Växande börda

Nyligen har det publicerats en studie i Lancet, baserad på data från Global burden of disease (GBD), om utvecklingen av riskfaktorer och deras bidrag till sjukligheten och dödligheten i världen (GBD 2013 Risk Factors Collaborators 2015). Studien har fått viss uppmärksamhet i svenska media (TT 2015). Det uppges att studien kartlagt 30,8 miljoner dödsfall i 188 länder. Ett genomgående tema är att bördan av livsstilsrelaterade riskfaktorer ökar globalt: antalet dödsfall orsakade av högt blodtryck var 10,1 miljoner 2013, en ökning med 49,1 procent sedan 1990. Göteborgsprofessorn Lars Barregård, som ligger bakom studien, tillsammans med ”flera forskare runt om i världen”1 hävdar att ”[r]isken med ett ökande välstånd är att man får mer av de livsstilssjukdomar som vi haft länge i Västeuropa och USA” och att ”[a]lla de här 31 miljonerna dödsfall är sådana som i princip kan förebyggas”.

Jag skrev här den 14 april om en annan studie baserad på GBD, där orsakerna till ökat antal dödsfall i cirkulationssjukdom utreddes: nästan överallt hade åldersspecifika dödstal minskat, och det var åldrande befolkning och ökad folkmängd som drivit ökningen, även om den relativa betydelsen av dessa olika faktorer varierade mellan olika regioner. Jag såg inte att den studien fick någon uppmärksamhet i svenska media.

Men riskfaktorer är en sak, och sjukdomar relaterade till riskfaktorer en annan. Studier som den nu aktuella är inte baserade på några studier av samband mellan riskfaktorer och incidens eller mortalitet i de befolkningar studien gäller. I stället är det evidens för sådana samband från tidigare studier som kombinerats med data om fördelning av orsaker till dödlighet och sjuklighet och riskfaktornivåer i de olika befolkningarna, för att göra uppskattningar av en population attributable fraction (PAF), som anger hur stor andel av sådant som dödsfall och DALY (år ”förlorade” på grund av dödlighet eller ohälsa) som kan förklaras av förhöjda riskfaktornivåer. Detta beräknas relativt en viss mininivå, en theoretical minimum risk exposurse level (TMREL). TMREL är relativ till ålder och kön, men inte sjukdom, utan anger lägst nivå för generellt optimal hälsa. Helnykterhet anges som TMREL för alkohol, även om måttlig alkoholkonsumtion antas ha en viss skyddande effekt för kranskärlssjukdom. Om GBD-forskarna övertygades om att 39 °C feber flera gånger om året vore optimalt för minimal cancerrisk skulle det sannolikt ändå inte anges som TMREL (annat än kanske för robusta personer under 50 år). TMREL för serumkolesterol antas vara 3,0–4,8 mmol/L: låg en befolknings nivåer där skulle PAF för kolesterol vara 0; om nivåerna skulle stiga skulle PAF öka, oavsett om kranskärlsdödligheten minskade kraftigt (så länge den var över 0).

Hur är det då med utvecklingen av en riskfaktor som förhöjt blodtryck från 1990 och framåt? Antalet dödsfall har som sagt ökat med nära 50 procent (medianen av uppskattningarna av GBD 2013 Risk Factors Collaborators (2015)). Dessutom rapporteras förändringar av åldersjusterade PAF för dödsfall. Också detta har ökat med 9 procent för högt blodtryck. Något som däremot inte rapporteras är förändringar av åldersjusterade eller åldersspecifika dödstal, och någon anledning till att dessa utelämnats framgår inte. IHME (2014) redovisar däremot sådana data från 1990 till 2010, och där framgår att dödstal som tillskrivs högt blodtryck minskat stadigt i alla åldersgrupper under perioden, t.ex. från 354 till 264 dödsfall per 100 000 personår i åldersgruppen 50–69 år. Anledningen till att åldersjusterade PAF ökat är då att PAF för andra typer av risker (t.ex. sådana som rör undernäring och bristfällig hygien) minskat kraftigare i olika åldersgrupper. Högt kolesterol har minskat både när det gäller dödstal och åldersjusterad PAF men ökat när det gäller antal döda. Högt BMI har ökat kraftigare än blodtryck eller kolesterol när det gäller PAF och antalet dödsfall, och där har det varken skett någon tydlig ökning eller minskning av dödstal i åldersgruppen 50–69 år (108/100 000 1990, 120 1995 och 111 2010).2

En annan fråga är vad det innebär att alla de 31 miljonerna dödsfall som tillskrivs olika riskfaktorer kan förebyggas ”i princip”, som Barregård hävdar. Dessa dödsfall inkluderar 57 procent av all dödlighet totalt, 45 procent av all dödlighet i tumörsjukdomar och 89 procent av all dödlighet i sjukdomar i cirkulationsorganen. Den sista siffran är kanske föga förvånande sett utifrån det jag diskuterade här den 22 juni förra året, att enbart faktorn högt blodtryck tillskrivs nära 60 procent av alla cirkulationsdödsfall. Detta är då baserat på att 107–119 mm systoliskt blodtryck oavsett ålder definierats som TMREL (tidigare har 110–115 mm använts). Men det går inte att sänka allas blodtryck till dessa nivåer med t.ex. medicinering. Även i de fall där det går att sänka blodtrycket till under 130 mm hos äldre har det ifrågasatts om det medför minskad dödlighet (Chrysant 2011). Förhöjt blodtryck med åldern är både en kausal faktor, en påfrestning på kärlen, och en följd av ökad stelhet i kärlen. Kanske är det så att om man kunde hindra blodtrycket från att stiga över 120 mm skulle det förhindra eller uppskjuta de flesta cirkulationsdödsfall. Det kommer då ganska nära att säga att de flesta av dödsfall skulle förhindras om folk kunde hindras från att utveckla arterioskleros. Som Groucho Marx uppges ha sagt är ålder inte av något större intresse. Vem som helst kan bli gammal – allt som behövs är att leva tillräckligt länge.

Referenser

Chrysant, Steven G. 2011. ”Current status of aggressive blood pressure control”. World Journal of Cardiology 26. doi:10.330/wjc.v3.i3.65.

GBD 2013 Risk Factors Collaborators. 2015. ”Global, regional, and national comparative risk assessment of 79 behavioural, environmental and occupational, and metabolic risks or clusters of risks in 188 countries, 1990–2013: A systematic analysis for the global burden of disease study 2013”. The Lancet. doi:10.1016/S0140-6736(15)00128-2.

IHME. 2014. ”GBD Cause Patterns”. http://vizhub.healthdata.org/gbd-cause-patterns/.

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

TT. 2015. ”Flera förtida dödsfall kan undvikas”. http://www.svt.se/nyheter/vetenskap/flera-fortida-dodsfall-kan-undvikas.


  1. Den 37 sidor långa artikeln listar 721 författare, däribland Barregård (eller ”Lars Barregard”, samtidigt som tecken utöver ASCII förekommer i andra namn, som ”Thomas KD Claßen” och ”Gökalp K Yentür”). Jag använde mig först av en referens från Lancets hemsida som inkluderade dessa, men rationaliserade sedan författarlistan till kollektivet ”GBD 2013 Risk Factors Collaborators”, då kompileringen med Pandoc blev tämligen långsam.

  2. 2015-09-15: Det äldre visualiseringsverktyget IHME (2014) gäller inte längre. En nyare visualisering via IHME (2015) (med uppdaterad metodologi och data i överensstämmelse med GBD 2013 Risk Factors Collaborators (2015)) visar att dödstal genom högt blodtryck globalt i åldersgruppen 50–69 år minskat från 360/100 000 1990 till 285 2013. Dödstal genom högt BMI har minskat från 178/100 000 1990 till 157 2013.

Passar sig inte


I början av förra inlägget påtalade jag att existensen av negativa samband mellan dödstal i tidig ålder och ökning av dödlighet med åldern för olika olika åldersrelaterade dödsorsaker innebär att det inte är tillfredsställande att sammanfatta trender genom att redovisa åldersjusterade dödstal för hela åldersspannet: kvoterna kommer att variera beroende på val av standardbefolkning. Väljer vi en standardbefolkning med hög medelålder blir t.ex. dödstalen i leukemi i Sverige högre 2012 än 1952, och väljer vi en låg medelålder blir de lägre 2012. I stället går det att passa in kurvorna för dödlighet på t.ex. en Gompertz- eller Weibullfunktion, och redovisa utveckling av parametrar för dessa.

Ett uppenbart problem, om trender skall förmedlas till allmänheten, är dock att dessa parametrar troligen inte är omedelbart begripliga för de flesta människor. Varje nytt mått som föreslagits för att det gamla visat sig missvisande i olika sammanhang innebär ett steg upp på abstraktionstrappan: från antal döda till dödstal över hela befolkningen till åldersjusterade dödstal till regressionsparametrar. Detta är en trend inom epidemiologi och många andra vetenskaper: ökad specialisering och sofistikering gör vetenskapernas resultat svårare att kommunicera till allmänheten.

Frånsett detta gäller också att det kan vara problematiskt att få de olika dödlighetsfunktionerna att passa in på sådana dödsorsaksgrupper som ofta används i epidemiologiska sammanhang. I de flesta av Riggs analyser med Gompertzfunktionen mattades den exponentiella ökningen av dödstal med ålder, som definierar denna funktion, av i högre åldersgrupper. I en del fall segmenterade han regressionen: bröstcancer före menopaus hade t.ex. mycket snabbare ökning med åldern än bröstcancer efter menopaus och analyserades som en annan sjukdom (Riggs 1991).

Juckett och Rosenberg (1993) visar på att Weibullfunktionen passar bättre än Gompertzfunktionen för många kategorier av dödsorsaker. Den är primärt formulerad för överlevnad snarare än dödstal, och för dess enklaste form, med två parametrar, gäller att andelen överlevande vid \(t\), \(S(t)=\mathrm{exp}-(t/\tau)^a\) och dödstal vid \(t\), \(r(t)=(a/\tau)(t/\tau)^{a-1}\). För skalparametern \(\tau\) gäller att \(S(\tau)=\mathrm{exp}(-1)\), alltså ca 37 procent. Ett högre värde på formparametern \(a\) innebär att dödstalen ökar snabbare med åldern. Om \(a=1\) är dödstalen konstanta (alltså en exponentialfördelning) och om \(a<1\) minskar dödstalen med åldern.

Regression på dödstalen visar också att Weibullfunktionen passar in ganska bra på en del dödsorsaksgrupper där den exponentiella ökningen avtar. Nedanstående diagram visar observerade vs förutsedda dödstal i tumörer (ICD-6/7/8/9: 140–239; ICD-10: C00–D48) i Sverige 1952, 1982 och 2012. Data från WHO (2014) finns tillgängliga för åren 1951–2013, och jag har gjort regression på åldrarna från 25–29 till 80–84 år (den högsta åldersgrupp tillgänglig i 5-åriga intervall för hela perioden). Trenderna har gjorts linjära genom att logaritmen av dödstalen ritats mot logaritmen av åldern. Det översta diagrammet kan t.ex. genereras med mina skript:

run mortparams.py
pardict = {'country': 4290, 'cause': 'tum', 'sex': 2,
          'startyear': 1951, 'endyear': 2013, 'startage': 25,
          'endage': 80, 'ageformat': 2, 'mortfunc': 'weibull'}
t = paramsplot(**pardict)
opdict = {'paramsplot': t, 'fityrs': range(1952, 2042, 30),
          'startage': 20, 'endage': 100, 'trans': 'weib_lin',
          'trans_time_coords': True}
obspred_plot(**opdict)
Tumörer Sverige kvinnor Tumörer Sverige män Diagrammen visar observerade (punkter) och förutsedda (linjer) dödstal i tumörer i Sverige 1952, 1982 och 2012.

Funktionen passar bra på det hela taget, även om det blir vissa avvikelser i låga åldersgrupper. Dessa blir naturligt nog större för undergrupper där det inträffar färre dödsfall, som i nedanstående diagram för leukemi (ICD-6/7: 204; ICD-8: 204–207; ICD-9: 204–208; ICD-10: C91–C95) bland kvinnor.

Leukemi Sverige kvinnor Diagrammet visar observerade (punkter) och förutsedda (linjer) dödstal i leukemi bland kvinnor i Sverige 1952, 1982 och 2012.

Den viktade ickelinjära regressionen (med Elzhov m.fl. (2013)) hindrar programmet från att passa in regressionslinjen på sådant brus i åldersgrupper med få dödstal. Dessvärre finns också viktiga orsaksgrupper där det sker stora, systematiska avvikelser från regressionslinjen. Ett exempel är sjukdomar i cirkulationsorganen (ICD-6/7: 330–334, 400–468; ICD-8/9: 390–459; ICD-10: F01, I00–I99).

Cirkulation Sverige kvinnor Cirkulation Sverige män Diagrammen visar observerade (punkter) och förutsedda (linjer) dödstal i sjukdomar i cirkulationsorgan i Sverige 1952, 1982 och 2012.

Regressionen lägger åter störst vikt vid de högsta åldersgrupperna, där de flesta dödsfallen inträffar. Men den överskattar systematiskt ökningen med ålder och underskattar därför dödstalen i lägre åldersgrupper. Problemet tycks dessutom ha blivit värre på senare år, så att en allt mindre del av åldersspannet passar in. Analys på viktiga undergrupper, som kranskärlssjukdom och slaganfall ger liknande resultat. Detta reflekterar ett problem som jag varit inne på tidigare, som den 6 januari 2011 och den 23 september 2012: dessa sjukdomsgrupper verkar vara alltför diffusa för att fångas i en enkel analys. Kanske kommer de i framtiden (i alla fall när det gäller rapportering av underliggande dödsorsaker) att ersättas av andra kategorier som bättre speglar bakomliggande orsaksmekanismer.

Referenser

Elzhov, Timur V., Katharine M. Mullen, Andrej-Nikolai Spiess och Ben Bolker. 2013. minpack.lm: R interface to the Levenberg-Marquardt nonlinear least-squares algorithm found in MINPACK, plus support for bounds. http://CRAN.R-project.org/package=minpack.lm.

Juckett, David A. och Barnett Rosenberg. 1993. ”Comparison of the Gompertz and Weibull functions as descriptors for human mortality distributions and their intersections”. Mechanisms of Ageing and Development 69 (1–2): 1–31. doi:10.1016/0047-6374(93)90068-3.

Riggs, Jack E. 1991. ”Longitudinal gompertzian analysis of breast cancer mortality in the U.S., 1962–1987: Demonstration of a disorder displaying complex deterministic mortality dynamics”. Mechanisms of Ageing and Development 60 (2). doi:10.1016/0047-6374(91)90125-J.

WHO. 2014. ”WHO Mortality Database”. http://www.who.int/healthinfo/mortality_data/en/index.html.