Från A till Y

Uppsala universitet har gått ut med ett meddelande om ännu en studie om de olyckliga män som blivit av med Y-kromosomen i sina vita blodkroppar (Koffmar 2016). Som tidigare har det fått uppmärksamhet i både svenska och utländska media, och denna gång handlar det om att män med förlust av Y-kromosomen har ökad incidens i Alzheimers sjukdom (Dumanski m.fl. 2016). Den 1 maj 2014 skrev jag om den första av studierna i ämnet, som behandlar samband mellan kromosomförlust och dödlighet i cancer. Jag påpekade då en tendens att dra för stora växlar på resultaten i media, som ibland framställde det som att kromosomförlusten skulle vara hela förklaringen till mäns kortare livslängd jämfört med kvinnor. I det nu aktuella pressmeddelandet citeras en av forskarna, Lars Forsberg, som är inne på att i framtiden screena för förlust av Y-kromosomen för att sätta in förebyggande åtgärder mot t.ex. cancer. Han säger att ett sådant test ”skulle kunna sänka dödligheten hos män radikalt och kanske till och med jämna ut skillnaden i livslängd mellan män och kvinnor”.

Men även om all överdödlighet relaterad till kromsomförlusten skulle förhindras är det orimligt att detta skulle eliminera livslängsskillnaden, av det skäl jag påpekade i det gamla inlägget. Manlig överdödlighet i sådant som alkoholrelaterade sjukdomar, trafikolyckor och självmord är knappast kromsomförlustens fel. Det är också osannolikt att den skulle förklara manlig överdödlighet i kranskärlssjukdom: i den första av studierna finns inget samband med dödlighet i andra orsaker än cancer, och dödligheten i kranskärlssjukdom hos män relativt kvinnor avtar med stigande ålder, när kromosomförlusten ökar. Dock är minskningen av tidig kranskärlsdödlighet i befolkningen de senaste decennierna en viktig faktor bakom de minskade skillnaderna i livslängd mellan könen. Om sådan dödlighet mer eller mindre elimineras i framtiden, kan det kanske hända att kromosomförlusten kommer att förklara det mesta av den återstående sjukdomsrelaterade överdödligheten bland män.

När det gäller Alzheimers sjukdom kan det också noteras att en eventuell effekt av Y-kromsomförlusten inte verkar översättas till motsvarande könsskillnad. Kvinnor tenderar tvärtom att ha högre incidens och prevalens i Alzheimers sjukdom och andra typer av demens än män i motsvarande ålder (SBU 2008). Det är som i fallet med östrogen och influensa, som jag skrev om den 16 januari. Östrogen tycks motverka influensavirus hos kvinnor, och kvinnor har mer östrogen än män, men av detta följer inte (som påstods i media, både i Sverige och internationellt) att kvinnor är mindre utsatta för influensa än män. Yngre kvinnor verkar vara mer utsatta för influensa än yngre män, som inledningsvis påpekas i originalstudien (Peretz m.fl. 2015). Ett mönster med manlig översjuklighet i olika infektioner tycks uppstå med stigande ålder (se diagram), när aktiviteten av könshormoner avtar, och det kanske kan vara relaterat till kromosomförlusten.

Infektioner öppenvård män/kvinnor Diagrammet visar antal öppenvårdsbesök per invånare hos män relativt kvinnor i olika åldersgrupper (femåriga åldersintervall från 0–4 till 80–84 år, öppet intervall 85– år) 2014, för vanliga infektionsrelaterade diagnoser (övre luftvägsinfektion, ICD-10 J00–J06; influensa och lunginflammation J09–J18; ospecificerad feber R50). Rådata från Socialstyrelsen (2016).

Referenser

Dumanski, Jan P., Jean-Charles Lambert, Chiara Rasi, Vilmantas Giedraitis, Hanna Davies, Benjamin Grenier-Boley, Cecilia M. Lindgren, m.fl. 2016. ”Mosaic loss of chromosome Y in blood is associated with Alzheimer disease”. The American Journal of Human Genetics. doi:10.1016/j.ajhg.2016.05.014.

Koffmar, Linda. 2016. ”Kromosomfel ökar risken för Alzheimers sjukdom”. http://www.uu.se/press/nyheter/artikel/?id=6676&area=2,4,10,16&typ=artikel&lang=sv.

Peretz, Jackye, Andrew Pekosz, Andrew P. Lane och Sabra L. Klein. 2015. ”Estrogenic compounds reduce influenza A virus replication in primary human nasal epithelial cells derived from female, but not male, donors”. American Journal of Physiology – Lung Cellular and Molecular Physiology. doi:10.1152/ajplung.00398.2015.

SBU. 2008. Dementia – etiology and epidemiology : A systematic review : June 2008 vol. 1. http://www.sbu.se/upload/Publikationer/Content1/1/Dementia_vol1.pdf.

Socialstyrelsen. 2016. ”Statistikdatabas för diagnoser i öppenvård”. http://www.socialstyrelsen.se/statistik/statistikdatabas/diagnoserioppenvard.

Besvärlig litteratur

Nu rapporteras att kulturjournalisten Nils Schwartz dött, 72 år gammal (Olsson 2016). Den 11 januari 2011 diskuterade jag en av hans artiklar, som handlar om litteraturforskaren Katarina Bernhardssons avhandling om sjukdomsskildring i svensk samtidsprosa (Schwartz 2010). I inledningen säger Schwartz att alla romaner tycks innehålla någon som författaren sjukskriver, med allt från ”lätt förkylning till obotlig cancer”, och konstaterar sedan: ”Sjukdom konstituerar de mänskliga livsvillkoren mera än kärlek. Det finns de som aldrig har älskat, men ingen som aldrig har haft feber.” Jo, uppenbarligen finns det människor som aldrig haft feber, men den välvilliga tolkningen av den sista meningen måste vara att han kvantifierar över människor som är gamla nog att läsa eller skriva skönlitteratur. I så fall är påståendet inte uppenbart falskt (men knappast heller helt uppenbart sant – jag vet inte om exempelvis Sara Stridsberg, som invalts i Svenska Akademien och därför nu syns på kultursidorna bredvid artiklarna om Schwartz, utgör ett motexempel).

I recensionen nämner Schwartz Sontag (1978) som exempel på ett verk med avgörande betydelse för forskningen om sjukdom som romantema. Jag skrev om denna essä den 22 oktober förra året. Sontag diskuterar föreställningar om hur människors känsloliv skulle orsaka tuberkulos eller cancer och hur detta speglats i både skönlitteratur och hälsodebatt. Jag tänkte mig att idéer om just bokstavlig feber som skyddande mot cancer kan ses som ännu ett utslag av det slags tänkande som diskuteras av Sontag: den ”cancerbenägna” personligheten framställs som hämmad och resignerad, motsatsen till de drag för vilka ”feber” används metaforiskt.

När det gäller detta föregivna samband mellan cancer och personlighet tyder moderna, prospektiva studier på att ett sådant samband inte existerar (Nabi m.fl. 2008). Några studier av denna typ finns inte för hypotesen om ett samband mellan cancer och feber eller akuta infektioner, och hypotesens förespråkare hämtar stöd från fallkontrollstudier och anekdoter (Cann, Netten och Netten 2006). För de amerikanska hälsomyndigheternas studie NHANES III, som genomfördes 1988–94, har dock vissa data, bl.a. med frågor om personerna haft förkylning eller influensa senaste året, gjorts publikt tillgängliga (National Center for Health Statistics 1997), därtill med uppföljning av orsaksspecifik dödlighet till och med 2011 (National Center for Health Statistics 2015).

Jag konverterade de båda filerna, som är textfiler med fast bredd, till CSV-filer med AWK (för adult.dat har jag bara överfört de fält som har att göra med viktning, kön, ålder och luftvägssymptom). Därefter läste jag in dem i en PostgreSQL-databas för att kunna länka ihop dem och använde mig sedan av funktionerna i Lumley (2014), ett R-paket gjort för att hantera komplexa surveyundersökningar med vikter för att motverka snedvriden representation, för att utföra Coxregression med kön, ålder och minst en förkylning/influensa det senaste året som oberoende variabler och död i cancer som beroende variabel.

Resultatet är att något samband inte kan hittas för förkylningsvariabeln. Om alla individer med uppgift om dödlighet inkluderas är hazardkvoten 0,89, med ett 95-procentigt konfidensintervall på 0,76–1,05. Om de som dog inom 5 år efter studien utesluts, för att motverka snedvridning genom existerade sjukdom, är kvoten 0,94, med ett intervall på 0,78–1,14. Men det skulle kunna hävdas att det uppstår så kallat utspädningsbias, genom att självrapporterad förkylning under ett år är en alltför dålig indikator på den relevanta exponeringen, så att ett eventuellt samband försvinner. I så fall skulle det behöva göras prospektiva studier där akuta febrila infektioner mäts på ett mer precist sätt, för att få någon starkare evidens mot hypotesen att sådana infektioner skulle ha en cancerskyddande effekt.

Referenser

Cann, Stephen A. Hoption, J.P. van Netten och C. van Netten. 2006. ”Acute infections as a means of cancer prevention: Opposing effects to chronic infections?” Cancer Detection and Prevention 30. doi:10.1016/j.cdp.2005.11.001.

Lumley, Thomas. 2014. survey: analysis of complex survey samples. http://CRAN.R-project.org/package=survey.

Nabi, Hermann, Mika Kivimäki, Marie Zins, Marko Elovainio, Silla M Consoli, Sylvaine Cordier, Pierre Ducimetière, Marcel Goldberg och Archana Singh-Manoux. 2008. ”Does personality predict mortality? Results from the GAZEL French prospective cohort study”. International Journal of Epidemiology 37 (2): 386–396. doi:10.1093/ije/dyn013.

National Center for Health Statistics. 1997. ”Third National Health and Nutrition Examination Survey, 1988–1994, NHANES III Household Adult Data File”. ftp://ftp.cdc.gov/pub/Health_Statistics/NCHS/nhanes/nhanes3/1A/adult.dat.

Olsson, Karin. 2016. ”Kritikernestorn Nils Schwartz är död”. Expressen (14 maj). http://www.expressen.se/kultur/kritikernestorn-nils-schwartz-ar-dod/.

Schwartz, Nils. 2010. ”Katarina Bernhardsson: Litterära besvär”. Expressen (7 december). http://www.expressen.se/kultur/katarina-bernhardsson-litterara-besvar/.

Sontag, Susan. 1978. Illness as metaphor.

Obesvarad

Den senaste veckan har svenska media rapporterat om både positiva och negativa saker med avseende på folkhälsa. I en Bojskrönika i DN sägs att viktökningen bland svenska barn över tid verkar ha stannat av (Bojs 2016). Detta framhålls som något viktigt med hänvisning till en annan studie, som behandlar BMI hos omkring 17 år gamla mönstrande israeliter (både flickor och pojkar), som följts upp i maximalt 44 år med avseende på dödlighet (Twig m.fl. 2016). Studiens resultat sammanfattas som att för ”17-åringar med ett BMI över 30” förelåg ”betydande” överrisker: ”fem gånger högre för död i hjärtinfarkt, 2,5 gånger högre för död i stroke och fördubblad risk för plötslig hjärtdöd”. Dessutom sägs att studien ”[s]om väntat” visade ”att riktigt underviktiga personer, med BMI under 17,5” hade förhöjd cirkulationsdödlighet i medelåldern.

I den faktiska studien delas personerna in i BMI-percentiler. Referensgrupp är 5:e till 24:e percentilen, med BMI 17,3–19,2 bland flickor och 17,9–19,7 bland pojkar. De ovan nämnda relativa talen är de hazardkvoter som gäller för den översta, 95:e percentilen, där BMI är minst 29,82/28,44 bland flickor/pojkar. De ”underviktiga” skulle motsvara de som ligger under den nedre gränsen för referensgruppen. Där finns inga signifikanta skillnader för några cirkulationsutfall, men en liten ökning för icke cirkulationsrelaterad dödlighet (hazardkvot 1,05), som till stor del måste utgöras av olyckor, självmord och tobaksrelaterade sjukdomar. Jag påpekade båda dessa saker i ett feedbackformulär förra helgen men har inte fått något svar. Samtidigt är det enkelt att kontrollera i artikeln, och det medför heller inte att krönikans budskap om övervikt bland unga som riskfaktor försvagas (snarare tvärtom). Med hänsyn till det jag skrev om den 24 mars 2014 om en motsvarande enkel rättning av påståenden i en Bojskrönika om statistiska tester från statistikern Olle Häggström tvivlar jag på att något kommer att hända.

SVT har rapporterat om mindre gynnsamma trender, när det gäller utvecklingen av antibiotikaresistens. I en av deras artiklar hävdas att det dör allt fler svenskar till följd av ”superbakterierna” (Olsson och Svensson 2016). År 2005 var antalet dödsfall ”till följd av bakterieinfektion där antibiotika inte hjälpt”1 96 som underliggande dödsorsak; 2014 hade det ökat till 143. Men hur kan vi veta om ett dödsfall är orsakat av just sådana bakterier? I den officiella statistiken finns i alla inga koder för just antibiotikaresistens. Siffrorna stämmer för både 2005 och 2014 överens med ICD-koderna A41.0–A41.2 (sepsis orsakad av stafylokocker), A49.0 (ospecificerad stafylokockinfektion) och A49.9 (ospecificerad bakterieinfektion) (Socialstyrelsen 2007; Socialstyrelsen 2015).

I SVT-artikeln sägs också att antalet dödsfall globalt ”varje år”, enligt WHO:s uppskattningar, i infektioner som antibiotika inte tar död på är 10 miljoner. Det skulle innebära att dessa infektioner orsakade ungefär vart sjätte dödsfall globalt (IHME 2015). En engelsk rapport uppskattar att antalet dödsfall orsakade av antibiotikaresistens är minst 700 000 per år, men det presenteras också ett scenario för 2050 där det har ökat till 10 miljoner (Review on Antimicrobial Resistance 2014). Jag frågade dels om definitionen och påpekade dels felet under artikelposten på SVT:s Facebooksida i förra helgen, men har inte heller där hört något.

Nu har det sagts på den här bloggen, men det kommer nog inte heller att få några större effekter.2

Referenser

Bojs, Karin. 2016. ”Därför är det så bra att svenska barn håller sig smala”. DN (16 april). http://www.dn.se/nyheter/sverige/karin-bojs-darfor-ar-det-sa-bra-att-svenska-barn-haller-sig-smala/.

IHME. 2015. ”GBD Compare”. http://vizhub.healthdata.org/gbd-compare/patterns.

Olsson, Karin Axelsdotter och Anna H Svensson. 2016. ”Allt fler svenskar dör av superbakterierna”. SVT.se (17 april). http://www.svt.se/nyheter/inrikes/allt-fler-svenskar-dor-av-superbakterierna.

Review on Antimicrobial Resistance. 2014. ”Antimicrobial resistance: Tackling a crisis for the health and wealth of nations”. http://amr-review.org/sites/default/files/AMR%20Review%20Paper%20-%20Tackling%20a%20crisis%20for%20the%20health%20and%20wealth%20of%20nations_1.pdf.

Socialstyrelsen. 2007. Dödsorsaker 2005. http://www.socialstyrelsen.se/publikationer2007/2007-42-15.

———. 2015. Dödsorsaker 2014. http://www.socialstyrelsen.se/publikationer2015/2015-8-1.

Twig, Gilad, Gal Yaniv, Hagai Levine, Adi Leiba, Nehama Goldberger, Estela Derazne, Dana Ben-Ami Shor, m.fl. 2016. ”Body-mass index in 2.3 million adolescents and cardiovascular death in adulthood”. New England Journal of Medicine. doi:10.1056/NEJMoa1503840.


  1. Hur många dör av bakterieinfektioner där antibiotika hjälpt?

  2. Även om jag inte brukar skriva om utpräglat personliga saker på denna blogg, är dess genomslag nog inte större än att det vore tämligen riskfritt att skriva ifall jag var olyckligt kär i Molly Ekborg som arbetar på organisationen YHYX (vilket jag nu inte är – någon sådan person och organisation existerar mig veterligen inte).

Framtidens livstid

Den kampanj av Cancerfonden som nämndes i förra inlägget har nu avslutats till följd av den kritik som riktats mot den från olika håll. Till bakgrunden för kampanjen hörde årets rapport från organisationen, där det bl.a. förutsägs att antalet personer som lever med cancer och samhällets kostnader för cancer kommer att öka påtagligt fram till 2040, om de senaste årens trender för incidens och överlevnad håller i sig (Cancerfonden 2016).

Något som Cancerfonden inte ägnat sig åt är prognoser för hur livstidsrisken för cancer kommer att förändras de senaste decennierna. I förra inlägget visade jag på hur denna kunde beräknas för ett år utifrån data över total åldersspecifik dödlighet, cancerdödlighet och cancerincidens, med den metod som föreslås av Sasieni m.fl. (2011). Med projektioner av dessa tre variabler in i framtiden går det då också att göra projektioner av livstidsrisken för cancer. När det gäller projektioner av dödstal är det vanligt att använda Lee–Cartermetoden, som jag skrev om här den 28 februari, och den kan användas på samma sätt för incidenstal i exempelvis cancer. Metoden är alltså följande:

  1. Gör projektioner av dödstal och cancerincidens, som beskrivs i 28-februari inlägget.
  2. Konstruera livslängdstabeller utifrån projektionerna av total dödlighet och beräkna livstidsrisken för cancer vid en uppnådd ålder utifrån dessa, som beskrivs i förra inlägget.

Jag gjorde förutsägelser av cancerrisken åren 2015–2040 med data över cancerincidens för åren 2001–2014 från Socialstyrelsen (2015) och data över dödstal för åren 2001–2013 från WHO (2015). Cancerstatistiken innehåller åldersgrupperna \([0,4],[5,9],…,[80,84],[85,\infty)\) år och dödlighetsstatistiken åldersgrupperna \(0,1,2,3,4,[5,9],[10,14],…,[90,94],[95,\infty)\) år. Jag antog att cancerincidensen i åldersgrupperna under 5 år är densamma som i gruppen 0–4 år (det har inte någon signifikant betydelse för livstidsrisken på grund av få fall) och att incidensen i de tre grupperna över 85 år är densamma som i gruppen 85– år (diagram som funnits av vissa av Socialstyrelsens rapporter visar att incidensen sjunker något med stigande ålder bland personer över 85 år (Socialstyrelsen 2008, 22), kanske på grund av mindre diagnostik eller selektiv överlevnad).

För nyfödda1 flickor skulle livstidsrisken öka från 45,3 procent 2015 till 59,8 procent 2040, och för pojkar skulle den öka från 47,9 till 53,4 procent. Detta speglar att incidensen i bl.a. lungcancer fortsatt att öka bland kvinnor i högre åldersgrupper under det senaste decenniet, samtidigt som incidensen bland män, som verkar starkt relaterad till användningen av PSA-test för prostatacancer, stabiliserats. Det är dock knappast realistiskt att ökningen av lungcancer bland kvinnor kommer att fortsätta i samma takt, eftersom yngre kohorter haft andra rökvanor och lungcancer numera minskar i åldrarna under 55 år även bland kvinnor. Mer riktad screening av kvinnor med hög risk för bröstcancer, i stället för mammografi baserat enbart på åldern, kan också bidra till minskad överdiagnostik och bromsa ökningen av total cancerincidens bland kvinnor.

En betydande del av ökningen av cancerincidensen de senaste åren utgörs av hudcancer utom malignt melanom (ICD-7 191), där dödstalen är mycket låga. Det kan vara av intresse att göra projektioner av den totala cancerincidensen minus incidensen i denna form. Då ökar livstidsrisken för flickor från 41,5 procent 2015 till 51,5 procent 2040 och för pojkar från 43,5 till 45,8 procent. Ökad livslängd bidrar inte längre ensam med så stora ökningar av livstidsrisken; livslängden är redan över 80 år för såväl kvinnor som män och incidensen i cancer (speciellt bortsett från godartad hudcancer) ökar inte så mycket med åldern efter 75 års ålder. Minskningar i livslängden skulle däremot lätt kunna minska livstidsrisken eller antalet cancerfall. Om en tidsresenär från 2040 dök upp idag och kunde berätta att antalet cancerfall i Sverige sjunkit dramatiskt 2040, och inte hade någon ytterligare information, vet jag inte om jag skulle tycka att det vore någon lugnande nyhet. Jag skulle nog hålla det för mer troligt att det vore följden av ett katastrofalt händelseförlopp som inletts med t.ex. ett ogynnsamt utfall av höstens amerikanska presidentval än av någon revolutionerande strategi för prevention.

Referenser

Cancerfonden. 2016. Cancerfondsrapporten 2016. https://www.cancerfonden.se/nedladdning/dokument/cancerfondsrapporten-2016.

Sasieni, P.D., J. Shelton, N. Ormiston-Smith, C.S. Thomson och P.B. Silcocks. 2011. ”What is the lifetime risk of developing cancer?: The effect of adjusting for multiple primaries”. British Journal of Cancer 105. doi:10.1038/bjc.2011.250.

Socialstyrelsen. 2008. Cancer incidence in Sweden 2007. http://www.socialstyrelsen.se/publikationer2008/2008-125-16.

———. 2015. ”Statistikdatabas för cancer”. http://www.socialstyrelsen.se/statistik/statistikdatabas/cancer.

WHO. 2015. ”WHO Mortality Database”. http://www.who.int/healthinfo/mortality_data/en/index.html.


  1. Projektionerna gäller under förutsättningen att det årets incidens hålls konstant i framtiden; för att göra en prognos för den kohort som faktiskt föds ett år skulle det behövas projektioner av incidensen ytterligare 95 år framåt.

På livstid

Det drivs för närvarande en kampanj av Cancerfonden i syfte att minska insjuknande i cancer genom förändrade levnadsvanor (Cancerfonden 2016), och den har blivit kritiserad av bl.a. Almestad (2016) för att vara glättig och skuldbeläggande, en ”smaklös lifestyleifiering”. Grelsson hänvisar till den amerikanska författaren Barbara Ehrenreich: en skribent som råkat ut för bröstcancer, och kritiserat föreställningar om sjukdomens kopplingar till ”positivt tänkande” (vilket hon har gemensamt med flera andra framstående skribenter i både USA och Sverige, som jag skrev om här den 7 oktober förra året). De nuvarande kampanjerna tar inte specifikt upp positivt tänkande eller psykologiska faktorer, men retoriken är densamma, menar Grelsson.

Utgångspunkten för kampanjen är att ”vart tredje cancerfall” kan förebyggas genom olika livsstilsåtgärder. Jag skrev den 2 juni 2010 om en svensk studie som uppgavs visa att folk kunde halvera risken för cancer med ”fem faktorer”, och jag ställde mig frågan i vilken mån detta kunde översättas till minskad livstidsrisk för cancer.

Några allmänt vedertagna metoder att uppskatta livstidsrisk för cancer utifrån officiell statistik finns inte. Det vanliga är beräkningar av kumulativ risk upp till en viss ålder, som inte tar hänsyn till konkurrerande dödlighet. Den 28 juli 2014 skrev jag om ett mått föreslaget av Sasieni m.fl. (2011). De presenterar det med ganska komplexa formler, men det handlar om att upprätta en sorts livslängdstabell där det finns två sätt att elimineras ur befolkningen: att få cancer eller att dö till följd av något annat än cancer och sedan beräkna andelen som elimineras på det senare sättet. Det kan göras med officiell statistik över dödsfall och cancerinsjuknande och ger korrekta uppskattningar av livstidsrisken (givet dagens incidens- och dödlighetsmönster) under förutsättning att insjuknande i primär cancer och dödlighet i annat än cancer (om statistik över underliggande dödsorsaker används skall det exkludera komplikationer till cancer eller cancerbehandling) inte skiljer sig mellan de som haft cancer och övriga befolkningen.

De har tillhandahållit Excelark för att infoga data för en befolkning. Jag har också implementerat måttet med en funktion i Julia som använder mitt LifeTable-paket:

using LifeTable, DataFrames

function AmpLt(inframe, sex, rate = "inc")
    age = inframe[1]
    pop = inframe[2]
    acd = inframe[3]
    cd = inframe[4]
    cc = inframe[5]
    if rate == "inc"
        ncol = cc
        dcol = acd .- cd .+ cc
    elseif rate == "mort"
        ncol = cd
        dcol = acd
    end
    df = DataFrame(age = age, pop = pop, dcol = dcol)
    cprop = ncol ./ dcol 
    lt = PeriodLifeTable(df, sex)
    return CauseLife(lt, cprop)
end

Om t.ex. en tabell med kolumner för ålder, folkmängd, antal dödsfall totalt, antal dödsfall i cancer och cancerfall bland svenska kvinnor 2014 lästs in i dataramen fse14 kan en tabell med livstidsrisk att insjukna i cancer vid en uppnådd ålder skapas genom att AmpLt(fse14, 2) anges i Julias skal. Om AmpLt(fse14, 2, "mort") angetts hade i stället livstidsrisk att dö i cancer beräknats. Beräkningar baserade på data för Sverige 2014 för femåriga åldersintervall från 0–4 till 80–84 år plus ett öppet intervall för personer över 85 år (tillgängliga via Socialstyrelsen (2015a) för dödlighet, Socialstyrelsen (2015b) för cancerincidens och SCB (2016) för folkmängd) visar på en livstidsrisk för insjuknande i cancer på 45,7 procent bland nyfödda kvinnor och 49,7 procent bland män. För död är risken 22,3/26,2 procent bland kvinnor/män.

Vad skulle då hända om t.ex. incidensen och dödligheten i cancer reducerades med en tredjedel i alla åldersgrupper? Livstidsrisken för insjuknande för en nyfödd skulle minska till 33,8/37,3 procent och för dödlighet till 15,7/18,8 procent. Detta under antagandet att dödligheten i andra orsaker än cancer inte skulle påverkas. Men livsstilsåtgärder som att sluta röka, röra på sig och äta balanserat kan även förmodas påverka dödstal i andra vanliga dödsorsaker, som hjärtsjukdom, KOL och demens1. Om även dödstal i annat än cancer skulle reduceras med en tredjedel i alla åldersgrupper skulle livstidsrisken för insjuknande i cancer reduceras till 37,5/42,6 procent och för dödlighet till 19,2/24,0 procent. Folk som undgick att dö av t.ex. hjärtsjukdom skulle få cancer i en högre ålder. Men att riskerna trots allt skulle minska något beror på att ”dödligheten” skulle förskjutas till höga åldersgrupper, där cancer spelar en mindre roll relativt exempelvis hjärtsjukdom.

Referenser

Almestad, Elin Grelsson. 2016. ”Cancerfondens retorik är smaklös och glättig”. Expressen (5 april). http://www.expressen.se/kultur/cancerfondens-retorik-ar-smaklos-och-glattig/.

Cancerfonden. 2016. ”Nej till cancer”. https://www.cancerfonden.se/nej.

Sasieni, P.D., J. Shelton, N. Ormiston-Smith, C.S. Thomson och P.B. Silcocks. 2011. ”What is the lifetime risk of developing cancer?: The effect of adjusting for multiple primaries”. British Journal of Cancer 105. doi:10.1038/bjc.2011.250.

Socialstyrelsen. 2015a. ”Statistikdatabas för dödsorsaker”. http://www.socialstyrelsen.se/statistik/statistikdatabas/dodsorsaker.

———. 2015b. ”Statistikdatabas för cancer”. http://www.socialstyrelsen.se/statistik/statistikdatabas/cancer.


  1. Något som även kan vara skäl att ifrågasätta antagandet om oberoende mellan insjuknande i cancer och dödlighet i andra dödsorsaker. Sasieni m.fl. (2011) påpekar dock att det för t.ex. lungcancer finns för få överlevare för att dessa allvarligt skall snedvrida beräkningarna.

Räta kurvor

Lee–Cartermetoden, som jag använde mig av för att göra de projektioner av det svenska dödsorsaksmönstret jag presenterade här den 28 februari, kännetecknas av att de olika åldersgruppernas dödstal kan variera oberoende av varandra (så länge själva mönstret för variationen hålls konstant), och det leder till en ojämn åldersprofil, där de olika åldersgrupperna sticker iväg åt olika håll. Ibland medför detta orimligheter, som att yngre efter en tid har högre dödstal än äldre, vilket påtalas av Girosi och King (2007). När jag gjorde mina projektioner använde jag mig också av direkt regression på de åldersspecifika dödstalen, vilket ger resultat som ligger nära Lee–Carter, som visades i 28 februari-inlägget. Denna metod innebär också att dödstalen förutsägs oberoende av varandra. Girosi och King (2008) förespråkar användning av bayesianska metoder, för att undvika denna typ av problem.

Ett annat alternativ är att använda parametriska metoder, som Gompertz och Weibull, för att förutsäga dödstal, vilket jag skrivit en del om här tidigare. Om dödstalen för en given dödsorsak ökar exponentiellt med åldern (som Gompertz antog när det gäller totaldödlighet) och det dessutom finns en skärningsålder där de är konstanta (Strehler–Mildvnsambandet, som Riggs studerade för en rad olika dödsorsaker) existerar det bara en frihetsgrad när det gäller åldersprofilen för dödstalen: kurvans lutning bestämmer dödstalen vid varje ålder. Om det dessutom är så att lutningen är en linjär funktion av tiden är det enkelt att extrapolera den in i framtiden och på så vis göra en projektion av dödstalen för ett givet år. Då blir kurvan för logaritmerna av de projicerade dödstalen en rät linje. Ökar lutningen över tid kommer de olika åldersgruppernas dödstal att avlägsna sig från varandra som med Lee–Carter, men på ett regelbundet sätt i relation till skärningsåldern.

Det stora problemet med att använda sig av dessa parametriska funktioner är det jag skrev om här den 2 september förra året: komplexa dödsorsaksgrupper som cirkulationssjukdom verkar inte följa någon enkel funktion över hela åldersspannet. Nedanstående diagram visar projektioner av dödstal i tumörer (ICD-10 C00–D48) och cirkulationsorgan, summan av projektionerna för kranskärlssjukdom (ICD-10 I20–I25) och övriga cirkulationssjukdomar (övrigt under ICD-10 I00–I99) för svenska kvinnor 2018, baserat på data tillgängliga via WHO (2015) för åren 2001–2013 och åldersintervallen \([40,44],[45,49],\dots,[90,94],[95,\infty)\) år1. Jag har dels använt mig av Lee–Cartermetoden, dels beräknat linjära samband mellan Gompertzparametrarna \(\alpha\) (lutning på kurvan) och \(r_0\) (initial dödlighet), extrapolerat \(\alpha\) linjärt in i framtiden och beräknat framtida värden för \(r_0\) utifrån detta.

Projicerade dödstal 2018 kvinnor Diagrammet visar projicerade dödstal i sjukdom i cirkulationsorgan och tumörer för kvinnor baserat på dels Gompertzregression, dels Lee–Carter.

Resultatet är, som synes, att projektionerna med Gompertz stämmer bra överens med motsvarande projektioner med Lee–Carter i de åldrar där det inträffar flest dödsfall (över 85 år för cirkulationssjukdom och 65–90 år för tumörer). Parametrarna har uppskattats med regression viktad mot antalet dödsfall i respektive åldersgrupp. För yngre åldersgrupper överskattar Gompertz dödstalen i förhållande till Lee–Carter. Enligt Gompertzprojektionerna skulle cirkulationssjukdom korsa tumörer redan vid ca 71 års ålder, vilket är orimligt sett till de senaste årens observerade mönster (det var snarare ett mönster som gällde för kvinnor för 20 år sedan). Nedanstående diagram visar projektioner av dödsorsaksmönstret för vart femte år perioden 2018–2033 baserat på dels Lee–Carter, dels Gompertz, med i övrigt samma metoder som användes i 28 februari-inlägget.

Förutsägelse kvinnor Gompertz Förutsägelse kvinnor Lee--Carter Diagrammen visar andelen vid uppnådd ålder som kommer att dö av tumörer och cirkulationssjukdom, givet förutsedda livslängdstabeller och dödsorsaksmönster vart femte år 2018–2033, jämfört med motsvarande andelar baserat på motsvarande observerade data för 2013, för kvinnor med förutsägelser gjorda med dels Gompertzregression, dels Lee–Carter.

Gompertz förutsäger litet högre livstidssannolikhet för cirkulationssjukdom i lägre åldersgrupper jämfört med Lee–Carter. När det gäller tumörer ger båda metoderna likartade resultat, nämligen att inga större förändringar kommer att ske.

Referenser

Girosi, Federico och Gary King. 2007. ”Understanding the Lee-Carter mortality forecasting method”. http://j.mp/lTXlGe.

———. 2008. Demographic forecasting. http://j.mp/pqms4U.

WHO. 2015. ”WHO Mortality Database”. http://www.who.int/healthinfo/mortality_data/en/index.html.


  1. Uppgifter om folkmängden i dessa åldersgrupper finns tillgängliga från 1999; 2000 innehåller emellertid orimligt låga siffror för de högsta åldrarna.

T-vatten

I söndags dog den amerikanske filosofen Hilary Putnam, 89 år gammal (Wikipedia 2016). Han var en av efterkrigstidens mest inflytelserika filosofer. Jag fick se honom en gång; det var när han höll föredrag i Stockholm 2011, i samband med att han tilldelades Rolf Schockpriset i logik och filosofi. Detta pris motiverades med hänvisning till Putnams ”bidrag till förståelsen av semantiken för teoretiska termer och termer för naturliga sorter” (Schockprisen 2011).

Centralt i Putnams idéer kring dessa saker är tanken att mening hos våra språkliga uttryck inte är något som enbart bestäms av vad som pågår ”i våra huvuden”, vilket varit en utgångspunkt för mycket tidigare filosofi. Det våra uttryck refererar till är en del av deras mening, enligt Putnam, men för många uttryck gäller att de flesta av oss som använder dem till vardags inte har tillräcklig urskillningsförmåga för att avgöra referensen, utan det finns en språklig arbetsdelning, där vi överlåter detta till ”experter” inom de aktuella områdena (Bird och Tobin 2016; Reimer och Michaelson 2014). För att underbygga denna språkfilosofi använde sig Putnam av ett tankeexperiment där det antas att det i ett främmande solsystem finns en tvillingjord som är precis lik vår jord med avseende på vad som kan observeras med blotta ögat och vars invånare ser ut, beter sig och talar som vi. Men det ”svenskarna” på tvillingjorden kallar ”vatten” (och som ser ut, smakar och används precis som vatten på vår jord) har inte sammansättningen H2O utan XYZ. Putnams idé är att ”vatten” i vårt språk refererar till H2O medan det på tvillingjordsvenska refererar till XYZ. Det är alltså falskt att tvillingjordens invånare tvättar i vatten och kokar kaffe på vatten. Om ”T-vatten” är synonymt med ”vatten” på tvillingjordsvenska är det på motsvarande sätt falskt att vi tvättar i T-vatten och kokar kaffe på T-vatten. Nu vet även icke-kemister normalt att det de kallar ”vatten” har sammansättningen H2O (eller XYZ om de lever på tvillingjorden), men en viktig sak i sammanhanget är att ”vatten”, enligt Putnam, hade sina olika meningar redan 1750, innan kemin utvecklats på någon av planeterna. Folk avsåg nämligen redan då att referera till det ämne som t.ex. fanns i deras vattendrag, även om inte ens experterna då kunde avgöra detta ämnes natur. Om folk refererade till föreningarna innan de hade något begrepp om dem kan mening alltså inte vara något som ”finns i huvudet”. Om planeterna skulle komma i kontakt och börja utbyta vätskor idag skulle de flesta invånare nog inte heller kunna skilja vätskor sammansatta av H2O från sådana sammansatta av XYZ utan experthjälp, vilket skulle exemplifiera den språkliga arbetsdelningen.

De intuitioner Putnam utgår från i sitt scenario har förstås ifrågasatts. Fungerar verkligen uttryck som ”vatten” på det sätt han tänkte sig? Om vi kom i kontakt med vår tvillingplanet, och det visade sig att folk tvättade i XYZ och drack XYZ-kaffe, skulle kanske kemisterna skilja mellan vatten och T-vatten, samtidigt som språkanvändare i allmänhet skulle resonera i stil med: ”ser det ut och fungerar precis som vatten är det vatten: vad bryr vi oss om det består av H2O eller XYZ?” I så fall vore inte språkanvändarnas förmåga att referera i detta fall ”parasitisk” på experternas omdömen på det sätt Putnam tänkte sig. Andra exempel inbjuder till liknande invändningar. I en några år gammal notis i Filosofisk tidskrift diskuteras semantiken hos vissa botaniska termer (Janvid 2009). De flesta av författarens studenter och kollegor anser att påståendena ”bananer är bär” och ”jordgubbar är inte bär” båda är falska. Men enligt botaniken är båda påståendena sanna: bananer, men inte jordgubbar, är bär. Putnams idéer nämns inte explicit i notisen, men den skulle kunna ses som ett exempel på hans idé om språklig arbetsdelning: icke-botaniker kan prata om frukter och bär, men de saknar i allmänhet förmåga att avgöra uttryckens referens. Men är våra vardagliga omdömen, att t.ex. jordgubbar är bär, verkligen något som kommer i konflikt med botaniken? Är det inte så att vi till vardags delar in växtdelar i kategorier som grönsaker, frukter, bär och nötter efter kriterier som storlek, saftighet och sötma, som är relevanta när de betraktas som livsmedel, utan att vi har någon avsikt att detta skall stämma överens med botaniska klassifikationer? När botanikerna talar om ”bär” menar de helt enkelt inte samma sak som vi andra. Putnam har vissa botanikexempel som kanske är mer övertygande: han kan referera till almar och bokar (i botanikernas mening) med uttryck som ”elm” och ”beech”, fast han inte har en aning om hur de skiljs från varandra. Men sådana uttryck verkar spela en perifer roll i vårt vardagsspråk, om vi inte hör till just de som är insatta i området.

Ett exempel som jag minns att Putnam tog upp i Stockholm handlade om virussjukdomar. Vi kanske har en sjukdom vars orsak inte ens forskarna känner till, och som vi identifierar med hänvisning till symptomen. Sedan upptäcks att infektion med ett visst virus är orsak till sjukdomsbilden, och det blir den virusinfektionen som blir det avgörande kriteriet för om sjukdomen föreligger. Vi skall då inte, enligt Putnam, säga att sjukdomens namn ändrat mening: vi talar fortfarande om samma sjukdom som tidigare, men vi kan nu referera till den mer korrekt. Men i många sammanhang kan det vara just det ”ytligare” syndromet som är det intressanta. Influensa kan vara ett exempel: före 1930-talet kunde denna sjukdom inte identifieras på annat sätt än att den spreds epidemiskt på vintrarna, gav upphov till vissa symptom etc. Sedan upptäcktes influensaviruset, och nu skulle inte läkare säga att vi har influensa om det kunde visas att vi inte är infekterade med detta virus. Men om vi ringer och sjukanmäler oss för ”influensa” är varken vi eller Försäkringskassan speciellt intresserade av vilket virus det är som orsakar våra symptom: det intressanta är att vi fått något som gör att vi sannolikt måste hålla oss borta från arbetet några dagar och som inte går att göra mycket åt. Den vardagliga användningen är inte parasitisk på experternas urskillningsförmåga, utan fortlever oberoende av denna.

Om allmänhet och forskare använder ett ord i olika mening kan det dock uppstå förvirring om betydelserna sammanblandas. Det förekommer att ”influensa” (eller kanske ”riktig influensa”) karakteriseras som att den drabbade alltid blir liggande väldigt sjuk i flera dagar. Om ”influensa” syftar på syndromet, eller en mer svårartad variant av detta, är det trivialt; om det syftar på infektion med influensavirus är det falskt, eftersom en sådan infektion kan förlöpa asymptomatiskt eller ge upphov till lindriga förkylningssymptom (Folkhälsomyndigheten 2016). På samma sätt riskerar folk att bli besvikna om de tror att influensavaccin skall skydda mot allt som orsakar ”influensa” i syndrommeningen. Inom sjukvården undviks sådana sammanblandningar genom att det görs en åtskillnad mellan ”influensa” (den specifika infektionen) och ”influensaliknande sjukdom”, men den senare termen verkar vara för klumpig för att få fotfäste i vardagsspråket.

Referenser

Bird, Alexander och Emma Tobin. 2016. ”Natural kinds”. I The Stanford encyclopedia of philosophy, red. Edward N. Zalta. Spring 2016. http://plato.stanford.edu/archives/spr2016/entries/natural-kinds/.

Janvid, Mikael. 2009. ”Botanisk semantik”. Notiser ur Filosofisk tidskrift (21 april). http://www.bokforlagetthales.se/filosofisktidskrift/page6/files/82640dce3940be19c1cef9b42f5880f3-73.html.

Reimer, Marga och Eliot Michaelson. 2014. ”Reference”. I The Stanford encyclopedia of philosophy, red. Edward N. Zalta. Winter 2014. http://plato.stanford.edu/archives/win2014/entries/reference/.

Wikipedia. 2016. ”Hilary Putnam – Wikipedia”. https://en.wikipedia.org/w/index.php?title=Hilary_Putnam&oldid=710504012.

PK-analys

I förra inlägget tog jag upp projektioner av det svenska dödsorsaksmönstret. Jag utgick från projektioner av dödstal och härledde sedan dödsorsaksmönster utifrån dessa. Det vanliga är annars att statistiker nöjer sig med projektionerna av dödstal, som i SCB:s framskrivningar. Motivationen för att studera utvecklingen av dödstal är tydlig: genom att minska åldersspecifika dödstal för olika orsaker utan att öka dem för andra är det möjligt att minska totaldödligheten, vilket innebär ökad livslängd. Dödsorsaksmönstret är däremot ett nollsummespel – minskar vi en orsak ökar andra i motsvarande omfattning – och det kanske av många forskare betraktas som något tämligen ointressant. Men propagandister och kolumnister som skriver om hälsa talar å sin sida titt som tätt om andelen eller antalet som dör av olika orsaker, och ofta uppstår förvirring rörande de olika meningarna av att ”minska risken” för att dö av något, vilket jag varit inne på, t.ex. den 29 juli 2011. Hur dödsorsaksmönstret ser ut, givet en viss livslängd, är kanske heller inte helt ointressant frånsett detta. De flesta skulle nog exempelvis föredra att ökad förväntad livslängd inte åtföljs av en ökad livstidsrisk att dö av orsaker som typiskt medför långa perioder med smärta (som cancer)1.

För mina projektioner hade jag bl.a. använt mig av Lee–Cartermetoden för att uppskatta trender för olika dödsorsaksgrupper. Denna metod har blivit mer eller mindre standard för att göra prognoser när det gäller utveckling av dödstal. Det vanligaste är att den tillämpas på totaldödlighet, men det är inte helt ovanligt att den också tillämpas på mer specifika dödsorsaker, och Girosi och King (2007) diskuterar en del problem som har med detta att göra.

Det vanliga sättet att uppskatta ålders- och tidsparametrarna i Lee–Carter är, som jag gick igenom i förra inlägget, med hjälp av singulärvärdesuppdelning, där en matris \(\mathbf{M}\) med centrerade logaritmer av dödstal ger tre nya matriser \(\mathbf{U,S,V}\). Detta är en form av principalkomponentanalys, vilket innebär att ett antal variabler (i detta fall de åldersgrupper där dödstal finns tillgängliga) överförs till ett eventuellt mindre antal principalkomponenter som inte är linjärt korrelerade. Vid Lee–Carter används de första vektorerna i \(\mathbf{U}\) och \(\mathbf{V}\) och det första värdet i \(\mathbf{S}\) för att uppskatta parametrarna. Detta motsvarar att använda sig av den första principalkomponenten, och det förutsätts då att den är tillräcklig för att fånga in de väsentliga trenderna när det gäller dödstalen. \(\mathbf{S}\) innehåller \(r\) värden större än 0 (vilket innebär att \(\mathbf{M}\) har rang \(r\)), som är ordnade i fallande storleksordning, och den andel av variansen i \(\mathbf{M}\) som förklaras av den komponent som motsvarar värdet \(s_k\) ges av \(s_k^2/\sum_{i=1}^{r}s_i^2\). I detta fall är det alltså andelen för \(s_1\) som är intressant, och Girosi och King (2007) presenterar beräkningar av detta för totaldödlighet och dödstal i olika orsaker bland män i flera olika länder.

När det gäller totaldödligheten är andelen som förklaras av första komponenten generellt hög (över 90 procent för de flesta länder). För cirkulationssjukdom är andelen hög för t.ex. USA (90 procent), men den är anmärkningsvärt låg för Sverige (41 procent). Några definitioner av sjukdomskoder och tidsperioder finns inte i manuskriptet, varför jag mejlade Gary King angående detta, varvid han hänvisade mig till deras källdata (Girosi och King 2016) och deras bok (Girosi och King 2008). Deras data är baserade på (en äldre version av) WHO (2015) och koderna för cirkulationssjukdom verkar stämma överens med de jag använder för Mortalitetsdiagram. Data för Sverige finns tillgängliga för perioden 1951–2000.

Om jag gör beräkningarna för cirkulationsdödlighet bland män i Sverige 1951–2000 med åldersintervallen \(0,[1,4],[5,9],[10,14],\dots,[80,84],[85,\infty)\)2 blir resultatet mycket riktigt dåligt i termer av förklarad varians: den första komponenten förklarar endast 30 procent. Men om jag endast inkluderar åldersintervallen över 35 år (som i projektionerna i förra inlägget) ökar andelen till 92 procent. Det verkar klart att den låga andelen i det förra fallet har orsakats av brus i låga åldersgrupper med få dödsfall, en effekt som blir tydlig för sjukdomar i cirkulationsorgan, som är en relativt ovanlig dödsorsak bland unga. Eftersom datamatrisen som sagt innehåller centrerade logaritmer av dödstal ger en given relativ förändring samma effekt oavsett absolut dödlighetsnivå. Länder med lägre andel förklarad varians för cirkulationsorganen än Sverige hos Girosi och King (2007) är Norge, Danmark, Nederländerna och Schweiz, som också har relativt små befolkningar i förening med låga dödstal i cirkulationssjukdom i yngre åldersgrupper. Gör jag motsvarande beräkningar för cirkulationsdödlighet bland kvinnor i Sverige blir den förklarade variansen 53 procent om åldersintervallen under 35 år inkluderas och 95 procent om dessa utesluts.

En annan egenskap hos Lee–Carter som diskuteras av Girosi och King (2007) är att kurvorna för de förutsedda logaritmerna av de åldersspecifika dödstalen alltid tenderar att ”fläka ut” och avlägsna sig från varandra, om de observerade kurvorna inte är exakt parallella (vilket i praktiken aldrig torde inträffa). Girosi och King (2008) utvecklar sedan så kallade bayesianska metoder, som bygger på att specificera priors, där sådan ojämn utveckling för ålders- och tidstrender kan förkastas som osannolik. De har utarbetat ett paket för R som implementerar dels dessa metoder, dels traditionell förutsägelse med bl.a. Lee–Carter (Girosi m.fl. 2015). Tyvärr verkar det inte ha underhållits så bra de senaste åren: med den officiella versionen, som finns på Kings webbplats, fungerar det inte att rita upp diagram i nu aktuell version av R (3.2.3), utan utvecklingsversionen på GitHub krävs, och även med denna har jag inte fått inställningar för text i diagrammen att fungera. Om förutsägelserna med deras nya metoder skall innebära någon fördel jämfört med Lee–Carter krävs hur som helst vettiga inställningar av parametrarna för priors. När det gäller cirkulations- och tumördödligheten en del åldersgrupper är det nog rimligt att de kommer att fortsätta divergera de närmaste decennierna.

Referenser

Danius, Sara. 2014. ”Vinter 2014”. Sommar & Vinter i P1 (28 december). http://sverigesradio.se/sida/avsnitt/476892?programid=2071.

Girosi, Federico och Gary King. 2007. ”Understanding the Lee-Carter mortality forecasting method”. http://j.mp/lTXlGe.

———. 2008. Demographic forecasting. http://j.mp/pqms4U.

———. 2016. ”Cause of death data”. http://hdl.handle.net/1902.1/UOVMCPSWOL.

Girosi, Federico, Gary King, Konstantin Kashin, Elena Villalon och Jon Bischof. 2015. ”YourCast: Forecasting age-sex-country-cause mortality rates”. https://github.com/IQSS/YourCast.

Moberg, Eva X. 1998. ”En kvinna med cancer blir dubbelt skyldig”. Aftonbladet (27 december). http://wwwc.aftonbladet.se/kultur/9812/27/exm.html.

Sontag, Susan. 2001. Sjukdom som metafor ; AIDS och dess metaforer. Övers. Britt Arenander och Berit Skogsberg.

WHO. 2015. ”WHO Mortality Database”. http://www.who.int/healthinfo/mortality_data/en/index.html.


  1. Även om folk kanske ofta överskattar plågsamheten hos just cancer jämfört med andra orsaker, till följd av faktorer som diskuteras av Sontag (2001) och de av henne inspirerade Moberg (1998) och Danius (2014).

  2. De lägsta åldersintervallen innehåller 0 dödsfall för vissa år; för att kunna ta logaritmer har jag adderat 0,5 till dessa.

Morgondagens svenska död

Livslängden har fortsatt att öka i Sverige även efter att tidig dödlighet i akuta infektioner nästan utplånats, och det har till största delen drivits av minskade dödstal i hjärtinfarkt och liknande sjukdomar. En intressant fråga är vad detta innebär för framtidens dödsorsaksmönster. En del har tänkt sig att cancer i framtiden kommer att bli dominerande som dödsorsak. Jag skrev om detta den 9 april 2013 och uttryckte då tvivel, med tanke på att cirkulationssjukdomar fortsätter att dominera i de högsta åldersgrupperna, dit en allt större andel av dödligheten förskjuts.

Jag har nu försökt mig på en mer formaliserad förutsägelse av framtidens svenska dödsorsaksmönster, när det gäller andelen av befolkningen som förväntas dö av cirkulationssjukdom och tumörsjukdom. Tillvägagångssättet jag använt är följande, för att ta reda på hur stor andel av de som uppnått ålder \(x\) ett år \(t\) i framtiden kommer att dö av en orsak \(c\):

  1. Beräkna trender för åldersspecifika dödstal under en basperiod. Jag har gjort dessa beräkningar för 5-åriga åldersintervall från 35–39 till 90–94 år samt det öppna intervallet 95– år och utgått från perioden 1999–2013, då det för denna period finns uppgifter om orsaksspecifikt antal dödsfall och folkmängd tillgängliga via (WHO 2015) för hela åldersspannet och klassifikationen ICD-10 använts i Sverige under hela perioden. Dödsorsaksgrupperna jag undersökt är ischemisk hjärtsjukdom (ICD-10 I20–I25), andra cirkulationssjukdomar (I00–I99 utom I20–I25), tumörer (C00–D48) och övriga dödsorsaker. Jag delade upp cirkulationskapitlet på detta sätt, eftersom ischemisk hjärtsjukdom tenderar att minska snabbare än andra dödsorsaker. I åldrarna under 35 år inträffar alltför få dödstal i åldersrelaterade sjukdomar för att göra meningsfulla förutsägelser.
  2. Extrapolera trenderna till ett år \(t\) i framtiden. Beräkna åldersspecifika dödstal för total dödlighet genom att summera de förutsedda dödstalen för de fyra dödsorsaksgrupperna.
  3. Konstruera livslängdstabeller för \(t\) baserat på de beräknade talen för totaldödlighet.
  4. Beräkna åldersspecifika andelar för en orsak \(c\) genom att dividera dödstalen för \(c\) med talen för totaldödlighet.
  5. Beräkna andelen av de som uppnått åldern \(x\) som, givet livslängdstabellen och de åldersspecifika andelarna, kommer att dö av \(c\).

Alla beräkningar har gjorts med hjälp av Julia. För tabellerna och andelarna i de två sista stegen använde jag funktionerna PeriodLifeTable och CauseLife i mitt LifeTable-paket. Jag har ett förråd med funktioner för att göra olika trendanalyser och visualiseringar med detta paket och data från funktionerna för att skapa Mortalitetsdiagram. En gist innehåller de specifika inställningar som användes för denna analys.

Jag har använt två olika metoder för trendberäkningarna i första steget. Först direkt regression på de åldersspecifika dödstalen över tidsperioden, som jag passade en modell för årlig procentuell förändring med hjälp av curve_fit i LsqFit-paketet. Sedan använde jag mig av den så kallade Lee–Cartermetoden, som bl.a. SCB använder för att beräkna framtida livslängd i sina befolkningsframskrivningar (SCB 2016). Dödstalet \(m_{x,t}\) vid åldern \(x\) för tiden \(t\) tänks följa \(\log(m_{x,t})=a_x+b_xk_t+\varepsilon_{x,t}\), där \(a\) är genomsnittet över tid av logaritmerna av dödstalen, \(b\) är en åldersparameter, \(k\) en tidsparameter och \(\varepsilon\) en slumpterm. Ett viktigt problem är hur parametrarna \(b\) och \(k\) skall uppskattas. En vanlig metod, som också jag använt i mina skript är följande:

  1. Skapa en matris \(\mathbf{M}\) med rader för åldersgrupperna och kolumner för åren i basperioden, där elementen är på formen \(\log(m_{x,t})-a_x\), alltså skillnader mellan ett åldersspecifikt dödstal ett givet år och åldersgruppens genomsnitt över tid.
  2. Faktorisera \(\mathbf{M}\) med singulärvärdesuppdelning. Om t.ex. funktionen svd i Julia används, resulterar det i tre nya matriser, \(\mathbf{U,S,V}\), där \(\mathbf{M=U\times diag(S)\times V^\prime}\). \(\mathbf{U}\) innehåller en uppsättning kolumner, där varje rad i detta fall svarar mot en åldersgrupp, \(\mathbf{S}\) är en uppsättning singulärvärden och \(\mathbf{V}\) innehåller en uppsättning kolumner, där varje rad svarar mot ett år.
  3. Parametervektorerna \(\mathbf{b}\) och \(\mathbf{k}\) kan skattas utifrån de första kolumnerna i \(\mathbf{U}\) och \(\mathbf{V}\), som multipliceras med det första värdet i \(\mathbf{S}\).

Därefter kan \(k\), som tenderar att uppvisa en linjär trend, extrapoleras in i framtiden för att förutsäga framtida dödlighetsmönster. I detta fall visade sig båda metoderna för förutsägelser ge likartade resultat, som visas av nedanstående diagram för kvinnor och män.

Förutsägelse kvinnor regresion dödstal Förutsägelse kvinnor Lee--Carter Förutsägelse män regresion dödstal Förutsägelse män Lee--Carter Diagrammen visar andelen vid uppnådd ålder som kommer att dö av tumörer och cirkulationssjukdom, givet förutsedda livslängdstabeller och dödsorsaksmönster vart femte år 2018–2033, jämfört med motsvarande andelar baserat på motsvarande observerade data för 2013, för kvinnor och män med förutsägelser gjorda med dels regression på dödstalen, dels Lee–Carter.

I övrigt talar förutsägelserna, som synes, mot att cancer kommer att bli dominerande dödsorsak i Sverige under de närmaste decennierna. Andelen personer som kommer att dö av cancer vid en given ålder förändras endast marginellt för alla åldersgrupper, både bland kvinnor och män. Andelen som dör av cirkulationssjukdom minskar litet, speciellt för yngre åldersgrupper. De kommer då i högre grad att ersättas av andra orsaker än cancer, som KOL, olyckor och demens. Naturligtvis kan exempelvis framtida genombrott i forskningen i leda till trendbrott. Förändringar i sättet att rapportera dödsorsaker med nya versioner av ICD och förändrad praxis bland läkare som utfärdar dödsorsaksintyg kan också få betydelse: det kan t.ex. hända att andelen med ospecifika hjärtdiagnoser i hög ålder minskar till förmån för specifika tillstånd.

En jämförelse med SCB:s befolkningsframskrivningar visar att mina beräkningar förutsäger litet långsammare avtagande av den totala dödligheten. Enligt SCB är t.ex. den återstående medellivslängden vid 50 års ålder 2033 36,95/34,73 år för kvinnor/män. Mina beräkningar med Lee–Carter ger 36,21/34,19 år och med regression på dödstalen 36,28/34,34 år. Detta är i överensstämmelse med vad som påpekas av (SCB 2006, 150): om orsaksspecifika dödstal används blir nedgången i total dödlighet svagare än om trender för totaldödlighet uppskattas direkt. Om vissa vanliga dödsorsaker, som hjärtinfarkt, minskar snabbare än andra, kommer de med tiden att bli relativt sett ovanligare inom olika åldersgrupper, och de kommer därmed att bidra till en mindre minskning av totaldödligheten.

Referenser

Friska tider

Enligt Folkhälsomyndighetens influensarapport har denna influensasäsong nu nått sin kulmen, då det skedde en 23-procentig minskning av laboratoriefallen av influensa A för vecka 7 jämfört med vecka 6, samtidigt som även andra övervakningssystem visar en minskande eller åtminstone stabiliserad trend (Folkhälsomyndigheten 2016). Denna vinter har framför allt utmärkts av att det varit högre aktivitet av A(H1N1)pdm09 än någon annan säsong efter 2009, då denna variant dök upp. Det verkar inte som viruset driftat så mycket, så att immunitet genom tidigare infektion inte längre ger skydd. Däremot verkar vaccinationerna 2009 ha tappat sin skyddseffekt (enligt vad Anders Tegnell säger i intervju (Bäsén 2016)), och det har tillkommit nya årskullar av barn som inte utsatts för detta virus. Under pandemin 2009 framfördes farhågor om att minskning av influensafallen genom massvaccination skulle kunna slå tillbaka i form av högre influensasjuklighet senare säsonger, därför att vaccin inte ger lika robust skydd som infektion (jag diskuterade detta t.ex. den 29 augusti 2009). Det är dock tveksamhet om det är en effekt av detta som ses nu, med tanke på att vaccinationerna av allmänheten kom igång så sent under 2009 att de hade högst begränsad effekt på pandemivågen.

Det har dykt upp rubriker som ”[å]tta svenskar har dött i årets influensa” (Bäsén 2016). Oftast brukar media anklagas för att överdramatisera, men i det här fallet innebär det i stället en grov underskattning. Siffrorna bygger på personer som intensivvårdats för influensa och dött inom 30 dagar efter diagnosen. Men den mesta av överdödligheten under influensasäsonger inträffar inte bland folk som vårdats på intensiven med influensadiagnos. Under förra vintersäsongen var det också relativt hög influensaaktivitet i Sverige, fast den dominerades av A(H3N2) snarare än A(H1N1)pdm09.

Nu i veckan släppte också SCB statistik över total dödlighet (och andra befolkningsförändringar) i Sverige under 2015 (SCB 2016). Fullständiga livslängdstabeller kommer visserligen att publiceras först den 18 mars, men det går redan nu att göra beräkningar med relativt god precision med hjälp av uppgifter för medelfolkmängd och dödsfall (som finns i ettåriga åldersklasser 0–99 år, med personer 100 år och äldre som öppet intervall). Jag gjorde beräkningar för 2014 och 2015 med hjälp av mitt eget Juliapaket, och de visade på en liten minskning av den förväntade livslängden vid födseln, från 84,05 till 84,02 år bland kvinnor, och från 80,35 till 80,31 år bland män1. Denna minskning hänger samman med det relativt stora antalet dödsfall under de första månaderna av 2015, vilket i sin tur sannolikt beror på den höga aktiviteten av A(H3N2). Det återstår att se om detta års influensa får sådana effekter. Även om det är betydligt fler än åtta personer som dör till följd av influensan under säsongen brukar A(H1N1)pdm09 drabba äldre personer i mindre utsträckning än A(H3N2), så kanske kommer livslängden för 2016 trots allt att bli högre än 2014 och 2015.

Referenser


  1. Dessa uppgifter för 2014 överensstämmer med SCB:s officiella livslängdstabeller (SCB 2015) upp till åtminstone två decimalers precision.