Nordliga risker

I förra inlägget diskuterade jag hur avgränsningen mellan olika sjukdomskategorier tenderar att bli i viss mån godtycklig vid användning av den s.k. vävmodellen, där orsakerna till sjukdomar karakteriseras i termer av multipla riskfaktorer. Samtidigt skall det betonas att det nog inom överskådlig tid kommer att vara svårt att undvara modeller av denna typ, eftersom det för många vanliga sjukdomstyper ter sig ganska utopiskt att hitta realistiskt påverkbara nödvändiga orsaker. Detta även om den äldre mikrobmodellen, med specifika mikroorganismer som orsak till specifika sjukdomar, visat sig fruktbar för vad som tidigare betraktats som icke-smittsamma, ”multifaktoriella” sjukdomar, som livmoderhalscancer och sår och cancer i magsäcken/tolvfingertarmen, och kanske kommer att visa sig fruktbar för fler sådana sjukdomar – t.ex. (undergrupper av) kranskärlssjukdom, om Grimes eller Azambuja, som jag skrev om i förrförra inlägget, har rätt.

Problemet idag är framför allt när t.ex. vetenskapsjournalister och företrädare för hälsokampanjer (som ofta är knutna till intresseorganisationer för en specifik sjukdomsgrupp) förmedlar ett sammelsurium av olika modeller för orsaker till sjukdom. De pratar om hur många som drabbas eller dör av vad som beskrivs som en viss sjukdom, och hur den skall ”förebyggas”, på ett sätt som hör hemma inom mikrobmodellen, där typexemplet på prevention är vacciner som, i det mån de fungerar som avsett, effektivt förhindrar den som vaccinerar sig från att drabbas av sjukdomen. Detta samtidigt som de i realiteten använder sig av vävmodellen och hänvisar till riskfaktorer, som varken är specifika eller nödvändiga för det aktuella sjukdomsutfallet.

Jag har berört denna problematik när jag diskuterat svårigheten att kommunicera vetenskapliga resultat där utfallsmåttet är i form av hazardkvoter, t.ex. den 2 augusti i år. Det gäller framför allt att hålla isär hazardkvoter från riskkvoter över obestämd tid, speciellt när hazardkvoterna berör en begränsad del av åldersspannet (vilket typiskt är fallet i epidemiologiska studier). Det kan exemplifieras med kvinnor och män: kvinnor har i alla åldersgrupper där det går att skapa tillförlitlig statistik lägre hazards för cirkulationsdödlighet än män, men de har något högre livstidssannolikhet.

Ett annat exempel är variationer i cirkulationsdödlighet mellan de svenska länen. Sedan lång tid tillbaka finns ett mönster där befolkningen i vissa svenska län, bl.a. i Norrland, har haft kortare livslängd än övriga Sverige, och detta har framför allt drivits av skillnader i dödstal i olika cirkulationssjukdomar, som kranskärlssjukdom. En rapport från dåvarande Folkhälsoinstitutet 2004 visar på ett samband med regionala variationer i matvanor: ”lågdödlighetslän” som Stockholm, Uppsala, Kronoberg, Östergötland och Västra Götaland utmärker sig generellt genom hög konsumtion av grönsaker och låg konsumtion av kött- och mjölkprodukter och matfett (Baltzer och Melinder 2004). Bland ”högdödlighetslänen” finns Dalarna, Västernorrland och Värmland, som tvärtom ratar grönsaker och fisk men konsumerar mycket kött- och mjölkprodukter och matfett samt Norr- och Västerbotten och Kalmar, som uppvisar ett liknande mönster, bortsett från att de är mer förtjusta i fisk.

Kartogrammen nedan1 visar dels standardiserade dödstal (enligt 2000 års svenska befolkning) i cirkulationssjukdom före 80 års ålder, dels andelen dödsfall i alla åldersgrupper som tillskrevs dessa diagnoser i Sveriges landsting 2013. Jag har valt att använda unionen av ICD-10 I00–I99 och F01 (vaskulär demens) som definition av cirkulationssjukdom. Kartogrammen är baserade på shapefiler från Valmyndigheten (2014) och dödsorsaksdata från Socialstyrelsen (2014) och konstruerade med hjälp av Bivand och Lewin-Koh (2014), med en metod inspirerad av Inkpen (2014).

Standardiserade cirkulationsdödstal kvinnor 0--79 Standardiserade cirkulationsdödstal män 0--79 Andel cirkulationsdödsfall kvinnor Andel cirkulationsdödsfall män Kartogrammen visar dels åldersstandardiserade dödstal i åldrarna 0–79 år, dels andelen dödsfall i alla åldersgrupper i cirkulationssjukdom bland kvinnor och män i Sveriges landsting 2013. Se huvudtext för förklaring.

Det finns som synes betydande variationer i fråga om standardiserade dödstal. De län som har högst dödstal ligger ungefär dubbelt så högt som de som har lägst. Speciellt bland männen består också det etablerade mönstret, där Norrland, Dalarna och Värmland har relativt höga dödstal. Kanske har det i viss mån att göra med variationer i matvanor, som Baltzer och Melinder (2004) var inne på, fast psykosociala faktorer (relaterade till t.ex. utbildning och arbetslöshet), tillgång till sjukvård och kanske förekomst av kroniska infektioner kan också tänkas spela in. Om vi däremot ser till andelen dödsfall är mönstret annorlunda. Variationsområdet är förhållandevis litet (35,7–44,2 procent bland kvinnor och 35,2–40,7 procent bland män). Dessutom finns, speciellt bland kvinnorna, snarast en tendens till att länen i södra Sverige har högst andel. Exempelvis ligger Kronoberg högt, samtidigt som det är ett av de län i Sverige som har högst livslängd och delar av länet har diskuterats som ett svenskt exempel på en s.k. blå zon med ovanligt långlivade och vitala människor (Ennart 2012). Som jag diskuterade den 3 augusti 2012 och 22 augusti 2013 verkar det som om variationen i andelen cirkulationsdödsfall är starkt relaterad till varierande benägenhet att rapportera demens (där de flesta fallen inte specifikt anges som vaskulära) som dödsorsak bland äldre människor.

Referenser

Baltzer, Maria, och Karin Melinder. 2004. Regionala matvanor och kostrelaterade dödsorsaker: Hur traditioner påverkar matvanor och kostrelaterade sjukdomar.

Bivand, Roger, och Nicholas Lewin-Koh. 2014. maptools: Tools for reading and handling spatial objects. http://CRAN.R-project.org/package=maptools.

Ennart, Henrik. 2012. ”Här blir människor allra äldst”. SvD (december 30). http://www.svd.se/nyheter/inrikes/har-blir-manniskor-allra-aldst_7787778.svd.

Inkpen, Chris. 2014. ”R maptools tutorial”. http://rstudio-pubs-static.s3.amazonaws.com/13730_f008288ab83c43ea978f222d0dfe8299.html.

Socialstyrelsen. 2014. ”Statistikdatabas för dödsorsaker”. http://www.socialstyrelsen.se/statistik/statistikdatabas/dodsorsaker.

Valmyndigheten. 2014. ”Statistik – Val 2014”. http://www.val.se/val/val2014/statistik/index.html.


  1. Uppdatering 2014-12-03: Använder PNG-filer i stället för SVG-filer i bildlänkarna (även om de fortfarande länkar till SVG-filer). Detta eftersom jag märkt att SVG-kartogrammen gör bläddringen långsam i vissa webbläsare (Firefox).

En reaktion på “Nordliga risker

  1. Pingback: Zoner i farozonen | Medan dammlagret förtjockas

Kommentera

E-postadressen publiceras inte. Obligatoriska fält är märkta *