöitä taudin tai tilan. Kuvassa 1.6 on esitetty vihurirokko -, influenssa-ja rotaviruskaudet. Kaikissa kolmessa taudissa esiintyy tasaista kausittaista jakautumista, mutta jokainen tauti on huipussaan eri kuukausina — vihurirokko maalis-kesäkuussa, influenssa marras-maaliskuussa ja rotavirus helmi-huhtikuussa. Vihurirokko kaavio on silmiinpistävää epidemia, joka tapahtui vuonna 1963 (vihurirokkorokote oli saatavilla vasta 1969), mutta tämä epidemia kuitenkin seurasi kauden kuvio.
kuva 1.6 vihurirokko -, influenssa-ja Rotavirusepidemia
Image Description
lähde: Dowell SF. Tiettyjen tartuntatautien isäntäalttiuden ja-jaksojen kausivaihtelu. Emerg Tartuttaa Tämän. 2001;5:369–74.
viikonpäivä ja kellonaika. Joissakin olosuhteissa tietojen näyttäminen viikonpäivän tai vuorokaudenajan mukaan voi olla informatiivista. Näiden lyhyempien ajanjaksojen analysointi soveltuu erityisen hyvin työperäiseen tai ympäristöön liittyvään altistumiseen liittyviin olosuhteisiin, joita yleensä esiintyy säännöllisin väliajoin. Kuviossa 1.7 maataloustraktorikuolemat näkyvät viikonpäivittäin.(32) huomaa, että maataloustraktorikuolemia sattui sunnuntaisin noin puolet vähemmän kuin muina päivinä. Kuvio maataloustraktorin vammoja tunnissa, kuten kuvassa 1.8 huipussaan klo 11:00 aamulla, kastettu keskipäivällä, ja huipussaan jälleen klo 4:00 pm nämä kuviot voivat ehdottaa hypoteeseja ja mahdollisia selityksiä, joita voitaisiin arvioida lisätutkimuksella. Kuvassa 1.9 on eloonjääneiden ja pelastajien tuntimäärä, joka esiteltiin New Yorkin paikallisille sairaaloille World Trade Centeriin 11.syyskuuta 2001 tehdyn iskun jälkeen.
kuva 1.7 Traktorikuolemaa Viikonpäivittäin
Image Description
kuva 1.8 Maataloustraktorikuolemat vuorokauden tunneittain
kuvan kuvaus
lähde: Goodman RA, Smith JD, Sikes RK, Rogers DL, Mickey JL. Fathers associated with farm tractor injuries: an epidemiologic study. Kansanterveys Rep 1985;100:329-33.
kuva 1.9 World Trade Centerin eloonjääneet ja pelastajat
Image Description
lähde: Centers for Disease Control and Prevention. World Trade Centeriin syyskuussa 2001 tehdyssä terrori — iskussa selvinneiden vammojen nopea arviointi. MMWR 2002;51:1-5.
Epidemiakausi. Epidemiologit käyttävät epidemiakäyräksi kutsuttua kaaviota taudin puhkeamisen tai epidemian ajallisen kulun osoittamiseksi. Kuten muissakin tähänastisissa kuvaajissa, epidemiakäyrän Y-akseli näyttää tapausten määrän, kun taas x-akseli näyttää ajan joko oireiden alkamispäivänä tai diagnoosin päivämääränä. Itämisajasta (altistuksen ja oireiden alkamisen välinen aika) ja tartuntareiteistä riippuen X-akselin asteikko voi olla yhtä laaja kuin viikkoja (hyvin pitkittyneessä epidemiassa) tai yhtä kapea kuin minuutteja (esim.oireita muutamassa minuutissa aiheuttavien kemikaalien aiheuttamissa ruokamyrkytyksissä). Perinteisesti tiedot näytetään histogrammina (joka on samanlainen kuin pylväskaavio, mutta ei ole aukkoja vierekkäisten sarakkeiden välillä). Joskus jokainen tapaus esitetään neliönä, kuten kuvassa 1.10. Epidemiakäyrän muoto ja muut piirteet voivat esittää hypoteeseja altistuksen ajasta ja lähteestä, tartuntamuodosta ja aiheuttajasta. Epidemiakäyriä käsitellään tarkemmin oppitunneilla 4 ja 6.
kuva 1.10 Salmonella Enteriditis-Chicago, 13. -21. helmikuuta, oireiden alkamispäivämäärän ja-ajan mukaan
Image Description
lähde: Cortese M, Gerber S, Jones E, Fernandez J. A Salmonella Enteriditis outbreak in Chicago. Esitetty Eastern Regional Epidemic Intelligence Service Conference, maaliskuu 23, 2000, Boston, Massachusetts.
paikka
sairauden esiintymisen kuvaaminen paikkakohtaisesti antaa käsityksen ongelman maantieteellisestä laajuudesta ja sen maantieteellisestä vaihtelusta. Paikkakohtainen luonnehdinta ei viittaa ainoastaan asuinpaikkaan, vaan mihin tahansa maantieteelliseen paikkaan, jolla on merkitystä taudin esiintymisen kannalta. Tällaisia paikkoja ovat esimerkiksi diagnoosi-tai raportointipaikka, Syntymäpaikka, työpaikkapaikka, koulupiiri, sairaalayksikkö tai viimeaikaiset matkakohteet. Yksikkö voi olla yhtä suuri kuin maanosa tai maa tai yhtä pieni kuin katuosoite, sairaalasiipi tai leikkaussali. Joskus paikka ei viittaa mihinkään tiettyyn paikkaan, vaan paikkaluokkaan, kuten kaupunki tai maaseutu, kotimainen tai ulkomainen, ja institutionaalinen tai ei-institutionaalinen.
tarkastellaan taulukoiden 1.3 ja 1.4 tietoja. Taulukossa 1.3 esitetään SARS-tiedot raportointilähteittäin ja esitetään, missä mahdollisesti sarsia sairastava henkilö on todennäköisesti karanteenissa ja hoidettavana.(33) taulukossa 1.4 esitetään sitä vastoin samat tiedot sen mukaan, missä mahdolliset SARS-potilaat ovat matkustaneet, ja esitetään, missä tartunta on mahdollisesti tapahtunut.
Taulukko 1.3 raportoitua SARS — tapausta 3. marraskuuta 2004 asti-Yhdysvallat Tapausmäärittelyluokan ja asuinvaltion mukaan
|
Location
|
||||
|---|---|---|---|---|
| Alaska | 5 | 0 | 0 | |
| Utah | 7 | 6 | 0 | 1 |
| Vermont | 1 | 1 | 0 | 0 |
| Virginia | 3 | 2 | 0 | 1 |
| Washington | 12 | 11 | 1 | 0 |
| West Virginia | 1 | 1 | 0 | 0 |
| Wisconsin | 2 | 1 | 1 | 0 |
| Puerto Rico | 1 | 1 | 0 | 0 |
| yhteensä158 | 131 | 19 | 8 |
Adapted from: Centers for Disease Control and Prevention. Severe Acute Respiratory Syndrome (SARS) Report of Cases in the United States; saatavilla:http://cdc.gov/od/oc/media/presskits/sars/cases.htm.
Taulukko 1.4 raportoitua SARS — tapausta 3. marraskuuta 2004 asti-Yhdysvallat, Riskialueittain vieraillut
|
alue
|
||||||
|---|---|---|---|---|---|---|
| Hongkong City, Kiina | 45 | 28 | Toronto, Kanada | 35 | 22 | Guangdongin provinssi, Kiina | 34 | 22 | Peking City, Kiina | 25 | 16 |
| Shanghai City, Kiina | 23 | 15 | ||||
| Singapore | 9 | |||||
| Kiina, Manner | 15 | 9 | Taiwan | 6 | Anhuin provinssi, Kiina | 4 | 3 |
| Hanoi, Vietnam | 4 | 3 | ||||
| Chongqingin kaupunki, Kiina | 3 | 2 | ||||
| 2 | 1 | |||||
| 2 | 1 | |||||
| Jilinin maakunta, Kiina | 2 | 1 | ||||
| Xinjiangin maakunta | 1 | |||||
| Zhejiangin maakunta, Kiina | 1 | 1 | ||||
| Guangxin maakunta, Kiina | 1 | 1 | ||||
| Shanxin maakunta, Kiina | 1 | 1 | 1 | |||
| Liaoningin maakunta, Kiina | 1 | |||||
| Hunanin maakunta, Kiina | 1 | 1 | ||||
| Sichuanin maakunta, Kiina | 1 | 1 | ||||
| Hubein maakunta, Kiina | 1 | 1 | ||||
| Jiangxin maakunta, Kiina | 1 | 1 | ||||
| Fujianin maakunta, Kiina | 1 | 1 | 1 | |||
| Jiangsun maakunta, Kiina | 1 | 1 | ||||
| Yunnanin maakunta, Kiina | 0 | 0 | Hebein maakunta, Kiina | 0 | 0 | |
| Qinghain maakunta, Kiina | 0 | Tiibet (Xizang) provinssi, Kiina | 0 | 0 | ||
| Hainanin provinssi | 0 | |||||
| Henanin provinssi, Kiina | 0 | 0 | Gansun maakunta, Kiina | 0 | 0 | Shandongin maakunta, Kiina | 0 | 0 |
* 158 raportoitua Tapauspotilasta kävi 232 alueella
tietolähde: Heymann dl, Rodier G. Global surveillance, National surveillance ja SARS. Emerg Tartuttaa Tämän. 2004;10:173–175.
vaikka paikkatiedot voidaan esittää taulukossa, kuten taulukossa 1.3 tai taulukossa 1.4, kartta tarjoaa paikkatiedoista silmiinpistävämmän visuaalisen näytön. Kartalla voidaan kuvata erilaisia tautilukuja tai-nopeuksia käyttämällä erilaisia varjostuksia, värejä tai viivakuvioita, kuten kuvassa 1.11.
kuva 1.11 asbestoosin kuolleisuus osavaltioittain, 1968-1981 ja 1982-2000
Image Description
lähde: Centers for Disease Control and Prevention. Changing patterns of pneumoconiosis mortality-United States, 1968-2000. MMWR 2004;53: 627-32.
toinen paikkatietojen karttatyyppi on pistekartta, kuten kuva 1.12. Pistekarttoja käytetään yleensä klustereissa tai taudinpurkauksissa, joissa tapauksia on vähän. Piste tai X sijoitetaan paikkaan, joka on kiinnostavan sairauden kannalta olennaisin, yleensä paikkaan, jossa kukin uhri asui tai työskenteli, aivan kuten John Snow teki Lontoon kultaisen aukion alueen pistekartassaan (Kuva 1.1). Kartalle merkitään yleensä kohteet, joilla on merkitystä, kuten todennäköiset altistumispaikat (vesipumput Kuvassa 1.1), jos ne ovat tiedossa.
kuva 1.12 Paikkakartta giardian tapauksista
kuvan kuvaus
paikkakohtaista dataa analysoimalla voidaan tunnistaa yhteisöjä, joilla on kohonnut tautiriski. Vaikka tiedot eivät voi paljastaa, miksi näillä ihmisillä on lisääntynyt riski, se voi auttaa luomaan hypoteeseja testata lisätutkimuksia. Onko yhteisö esimerkiksi suuremmassa vaarassa yhteisön ihmisten ominaisuuksien vuoksi, kuten geneettinen alttius, immuniteetin puute, riskikäyttäytyminen tai altistuminen paikallisille myrkyille tai saastuneelle ruoalle? Voiko lisääntynyt riski, erityisesti tartuntatauti, johtua taudinaiheuttajan ominaisuuksista, kuten erityisen virulentista kannasta, vieraanvaraisista lisääntymispaikoista tai organismia ihmisiin siirtävän vektorin saatavuudesta? Vai voiko lisääntynyt riski johtua ympäristöstä, joka tuo taudinaiheuttajan ja isännän yhteen, kuten tungosta kaupunkialueilla, joka lisää riskiä taudin tarttumisesta ihmisestä toiseen, tai enemmän koteja rakennetaan metsäisillä alueilla lähellä peuroja, jotka kantavat punkkeja tartunnan organismi, joka aiheuttaa Lymen tauti? (More techniques for graphic presentation are discussed in Lesson 4.)
Person
”Person” attributes include age, sex, ethnicity/race, and socioeconomic status.
koska henkilökohtaiset ominaisuudet voivat vaikuttaa sairauteen, ”henkilön” tietojen organisoinnissa ja analysoinnissa voidaan käyttää ihmisten luontaisia ominaisuuksia (esimerkiksi ikä, sukupuoli, rotu), biologisia ominaisuuksia (immuuni asema), hankittuja ominaisuuksia (siviilisääty), toimintaa (ammatti, vapaa-ajan toiminta, lääkkeiden/tupakan / huumeiden käyttö) tai heidän elinolojaan (sosioekonominen asema, mahdollisuus saada sairaanhoitoa). Ikä ja sukupuoli sisältyvät lähes kaikkiin tietokokonaisuuksiin ja ovat kaksi yleisimmin analysoitua ”henkilön” ominaisuutta. Sairaudesta ja käytettävissä olevista tiedoista riippuen muiden henkilömuuttujien analyysit ovat kuitenkin yleensä tarpeen. Yleensä epidemiologit aloittavat henkilötiedon analysoinnin tarkastelemalla jokaista muuttujaa erikseen. Joskus voidaan tarkastella samanaikaisesti kahta muuttujaa, kuten ikää ja sukupuolta. Henkilötiedot esitetään yleensä taulukoissa tai kaavioissa.
Ikä. Ikä on luultavasti tärkein yksittäinen ”henkilö” – ominaisuus, koska lähes jokainen terveyteen liittyvä tapahtuma vaihtelee iän mukaan. Useita tekijöitä, jotka myös vaihtelevat iän mukaan, ovat: alttius, mahdollisuus altistukseen, taudin latenssi-tai itämisaika sekä fysiologinen vaste (joka vaikuttaa muun muassa taudin kehittymiseen).
analysoidessaan tietoja iän mukaan epidemiologit pyrkivät käyttämään tarpeeksi kapeita ikäryhmiä havaitakseen mahdolliset ikään liittyvät kaavat aineistossa. Joillekin sairauksille, erityisesti kroonisille sairauksille, 10 vuoden ikäluokat voivat olla riittäviä. Muiden sairauksien osalta 10 – ja jopa 5-vuotiaat ikäluokat kätkevät sisäänsä merkittäviä vaihteluita taudin esiintymisessä iän mukaan. Tarkastellaanpa kuviossa 1.13 a esitettyä kuviota hinkuyskän esiintymisestä 5 vuoden ikäluokittain. korkein esiintyvyys on selvästi 4-vuotiailla ja sitä nuoremmilla lapsilla. Mutta onko osuus yhtä suuri kaikissa tuon ikäryhmän lapsissa,vai onko joillakin lapsilla korkeampi kuin toisilla?
kuva 1.13 a hinkuyskä 5-vuotiaiden ikäryhmittäin
Image Description
kuva 1.13b hinkuyskä <1, 4-vuotiaat, sitten 5-vuotiaat
kuvan kuvaus
tähän kysymykseen vastaamiseksi tarvitaan eri ikäryhmiä. Tarkastellaan kuvaa 1.13 b, joka näyttää samat tiedot, mutta näyttää hinkuyskän nopeuden alle 1-vuotiaille erikseen. Selvästi suurin osa 0-4-vuotiaista on pikkulapsia. Kansanterveydelliset toimet olisi siis keskitettävä alle 1-vuotiaisiin lapsiin eikä koko 5-vuotiaisiin.
sukupuoli. Urokset sairastuvat ja kuolevat useammin kuin naaraat moniin sairauksiin. Joidenkin sairauksien kohdalla tämä sukupuoleen liittyvä ero johtuu geneettisistä, hormonaalisista, anatomisista tai muista synnynnäisistä eroista sukupuolten välillä. Nämä luontaiset erot vaikuttavat herkkyyteen tai fysiologisiin vasteisiin. Esimerkiksi premenopausaalisilla naisilla on pienempi riski sairastua sydänsairauksiin kuin samanikäisillä miehillä. Eron on katsottu johtuvan naisten korkeammista estrogeenitasoista. Toisaalta sukupuoleen liittyvät erot monien sairauksien esiintymisessä heijastavat eroja mahdollisuuksissa tai altistumistasoissa. Esimerkiksi kuviossa 1.14 esitetään miesten ja naisten väliset erot keuhkosyöpien määrissä ajan mittaan.(34) aikaisempina vuosina havaitun eron on katsottu johtuvan siitä, että tupakointi on ollut yleisempää miehillä aikaisemmin. Valitettavasti tupakoinnin yleisyys naisten keskuudessa on nyt yhtä suuri kuin miesten, ja naisten keuhkosyöpäluvut ovat nousseet tämän seurauksena.(35)
kuva 1.14 Lung Cancer Rates-Yhdysvallat, 1930-1999
Image Description
tietolähde: American Cancer Society . Atlanta: The American Cancer Society, Inc. Saatavilla osoitteesta: http://cancer.org/docroot/PRO/content/PRO_1_1_ Cancer_ Statistics_2005_Presentation.ulkoinen kuvake.
etniset ja rodulliset ryhmät. Joskus epidemiologit ovat kiinnostuneita analysoimaan henkilötiedot biologisten, kulttuuristen tai sosiaalisten ryhmien, kuten rodun, kansallisuuden, uskonnon tai sosiaalisten ryhmien, kuten heimojen ja muiden maantieteellisesti tai sosiaalisesti eristyneiden ryhmien, mukaan. Erot rodullisissa, etnisissä tai muissa ryhmämuuttujissa voivat heijastaa eroja alttiudessa tai altistumisessa tai eroja muissa tautiriskiin vaikuttavissa tekijöissä, kuten sosioekonomisessa asemassa ja terveydenhuollon saatavuudessa. Kuvassa 1.15 lapsikuolleisuus vuodelta 2002 esitetään äidin rodun ja latinalaisamerikkalaisen alkuperän mukaan.
kuva 1.15 Imeväiskuolleisuus vuodelta 2002 äidin rodun ja etnisyyden mukaan
Image Description
lähde: Centers for Disease Control and Prevention. QuickStats: Infant mortality rates*, valikoitujen rotujen/etnisten väestöryhmien mukaan-United States, 2002, MMWR 2005; 54 (05):126.
sosioekonominen asema. Sosioekonomista asemaa on vaikea määrittää. Se koostuu monista muuttujista, kuten ammatti, perheen tulot, koulutus saavutus tai väestönlaskenta track, elinolot, ja sosiaalinen asema. Helpoiten mitattavat muuttujat eivät välttämättä kuvasta kokonaiskäsitystä tarkasti. Epidemiologit käyttävät kuitenkin yleisesti ammattia, perheen tuloja ja koulumenestystä, mutta tunnustavat, että nämä muuttujat eivät mittaa sosioekonomista asemaa tarkasti.
monien haittavaikutusten esiintymistiheys kasvaa sosioekonomisen aseman heikentyessä. Esimerkiksi tuberkuloosi on yleisempi alemmissa sosioekonomisissa kerroksissa. Lapsikuolleisuus ja työkyvyttömyyden vuoksi työstä menetetty aika ovat molemmat yhteydessä pienempiin tuloihin. Nämä mallit voivat heijastaa enemmän haitallisia altistuksia, pienempi vastustuskyky, ja vähemmän pääsyä terveydenhuoltoon. Tai ne voivat osittain heijastaa toisistaan riippuvaista suhdetta, jota on mahdotonta selvittää: edistääkö alhainen sosioekonominen asema vammaisuutta vai edistääkö vammaisuus heikompaa sosioekonomista asemaa vai molempia? Mikä selittää diabeteksen ja astman suhteettoman esiintyvyyden alemmilla sosioekonomisilla alueilla? (36, 37)
joitakin haittavaikutuksia esiintyy useammin henkilöillä, joilla on korkeampi sosioekonominen asema. Kihti tunnettiin ”kuninkaiden sairautena”, koska se liittyi runsaiden ruokien syömiseen. Muita korkeampaan sosioekonomiseen asemaan liittyviä tiloja ovat rintasyöpä, Kawasakin oireyhtymä, krooninen väsymysoireyhtymä ja tenniskyynärpää. Erot altistumisessa selittävät ainakin osan, ellei suurinta osaa näiden sairauksien esiintymistiheyden eroista.
harjoitus 1.6
kuvaa taulukoiden 1.5 ja 1.6 tietoja käyttäen kuolleisuusmalleja ”epätavalliselle tapahtumalle.”Esimerkiksi miten kuolleisuus vaihtelee miesten ja naisten välillä, eri sosioekonomisten luokkien välillä, eri sosioekonomisten luokkien miesten ja naisten keskuudessa sekä eri sosioekonomisten luokkien aikuisten ja lasten keskuudessa? Arvaatko, millainen tilanne voisi johtaa tällaisiin kuolleisuuslukuihin?
Taulukko 1.5 epätavalliseen Tapahtumaan kuolleiden ja kuolleiden määrä sukupuolen ja sosioekonomisen aseman mukaan
|
Sex
|
|||||
|---|---|---|---|---|---|
| naaraat | riskiryhmään kuuluvat
179
173
|
499
|
851
|
||
| kuolemat |
120
|
441
|
709
|
||
| kuolleisuus (%) |
67.0
|
div>85, 5 |
88, 4
|
83.3
|
|
| naaraat | riskiryhmään kuuluvat |
462
|
|||
| kuolemat |
13
|
132
|
154
|
||
| kuolleisuus (%) |
6, 3
|
12, 6
|
62, 3
|
33.3
|
|
| Both sexes | Persons at risk |
322
|
280
|
711
|
1313
|
| Deaths |
129
|
161
|
573
|
863
|
|
| Death rate (%) |
40.1
|
57.5
|
80.6
|
65.7
|
Table 1.6 epätavalliseen Tapahtumaan kuolleiden ja kuolleiden määrä iän ja sosioekonomisen aseman mukaan
| sosioekonominen asema | ||||
|---|---|---|---|---|
| aikuiset | riskiryhmään kuuluvat |
566
|
1230
|
|
| kuolemat |
287
|
div>832 | ||
| kuolleisuus (%) |
50, 7
|
82, 1
|
67, 6
|
|
| lapset | riskihenkilöt |
36
|
47
|
83
|
| kuolemat |
28
|
div> 31 | ||
| kuolleisuus (%) |
8, 3
|
59.6
|
37.3
|
|
| All Ages | Persons at risk |
602
|
711
|
1313
|
| Deaths |
290
|
573
|
863
|
|
| Death rate (%) |
48.2
|
80.6
|
65.7
|
|
Check your answer.
References (This Section)
- Goodman RA, Smith JD, Sikes RK, Rogers DL, Mickey JL. Fathers associated with farm tractor injuries: an epidemiologic study. Kansanterveys Rep 1985;100:329-33.
- Heyman DL, Rodier G. Global surveillance, national surveillance ja SARS. Emerg Tartuttaa Tämän. 2003;10:173–5.
- American Cancer Society . Atlanta: The American Cancer Society, Inc. Saatavilla: http://www.cancer.org/Research/CancerFactsFigures/cancer-facts-figures-2005/external icon.
- Centers for Disease Control and Prevention. Nykytrendit. Keuhkosyöpä ja rintasyöpä trendit naisten-Texas. MMWR 1984;33 (MM19): 266.
- Liao Y, Tucker P, Okoro CA, Giles WH, Mokdad AH, Harris VB, et. al. REACH 2010 terveysaseman seuranta vähemmistöyhteisöissä-Yhdysvallat, 2001-2002. MMWR 2004;53:1-36.
Kuva 1.4
kuvaus: viivakaaviossa näkyy dramaattinen huippu, joka viittaa saastuneen pastöroidun maidon aiheuttamaan taudinpurkaukseen Illinoisissa. Palaa tekstiin.
Kuva 1, 5
kuvaus: histogrammi näyttää kuukausittain ilmoitettujen suolentuppeumatapausten määrän. Palaa tekstiin.
Kuva 1.6
kuvaus: Kolme viivaa kuvaajat osoittavat vertailun määrä raportoitu tapauksia vihurirokko, influenssa, ja rotavirus kuukausittain ja vuodessa vertaamalla taajuus, kesto, ja vakavuus kunkin. Palaa tekstiin.
Kuva 1.7
kuvaus: histogrammissa on vertailtu traktorikuolemien määrää viikonpäivittäin. Erot päivällä näkyvät helposti. Palaa tekstiin.
Kuva 1.8
kuvaus: histogrammissa vertaillaan traktorikuolemien määrää tunneittain. Erot tunneittain näkyvät helposti. Palaa tekstiin.
Kuva 1.9
kuvaus: Histogrammi, jossa on erivärisiä palkkeja, jotka osoittavat sairaaloissa hoidettujen World Trade Centerin pelastajien ja pelastajien määrän. Eloonjääneiden määrän dramaattinen kasvu ja väheneminen verrattuna pelastajiin muutaman tunnin kuluttua hyökkäyksestä voidaan nähdä. Palaa tekstiin.
Kuva 1.10
kuvaus: Histogrammi näyttää jokaisen tapauksen, jota edustaa sarakkeisiin pinottu neliö. Tapausten määrä päivämäärän ja kellonajan mukaan juhlien jälkeen näkyy. Palaa tekstiin.
Kuva 1.11
kuvaus: Kaksi korko Jakelu kartat osoittavat kasvu ikäkorjattu kuolleisuus asbestoosi lähes kaikissa osavaltioissa ajan. Palaa tekstiin.
Kuva 1.12
kuvaus: kartta näyttää ensisijaisten tapausten maantieteellisen sijainnin. Palaa tekstiin.
Kuva 1.13 a
kuvaus: pylväskaavio esittää hinkuyskätapauksia ikäluokissa, joiden väli on 4 vuotta. Suurin osa tapauksista esiintyy 0-4-vuotiailla lapsilla. Palaa tekstiin.
Kuva 1.13 b
kuvaus: pylväskaavio näyttää samat tiedot kuin kuva 1.13 a eri ikäryhmille. Suurin osa hinkuyskätapauksista esiintyy alle 1-vuotiailla lapsilla. Palaa tekstiin.
Kuva 1.14
Kuvaus: 2 viivaa sisältävä Viivagrafiikka näyttää enemmän keuhkosyöpäkuolemia miehillä kuin naisilla. Miesten keuhkosyöpäkuolemat ovat yleisempiä kuin naisten, mutta ne ovat vähentyneet hieman 1990-luvun alusta lähtien.
Kuva 1.15
kuvaus: pylväskaavio esittää lapsikuolleisuuden rodun / etnisyyden mukaan erillisinä pylväinä. Erot rodussa ja etnisyydessä näkyvät helposti. Palaa tekstiin.