اندازه های فراوانی بیمار و اندازه های قدرت اثر

اندازه های فراوانی بیمار و اندازه های قدرت اثر

اسلاید 1: A. A. Keshtkar; MD, MPH, PhDاندازه‌ها ي فراواني بيماري و اندازه های قدرت اثر (رابطه) Measures of Disease frequency & Measures of Disease Effectمباحث روش تحقیق پیشرفتهسرفصل 1:

اسلاید 2: A. A. Keshtkar; MD, MPH, PhDتعريف اندازه هاي فراواني بيماري و اثر:شاخصها يا مقادير كمي هستند كه معمولا در اندازه گيري :وقوع بيماريها يا پيامدهاي مرتبط با سلامت و تاثير عوامل يا تعيين‌كننده‌هاي بيماريها مورد استفاده قرار مي گيرد.

اسلاید 3: A. A. Keshtkar; MD, MPH, PhDكاربرد اندازه هاي وقوع بيماري و اثر، مثال:در سال 83 در استان گیلان 250 مورد سرطان مري وجود داشت.در یک بیمارستان جنرال 250 تختخوابی، با ضریب اشغال تخت متوسط 70 درصد، 25 مورد عفونت بیمارستانی، در طول یک دوره یکساله رخ داده است.در طول يك سال در يك جامعه، 80 مورد جدید از ابتلا به دیابت تیپ 2 شناسایی گردید.

اسلاید 4: A. A. Keshtkar; MD, MPH, PhDكاربرد اندازه هاي وقوع بيماري و اثر، مثال:در يك مطالعه مورد شاهدي بمنظور ارزيابي رابطه بين BMI زنان باردار و وقوع پره‌اكلامپسي ميانگين BMI در زنان مبتلا به پره‌اكلامپسي 34.3 و در زنان نرمال 27.5 بود. (p<0.001)در يك كارآزمايي باليني بمنظور تعيين اثر يك داروي جديد در پايين آوردن قند خون، 65% گروه مداخله به درمان پاسخ دادند و در گروه مقايسه (درمان استاندارد) پاسخ درماني 45% بود. (P=0.03)

اسلاید 5: A. A. Keshtkar; MD, MPH, PhDتقسيم بندي اندازه هاي فراواني و اثر:اندازه هاي وقوع بيماري يا پيامدهاي مرتبط با سلامتاندازه هايي كه بيانگر ارتباط بيماري يا پيامد مرتبط با سلامت با عوامل ايجاد كننده آنها هستند.

اسلاید 6: A. A. Keshtkar; MD, MPH, PhDتقسيم بندي شاخصها يا اندازه ها از نظر ساختاري:اندازه هاي مطلقاندازه هاي نسبينسبت Ratioسهم Proportionميزان Rateشانس Odds

اسلاید 7: A. A. Keshtkar; MD, MPH, PhDتقسيم بندي شاخصها يا اندازه ها از نظر ساختاري: (ادامه)نسبت Ratioنسبت دو اندازه با ماهيتهاي جداگانه ، نسبت جنسي، نسبت پزشك به جمعيت و ... سهم Proportionكسري است از نسبت دو اندازه بشكلي كه صورت جزئي از مخرج است، سهم (درصد) زايمانهاي غيرايمن

اسلاید 8: A. A. Keshtkar; MD, MPH, PhDتقسيم بندي شاخصها يا اندازه ها از نظر ساختاري: (ادامه)ميزان Rateسهمي است كه در مخرج كسر بعد زمان نيز وارد شده استشانس Oddsكسري است از احتمال وقوع يك پيامد به احتمال عدم وقوع آن

اسلاید 9: A. A. Keshtkar; MD, MPH, PhDتقسيم بندي اندازه هاي وقوع بيماري:اندازه بروزاندازه شيوعشانس Odds

اسلاید 10: A. A. Keshtkar; MD, MPH, PhDتعداد مقالات دارای واژه «بروز» یا «شیوع» در عنوان یا چکیده :

اسلاید 11: A. A. Keshtkar; MD, MPH, PhDاندازه بروز يا Incidence:تعريف:تعداد پيامد رخ داده (موارد جديد) در يك جمعيت مشخص به كل جمعيت در معرض خطر يك بيماري يا پيامد در همان زمان.تقسيم بندي بروز بر اساس مخرج كسر:بروز، بروز تجمعي Cumulative Incidenceمخرج كسر اين نوع بروز تعداد كل جمعيت در معرض خطر در ابتداي مقطع زماني مطالعه است.ميزان بروز، چگالي بروز Incidence Rateمخرج كسر اين نوع بروز تعداد كل واحدهاي شخص زمان در معرض خطر در طول مدت زمان مطالعه است.

اسلاید 12: A. A. Keshtkar; MD, MPH, PhDRiskxxxxxxxx disease onsetMonth 1Month12CI = 7/12 per year = 0.58 per yearبروز تجمعي Cumulative Inc. يا Risk :

اسلاید 13: A. A. Keshtkar; MD, MPH, PhDبروز تجمعي Cumulative Inc. يا Risk :بروز تجمعي يا خطر يك نوع سهم است.مثال: جمعيت ابتداي سال 92 استان گیلان، 1500000 نفر بوده است. در طول اين سال 75 مورد جديد سرطان تیروئید كشف شده است. بروز تجمعي اين بيماري در اين استان چقدر است؟تعداد موارد جديد بيماري در طول مقطع زماني10k* ___________________________________________تعداد كل جمعيت در معرض خطر در ابتداي مقطع زماني 75 105 =5/100000* __________1500000

اسلاید 14: A. A. Keshtkar; MD, MPH, PhDميزان بروز Rate Inc. يا Rate :مخرج كسر ميزان بروز برحسب واحد شخص-زمان است . (شخص-سال، شخص-ماه، شخص روز و ...) person-time at riskاندازه مناسب براي بيان وقوع پيامدهاي نادر است.

اسلاید 15: A. A. Keshtkar; MD, MPH, PhDميزان بروز Rate Inc. يا Rate :ABCDE90 91 92 93 94 95 96 97 98 99 00 Time at riskxx 5.0 5.010.0 8.5 4.0Total years at risk 32.5 -- time followedx disease onsetID = 2 / 32.5 person- years = 0.062 person-year

اسلاید 16: A. A. Keshtkar; MD, MPH, PhDميزان بروز Rate Inc. يا Rate :محاسبه مخرج كسر ميزان بروز مي تواند از طريق جمع آوري داده هاي سطح فردي Individual data سطح جامعهAggregated data باشد.در حالت دوم ميانگين شخص- زمان ابتدا و انتهاي مقطع زماني مطالعه را بعنوان مخرج كسر مورد استفاده قرار مي دهيم. (مشابه محاسبه جمعيت وسط سال)

اسلاید 17: A. A. Keshtkar; MD, MPH, PhDمقايسه ميزان بروز و خطر :

اسلاید 18: A. A. Keshtkar; MD, MPH, PhDاندازه شيوع يا Prevalence:تعريف:سهم موارد موجود يك بيماري يا پيامد (موارد قديم و جديد) به كل جمعيت در معرض خطرتقسيم بندي شيوع:شيوع لحظه اي Point prevalenceاندازه گيري صورت كسر در يك نقطه از زمانشيوع دوره اي Period prevalenceاندازه گيري صورت كسر در دوره اي از زمان (مثلا يكسال)

اسلاید 19: A. A. Keshtkar; MD, MPH, PhDرابطه بين شيوع و ميزان بروز:Deaths,Cured, Lost...DurationPrevalenceIncidence

اسلاید 20: A. A. Keshtkar; MD, MPH, PhDرابطه بين شيوع و ميزان بروز: مثالاگر ميزان بروز بيماري ديابت را در يك جامعه 0.5% در هر سال باشد. با فرض ثابت بودن اين ميزان با گذشت زمان و در نظرگرفتن طول دوره بيماري برابر با 15 سال (فاصله زماني تشخيص تا مرگ)، شيوع نقطه اي بيماري در اين جامعه حدود 7.5% است.

اسلاید 21: A. A. Keshtkar; MD, MPH, PhDعواملي كه باعث تغيير در اندازه شيوع ميشوند:افزايش بروز بيماريكاهش بروز بيماريكاهش طول دوره بيماريپيشرفت روشهاي درمانيميرايي يا كشندگي بالاي بيماريافزايش طول دوره بيماريپيشرفت روشهاي تشخيصي و درمانيبهبود بقاء بيمارانمهاجرتمهاجرت بيماران از يك منطقه/ به يك منطقهمهاجرت افراد سالم از يك منطقه / به يك منطقهبهبود يا ارتقاء نظام گزارش دهي

اسلاید 22: A. A. Keshtkar; MD, MPH, PhDشانس يا Odds:تعريف:شانس يك نسبت از احتمال وقوع يك پديده به عدم احتمال آن مي باشد. Odds= P / 1-POdds يك واقعه همواره اندازه بزرگتري نسبت به احتمال وقوع آن واقعه خواهد داد.مثال: اگر سهم (احتمال) افراد سيگاري در جامعه ما 20% باشد، Odds سيگاري بودن برابر است با:0.2 / 1-0.2 = 0.2 / 0.8 = 0.25 Odds بعنوان اندازه وقوع بيماري در يك گروه واحد از جامعه كاربردي ندارد

اسلاید 23: A. A. Keshtkar; MD, MPH, PhDمخاطره يا Hazard:تعريف:تغییرات ریسک یا بروز در واحد زمانتابع مخاطره بیماران پیوند قلبی

اسلاید 24: A. A. Keshtkar; MD, MPH, PhDكاربرد اندازه هاي وقوع بيماري و اثر، مثال:در سال 83 در استان گیلان 250 مورد سرطان مري وجود داشت.در یک بیمارستان جنرال 250 تختخوابی، با ضریب اشغال تخت متوسط 70 درصد، 25 مورد عفونت بیمارستانی، در طول یک دوره یکساله رخ داده است.در طول يك سال در يك جامعه، 80 مورد جدید از ابتلا به دیابت تیپ 2 شناسایی گردید.

اسلاید 25: A. A. Keshtkar; MD, MPH, PhDاندازه هاي ارتباط بين عامل خطر و بيماري يا پيامد:اين اندازه ها بمنظور ارزيابي وجود رابطه بين عامل (مواجهه) با بيماري (پيامد) استفاده مي گردد.براي محاسبه اين اندازه ها برخلاف اندازه هاي وقوع، حداقل بايد دو گروه بمنظور مقايسه وجود داشته باشد:گروه مورد – گروه شاهدگروه مواجهه – گروه مقايسهگروه مداخله – گروه كنترل يا مقايسه و ...اين اندازه ها در اپيدميولوژي تحليلي (مطالعات تحليلي) كاربرد دارد

اسلاید 26: A. A. Keshtkar; MD, MPH, PhDاندازه هاي ارتباط بين عامل خطر و بيماري يا پيامد:مبناي محاسبه اين اندازه ها از مقايسه اندازه هاي وقوع در دو گروه بدست مي آيد.انواع مقايسه:مقايسه نسبيRelative Risk (Risk Ratio)Relative Rate (Rate Ratio)Relative Odds (Odds Ratio)مقايسه مطلقRisk Difference (Attributable Risk)

اسلاید 27: A. A. Keshtkar; MD, MPH, PhDتعداد مقالات دارای واژههای یکی از اندازه های قدرت ارتباط در عنوان یا چکیده :

اسلاید 28: A. A. Keshtkar; MD, MPH, PhDخطر نسبي Risk Ratio:از محاسبه نسبت خطر يا ريسك بيماري يا پيامد در گروه مواجهه يافته به خطر بيماري در گروه مواجهه نيافته بدست مي آيد. معمولا در مطالعات مشاهده اي آينده نگر (كوهورت) و مداخله اي قابل محاسبه است.Risk of disease in exposed groupRisk Ratio =Risk of disease in unexposed group

اسلاید 29: A. A. Keshtkar; MD, MPH, PhDخطر نسبي Risk Ratio: فرمول كليa /(a+b)a(c+d)Risk Ratio == c / (c+d)c(a+b)

اسلاید 30: A. A. Keshtkar; MD, MPH, PhDخطر نسبي Risk Ratio:مثال:مطالعه اي بمنظور ارزيابي اثر نوعيIUD بعنوان عامل خطر حاملگي نابجا طراحي شده است. در اين مطالعه 100 خانم داراي آن نوع IUD را با 200 خانم مشابه آنها از نظر سني و وضعيت باروري كه فاقد آن نوع IUD هستند، بمدت 4 سال تحت پيگيري قرار داده ايم: Risk in exp. Group = 11/100Risk in unexp. Group = 9/200= 0.045Risk Ratio = 0.11 / 0.045 = 2.44خطر حاملگي نابجا در خانمهاي داراي آن نوع IUD حدود 2.4 برابر خانمهاي فاقد اين نوع IUD مي باشد.

اسلاید 31: A. A. Keshtkar; MD, MPH, PhDنسبت بروز Rate Ratio:از محاسبه ميزان بروز بيماري يا پيامد در گروه مواجهه يافته به ميزان بروز بيماري در گروه مواجهه نيافته بدست مي آيد.نسبت دو ميزان بروز به يكديگر باعث مي شود اين نسبت بدون واحد زمان شود. معمولا در مطالعات مشاهده اي آينده نگر (كوهورت) يا مداخله اي قابل محاسبه است.Rate of disease in exposed groupRate Ratio =Rate of disease in unexposed group

اسلاید 32: A. A. Keshtkar; MD, MPH, PhDنسبت بروز Rate Ratio: فرمول كليa / Te Rate Ratio = c / Tu

اسلاید 33: A. A. Keshtkar; MD, MPH, PhDمثال:مطالعه اي بمنظور ارزيابي اثر سيگار كشيدن زنان يائسه بعنوان عامل خطر استئوپروز طراحي شده است. 250 زن سيگاري و 450 زن غيرسيگاري در اين مطالعه شركت نمودند. ميانگين مدت زمان follow up يكسال بود. اطلاعات در جدول زير خلاصه شده است: Rate in exp. Group = 25/2650= 0.0094Rate in unexp. Group = 11/4950= 0.002Rate Ratio = 0.0094 / 0.002 = 4.7ميزان بروز استئوپروز در زنان سيگاري حدود 4.7 برابر زنان غيرسيگاري مي‌باشد.نسبت بروز Rate Ratio:

اسلاید 34: A. A. Keshtkar; MD, MPH, PhDنسبت برتري يا شانس Odds Ratio:از محاسبه نسبت شانس مواجهه در بيماران به شانس مواجهه در گروه سالمها (يا شانس بيماري يا پيامد در گروه مواجهه يافته به شانس بيماري در گروه مواجهه نيافته) بدست مي آيد.معمولا در مطالعات مقطعي يا مشاهده اي گذشته نگر (مورد شاهدي) قابل محاسبه است.پركاربردترين اندازه در مطالعات اپيدميولوژيك است.Odds of disease in exposed groupOdds Ratio =Odds of disease in unexposed group

اسلاید 35: A. A. Keshtkar; MD, MPH, PhDنسبت برتري يا شانس Odds Ratio: فرمول كليa / ba.dOdds Ratio == c / db.c

اسلاید 36: A. A. Keshtkar; MD, MPH, PhDمثال:در يك مطالعه مقطعي در دانش‌آموزان يك دبستان بمنظور رابطه بين چاقي والدين با چاقي كودكان، اطلاعات زير بدست آمد. حدود 18.2 درصد دانش‌آموزان مبتلا به چاقي بودند:Odds in exp. Group = 17/40 = 0.43Odds in unexp. Group = 15/104= 0.14Odds Ratio = 0.43 / 0.14 = 3.1شانس ابتلا به چاقي در كودكان داراي والدين چاق حدود 3.1 برابر كودكاني است كه در والدين آنها چاقي وجود نداردنسبت برتري يا شانس Odds Ratio:

اسلاید 37: A. A. Keshtkar; MD, MPH, PhDخصوصيات كلي اندازه هاي نسبي:هر سه اندازه مقادير عددي بين حداقل صفر تا حداكثر مثبت بينهايت مي پذيرند.تفسير اين اندازه ها با توجه به مقادير عددي آنها تقريبا يكسان است:بين صفر تا يك : مواجهه يك عامل محافظتي استمساوي يك : مواجهه ارتباطي با پيامد نداردبزرگتر از يك تا بينهايت: مواجهه يك عامل خطر استدر يك مطالعه مشخص، معمولا همواره Odds Ratio از نظر عددي برآورد بزرگتري نسبت به دو اندازه ديگر مي دهد.اگر پيامد يا بيماري مورد بررسي نادر باشد، هر سه اندازه از نظر عددي نزديك به يكديگر خواهند بود.

اسلاید 38: A. A. Keshtkar; MD, MPH, PhDكاربرد اندازه هاي وقوع بيماري و اثر، مثال:در يك مطالعه مورد شاهدي بمنظور ارزيابي رابطه بين BMI زنان باردار و وقوع پره‌اكلامپسي ميانگين BMI در زنان مبتلا به پره‌اكلامپسي 34.3 و در زنان نرمال 27.5 بود. (p<0.001)در يك كارآزمايي باليني بمنظور تعيين اثر يك داروي جديد در پايين آوردن قند خون، 65% گروه مداخله به درمان پاسخ دادند و در گروه مقايسه (درمان استاندارد) پاسخ درماني 45% بود. (P=0.03)

اسلاید 39: A. A. Keshtkar; MD, MPH, PhDاندازه مطلق، خطر قابل انتساب : Risk Difference, Attributable Riskخطر قابل انتساب يا اختلاف ريسك از تفاضل خطر در گروه مواجهه يافته و خطر در گروه مواجهه نيافته بدست مي آيد.اين اندازه مقداري از خطر كه قابل انتساب به مواجهه يا عامل مورد نظر است را نشان ميدهد.در مثال قبلي (IUD و حاملگي نابجا)، خطر قابل انتساب برابر است با :AR= 0.11- 0.045 = 0.065تفسير: اين نوع IUD خطر ايجاد حاملگي نابجا را به اندازه 6.5 درصد افزايش ميدهد. اسامي ديگر AR:Etiologic Fraction:‌ چنانچه رابطه عليتي بين مواجهه و پيامد ثابت شده باشد. Excess Fraction: وقتي رابطه عليتي ثابت نشده باشد.AR = Riske - Risku

اسلاید 40: A. A. Keshtkar; MD, MPH, PhDاندازه مطلق، خطر قابل انتساب : Risk Difference, Attributable RiskAR = Riske - Risku

اسلاید 41: A. A. Keshtkar; MD, MPH, PhDدرصد خطر قابل انتساب : Attributable Risk PercentRe - Ru ARP = * 100 Re

اسلاید 42: A. A. Keshtkar; MD, MPH, PhDدرصد خطر قابل انتساب : Attributable Risk PercentRe - Ru RR - 1ARP = *100 = * 100 Re RRدر مثال قبلي (IUD و حاملگي نابجا)، درصد خطر قابل انتساب برابر است با :AR= 0.11- 0.045 / 0.11 = 0.59 تفسير: 59% خطر حاملگي نابجا در زنان مورد مطالعه قابل انتساب به اين نوع IUD است.اگر پيامد نادر باشد مي توان از Odds Ratio نيز بجاي Risk Ratio در فرمول فوق استفاده كرد.

اسلاید 43: A. A. Keshtkar; MD, MPH, PhDدرصد اثربخشي يك روش مداخله : Efficacy PercentRcontrol - Rintervention EP = *100 Rcontrol اين اندازه ميزان اثربخشي يك روش مداخله در جامعه را نشان ميدهد.مثال: در يك كارآزمايي بمنظور ارزيابي اثر يك نوع واكسن خوراكي به يك گروه واكسن خورانده شد و به گروه ديگر دارونما داده شد. ريسك ايجاد بيماري پس از سه سال در دو گروه به ترتيب 0.005 و 0.015 بود. درصد اثربخشي اين نوع واكسن را تعيين كنيد؟EP = (0.015 – 0.005) / 0.015 = 0.66اين نوع واكسن مي تواند 66% خطر ايجاد بيماري را كاهش دهد.

اسلاید 44: A. A. Keshtkar; MD, MPH, PhDدرصد خطر قابل انتساب در جامعه: Population Attributable Risk Percent Rpop. - Ru PAR = * 100 Rpop.

اسلاید 45: A. A. Keshtkar; MD, MPH, PhDدرصد خطر قابل انتساب در جامعه: Population Attributable Risk Percentشيوع فاكتور خطر