Introduktion Conflicts of interest I have participated in

Introduktion

Conflicts of interest I have participated in research projects funded by Alcon, Almirall, Astellas, Astra-Zeneca, Boehringer-Ingelheim, Servier, Novo Nordisk, and LEO Pharma, all with funds paid to the institution where I am employed (no personal fees) and with no relation to today’s presentation. I have been paid for being a course lead and teacher for courses held by The Danish Association of the Pharmaceutical Indistry (DLI Market Intelligence) and Pharmakon.

Pharmacoepidemiology Something with drugs … on a population-level

Pharmacoepidemiology ”While the individual man is an insoluble puzzle, in the aggregate he becomes a mathematical certainty. You can, for example, never foretell what any one man will do, but you can say with precision what an average number will be up to. ” AC Doyle in “Sherlock Holmes: The Sign of four”

5

Evidensbaseret lægemiddelanvendelse på 2 timer 7

Farmakoepidemiologi på 1 time? 8

Hyppigheds- og associationsmål Studiedesigns Fejlkilder

Hyppigheds- og associationmål Incidens/ incidensrate Prævalens/prævalensproportion Kumuleret incidensproportion (risiko) Odds Associationsmål ud fra ovenstående (IRR, relativ risiko og OR)

Studiedesigns Kohortestudie Case-kontrol-studie Selv-kontrollerede studier Drug utilization-studier

Fejlkilder Bias Confounding

Hyppigheds- og associationsmål Studiedesigns Fejlkilder

Incidens Antallet af nye sygdomstilfælde Fx: Der er 10 incidente tilfælde af akut myokardieinfarkt i Danmark om dagen 14

Incidensrate Incidens persontid Incidens rate = antal nye sygdomstilfælde den observationstid hvori tilfældene opstod Fx: Incidensrate af ØGB er 50 per 100. 000 personår 15

1 personår? En person fulgt i et år To personer hver fulgt i 6 måneder Tre personer hver fulgt i 4 måneder 100 personer hver fulgt i 3. 65 dage 10 personer fulgt hver i 1 måned samt 60 personer fulgt hver 1 dag …

Incidensrate Bidrag (persontid) 8 Incidensrate 6 = 1 tilfælde / 2 24 personår 5 = 0, 0417 py-1 3 = 42 per 1000 py Tid, år 17

Prævalens Antallet af sygdomstilfælde Fx: 1100 danskere lever med myasthenia gravis (=der er 1100 prævalente myastenikere i Danmark) 18

Prævalensproportion Den andel af en population der på et givet tidspunkt har en sygdom antal syge Prævalensproportion= totalt antal Fx: Prævalensproportion af brug af betablokkere er 30% af alle personer der tidligere har haft et AMI 19

Prævalensproportion AMI AMI AMI Betablokkerbruger Tid, år Ikke betablokkerbruger 20

Kumuleret incidensproportion (KIP) Den andel der inden for en periode oplever et (nyt) udfald KIPt = antal nye sygdomstilfælde frem til tiden t Antal personer i risikopopulationen ved tidsrummets start Fx: 30 -dages dødelighed for personer indlagt med akut myokardieinfarkt er 10% 21

Kumuleret incidensproportion (KIP) KIP 8år = 1 / 7 Tid, år 22

Odds = Sandsynligheden for at være syg Sandsynligheden for IKKE at være syg Fx: Odds for at dø inden for 30 dage fra indlæggelse pga. akut myokardieinfarkt er 0, 11 (10%/90%) 23

Odds = 1 / 6 = 0, 16 Tid, år 24

Associationsmål Relativt mål for hyppigheden af outcome fx hos lægemiddelbruger vs ikke-bruger Incidence rate -> incidence ratio KIP -> relative risk Odds -> odds ratio Jo højere RR/IRR/OR, jo stærkere er associationen, dvs sammenhængen mellem lægemiddelbrug og outcome. 25

Opgave 11 Et studie angiver et resultat således „ 742 maveblødninger per 100, 000 personår“. Hvilket epidemiologisk mål er der tale om? A. En prævalensproportion B. En kumuleret incidensproportion C. Number needed to treat (NNT) D. En incidensrate E. En hazard ratio Opgave 12 Et studie angiver et resultat således „ 17% dør indenfor 30 dage efter operationen“. Hvilket epidemiologisk mål er der tale om? A. En prævalensproportion B. En kumuleret incidensproportion C. Number needed to treat (NNT) D. En incidensrate E. En hazard ratio 26

Hyppigheds- og associationsmål Studiedesigns Fejlkilder

Kohortestudie En gruppe af brugere af et lægmiddel og en gruppe ikke-brugere er fulgt over tid og sammenlignet i forhold et givet outcome Case-kontrol-studie En gruppe med et givet outcome er sammenlignet med en gruppe uden det pågældende outcome ift deres tidligere lægemiddelforbrug

Kohortedesign 29

107. 7 personår 3 events IR = 0. 028/py = 28/1000 py 30

IR(eksponeret) = 28/1000 py IR(ueksponeret) = 20/1000 py IRR = 28/20 = 1, 4 31

Kohortedesign 32

Case-kontrol-design 33

Kohortestudie 10. 000 piger i alderen 20 -25 der bruger P-piller følges i 3 år. Blandt disse piger opstår 200 DVTer inden for de tre år. Blandt 20. 000 kontrol-piger der også følges i tre år (alder 20 -25 men ingen P-piller) optræder 100 DVTer. Hvad er incidence-ratio?

Case-control Der identificeres 300 piger i alderen 20 -25 med DVT. Blandt disse har 80% brugt p-piller Der identificeres 300 piger i samme alder uden DVT. Blandt disse har 50% brugt p-piller.

Odds ratio DVT Ja 240 60 P-pille Ja P-pille Nej DVT Nej 150

If properly conducted analysed, case-control studies can yield all the information that cohort studies can provide. Ken Rothmann

Selv-kontrollerede designs Case-crossover

Selv-kontrollerede designs Case-crossover

Selv-kontrollerede designs Case-crossover

Selv-kontrollerede designs Self-controlled case-series

Selv-kontrollerede designs Symmetri-design

Drug utilization-studier • • • Incidensrater Prævalensproportioner Brug af enkeltstoffer Persistens (‘drug survival’) Co-medicinering Daglig dosis (≈) Ydertyper Regionale forskelle Skævhed i forbrug

45

Hyppigheds- og associationsmål Studiedesigns Fejlkilder

Tilfældig variation Systematiske fejl (Bias) Selektionsbias Informationsbias Confounding Statistikers ekspertise Epidemiologs ekspertise

Confounding Manglende sammenlignelighed…. Sammenblanding af effekter… Fejl som følge af manglende sammenlignelighed mellem medicin-brugere og ikke-medicinbrugere

1. Associeret med udfald (/outcome) 2. Associeret med eksponeringen (/exposure) 3. Er ikke forårsaget af eksponeringen (”ikke i den kausale kæde”)

Øvelse: Gæt confounderen? ! Personer der bruger BH har større risiko for brystcancer end folk der ikke bruger BH Personer med højt alkoholforbrug har en øget risiko for lungecancer Brugere af vægttabsprodukter har færre hoftenære frakturer end ikke-brugere med samme alder Brugere af lav-dosis aspirin (ASA) har højere forekomst af blodpropper i hjertet end folk på samme alder ikke brugere lav-dosis aspirin

Typer af bias Selektionsbias Informationsbias (misklassifikationsbias) Protopatisk bias (reverse causation bias) Immortal-time bias

Selektionsbias Bias der kommer UDEFRA materialet, på grund af selektiv rekruttering af individer med særlige karakteristika (i forhold til eksponering eller outcome)

Informationsbias Bias der opstår INDENI materialet som resultat af ukorrekte informationer Differentieret Ikke-differentieret

Phew… 54