EPIDEMIOLOGIE
1.INTRODUCTIE
= study how disease is distributed in populations + factors that
influence/determine this distribution
Epi = upon
Demos = people
Logos = study
Epidemiology:
Focus in medicine is individual
Communities, groups, populations replaces the individual epidemiology
Integrating science : links to clinical + lab medicine, biostatistics, health
economics
Fundamental assumptions in epidemiology:
Ziekte komt niet random voor
Ziekte heeft oorzakelijke (causal) + preventive factors:
o Ziekte is niet random verdeeld doorheen de populatie
o Epidemiologie gebruikt systematische maneieren om de verschillen in
ziekteverdeling in subgroepen te onderzoeken
o Geeft de mogelijkheid om causal + preventieve factoren te bestuderen
Wrm nood aan menselijke data?
Extrapolation from animals to humans can result in risk estimates that differ by
100.
Range of exposure of interest
Complexity of exposure
Epidemiological data include the genetic diversity inherent in human populations
1.1 HISTORICAL ASPECTS
Eerste klinische trial in 1747:
Scheurbuik tijdens de ontdekkingsreizen
James Lind: behandelen mensen met cider, olie, sinaasappel, zeewater,…
Sinaasappelen (vitC) zorgden voor verbetering
1845: transmissie v cholera via gecontamineerd water : lokaliseren vd huizen vd mensen
met cholera
1930: Maasvallei : luchtverontreiniging
1
,HARVESTING EFFECT = oogsteffect = mensen die zwak zijn in samenleving sterven niet
iets eerder
Figuur zou in dat geval een stijging + dip hebben
Een soort v ondersterfte: mensen sterven aantal dagen eerder
In deze figuur niet het geval: SO2 stijgt + sterfte stijgt parallel,
na daling SO2 blijft sterfte nog hoog
Tabaksrook (1954): publicatie = roken veroorzaakt longkanker
Veel kritiek tegen: tabaksindustrie had veel macht
Proberen van uitvergroten v wetenschappelijke onzekerheid: twijfel zaaien!
Studies waren prospectief: start met gezond persoon en volgt op tot ziek worden
Ook passief roken heeft effect, maar hier ook veel commentaar v tabaksindustrie
op
Weer <-> klimaat:
Weer = state of the atmosphere at a particular time + location
Climate = long-term average weather for particular location
Climate is what you expect, wheater is what you get
1.2 CAUSALITY + CAUSAL UNDERSTANDING
Causal understanding:
Epidemiology contributes to causal understanding needed prevention +
treatment disease
Epidemiology can indicate causality even in the absence of mechanistic
understanding
Hill criteria of causation; als soort v kapstok om te spreken over causaliteit
Strength of Association: via odd ratio, correlatiecoefficient : hoe sterker deze,
hoe kleiner kans op vertekend beeld; maar zwakke associaties knn wel eventueel
causaal zijn
o Sterke associatie = OR van 2-3
o Roken + longkanker = OR van 10
Dose-response: (moet lineair zijn), vorm v associatie moet eig gwn verklaard
knn worden
o Kan ook U-vormig zijn, of na bepaalde drempel waarde,…
Consistency!!: reproduceerbaar across studies
o ; zelfde uitkomsten in versch populaties, studie designs en settings
2
, o Extern: niet obv 1 studie
o Intern: binnen een studie (bv consistentie tss man en vrouw gegevens, of
tss versch statistische modellen)
Temporality!!: logisch tijdsvenster
o Bv. Prospectief : inschatten v blootstelling vooraleer ziekte ontwikkelt
(logisch!)
o Bv. patiënt-controle: start met patiënt dan terug in tijd kijken (niet logische
volgorde)
Specificity: Ziekte door 1 factor beinvloed kan worden, makkelijker om
causaliteit aan te tonen
Intervention!!!: sommige krijgen placebo en andere bepaalde blootstelling, dan
kijken naar wat er verandert = zeer gecontroleerde trials
Biological Plausibility!!: wat zijn de aangrijpingspunten, biolog pathways,…
Wat is een oorzaak? event, condition or characteristic that plays an essential role in
producing an occurrence of the disease.
1. A sufficient cause is a factor or a combination of factors that will inevitably
produce disease.
2. A component cause is a factor that contributes towards disease causation
but is not sufficient to cause disease on its own.
3. A necessary cause is any agent that is required for the development of a given
disease.
Types v oorzaken:
Predispose = bepaalde gevoeligheid ; age, sex, vorige ziekte
Trigger = factor that produces short-term physiological changes that may lead
directly to onset of acute event (bv. AMI door fysieke activiteit)
Interact = effect van 2 of meerdere oorzaken die samenwerken wat vaak
grootser is dan verwacht obv beide individuele effecten op te tellen (roken +
asbest veel hoger risico op longkanker)
Major cancer risk factors:
Verschillende risicofactoren
Tabak, alcohol, fysieke activiteit, ongezond dieet, infectie, radiatie, omgeving,
hormonen, reproductieve factors, ….
Chronisch <-> acute exposures:
Acute exposures (hours to days) can trigger adverse events
Medium term exposures (weeks to months) also can trigger adverse events
Long-term exposures (years to decades) can contribute to a loss of physiologic
reserve
Early life exposures (perinatal and childhood) can define track for development
of chronic conditions
3
, Challenges for causal inference in observational studies:
Confounding : Andere variabelen die beïnvloeden v exposure + uitkomst
Selection bias: study populatie verschilt van de targetpopulatie door sampling of
dropout
Measurement error: exposure of outcome misclassified
Reverse causation: outcome affects the exposure, not vice versa
Strategien om de causal inference te verbeteren:
Longitudinaal studie design: verzekert temporaliteit
Statistical adjustments for confounders: multivariable regressive, propensity
scores
Propensity score matching/weighting : balance observed covariates between
exposed/unexposed groups
Mendalian randomization: genetic variants as proxies for exposure
Sensitivity analysis : assess robustness to unmeasured confounding or bias
Directed acyclic graphs: visualise scausal structure to identify confounders,
mediators,…
1.3 HOW RESEARCH WITH NEW BIOLOGICAL TECHNIQUES INTEGRATED WITHIN
EPIDEMIOLOGIC STUDY DESIGN
Epidemiologisch onderzoek integreert vanalles:
Preventie – predictive – treatment – personal
Populatie gevoeligheid/zwakte + life stage disease suceptibility + genetische
susceptibility
Wat kunnen we meten?
Bloed + urine (probeer 24u of ochtendurine)
Haar: bv cortisol voor de stress (want cortisol varieert enorm in het bloed)
Borstvoeding , uitgeademde lucht,…
Exposoom = totale/alle blootstellingen in kaart proberen te krijgen (lucht, water,
eten, levensstijl, gedrag, metabolisme, inflammatie, oxidatieve stress, psychiologisch,…)
tijdens alle stages vh leven startend van conceptie
Genoom = wat je bent (DNA) <-> Exposoom = wat je hebt meegemaakt
Ziekte door interactie tss beide
Onderscheid tss algemene externe omgeving + specifieke externe omgeving
PAF = population attributable fraction = portion disease cases that would be
prevented if the causal factor were eliminated
4
1.INTRODUCTIE
= study how disease is distributed in populations + factors that
influence/determine this distribution
Epi = upon
Demos = people
Logos = study
Epidemiology:
Focus in medicine is individual
Communities, groups, populations replaces the individual epidemiology
Integrating science : links to clinical + lab medicine, biostatistics, health
economics
Fundamental assumptions in epidemiology:
Ziekte komt niet random voor
Ziekte heeft oorzakelijke (causal) + preventive factors:
o Ziekte is niet random verdeeld doorheen de populatie
o Epidemiologie gebruikt systematische maneieren om de verschillen in
ziekteverdeling in subgroepen te onderzoeken
o Geeft de mogelijkheid om causal + preventieve factoren te bestuderen
Wrm nood aan menselijke data?
Extrapolation from animals to humans can result in risk estimates that differ by
100.
Range of exposure of interest
Complexity of exposure
Epidemiological data include the genetic diversity inherent in human populations
1.1 HISTORICAL ASPECTS
Eerste klinische trial in 1747:
Scheurbuik tijdens de ontdekkingsreizen
James Lind: behandelen mensen met cider, olie, sinaasappel, zeewater,…
Sinaasappelen (vitC) zorgden voor verbetering
1845: transmissie v cholera via gecontamineerd water : lokaliseren vd huizen vd mensen
met cholera
1930: Maasvallei : luchtverontreiniging
1
,HARVESTING EFFECT = oogsteffect = mensen die zwak zijn in samenleving sterven niet
iets eerder
Figuur zou in dat geval een stijging + dip hebben
Een soort v ondersterfte: mensen sterven aantal dagen eerder
In deze figuur niet het geval: SO2 stijgt + sterfte stijgt parallel,
na daling SO2 blijft sterfte nog hoog
Tabaksrook (1954): publicatie = roken veroorzaakt longkanker
Veel kritiek tegen: tabaksindustrie had veel macht
Proberen van uitvergroten v wetenschappelijke onzekerheid: twijfel zaaien!
Studies waren prospectief: start met gezond persoon en volgt op tot ziek worden
Ook passief roken heeft effect, maar hier ook veel commentaar v tabaksindustrie
op
Weer <-> klimaat:
Weer = state of the atmosphere at a particular time + location
Climate = long-term average weather for particular location
Climate is what you expect, wheater is what you get
1.2 CAUSALITY + CAUSAL UNDERSTANDING
Causal understanding:
Epidemiology contributes to causal understanding needed prevention +
treatment disease
Epidemiology can indicate causality even in the absence of mechanistic
understanding
Hill criteria of causation; als soort v kapstok om te spreken over causaliteit
Strength of Association: via odd ratio, correlatiecoefficient : hoe sterker deze,
hoe kleiner kans op vertekend beeld; maar zwakke associaties knn wel eventueel
causaal zijn
o Sterke associatie = OR van 2-3
o Roken + longkanker = OR van 10
Dose-response: (moet lineair zijn), vorm v associatie moet eig gwn verklaard
knn worden
o Kan ook U-vormig zijn, of na bepaalde drempel waarde,…
Consistency!!: reproduceerbaar across studies
o ; zelfde uitkomsten in versch populaties, studie designs en settings
2
, o Extern: niet obv 1 studie
o Intern: binnen een studie (bv consistentie tss man en vrouw gegevens, of
tss versch statistische modellen)
Temporality!!: logisch tijdsvenster
o Bv. Prospectief : inschatten v blootstelling vooraleer ziekte ontwikkelt
(logisch!)
o Bv. patiënt-controle: start met patiënt dan terug in tijd kijken (niet logische
volgorde)
Specificity: Ziekte door 1 factor beinvloed kan worden, makkelijker om
causaliteit aan te tonen
Intervention!!!: sommige krijgen placebo en andere bepaalde blootstelling, dan
kijken naar wat er verandert = zeer gecontroleerde trials
Biological Plausibility!!: wat zijn de aangrijpingspunten, biolog pathways,…
Wat is een oorzaak? event, condition or characteristic that plays an essential role in
producing an occurrence of the disease.
1. A sufficient cause is a factor or a combination of factors that will inevitably
produce disease.
2. A component cause is a factor that contributes towards disease causation
but is not sufficient to cause disease on its own.
3. A necessary cause is any agent that is required for the development of a given
disease.
Types v oorzaken:
Predispose = bepaalde gevoeligheid ; age, sex, vorige ziekte
Trigger = factor that produces short-term physiological changes that may lead
directly to onset of acute event (bv. AMI door fysieke activiteit)
Interact = effect van 2 of meerdere oorzaken die samenwerken wat vaak
grootser is dan verwacht obv beide individuele effecten op te tellen (roken +
asbest veel hoger risico op longkanker)
Major cancer risk factors:
Verschillende risicofactoren
Tabak, alcohol, fysieke activiteit, ongezond dieet, infectie, radiatie, omgeving,
hormonen, reproductieve factors, ….
Chronisch <-> acute exposures:
Acute exposures (hours to days) can trigger adverse events
Medium term exposures (weeks to months) also can trigger adverse events
Long-term exposures (years to decades) can contribute to a loss of physiologic
reserve
Early life exposures (perinatal and childhood) can define track for development
of chronic conditions
3
, Challenges for causal inference in observational studies:
Confounding : Andere variabelen die beïnvloeden v exposure + uitkomst
Selection bias: study populatie verschilt van de targetpopulatie door sampling of
dropout
Measurement error: exposure of outcome misclassified
Reverse causation: outcome affects the exposure, not vice versa
Strategien om de causal inference te verbeteren:
Longitudinaal studie design: verzekert temporaliteit
Statistical adjustments for confounders: multivariable regressive, propensity
scores
Propensity score matching/weighting : balance observed covariates between
exposed/unexposed groups
Mendalian randomization: genetic variants as proxies for exposure
Sensitivity analysis : assess robustness to unmeasured confounding or bias
Directed acyclic graphs: visualise scausal structure to identify confounders,
mediators,…
1.3 HOW RESEARCH WITH NEW BIOLOGICAL TECHNIQUES INTEGRATED WITHIN
EPIDEMIOLOGIC STUDY DESIGN
Epidemiologisch onderzoek integreert vanalles:
Preventie – predictive – treatment – personal
Populatie gevoeligheid/zwakte + life stage disease suceptibility + genetische
susceptibility
Wat kunnen we meten?
Bloed + urine (probeer 24u of ochtendurine)
Haar: bv cortisol voor de stress (want cortisol varieert enorm in het bloed)
Borstvoeding , uitgeademde lucht,…
Exposoom = totale/alle blootstellingen in kaart proberen te krijgen (lucht, water,
eten, levensstijl, gedrag, metabolisme, inflammatie, oxidatieve stress, psychiologisch,…)
tijdens alle stages vh leven startend van conceptie
Genoom = wat je bent (DNA) <-> Exposoom = wat je hebt meegemaakt
Ziekte door interactie tss beide
Onderscheid tss algemene externe omgeving + specifieke externe omgeving
PAF = population attributable fraction = portion disease cases that would be
prevented if the causal factor were eliminated
4
