tft每日頭條

 > 健康

 > 流行病學是從哪個角度認識

流行病學是從哪個角度認識

健康 更新时间:2024-07-19 15:31:16

文章來源:LinkLab微信公衆号

引言

上兩期我們聊了患病率(Prevalence)和發病率(Incidence)的其中一種形式-累積發病率(Cumulative incidence)。Cumulative incidence的兩個重大前提就是:固定的随訪時間期間和closed cohort;然而,因為不可避免的loss to follow-up 和 competing risks都将影響研究人群的随訪時間;出于研究目的和方法的不同,有時候也需要使用open cohort進行研究。所以,今天我們繼續發病率(Incidence)的另一種形式,即發病密度(incidence density)/(incidence rate)。

正文

發病密度(Incidence density)

定義:在指定研究時期内,某人群在單位時間内發生某病/某健康事件的比例。或者,在指定随訪時間期間内,某人群中每單位人時(person-time)發生新病例數量。

公式:

流行病學是從哪個角度認識(哈佛流行病學理論)1

*觀察時間單位可根據所研究的疾病病種及研究問題的特點決定,通常以年表示。

例子:

Over 4,155,256 person-years of follow-up, 1541 incident first primary pancreatic cancers occurred. (引用: A prospective study of coffee intake and pancreatic cancer: results from the NIH-AARP Diet and Health Study. Guertin KA, et.al 2015)

Incidence rate

=1541/4155256

=3.7/10000 person-y

新概念:

人時(person-time):在随訪過程中,所有受試者在研究人群中暴露的時間的總和,即:每一個成員的具體觀察年數的總和。在closed cohort和open cohort中都可以計算,人時的單位為:年、月、日、小時等,最長使用的是人年(person-years)。

例如:

Person-years= 2 1 1+1 = 5 person-years

1.如何計算人年數(person-year)?

Closed cohort:每一成員的觀察年數時從觀察開始算起到終點事件出現或研究結束時講過的年數;

Open cohort:

1)精确計算:如果樣本量不大,則可以根據以上例子的方式進行精确計算;

2)近似計算:平均人數*觀察年數;

3)壽命表法:觀察人數較多卻又需要一定的精确度時,原理為從觀察對象中剔除死亡、遷移及失訪的人數,補充新加入的人數來折算。

2.Incidence rate:可以解決cumulative incidence的局限,比如subject 4在2011/01失訪,原因可能為loss to follow-up/competing risk;但是subject 4已經貢獻了其在該人群中的person-year。

3.報告方式:不是一個比率,可以是0-無窮大;報告時必須同時報告單位;

4.統計學方法:incidence rate不是一個比例(proportion),而是rate;因此,常使用泊松分布(Poisson distribution)進行統計學分析。

發病率和患病率的轉換

患病率Prevalence(P)依賴于兩個因素,即疾病平均持續時間duration(D)和發病密度incidence rate(I)。如果研究人群處于穩定狀态,

流行病學是從哪個角度認識(哈佛流行病學理論)2

累積發病率和發病密度的轉換

即使incidence rate可以很好的解決累積發病率的局限性,但是臨床醫生卻更喜歡使用cumulative incidence更直觀的表現疾病的風險。因此,我們需要考慮對這兩個概念的轉換。累積發病cumulative incidence(C)在t年随訪期間内,假設在随訪期間内發病密度incidence rate(I)保持穩定狀态:

流行病學是從哪個角度認識(哈佛流行病學理論)3

流行病學是從哪個角度認識(哈佛流行病學理論)4

預告

回歸概念:流行病學(epidemiology)就是研究特定人群中疾病、健康狀況的分布及其決定因素。我們使用risk相關的一些列概念來描述特定人群中疾病、健康狀況的分布,接下去我們自然要來看看如何研究人群中疾病等健康狀況的決定因素。下面幾期《哈佛流行病學理論》所感,就從研究風險因素的基本概念開始。

LinkLab

如果這篇文章對您有用,希望您能點擊正文最下方的「訂閱」。想看更多臨床科研的精品文章也可以關注我們的LinkLab

如果您有什麼醫學上的問題,也可以加微信客服号:linkmd,我們會一一為您解答

,

更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!

查看全部

相关健康资讯推荐

热门健康资讯推荐

网友关注

Copyright 2023-2024 - www.tftnews.com All Rights Reserved