HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
1
Dr. Claudia Meinke-Franze, Dr. Nicole Werner
20.11.2019
SHIP und NAKOEpidemiologie am Beispiel von
Kohortenstudien
Studiendesigns
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
2
Querschnittstudie
• = Prävalenzstudie, cross-sectional study
• Untersuchung einer Auswahl von Personen zu einem festen Zeitpunkt. Für die ausgewählten Personen wird der Krankheitsstatus(Prävalenz) und die gegenwärtige und/oder frühere Expositionsbelastung simultanerhoben.
Querschnitt- / Prävalenzstudie
Exponiert +Erkrankt +
Exponiert -Erkrankt +
Exponiert +Erkrankt -
Exponiert -Erkrankt -
Definierte Population
Datenerhebung zu Exposition & ErkrankungSIMULTAN
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
3
Die NAKO Gesundheitsstudie
Was hält uns gesund?
• Ursachen von Volkskrankheiten aufklären
• Risikofaktoren identifizieren
• Möglichkeiten der Früherkennung
von Krankheiten identifizieren
• Wege einer wirksamen Vorbeugung aufzeigen
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
4
Studienregionen in Deutschland und Mecklenburg‐Vorpommern
Mecklenburg-Strelitz
Demmin
Müritz
Neubrandenburg
07.01.2020
Seite 8
Ø Entfernung der TN der BL
zum nächstgelegenen SZ:
• ständiges SZ: ca. 9 km
• temp. SZ: ca. 13 km
• Neustrelitz: ca. 11 km
• Waren: ca. 11 km
• Demmin: ca. 16 km
NAKO in M‐V: ERGEBNISSE IV
Bild 4
Bild 1
Bild 2
Bild 5
Bild 3
Bild 6
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
5
Was hält uns gesund?
• Ursachen von Volkskrankheiten aufklären
• Risikofaktoren identifizieren
• Möglichkeiten der Früherkennung
von Krankheiten identifizieren
• Wege einer wirksamen Vorbeugung aufzeigen
Untersuchungen Level 1 (20.000 TN)‐Beispiele
• Messung der körperlichen Aktivität über 7 Tage (Akzelerometer)
• Messung der Handgreifkraft
• Knöchel‐Arm‐Index, Pulswellenanalyse (Vascular Explorer)
• Zahnzählung, Karies und periodontaler Status
• Geruchstest (Sniffin Sticks)
• Bioelektrische Impedanzanalyse
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
6
Untersuchungen Level 2 (4000 TN) –Beispiele
• Untersuchungen zum Schlafverhalten (Somnowatch), inkl. Langzeit‐EKG
• Visustest, Retinafotographie
• Hörtest mit Touchscreen und Headset
• Untersuchung von Hüfte, Knie und Handgelenken
• 3D‐Echokardiographie
• Ergometrie‐Test (Fahrrad)
MRT‐Untersuchungen
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
7
Zentrales Datenmanagement
• WebbasierteErhebungsanwendungTouchscreen fürSelbstausfüllerfragebögen, Sinnestests
ReportingReportingReporting
Datenauf‐bereitung
Qualitätssicherung (QS)
• Interne QS • Zentrale QS-Managerin und
alle 18 Studienzentren• SOPs• Site Visits• Strukturierte Schulungen
und Zertifizierungen
• Externe QS • Robert Koch-Institut• Site Visits• Berichtswesen
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
8
07.01.2020
Seite 15
Teilnehmende der BL in M‐V (2014/05 ‐ 2018/04): >22.000 TN, davon:
• im ständigen SZ (ab 2014/10): >10.900 TN
• in temp. SZ (ab 2014/05): >11.100 TN, davon:
• in Neustrelitz (1. temp. SZ, 285m², 2014/05 ‐ 2016/04 ): >3.200 TN
• in Waren/Müritz (2. temp. SZ, 750m², 2016/05 ‐ 2017/06 ): >4.900 TN
• in Demmin (3. temp. SZ, 400m², 2017/07 ‐ 2018/04 ): >3.000 TN
NAKO in M‐V: ERGEBNISSE
Vorteile
• Repräsentative Zufallsauswahl der Studienpopulation lässt Aussagen zu, die für die Zielpopulation generalisierbar sind
• Studiendauer relativ kurz
• Kosten relativ gering
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
9
Prävalenz pro 1000 =
Zahl der Erkrankten innerhalb einer Bevölkerung zu einem definierten Zeitpunkt
_______________________________________Gesamtzahl der Bevölkerung zu diesem
Zeitpunkt
x 1000
Prävalenz
Prävalenz
1 2 3 4 5 6 7 8 9
10 11 12 13 14 15 16 17 18 19 20 Jan Feb Mar Apr Mai Jun Jul Aug Sep Okt Nov Dez
Prävalenz
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
10
Faktoren, welche die Prävalenz beeinflussen:
nach:Trampisch & Windeler
• Längere Krankheitsdauer• Lebensverlängerung• Zunahme der Inzidenz• Verbesserte Diagnostik• Zu-/Abwanderung
• Kürzere Krankheitsdauer• Höhere Letalität• Abnahme der Inzidenz• Zu-/Abwanderung
Probleme einer möglichen Assoziation
• Es besteht eine Assoziation zwischen erhöhtem Cholesterinspiegel im Blut und Anzeichen für KHK im EKG
Cholesterin KHK?KHK Cholesterin?
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
11
Probleme einer möglichen Assoziation
• Eher prävalente als inzidente KHK-Fälle• Selektion der Überlebenden nach KHK• Zeitlicher Bezug? Was war zuerst?• Kausalität?
Fazit:• Gute Hinweise auf mögliche Risikofaktoren• Kohortenstudien sind überlegen
Kohortenstudie
Nicht erkrankt Exposition zum krankRisikofaktor
exponiert
nicht exponiert
SHIP N=4308
Ja
Ja
Nein
Nein
Zeit
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
12
Vorteile
• Temporalität gegeben• Mehrere Outcomes oder verschiedene
Krankheiten in Beziehung zur Exposition• Mehrere Expositionen • Maße der Assoziation (Relatives Risiko) • Maße des Einflusses (Attributables Risiko)
Nachteile
• Teuer
• Langer Zeitraum (Follow-up) bis Verlaufsdaten vorliegen / erhöht Rate für lost to follow-up (Umzug, Tod, …)
• Große Studienpopulation erfordert hohen Rekrutierungsaufwand/ Probandenmanagement
• Bias
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
13
FORSCHUNGSVERBUND COMMUNITY MEDICINE
Epidemiologie Klinische Chemie
Dermatologie
PsychiatrieMikrobiologie
Neurologie
Kardiologie
Pneumologie
Radiologie Molekulare Medizin
Zahnmedizin
Community Medicine
Ökonomie Gastroenterologie
Endokrinologie
Schleswig-Holstein
Hamburg
Berlin
Niedersachsen
Sachsen-Anhalt
Mecklenburg-
Vorpommern
BrandenburgShip-0
N= 430820-79 Jahre
Rügen
Use-dom
Stralsund
Greifswald
Nordvorpommern
Ostvorpommern
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
14
Lebenserwartung
Quelle: Nationalatlas Bundesrepublik Deutschland
STUDIE
Rostocker sind die dicksten Deutschen
Die Rostocker bringen deutschlandweit am meisten Gewicht auf die Waage. Laut einer vom Lifestyle-Magazin "Men's Health" in Auftrag gegebenen Untersuchung beträgt der durchschnittliche Body-Mass-Index (BMI) der Rostocker 25,9. Die meisten schlanken Menschen leben in Hamburg.
Übergewichtige Frau: Ostdeutsche sind dicker als
Westdeutschewww.spiegel.de
18.4.2005
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
15
1. Untersuchung des Vorkommens und der Häufigkeit relevanter Risikofaktoren und Erkrankungen in Nordostdeutschland
2. Untersuchung der komplexen Zusammenhänge zwischen Risikofaktoren und Erkrankungen
Ziele
1997-2001
SHIP-0
Baseline
SHIP-15y Follow-
up
SHIP-210y Follow-
up
SHIP-TREND
Baseline
2002-2006 2008-2012
SHIP-315y Follow-
up
2014-2018
SHIP-TREND1
5y Follow-up
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
16
SHIP-2/ SHIP-Trend
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
17
SHIP
Kernuntersuchung
SHIP
Dermatologie
SHIP
MRT
SHIP
Innere Medizin
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
18
SHIP
KORA
RECALL BGS98
Men Women
0
5
10
15
20
25
30
35
40
45
25-
35-
45-
55-
65-
Age Group (10 year goups)
%
SHIP-0
KORA
RECALL
BGS98
0
5
10
15
20
25
30
35
40
45
25-
35-
45-
55-
65-
Age Group (10 year goups)
%
SHIP-0
KORA
RECALL
BGS98
Adipositas (BMI >30 kg/m²)
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
19
70
80
90
100
110
120
130
140
150
25-34 35-44 45-54 55-64 65-74
BDsys SHIP BDsys KORABDdiast SHIPBDdiast KORA
mm
Hg
Jahre
Meisinger et al; J Hypertens 2006
Blutdruck im Norden und Süden Deutschlands, Männer
Prävalenz & Inzidenz
1
2
3
45
67
8
9
10
11
12
13
14
15
16
17
18
1920
Jan Feb Mar Apr Mai Jun Jul Aug Sep Okt Nov Dez
Prävalenz
Inzidenz
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
20
Gewichtszunahme und Bluthochdruck
Völzke et al. Eur J Endocrinol 2009
0,6
0,8
1
1,2
1,4
1,6
Ris
iko
für
neu
en B
luth
och
dru
ck
SHIP-0: adipös
SHIP-1: adipös
SHIP-0: nicht adipös
SHIP-1: adipös
SHIP-0: adipös
SHIP-1: nicht mehr adipös
Relative kausale Stärke von Studiendesigns
starkExperimentell
Kohortenstudie
Historische Kohortenstudie
Fall-Kontroll-Studie
Querschnittstudie
Korrelationsstudie
schwach
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
21
Mögliche Ursachen einerbeobachteten Assoziation
• Kausalität (in beob. Epi: starkeAssoziation)
• Bias (systematischer Fehler)
• Confounding (Störvariable)
• Zufall
Bias
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
22
Bias
Ist alles, was die Ergebnisse einer Studie so verändert, dass das Bild von der Wirklichkeit verzerrt wird.
Bias
• Systematischer Fehler im Design, bei der Durchführung oder bei der Analyse einer Studie
• Aber: Ist bei der Interpretation von Datenanalysen zu berücksichtigen
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
23
• Selektionsbias
Bias-Typen
• Informationsbias
Selektionsbias
• Selektionsfehler bedingt eine falsch hohe oder eine falsch niedrige Prävalenz und damit eine eingeschränkte Repräsentativität
• Weiterhin kann eine scheinbare Beziehung zwischen zwei Variablen erzeugt werden
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
24
Systematischer Fehler beim Auswählen oder Anwerben
von Studienteilnehmern
Wer gelangt in die Studie?
Selektionsbias
Beispiele für Auswahlfehler
Nur „leicht erreichbare“ Personen– Telefonanschluss, tagsüber zu Hause, erreichbare
Messebesucher
Nur „leicht zur Antwort zu bewegende“ Personen– Freiwillige, Betroffene, Deutschsprachige
„Nicht vergleichbare“ Kontrollgruppe– andere Quellbevölkerung als Fallgruppe
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
25
NAKO in M‐V: HINTERGRUND I
07.01.2020
Seite 49
• Teilnahmebereitschaft an epidemiolog. Studien von verschied. Faktoren, wie
z.B. für Studienteilnahme aufgebrachte Zeit u. Kosten beeinflusst
• beides steigt mit zunehmender Entfernung vom Wohn‐ zum Studienort
• Mecklenburg‐Vorpommern (M‐V) am dünnsten besiedelte, von Gewässern
durchzogene sowie eine der ökonom. schwächsten Regionen Deutschlands
(Fläche: ca. 23.000 km², EW: ca. 1,7 Million)
07.01.2020
Seite 50
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
26
07.01.2020
Seite 51
NAKO in M‐V: METHODEN III
• Distanzreibung angenommen ab 30 km
• Distanzen (ArcGIS) zur regionalen Zuordnung
• DM‐WRN: 56 km
• DM‐NB: 48 km
• WRN‐NB: 45 km
• WRN‐NST: 46 km
• NB‐NST: 30 km
Einladungsprozedere SHIP
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
27
n= 2331 54,1%
n= 1059 24,6%
n= 173 4,0%
n= 280 6,5%
n= 467 10,8%
Informationsbias
• Unzulängliche Informationen über Studienteilnehmer bzgl. – Exposition oder – Erkrankung
• Missklassifikation Bias
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
28
Arten von Informationsbias
• Bias bei der Auswertung von Befunden und Berichten
• Surveillance-Bias (Pille und Thrombophlebitis)
• Recall-Bias• Berichts-Bias (Wunsch-Bias)• Survivalbias• Methodenbias
– Geräte-Bias, Observer-Bias, Reader-Bias, Interviewer-Bias
Qualitätssicherung in SHIP
• Definition einer Untersuchung
• SOP als Standardanweisung
• Schulungen/ Hospitationen
• Zertifizierungen
• Qualitätsberichte (fehlende Werte, Methodenänderungen, Untersucherergebnisse)
Hüftumfangsmessung
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
29
Confounding
Confounding
• einen Risikofaktor für die zu untersuchende Erkrankung darstellt
• mit dem zu untersuchendem Risikofaktor assoziiert ist, ohne dessen Folge zu sein
Confounding kann in der Analyse berücksichtigt werden
Ein Faktor ist ein Confounder, wenn er:
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
30
Statistische Assoziationen
Two variables A and B can be statistically associated by threemechanisms:
A BA B A BA B
C
A B
C
A B
A changes the frequency of B (A is a cause for B)
B changes thefrequency of A (Bis a cause for A,reverse causality)
C (parent) changesthe frequency of Aand B (no directcausal association between A & B
Wie kann ich für Confounder kontrollieren?
• Restriktion
• Matchen
• Stratifizieren
• Adjustieren
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
31
Restriktion
Beschränkung auf z.B.
• nur Frauen• nur Rauchern
in die Analyse
Matching
• „Paarbildung“ – Einteilung von Fällen und Kontrollen in passende Zweiergruppen in Bezug auf bestimmten Faktor (Confounder)
• Vorteil– Einzelne Confounder können komplett
ausgeschaltet werden• Nachteile
– Gefahr von Overmatching– Studienpopulation entspricht nicht mehr
der realen Situation– Effektmodulation kann nicht mehr
analysiert werden
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
32
Stratifikation
• Analyse des Effektes in einzelnen Schichten der Confoundervariable
• Vorteile:– intensiver Überblick über die Daten– eignet sich auch zur Identifikation von
Effektmodulation• Nachteil:
– impraktikabel zur Untersuchung multifaktoriell bedingter Erkrankungen, bei der die Berücksichtigung vieler potentieller Confounder oder Risikofaktoren notwendig ist
Adjustieren
• Kontrolle von Confoundervariablen in multivariablen Modellen
• Der untersuchte Effektschätzer wird durch die Confoundervariable relevant beeinflusst
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
33
How to Perform the Perfect Study?
GEP-Empfehlungen
Leitlinien und Empfehlungen zur Sicherung von
Guter Epidemiologische Praxis
• Deutsche Arbeitsgemeinschaft für Epidemiologie (2008)
• http://dgepi.de/fileadmin/pdf/leitlinien/GEP_mit_Ergaenzung_GPS_Stand_24.02.2009.pdf
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
34
GEP - Inhalte
1. Ethik2. Forschungsfrage3. Studienplan4. Probenbanken5. Qualitätssicherung6. Datenhaltung und -dokumentation7. Auswertung8. Datenschutz9. Vertragliche Rahmenbedingungen
10. Interpretation11. Kommunikation und Public Health
GEP - Studienplan
• Fragestellung und Arbeitshypothesen• Studientyp• Studienbasis (Zielpopulation) und Studienpopulation• Studienumfang und dessen Begründung• Auswahl- und Rekrutierungsverfahren• Definition und Erhebungsverfahren für Endpunkte• Expositionen bzw. Risikofaktoren• Potentielle Confounder und Effektmodifikatoren• Auswertungsstrategie inkl. statistischer Modelle• Maßnahmen zur Qualitätssicherung• Ethik und Datenschutz• Zeitplan mit Festlegung der Verantwortlichkeiten
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
35
There is no Perfect Study!
HCM, 20.11.2019, SHIP und NAKO Epidemiologie am Beispiel großer Kohortenstudien
36
Vielen Dank für Ihre Aufmerksamkeit
Kontakt:Dr. Claudia Meinke‐FranzeInst. für Community Medicine, Abt. SHIP‐KEFTel. 03834/86 7743 claudia.meinke‐franze@uni‐greifswald.de