2 belangrijke doelstellingen:
1. Waarom? Hoe? Etiologie van een ziekte (Oorzaak)
2. Hoe? Preventie (bv: vaccinatie) > verbeteren gezondheid van bevolking (Public Health &
beleid)
A. Hippocrates:
- Zocht logica achter de ziekte, waarbij “invloed van buiten” de mens ziek maakt. >
Individu
B. John Snow: Cholera epidemie 1830
- Oorsprong leer van epidemieen obv observaties => Black-Box epidemiologie
o Baseert enkel op cijfers, / vanuit biiologische verklaring of hypothese
- Glass box epidemiologie: houdt rekening met mogelijk biologische mechanisme
(hypothese) & met cijfers.
1. Mapping huizen met overlijden door cholera => patroon herkennen
o William Farr: associatie met geografische ligging (elevatie boven zee) => fout
o John Snow: voeding & water als mogelijke oorzaak door GI-symptomen
(hypothese) => associatie tss regio ziekte & water bron (h2o maatschappij)
2. Map ziekte associeren met map water distributie => bron = fecale contaminatie
3. John Snow ~ nieuwehypothese
a. HOE cholera overgebracht? => obv observaties + logica (kwalitatief onderzoek).
1
, b. Hypothese Testen: oorzaak vinden door sys data verzamelen + groepen mensen
vgl
i. Associatie:(gecontamineerd) drinkwater - krijgen van cholera.
c. Interventie: voorkomen dat er nog meer slachtoffers zouden vallen => preventie!
i. Merk op: dit alles deed hij nog VOOR het begrip bacteriële infectie
bestond.
1. Populatie (WIE?): groep mensen met gelijke kenmerken > duidelijk gedefinieerd
o Bv: leeftijd, geslacht, afkomst, woonplaats => ook bv gebeurtenis in leven, zelfde
ingreep of voorgeschiedenis, zelfde huisarts of ziekenhuis (hospital based), enz.
o Open / Dynamische populatie: extra in/uit stroom tijdens studie, geen vaste cst
populatie
o Gesloten populatie: tijdens uitvoeren studie vaste & zelfde populatie van begin tot
einde
o Nadeel: er kan uitval zijn dat je niet kan compenseren met nieuwe instroom
2. Determinant (WAAROM / HOE): Alle factoren die frequentie / oorzaak ziekte kunnen
beinvloeden
o = blootstelling (exposure) genoemd, of variabele in de statistiek
o sport, roken, obesitas, stress, voeding, drugs, externe omgeving, prenatale
blootstelling
3. Ziekte aandoening (gezondheids)-toestand (WAT): outcome (geboortecijfers per gender) &
data frequentiematen van ziekte in regio
o Bv: aantal & seks ratio geboortes tijdens COVID: lager & meer mannen => seks
ratio indicator goeie populatie gezondheid?
2
, o Bv: colonkanker: incidentie & mortaliteit > geografische & gender verschillen
4. Geografische (regio) en/of tijd (WAAR / WANNEER): in kaart brengen (descriptieve
epidemio)
5. Screening: opsporen wie (voorlopers) van de ziekte heeft (vb. labtesten)
6. Preventie:verbeteren gezondheid voor ziekte ontwikkelen > impact op determinanten
o soms moeilijker dan behandelen van ziekte & moeilijker te bewijzen > niet op
individu maar op populatie niv wel aantonen
- Incidentie: # nieuwe gevallen > 450,000 in EU
- Prevalentie: # huidige gevallen op dit tijdspunt
- Geografische verschillen (preventie &
ziekenhuizen steun / beleid aanpassen)
o 1. In kaart brengen = descriptieve
epidemiologie : man vs vrouw; waar in
BEL (kust: leeftijd populatie?)
o data > noden in land bepalen
- Vb: In VS & jonge mensen:
o 1st: dalende trend 2e: tegen 2005
stagneren & terug stijgen
o Oorzaak stijging? > niet leeftijd (jonge popilaite) => levenstijl ?
▪ Verschlechtered over de jaren heen: fast food / processed food
- Analytische epidemiologie: waarom zien wat we zien
o Vb: relatie tss bewegen / granen eten = minder
kans kolonkanker vs roken/obesitas/fast food =
meer kans
- Hoe bepalen gezondheid van onze populatie:
o Wnr voeding helemaal veranderen & gezond
maken => nog altijd risico op kanker
▪ 40% educatie / achtergrond / inkomen
● Vanaf geboorte ongelijke kans ok
ziekte
3
, ▪ 10% fysieke omgeving & 20% gezondheidszorg
& 30% gezondheidsgedrag
- Aanpak in beleid: SCREENING op jongere leeftijd?
o Hoe laag (age) ga je rekening houden met:
▪ 1. kost & numbers needed to treat 2. impact
diagnose (mentaal) 3. belang pt
o 1ste effect op incidentie (# nieuwe gevallen) na invoeren
van screening
▪ Vroeger screenen = hogere incidentie dr invoeren nieuwe campagnes &
langer leven met diagnose
o Stimuleren & promoten door campagnes => Bevolking inlichten & sensibilizeren
- Zo weinig dierproeven gebruiken om het effect van stoffen te bepalen
- Opstapeling toxische stoffen in omgeving (mens, dier, omgeving) => Onderzoek hoe
evolueert tot policy (op niv van preventie, controle, eliminatie, screening)
- Outcome: ernst van trauma na een ongeluk
- Grafiek: # ernstige trauma dr auto accident vs
gebruik gordel over tijd
o Invoeren gordel: transitie periode na
verplichting& overtuigen blijven
gebruiken
o Curve incidenten dalen > eperimenteel
aangetoond dr interventie (weinige
ernstige / fatale ongevallen)
- Oorzaak ziekte = (verkeers) ongeval => Gevolg = afwezigheid op het werk, handicap,
sterfte
o Doel = minder (ernstige) ongevallen dr preventie = bescherming, wetgeving
(helm, gordel), educatie => Winst vr individu & gemeenschap
- Associatie studies tussen longkanker & roken
o Hoop rookverbod = minder rokers => fout
o Dalende trend zowieso > / extra dip dr rookverbod
4
1. Waarom? Hoe? Etiologie van een ziekte (Oorzaak)
2. Hoe? Preventie (bv: vaccinatie) > verbeteren gezondheid van bevolking (Public Health &
beleid)
A. Hippocrates:
- Zocht logica achter de ziekte, waarbij “invloed van buiten” de mens ziek maakt. >
Individu
B. John Snow: Cholera epidemie 1830
- Oorsprong leer van epidemieen obv observaties => Black-Box epidemiologie
o Baseert enkel op cijfers, / vanuit biiologische verklaring of hypothese
- Glass box epidemiologie: houdt rekening met mogelijk biologische mechanisme
(hypothese) & met cijfers.
1. Mapping huizen met overlijden door cholera => patroon herkennen
o William Farr: associatie met geografische ligging (elevatie boven zee) => fout
o John Snow: voeding & water als mogelijke oorzaak door GI-symptomen
(hypothese) => associatie tss regio ziekte & water bron (h2o maatschappij)
2. Map ziekte associeren met map water distributie => bron = fecale contaminatie
3. John Snow ~ nieuwehypothese
a. HOE cholera overgebracht? => obv observaties + logica (kwalitatief onderzoek).
1
, b. Hypothese Testen: oorzaak vinden door sys data verzamelen + groepen mensen
vgl
i. Associatie:(gecontamineerd) drinkwater - krijgen van cholera.
c. Interventie: voorkomen dat er nog meer slachtoffers zouden vallen => preventie!
i. Merk op: dit alles deed hij nog VOOR het begrip bacteriële infectie
bestond.
1. Populatie (WIE?): groep mensen met gelijke kenmerken > duidelijk gedefinieerd
o Bv: leeftijd, geslacht, afkomst, woonplaats => ook bv gebeurtenis in leven, zelfde
ingreep of voorgeschiedenis, zelfde huisarts of ziekenhuis (hospital based), enz.
o Open / Dynamische populatie: extra in/uit stroom tijdens studie, geen vaste cst
populatie
o Gesloten populatie: tijdens uitvoeren studie vaste & zelfde populatie van begin tot
einde
o Nadeel: er kan uitval zijn dat je niet kan compenseren met nieuwe instroom
2. Determinant (WAAROM / HOE): Alle factoren die frequentie / oorzaak ziekte kunnen
beinvloeden
o = blootstelling (exposure) genoemd, of variabele in de statistiek
o sport, roken, obesitas, stress, voeding, drugs, externe omgeving, prenatale
blootstelling
3. Ziekte aandoening (gezondheids)-toestand (WAT): outcome (geboortecijfers per gender) &
data frequentiematen van ziekte in regio
o Bv: aantal & seks ratio geboortes tijdens COVID: lager & meer mannen => seks
ratio indicator goeie populatie gezondheid?
2
, o Bv: colonkanker: incidentie & mortaliteit > geografische & gender verschillen
4. Geografische (regio) en/of tijd (WAAR / WANNEER): in kaart brengen (descriptieve
epidemio)
5. Screening: opsporen wie (voorlopers) van de ziekte heeft (vb. labtesten)
6. Preventie:verbeteren gezondheid voor ziekte ontwikkelen > impact op determinanten
o soms moeilijker dan behandelen van ziekte & moeilijker te bewijzen > niet op
individu maar op populatie niv wel aantonen
- Incidentie: # nieuwe gevallen > 450,000 in EU
- Prevalentie: # huidige gevallen op dit tijdspunt
- Geografische verschillen (preventie &
ziekenhuizen steun / beleid aanpassen)
o 1. In kaart brengen = descriptieve
epidemiologie : man vs vrouw; waar in
BEL (kust: leeftijd populatie?)
o data > noden in land bepalen
- Vb: In VS & jonge mensen:
o 1st: dalende trend 2e: tegen 2005
stagneren & terug stijgen
o Oorzaak stijging? > niet leeftijd (jonge popilaite) => levenstijl ?
▪ Verschlechtered over de jaren heen: fast food / processed food
- Analytische epidemiologie: waarom zien wat we zien
o Vb: relatie tss bewegen / granen eten = minder
kans kolonkanker vs roken/obesitas/fast food =
meer kans
- Hoe bepalen gezondheid van onze populatie:
o Wnr voeding helemaal veranderen & gezond
maken => nog altijd risico op kanker
▪ 40% educatie / achtergrond / inkomen
● Vanaf geboorte ongelijke kans ok
ziekte
3
, ▪ 10% fysieke omgeving & 20% gezondheidszorg
& 30% gezondheidsgedrag
- Aanpak in beleid: SCREENING op jongere leeftijd?
o Hoe laag (age) ga je rekening houden met:
▪ 1. kost & numbers needed to treat 2. impact
diagnose (mentaal) 3. belang pt
o 1ste effect op incidentie (# nieuwe gevallen) na invoeren
van screening
▪ Vroeger screenen = hogere incidentie dr invoeren nieuwe campagnes &
langer leven met diagnose
o Stimuleren & promoten door campagnes => Bevolking inlichten & sensibilizeren
- Zo weinig dierproeven gebruiken om het effect van stoffen te bepalen
- Opstapeling toxische stoffen in omgeving (mens, dier, omgeving) => Onderzoek hoe
evolueert tot policy (op niv van preventie, controle, eliminatie, screening)
- Outcome: ernst van trauma na een ongeluk
- Grafiek: # ernstige trauma dr auto accident vs
gebruik gordel over tijd
o Invoeren gordel: transitie periode na
verplichting& overtuigen blijven
gebruiken
o Curve incidenten dalen > eperimenteel
aangetoond dr interventie (weinige
ernstige / fatale ongevallen)
- Oorzaak ziekte = (verkeers) ongeval => Gevolg = afwezigheid op het werk, handicap,
sterfte
o Doel = minder (ernstige) ongevallen dr preventie = bescherming, wetgeving
(helm, gordel), educatie => Winst vr individu & gemeenschap
- Associatie studies tussen longkanker & roken
o Hoop rookverbod = minder rokers => fout
o Dalende trend zowieso > / extra dip dr rookverbod
4
