Samenvatting – Epidemiologie
Les 1 – causality
Wat is epidemiologie?
Epidemiologie bestudeert hoe ziekte verdeeld is in populaties en welke factoren deze verdeling beïnvloeden.
- EPI: upon
- DEMOS: people
- LOGOS: study
Kernpunten:
- Geneeskunde focust op het individu, epidemiologie op groepen/populaties
- Interdisciplinair: klinische geneeskunde, labo-wetenschappen, biostatistiek, gezondheidseconomie
Fundamentele aannames:
- Ziekte ontstaat niet willkeurig
- Er bestaan causale en preventieve factoren
- Epidemiologie gebruikt een systemische aanpak om verschillen tussen subgroepen te begrijpen.
Waarom is menselijke data nodig?
- Dier – mens exptrapolatie kan 100x verschillen
- Menselijke blootstelling is complexer
- Bereik van blootstelling en belang
- Menselijke populaties bevatten genetische diversiteit die essentieel is voor risico-inschatting
Historische mijlpalen in epidemiologie
James Lind – eerste klinische trial (1747)
- 12 zeelieden kregen verschillende behandelingen voor scheurbuik
- Alleen degene die met citrusvruchten werden behandeld kregen het niet of genazen van scheurbuik
-> eerste bewijs dat systematische vergelijken causale inzichten oplevert!
John Snow – Cholera (1854)
- De ziekte werd uitgezet op de kaart, er is een clustering van cholera rond één waterpomp
→ De pompsteel werd verwijderd
→ De epidemie stopte
→ Causaliteit is aangetoond zonder kennis van Vibrio cholerae (pas 44 jaar later ontdekt)
Meuse Valley ramp (maas vallei ramp) (1930) – luchtvervuiling
- Krantenartikels suggereren oorzaken zoals oorlogsgas, sahara-microben, mist
- Maar:
→ De ramp is in de maasvallei
→ Veel industrie
→ Een valei gebied
→ Luchtverontreiniging afgevoerd
→ Enorme concentratie aan fijn stof en roet – hoge sterftecijfers
- Het rapport Firket concludeert:
→ onder dezelfde voorwaarden zijn dezelfde gevolgen te verwachten
→ een soortgelijke catastrofe zou in Londen leiden tot 3.179 onmiddellijke doden
1
,London Fog (1952)
- extreme smog – duizenden mensen overleden
- sterk bewijs voor luchtvervuiling als acute trigger van mortaliteit
- grafiek:
→ we zien dat rook en SO2 sterk begint te stijgen
→ daarna stijgt de sterfte tot bijna 1000
→ dan gaat luchtverontreiniging dalen
→ maar sterfte blijft nog langer hoog
- het harvest effect – oogsteffect:
→ een acute blottstelling (zoals extreme luchtvervuiling) doet vooral mensen sterven die al heel
kwetsbaar waren en sowieso binnen korte tijd zouden overlijden – ze worden een beetje vroeger
geoogst
→ er is een groep mensen die al op het randje van overlijden staat (ernstige hart, long-
aandoeningen, ouderen, zwakke patiënten)
→ een acute stressor (zoals smog), duwt hen net over de rand
→ daardoor krijg je een piek in sterfte
→ waarom blijt de sterfte nog even hoog nadat de vervuiling daalt?: de schade is niet meteen weg
wanneer de lucht weer schoont wordt, sommige mensen worden getriggerd en overlijden met
vertraging. De vervuiling daalt sneller dan de gezondheidseffecten verdwijnen.
- Ondersterfte – kan na het harvest effect voorkomen
→ Als er veel kwetsbare mensen vroeger sterven tijdens een piek, dan:
▪ Zijn er minder kwetsbare mensen over de weken erna
▪ Daardoor zie je een periode van ondersterfte (minder overlijdens dan normaal)
→ Dat is typisch na het harvest effect!
Roken en longkanker
- Richard dol land Bradford Hill (1954): eerste prospectieve studie bij Britse dokter
- Rokers sterven vroeger
- Stoppen op 60 jaar geeft nog aanzienlijke levenswinst
2
,Onderzoek waarbij een gebiasd persoon betrokken is:
- Wanneer iemand van de tabaksindustrie was betrokken bij de auteurs van een studie over passief
roken, dan was er 80% meer kans dat de uitkomst was dat passief roken geen invloed had
→ Nu moet de achtergrond van sponsors, auteurs, … etc gekend zijn
- Zelfde bij onderzoek naar asbest
- Zelfde bij onderzoek naar klimaatverandering
Weather vs Climate
- Weer = toestand op een bepaald moment
- Klimaat: 30 jaar gemiddelde
→ Epidemiologie gebruikt vooral klimaat en langer termijn trends voor risico inschatting
→ Het is niet omdat er een hittegolf is, of een koudetijd dat er klimaat veranderingen is, vroeger
waren deze extremen er ook het gaat over de frequentie dat het voor komt
- Klimaat is wat je verwacht, het weer is wat je krijgt
Causaliteit in epidemiologie
- Epidemiologie draagt bij aan een beter begrip van de oorzaken van ziekten, wat essentieel is voor de
preventie en behandeling ervan.
- Epidemiologie kan causaliteit aantonen zonder mechanisme
→ Scheurbuik behandeling voor dat vitamine C werd ontdekt
→ Cholera voor de bacterie indicatie
→ Roken voor carcinogene mechanismen bekend waren
→ Luchtvervuiling voor chemische analyses bestonden
Bradford Hill criteria voor causaliteit
1. Strength of association:
Hoe sterk is een associatie (odds ratio – boven twee is sterk, correlatiecoeff), maar de associatie hoeft niet
perse heel sterk te zijn om causaliteit te veroorzaken.
2. Dose-response
3. Consistency:
externe consistentie = Als je het enige labo bent dat iets kan aantonen is de studie niet nuttig. Je kan niet
op basis van 1 studie – op 1 locatie consistentie aantonen.
interne consistentie = binnenin je studie, verschillende statistische modellen, mannen en vrouwen
4. Temporality:
De oorzaak moet altijd voor het gevolg komen. Dat maakt ook dat sommige study designs beter zijn om
een bepaalde causaliteit aan te tonen dan andere, niet elk study design kan goed aantonen wat eerst
kwam: de blootstelling of de ziekte.
->prospectief cohort: je meet de blootstelling voor mensen ziek worden
->randomized controlled trials: je bepaalt zelf de blootstelling
5. Specificity:
1 blootstelling leidt tot 1 ziekte – klopt bijvoorbeeld al niet bij roken. Wanneer een ziekte maar door 1 factor
kan beïnvloed worden, dan is causaliteit makkelijk aan te tonen.
6. Intervention:
Als er een interventie is voor het aantonen van de ziekte bijvoorbeeld, placebo studie trail bijvoorbeeld.
Dan is er meer kans om causaliteit aan te tonen.
7. Biological plausibility – biologische mechanismen
->het is geen checklist maar een denkkader
3
, Verschillende types van oorzaken
- Sufficient cause: leidt onvermijdelijk tot ziekte
- Component cause: draagt bij, maar niet voldoende op zichzelf
- Necessary cause: moet aanwezig zijn voor ziekte (bv. HPV voor baarmoederhalskanker)
Belangrijkste kanker-risicofactoren
- Tabak: grootste vermijdbare oorzaak
- Alcohol
- Obesitas en fysieke inactiviteit
- Ongezonde voeding
- Infecties (HBV, HPV, H. pylori, …)
- Radiatie
- Milieu-carcinogenen (arsenicum, asbest, luchtvervuiling)
- Beroepsmatige blootstelling
- Reproductieve/hormonale factoren
CVD causaal model
De figuur toont hoe verschillende niveaus bedragen aan cardiovasculaire ziekte:
- Gedrag: roken dieet, beweging
- Biologie: bloeddruk, lipiden
- Genetica: familliegeschiedenis
- Omgeving: socio economische status, werk
->multifactoriële causaliteit
4
Les 1 – causality
Wat is epidemiologie?
Epidemiologie bestudeert hoe ziekte verdeeld is in populaties en welke factoren deze verdeling beïnvloeden.
- EPI: upon
- DEMOS: people
- LOGOS: study
Kernpunten:
- Geneeskunde focust op het individu, epidemiologie op groepen/populaties
- Interdisciplinair: klinische geneeskunde, labo-wetenschappen, biostatistiek, gezondheidseconomie
Fundamentele aannames:
- Ziekte ontstaat niet willkeurig
- Er bestaan causale en preventieve factoren
- Epidemiologie gebruikt een systemische aanpak om verschillen tussen subgroepen te begrijpen.
Waarom is menselijke data nodig?
- Dier – mens exptrapolatie kan 100x verschillen
- Menselijke blootstelling is complexer
- Bereik van blootstelling en belang
- Menselijke populaties bevatten genetische diversiteit die essentieel is voor risico-inschatting
Historische mijlpalen in epidemiologie
James Lind – eerste klinische trial (1747)
- 12 zeelieden kregen verschillende behandelingen voor scheurbuik
- Alleen degene die met citrusvruchten werden behandeld kregen het niet of genazen van scheurbuik
-> eerste bewijs dat systematische vergelijken causale inzichten oplevert!
John Snow – Cholera (1854)
- De ziekte werd uitgezet op de kaart, er is een clustering van cholera rond één waterpomp
→ De pompsteel werd verwijderd
→ De epidemie stopte
→ Causaliteit is aangetoond zonder kennis van Vibrio cholerae (pas 44 jaar later ontdekt)
Meuse Valley ramp (maas vallei ramp) (1930) – luchtvervuiling
- Krantenartikels suggereren oorzaken zoals oorlogsgas, sahara-microben, mist
- Maar:
→ De ramp is in de maasvallei
→ Veel industrie
→ Een valei gebied
→ Luchtverontreiniging afgevoerd
→ Enorme concentratie aan fijn stof en roet – hoge sterftecijfers
- Het rapport Firket concludeert:
→ onder dezelfde voorwaarden zijn dezelfde gevolgen te verwachten
→ een soortgelijke catastrofe zou in Londen leiden tot 3.179 onmiddellijke doden
1
,London Fog (1952)
- extreme smog – duizenden mensen overleden
- sterk bewijs voor luchtvervuiling als acute trigger van mortaliteit
- grafiek:
→ we zien dat rook en SO2 sterk begint te stijgen
→ daarna stijgt de sterfte tot bijna 1000
→ dan gaat luchtverontreiniging dalen
→ maar sterfte blijft nog langer hoog
- het harvest effect – oogsteffect:
→ een acute blottstelling (zoals extreme luchtvervuiling) doet vooral mensen sterven die al heel
kwetsbaar waren en sowieso binnen korte tijd zouden overlijden – ze worden een beetje vroeger
geoogst
→ er is een groep mensen die al op het randje van overlijden staat (ernstige hart, long-
aandoeningen, ouderen, zwakke patiënten)
→ een acute stressor (zoals smog), duwt hen net over de rand
→ daardoor krijg je een piek in sterfte
→ waarom blijt de sterfte nog even hoog nadat de vervuiling daalt?: de schade is niet meteen weg
wanneer de lucht weer schoont wordt, sommige mensen worden getriggerd en overlijden met
vertraging. De vervuiling daalt sneller dan de gezondheidseffecten verdwijnen.
- Ondersterfte – kan na het harvest effect voorkomen
→ Als er veel kwetsbare mensen vroeger sterven tijdens een piek, dan:
▪ Zijn er minder kwetsbare mensen over de weken erna
▪ Daardoor zie je een periode van ondersterfte (minder overlijdens dan normaal)
→ Dat is typisch na het harvest effect!
Roken en longkanker
- Richard dol land Bradford Hill (1954): eerste prospectieve studie bij Britse dokter
- Rokers sterven vroeger
- Stoppen op 60 jaar geeft nog aanzienlijke levenswinst
2
,Onderzoek waarbij een gebiasd persoon betrokken is:
- Wanneer iemand van de tabaksindustrie was betrokken bij de auteurs van een studie over passief
roken, dan was er 80% meer kans dat de uitkomst was dat passief roken geen invloed had
→ Nu moet de achtergrond van sponsors, auteurs, … etc gekend zijn
- Zelfde bij onderzoek naar asbest
- Zelfde bij onderzoek naar klimaatverandering
Weather vs Climate
- Weer = toestand op een bepaald moment
- Klimaat: 30 jaar gemiddelde
→ Epidemiologie gebruikt vooral klimaat en langer termijn trends voor risico inschatting
→ Het is niet omdat er een hittegolf is, of een koudetijd dat er klimaat veranderingen is, vroeger
waren deze extremen er ook het gaat over de frequentie dat het voor komt
- Klimaat is wat je verwacht, het weer is wat je krijgt
Causaliteit in epidemiologie
- Epidemiologie draagt bij aan een beter begrip van de oorzaken van ziekten, wat essentieel is voor de
preventie en behandeling ervan.
- Epidemiologie kan causaliteit aantonen zonder mechanisme
→ Scheurbuik behandeling voor dat vitamine C werd ontdekt
→ Cholera voor de bacterie indicatie
→ Roken voor carcinogene mechanismen bekend waren
→ Luchtvervuiling voor chemische analyses bestonden
Bradford Hill criteria voor causaliteit
1. Strength of association:
Hoe sterk is een associatie (odds ratio – boven twee is sterk, correlatiecoeff), maar de associatie hoeft niet
perse heel sterk te zijn om causaliteit te veroorzaken.
2. Dose-response
3. Consistency:
externe consistentie = Als je het enige labo bent dat iets kan aantonen is de studie niet nuttig. Je kan niet
op basis van 1 studie – op 1 locatie consistentie aantonen.
interne consistentie = binnenin je studie, verschillende statistische modellen, mannen en vrouwen
4. Temporality:
De oorzaak moet altijd voor het gevolg komen. Dat maakt ook dat sommige study designs beter zijn om
een bepaalde causaliteit aan te tonen dan andere, niet elk study design kan goed aantonen wat eerst
kwam: de blootstelling of de ziekte.
->prospectief cohort: je meet de blootstelling voor mensen ziek worden
->randomized controlled trials: je bepaalt zelf de blootstelling
5. Specificity:
1 blootstelling leidt tot 1 ziekte – klopt bijvoorbeeld al niet bij roken. Wanneer een ziekte maar door 1 factor
kan beïnvloed worden, dan is causaliteit makkelijk aan te tonen.
6. Intervention:
Als er een interventie is voor het aantonen van de ziekte bijvoorbeeld, placebo studie trail bijvoorbeeld.
Dan is er meer kans om causaliteit aan te tonen.
7. Biological plausibility – biologische mechanismen
->het is geen checklist maar een denkkader
3
, Verschillende types van oorzaken
- Sufficient cause: leidt onvermijdelijk tot ziekte
- Component cause: draagt bij, maar niet voldoende op zichzelf
- Necessary cause: moet aanwezig zijn voor ziekte (bv. HPV voor baarmoederhalskanker)
Belangrijkste kanker-risicofactoren
- Tabak: grootste vermijdbare oorzaak
- Alcohol
- Obesitas en fysieke inactiviteit
- Ongezonde voeding
- Infecties (HBV, HPV, H. pylori, …)
- Radiatie
- Milieu-carcinogenen (arsenicum, asbest, luchtvervuiling)
- Beroepsmatige blootstelling
- Reproductieve/hormonale factoren
CVD causaal model
De figuur toont hoe verschillende niveaus bedragen aan cardiovasculaire ziekte:
- Gedrag: roken dieet, beweging
- Biologie: bloeddruk, lipiden
- Genetica: familliegeschiedenis
- Omgeving: socio economische status, werk
->multifactoriële causaliteit
4
