Samenvatting - Evidence in de klinische praktijk
Hoofdstuk 1: Wat is epidemiologie? - Soubry
Definitie epidemiologie
= studie van de distributie van ziekte of van de determinanten of (mogelijke) oorzaken van een
ziekte (of sterfte) in een bepaalde populatie van mensen.
- Distributie: in de ruimte: wie krijgt de ziekte, waar en wanneer?
- Ziekte: in de bredere zin
- Determinanten: alle mogelijke factoren die de frequentie van ziekte
kunnen beïnvloeden.
- Frequentie: #gevallen/tijd
- Determinanten kunnen zowel causaal als niet-causaal zijn
- Populatie: moet duidelijk gedefinieerd zijn.
Epidemiologie is gebaseerd op 2 fundamentele veronderstellingen:
- Mensen worden niet ‘at random’ ziek
- Oorzakelijke factoren of factoren voor preventie kunnen worden geïdentificeerd.
- We gaan ervan uit dat een ziekte een bepaalde etiologie heeft.
Doel van epidemiologie
= identificatie van risicofactoren om op deze wijze de pathogenese beter te begrijpen en zo
preventie en behandeling te kunnen optimaliseren en policy decisions sturen.
Vanuit het oogpunt vd patiënt is epidemiologie zeer nuttig. Patiënten stellen zich dikwijls vragen
- Risico dat zij ziek worden
- Risico dat ze opnieuw ziek worden (herval)
- Risico dat hun familieleden ziek worden
Typisch doel is een causaal verband opsporen: exposure → outcome MAAR in de praktijk is dit
vaak niet zo eenvoudig: de meeste oorzaken zijn op zich niet noodzakelijk, en zeker niet
voldoende: het gaat om risicofactoren.
In de realiteit is dit eenvoudige causale verband dus slechts zelden aanwezig. Verschillende
andere opties:
- Exposure & outcome bv. obesitas: kan zowel een oorzaak als gevolg zijn
- Confounders en effect modifiers
- Andere/complexere scenario’s
Confounding
Confounders = risicofactor voor outcome, gerelateerd aan exposure, maar niet in de causale
pathway tussen exposure en outcome.
Bv. Stel: je wil onderzoeken of mensen die veel koffie drinken een verhoogd CV risico hebben.
Als alle mensen die veel koffie drinken ook roken, is roken een confounder.
Effect modifiers
= derde variabele die de grootte van het effect van exposure op de outcome bepaalt. Er is dus
interactie tussen de exposure en de effect modifier.
Bv. DM geeft verhoogd risico voor CV AD. Vrouwen met DM hebben een veel hoger risico dan
mannen met DM. → het geslacht is hier een effect modifier.
Criteria van Hill
1
, - Consistentie
- Specificiteit
- Sterkte
- Dosis-respons relatie
- Temporaliteit
- Biologische plausibiliteit
- Coherentie
- Mogelijkheid tot experimentele bevestiging
Hoofdstuk 2: Risicofactoren en risico inschatting - Soubry
Focus op risico van een bepaalde outcome (niet op vinden van RF of op etiologie van deze
outcome). Dit zal leiden tot betere beslissingen voor de patiënt & zo een betere outcome.
Hoofdstuk 3: Overzicht soorten studies en design - Soubry
Elk design heeft zijn eigen mate van evidentie. Algemeen geldt:
1) RCT (staat bovenaan in de piramide, onder SR)
2) Analytisch
3) Descriptief
RCT is het beste design om een causaal verband aan te tonen → ABC: At random, Blind, Controlled.
2
, Verschillende zaken spelen een rol in de keuze van het studiedesign:
- Praktisch
- Ethisch -> trial kan worden gestopt owv ethische redenen
- Doel van de studie
- Stand van onderzoek in het onderzoeksdomein
Observationele studies
Bij dit type studies → belangrijk op te letten voor confounding. Verschil: descriptief ↔ analytisch
- Analytisch: relaties onderzoeken
- Descriptief: situatie beschrijven
Een goede observationele studie is: plausibel, groot effect & heeft een duidelijke tijdsrelatie.
Analytische studies
Analytische studies zoeken een verband tussen exposure en outcome. Het verschil tussen
deze verschillende types aan analytische studies zit hem in de richting in de tijd.
Health economics - Health technology assessment
HTA database vindt je niet terug in PubMed!
HTA heeft een aparte database
Types studies
1. Cross-sectionele studie - descriptief
a. Snapshot in time:
i. Alle info (exposure & outcome) op hetzelfde moment
ii. Richting associatie tussen exposure & outcome onmogelijk te bepalen
iii. Gaat dus eerder over prevalentie dan incidentie
b. Niet geschikt voor:
i. Zeldzame outcomes
ii. Ziektes waarvan je snel recupereert
c. Wel geschikt voor:
i. Ziektes/outcomes waarvan je je onbewust bent door geen symptomen
d. Kan geen causaal verband aantonen
e. Cave! Carry-over effect: A heeft lang effect waardoor dit nog doorwerkt tijdens B
3
Hoofdstuk 1: Wat is epidemiologie? - Soubry
Definitie epidemiologie
= studie van de distributie van ziekte of van de determinanten of (mogelijke) oorzaken van een
ziekte (of sterfte) in een bepaalde populatie van mensen.
- Distributie: in de ruimte: wie krijgt de ziekte, waar en wanneer?
- Ziekte: in de bredere zin
- Determinanten: alle mogelijke factoren die de frequentie van ziekte
kunnen beïnvloeden.
- Frequentie: #gevallen/tijd
- Determinanten kunnen zowel causaal als niet-causaal zijn
- Populatie: moet duidelijk gedefinieerd zijn.
Epidemiologie is gebaseerd op 2 fundamentele veronderstellingen:
- Mensen worden niet ‘at random’ ziek
- Oorzakelijke factoren of factoren voor preventie kunnen worden geïdentificeerd.
- We gaan ervan uit dat een ziekte een bepaalde etiologie heeft.
Doel van epidemiologie
= identificatie van risicofactoren om op deze wijze de pathogenese beter te begrijpen en zo
preventie en behandeling te kunnen optimaliseren en policy decisions sturen.
Vanuit het oogpunt vd patiënt is epidemiologie zeer nuttig. Patiënten stellen zich dikwijls vragen
- Risico dat zij ziek worden
- Risico dat ze opnieuw ziek worden (herval)
- Risico dat hun familieleden ziek worden
Typisch doel is een causaal verband opsporen: exposure → outcome MAAR in de praktijk is dit
vaak niet zo eenvoudig: de meeste oorzaken zijn op zich niet noodzakelijk, en zeker niet
voldoende: het gaat om risicofactoren.
In de realiteit is dit eenvoudige causale verband dus slechts zelden aanwezig. Verschillende
andere opties:
- Exposure & outcome bv. obesitas: kan zowel een oorzaak als gevolg zijn
- Confounders en effect modifiers
- Andere/complexere scenario’s
Confounding
Confounders = risicofactor voor outcome, gerelateerd aan exposure, maar niet in de causale
pathway tussen exposure en outcome.
Bv. Stel: je wil onderzoeken of mensen die veel koffie drinken een verhoogd CV risico hebben.
Als alle mensen die veel koffie drinken ook roken, is roken een confounder.
Effect modifiers
= derde variabele die de grootte van het effect van exposure op de outcome bepaalt. Er is dus
interactie tussen de exposure en de effect modifier.
Bv. DM geeft verhoogd risico voor CV AD. Vrouwen met DM hebben een veel hoger risico dan
mannen met DM. → het geslacht is hier een effect modifier.
Criteria van Hill
1
, - Consistentie
- Specificiteit
- Sterkte
- Dosis-respons relatie
- Temporaliteit
- Biologische plausibiliteit
- Coherentie
- Mogelijkheid tot experimentele bevestiging
Hoofdstuk 2: Risicofactoren en risico inschatting - Soubry
Focus op risico van een bepaalde outcome (niet op vinden van RF of op etiologie van deze
outcome). Dit zal leiden tot betere beslissingen voor de patiënt & zo een betere outcome.
Hoofdstuk 3: Overzicht soorten studies en design - Soubry
Elk design heeft zijn eigen mate van evidentie. Algemeen geldt:
1) RCT (staat bovenaan in de piramide, onder SR)
2) Analytisch
3) Descriptief
RCT is het beste design om een causaal verband aan te tonen → ABC: At random, Blind, Controlled.
2
, Verschillende zaken spelen een rol in de keuze van het studiedesign:
- Praktisch
- Ethisch -> trial kan worden gestopt owv ethische redenen
- Doel van de studie
- Stand van onderzoek in het onderzoeksdomein
Observationele studies
Bij dit type studies → belangrijk op te letten voor confounding. Verschil: descriptief ↔ analytisch
- Analytisch: relaties onderzoeken
- Descriptief: situatie beschrijven
Een goede observationele studie is: plausibel, groot effect & heeft een duidelijke tijdsrelatie.
Analytische studies
Analytische studies zoeken een verband tussen exposure en outcome. Het verschil tussen
deze verschillende types aan analytische studies zit hem in de richting in de tijd.
Health economics - Health technology assessment
HTA database vindt je niet terug in PubMed!
HTA heeft een aparte database
Types studies
1. Cross-sectionele studie - descriptief
a. Snapshot in time:
i. Alle info (exposure & outcome) op hetzelfde moment
ii. Richting associatie tussen exposure & outcome onmogelijk te bepalen
iii. Gaat dus eerder over prevalentie dan incidentie
b. Niet geschikt voor:
i. Zeldzame outcomes
ii. Ziektes waarvan je snel recupereert
c. Wel geschikt voor:
i. Ziektes/outcomes waarvan je je onbewust bent door geen symptomen
d. Kan geen causaal verband aantonen
e. Cave! Carry-over effect: A heeft lang effect waardoor dit nog doorwerkt tijdens B
3
