Section 6: Descriptive Epidemiology

zoals eerder opgemerkt, wordt elke beginnende journalist geleerd dat een verhaal onvolledig is als het niet het wat, wie, waar, wanneer en waarom/hoe van een situatie beschrijft, of het een space shuttle lancering of een huisbrand. Epidemiologen streven naar een vergelijkbare volledigheid bij het karakteriseren van een epidemiologische gebeurtenis, of het nu een grieppandemie is of een lokale toename van ongevallen met terreinvoertuigen. Epidemiologen hebben echter de neiging om synoniemen te gebruiken voor de vijf hierboven genoemde W ‘ s: gevalsdefinitie, persoon, plaats, tijd en oorzaken/risicofactoren/wijzen van overdracht. Beschrijvende epidemiologie omvat tijd, plaats en persoon.

het compileren en analyseren van gegevens op tijd, plaats en persoon is om verschillende redenen wenselijk.

• Ten eerste, door de gegevens zorgvuldig te bekijken, raakt de epidemioloog zeer vertrouwd met de gegevens. Hij of zij kan zien wat de gegevens al dan niet kunnen onthullen op basis van de beschikbare variabelen, de beperkingen (bijvoorbeeld het aantal records met ontbrekende informatie voor elke belangrijke variabele), en de excentriciteiten (bijvoorbeeld, alle gevallen variëren in leeftijd van 2 maanden tot 6 jaar, plus een 17-jarige.).
• ten tweede leert de epidemioloog de omvang en het patroon van het probleem van de volksgezondheid dat wordt onderzocht — welke maanden, welke buurten en welke groepen mensen de meeste en minst gevallen hebben.
• Ten derde maakt de epidemioloog een gedetailleerde beschrijving van de gezondheid van een populatie die gemakkelijk kan worden gecommuniceerd met tabellen, grafieken en kaarten.
• Ten vierde kan de epidemioloog gebieden of groepen binnen de populatie identificeren die een hoge mate van ziekte hebben. Deze informatie geeft op zijn beurt belangrijke aanwijzingen voor de oorzaken van de ziekte, en deze aanwijzingen kunnen worden omgezet in testbare hypothesen.

tijd

het optreden van veranderingen in de tijd. Sommige van deze veranderingen komen regelmatig voor, terwijl andere onvoorspelbaar zijn. Twee ziekten die elk jaar in hetzelfde seizoen voorkomen, zijn influenza (winter) en West–Nijlvirusinfectie (augustus-September). Daarentegen kunnen ziekten zoals hepatitis B en salmonellose op elk moment voorkomen. Voor ziekten die seizoensgebonden voorkomen, kunnen gezondheidsambtenaren anticiperen op het optreden ervan en controle-en preventiemaatregelen nemen, zoals een griepvaccinatiecampagne of muggenspuiten. Voor ziekten die sporadisch voorkomen, kunnen onderzoekers studies uitvoeren om de oorzaken en Wijzen van verspreiding te identificeren, en vervolgens geschikte gerichte acties ontwikkelen om verder optreden van de ziekte te bestrijden of te voorkomen.

in beide situaties is het in de tijd weergeven van de patronen van het voorkomen van ziekten van cruciaal belang voor het monitoren van het voorkomen van ziekten in de Gemeenschap en voor het beoordelen of de volksgezondheidsinterventies een verschil hebben gemaakt.

tijdgegevens worden meestal weergegeven met een tweedimensionale grafiek. De verticale of y-as toont meestal het aantal of de snelheid van gevallen; de horizontale of x-as toont de tijdsperioden zoals jaren, maanden of dagen. Het aantal of het aantal gevallen wordt in de loop van de tijd uitgezet. Grafieken van ziekte voorkomen in de tijd worden meestal uitgezet als lijn grafieken (figuur 1.4) of histogrammen (figuur 1.5).

soms toont een grafiek de timing van gebeurtenissen die gerelateerd zijn aan ziektetrends die worden weergegeven. De grafiek kan bijvoorbeeld de blootstellingsduur aangeven of de datum waarop de controlemaatregelen zijn toegepast. Het bestuderen van een grafiek die de periode van blootstelling opmerkt kan leiden tot inzichten in wat ziekte kan hebben veroorzaakt. Het bestuderen van een grafiek die de timing van de controlemaatregelen noteert laat zien welke impact, indien van toepassing, de maatregelen kunnen hebben gehad op het optreden van de ziekte.

zoals hierboven vermeld, wordt de tijd uitgezet langs de x-as. Afhankelijk van de ziekte, kan de tijdschaal zo breed als jaren of decennia, of zo kort als dagen of zelfs uren van de dag. Voor sommige aandoeningen — veel chronische ziekten, bijvoorbeeld — epidemiologen hebben de neiging om geïnteresseerd te zijn in lange termijn trends of patronen in het aantal gevallen of het percentage. Voor andere omstandigheden, zoals door voedsel overgedragen uitbraken, is de relevante tijdschaal waarschijnlijk dagen of uren. Enkele van de veelvoorkomende soorten tijdgerelateerde grafieken worden hieronder verder beschreven. Deze en andere grafieken worden in meer detail beschreven in Les 4.

seculiere (lange termijn) trends. Grafiek van de jaarlijkse gevallen of het percentage van een ziekte over een periode van jaren toont lange termijn of seculiere trends in het voorkomen van de ziekte (figuur 1.4). Gezondheidsambtenaren gebruiken deze grafieken om de heersende richting van ziektevoorkomen te beoordelen (het verhogen, het verminderen, of in wezen vlak), hen te helpen Programma ‘ s te evalueren of beleidsbeslissingen te nemen, af te leiden wat een toename of afname van het voorkomen van een ziekte veroorzaakte (vooral als de grafiek aangeeft wanneer gerelateerde gebeurtenissen plaatsvonden), en gebruik eerdere trends als een voorspeller van toekomstige incidentie van ziekte.

seizoensgebondenheid. Het voorkomen van de ziekte kan per week of maand in de loop van een jaar of meer worden weergegeven om het seizoensgebonden patroon, indien van toepassing, weer te geven. Van sommige ziekten zoals griep en West-Nijlinfectie is bekend dat ze karakteristieke seizoensgebonden distributies hebben. Seizoenspatronen kunnen hypothesen suggereren over hoe de infectie wordt overgedragen, welke gedragsfactoren het risico verhogen, en andere mogelijke bijdragers aan de ziekte of aandoening. Figuur 1.6 toont de seizoensgebonden patronen van rodehond, influenza en rotavirus. Alle drie de ziekten vertonen consistente seizoensgebonden distributies, maar elke ziekte pieken in verschillende maanden-rodehond in maart tot juni, influenza in November tot maart, en rotavirus in februari tot April. De rubellagrafiek is opvallend voor de epidemie die zich in 1963 voordeed( rubellavaccin was pas in 1969 beschikbaar), maar deze epidemie volgde niettemin het seizoenspatroon.

dag van de week en tijdstip van de dag. Voor sommige voorwaarden kan het weergeven van gegevens per dag van de week of tijdstip van de dag informatief zijn. Analyse in deze kortere perioden is met name geschikt voor omstandigheden die verband houden met beroepsmatige of omgevingsblootstellingen die gewoonlijk met regelmatige tussenpozen plaatsvinden. In Figuur 1.7 worden de dodelijke slachtoffers van landbouwtrekkers weergegeven op dagen van de week.(32) merk op dat het aantal dodelijke ongevallen met landbouwtrekkers op zondag ongeveer de helft bedroeg van het aantal op de andere dagen. Het patroon van landbouwtractor verwondingen per uur, zoals weergegeven in Figuur 1.8 piekte om 11: 00 a. m., gedompeld op de middag, en piekte opnieuw om 16:00 a. m. deze patronen kunnen hypothesen en mogelijke verklaringen suggereren die kunnen worden geëvalueerd met verdere studie. Figuur 1.9 toont het aantal overlevenden en redders per uur die zich presenteren aan lokale ziekenhuizen in New York na de aanval op het World Trade Center op 11 September 2001.

epidemische periode. Om het tijdsverloop van een uitbraak of epidemie weer te geven, gebruiken epidemiologen een grafiek genaamd een epidemische curve. Zoals met de andere grafieken die tot nu toe worden gepresenteerd, toont de Y-as van een epidemische curve het aantal gevallen, terwijl de x-as de tijd als Datum van symptoombegin of datum van diagnose toont. Afhankelijk van de incubatietijd (de lengte van de tijd tussen de blootstelling en het begin van de symptomen) en de transmissieroutes, kan de schaal op de x-as zo breed zijn als weken (voor een zeer langdurige epidemie) of zo smal Als minuten (bijvoorbeeld voor voedselvergiftiging door chemische stoffen die symptomen binnen enkele minuten veroorzaken). Conventioneel worden de gegevens weergegeven als een histogram (dat vergelijkbaar is met een staafdiagram, maar geen gaten tussen aangrenzende kolommen heeft). Soms wordt elk geval weergegeven als een vierkant, zoals in Figuur 1.10. De vorm en andere kenmerken van een epidemische curve kunnen hypothesen suggereren over de tijd en de bron van de blootstelling, de wijze van overdracht, en de veroorzaker. Epidemische curven worden in meer detail besproken in lessen 4 en 6.

plaats

het beschrijven van het voorkomen van de ziekte per plaats geeft inzicht in de geografische omvang van het probleem en de geografische variatie ervan. Karakterisering naar plaats heeft niet alleen betrekking op de woonplaats, maar op elke geografische locatie die relevant is voor het optreden van de ziekte. Dergelijke locaties omvatten plaats van diagnose of rapport, geboorteplaats, plaats van tewerkstelling, schooldistrict, ziekenhuiseenheid, of recente reisbestemmingen. De eenheid kan zo groot als een continent of land of zo klein als een adres, Ziekenhuis vleugel, of operatiekamer. Soms verwijst plaats helemaal niet naar een specifieke locatie, maar naar een plaatscategorie zoals Stedelijk of landelijk, binnen-of buitenland, en institutioneel of niet-institutioneel.

bekijk de gegevens in de tabellen 1.3 en 1.4. Tabel 1.3 geeft SARS-gegevens per bron van het rapport weer, en geeft aan waar een persoon met mogelijk SARS waarschijnlijk in quarantaine zal worden geplaatst en behandeld.(33) tabel 1.4 daarentegen geeft dezelfde gegevens weer op basis van de plaats waar de mogelijke SARS-patiënten waren gereisd en geeft aan waar de overdracht kan hebben plaatsgevonden.

hoewel plaatsgegevens kunnen worden weergegeven in een tabel zoals tabel 1.3 of tabel 1.4, biedt een kaart een meer opvallende visuele weergave van plaatsgegevens. Op een kaart kunnen verschillende aantallen of percentages van de ziekte worden afgebeeld met behulp van verschillende schaduwen, kleuren of lijnpatronen, zoals in Figuur 1.11.

een ander type kaart voor plaatsgegevens is een spotkaart, zoals figuur 1.12. Spotkaarten worden over het algemeen gebruikt voor clusters of uitbraken met een beperkt aantal gevallen. Een stip of X wordt geplaatst op de plaats die het meest relevant is voor de ziekte van belang, meestal waar elk slachtoffer woonde of werkte, net als John Snow deed in zijn spotkaart van de Golden Square gebied van Londen (figuur 1.1). Indien bekend, worden locaties die relevant zijn, zoals waarschijnlijke plaatsen van blootstelling (waterpompen in Figuur 1.1), gewoonlijk vermeld op de kaart.

Door gegevens per plaats te analyseren, kunnen gemeenschappen met een verhoogd risico op ziekte worden geïdentificeerd. Zelfs als de gegevens niet kunnen onthullen waarom deze mensen een verhoogd risico hebben, kan het helpen bij het genereren van hypothesen om te testen met aanvullende studies. Bijvoorbeeld, is een gemeenschap op verhoogd risico als gevolg van kenmerken van de mensen in de Gemeenschap zoals genetische gevoeligheid, gebrek aan immuniteit, riskant gedrag, of blootstelling aan lokale toxines of besmet voedsel? Kan het verhoogde risico, met name van een overdraagbare ziekte, worden toegeschreven aan kenmerken van de veroorzaker, zoals een bijzonder virulente stam, gastvrije broedplaatsen of de beschikbaarheid van de vector die het organisme op de mens overbrengt? Of kan het verhoogde risico worden toegeschreven aan de omgeving die het middel en de gastheer samenbrengt, zoals Verdringing in stedelijke gebieden die het risico van ziekteoverdracht van persoon op persoon verhoogt, of meer huizen worden gebouwd in beboste gebieden dicht bij herten die teken dragen besmet met het organisme dat de ziekte van Lyme veroorzaakt? (More techniques for graphic presentation are discussed in Lesson 4.)

Person

Omdat persoonlijke kenmerken van invloed kunnen zijn op ziekte, kunnen de organisatie en analyse van gegevens door “persoon” gebruik maken van inherente kenmerken van mensen (bijvoorbeeld leeftijd, geslacht, ras), biologische kenmerken (immuunstatus), verworven kenmerken (burgerlijke staat), activiteiten (beroep, vrijetijdsbesteding, gebruik van medicijnen/tabak/drugs) of de omstandigheden waaronder zij leven (sociaaleconomische status, toegang tot medische zorg). Leeftijd en geslacht zijn opgenomen in bijna alle datasets en zijn de twee meest geanalyseerde “persoon” kenmerken. Nochtans, afhankelijk van de ziekte en de beschikbare gegevens, zijn analyses van andere persoonsvariabelen gewoonlijk noodzakelijk. Meestal beginnen epidemiologen met de analyse van persoonsgegevens door elke variabele afzonderlijk te bekijken. Soms kunnen twee variabelen, zoals leeftijd en geslacht gelijktijdig worden onderzocht. Persoon gegevens worden meestal weergegeven in tabellen of grafieken.

leeftijd. Leeftijd is waarschijnlijk de belangrijkste” persoon ” attribuut, omdat bijna elke gezondheid – gerelateerde gebeurtenis varieert met de leeftijd. Een aantal factoren die ook variëren met de leeftijd omvatten: gevoeligheid, kans op blootstelling, latentie of incubatietijd van de ziekte en fysiologische respons (die onder andere de ontwikkeling van de ziekte beïnvloedt).

bij het analyseren van gegevens per leeftijd proberen epidemiologen leeftijdsgroepen te gebruiken die smal genoeg zijn om leeftijdsgerelateerde patronen te detecteren die in de gegevens aanwezig kunnen zijn. Voor sommige ziekten, met name chronische ziekten, kunnen leeftijdsgroepen van 10 jaar voldoende zijn. Voor andere ziekten verbergen leeftijdsgroepen van 10 jaar en zelfs 5 jaar belangrijke verschillen in het voorkomen van ziekten per leeftijd. Neem de grafiek van pertussis voorkomen door standaard 5-jaar leeftijdsgroepen weergegeven in Figuur 1.13 a. het hoogste percentage is duidelijk onder kinderen 4 jaar en jonger. Maar is het percentage bij alle kinderen in die leeftijdsgroep even hoog, of hebben sommige kinderen hogere percentages dan andere?

om deze vraag te beantwoorden, zijn verschillende leeftijdsgroepen nodig. Kijk naar figuur 1.13 b, die dezelfde gegevens toont, maar het percentage pertussis voor kinderen jonger dan 1 jaar afzonderlijk weergeeft. Het is duidelijk dat baby ‘ s verantwoordelijk zijn voor het grootste deel van het hoge percentage onder 0-4-jarigen. De inspanningen op het gebied van de volksgezondheid moeten dus gericht zijn op kinderen jonger dan één jaar en niet op de hele vijfjarige leeftijd.

geslacht. Mannen hebben hogere percentages van ziekte en overlijden dan vrouwen voor veel ziekten. Voor sommige ziekten is dit geslachtsgebonden verschil te wijten aan genetische, hormonale, anatomische of andere inherente verschillen tussen de geslachten. Deze inherente verschillen beïnvloeden de gevoeligheid of de fysiologische respons. Bijvoorbeeld, premenopauzale vrouwen hebben een lager risico op hart-en vaatziekten dan mannen van dezelfde leeftijd. Dit verschil is toegeschreven aan hogere oestrogeenniveaus bij vrouwen. Aan de andere kant weerspiegelen de geslachtsgebonden verschillen in het voorkomen van vele ziekten verschillen in kansen of niveaus van blootstelling. Bijvoorbeeld, figuur 1.14 toont de verschillen in longkanker percentages in de tijd tussen mannen en vrouwen.(34) het in eerdere jaren geconstateerde verschil werd toegeschreven aan de hogere prevalentie van roken onder mannen in het verleden. Helaas is de prevalentie van roken onder vrouwen nu gelijk aan die onder mannen, en longkanker bij vrouwen zijn gestegen als gevolg daarvan.(35)

etnische en raciale groepen. Soms zijn epidemiologen geïnteresseerd in het analyseren van persoonsgegevens door biologische, culturele of sociale groeperingen zoals ras, nationaliteit, religie of sociale groepen zoals stammen en andere geografisch of sociaal geïsoleerde groepen. Verschillen in raciale, etnische of andere groepsvariabelen kunnen verschillen in gevoeligheid of blootstelling weerspiegelen, of verschillen in andere factoren die het risico op ziekte beïnvloeden, zoals sociaaleconomische status en toegang tot gezondheidszorg. In Figuur 1.15 worden de kindersterfte in 2002 weergegeven op basis van ras en Spaanse afkomst van de moeder.

sociaaleconomische status. Sociaal-economische status is moeilijk te kwantificeren. Het is opgebouwd uit vele variabelen zoals beroep, gezinsinkomen, onderwijs prestaties of census track, levensomstandigheden, en sociale status. De variabelen die het gemakkelijkst te meten zijn, geven mogelijk niet nauwkeurig het algemene concept weer. Niettemin, gebruiken epidemiologen gewoonlijk beroep, gezinsinkomen, en onderwijsprestatie, terwijl zij erkennen dat deze variabelen socio-economische status niet nauwkeurig meten.

De frequentie van vele ongunstige gezondheidsvoorschriften neemt toe met een afnemende sociaaleconomische status. Tuberculose komt bijvoorbeeld vaker voor bij personen in lagere sociaaleconomische lagen. Kindersterfte en arbeidsverzuim als gevolg van invaliditeit worden beide in verband gebracht met een lager inkomen. Deze patronen kunnen wijzen op meer schadelijke blootstelling, lagere weerstand en minder toegang tot gezondheidszorg. Of ze kunnen deels een interdependente relatie weerspiegelen die onmogelijk te ontwarren is: draagt een lage sociaaleconomische status bij aan een handicap, of draagt een handicap bij aan een lagere sociaaleconomische status, of beide? Wat is verantwoordelijk voor de onevenredige prevalentie van diabetes en astma in lagere sociaaleconomische gebieden? (36, 37)

enkele ongunstige gezondheidsomstandigheden komen vaker voor bij personen met een hogere sociaaleconomische status. Jicht stond bekend als de” ziekte van koningen ” vanwege de associatie met de consumptie van rijk voedsel. Andere voorwaarden verbonden aan hogere sociaaleconomische status omvatten borstkanker, syndroom van Kawasaki, chronisch vermoeidheidssyndroom, en tenniselleboog. Verschillen in blootstelling zijn verantwoordelijk voor ten minste enkele, zo niet de meeste verschillen in de frequentie van deze omstandigheden.

References (This Section)

1. Goodman RA, Smith JD, Sikes RK, Rogers DL, Mickey JL. Dodelijke slachtoffers in verband met verwondingen aan landbouwtractoren: een epidemiologisch onderzoek. Volksgezondheid Verslag 1985; 100: 329-33.Heyman DL, Rodier G. Global surveillance, national surveillance, en SARS. Emerg Infecteert Dis. 2003;10:173–5.
2. American Cancer Society . Atlanta: The American Cancer Society, Inc. Beschikbaar vanaf: http://www.cancer.org/Research/CancerFactsFigures/cancer-facts-figures-2005/external icon.
3. Centra voor ziektebestrijding en-preventie. Huidige trends. Longkanker en borstkanker trends onder vrouwen-Texas. MMWR 1984; 33 (MM19): 266.Liao Y, Tucker P, Okoro CA, Giles WH, Mokdad AH, Harris VB, et. al. Reach 2010 surveillance for health status in minority communities-Verenigde Staten, 2001-2002. MMWR 2004; 53: 1-36.