Skuffad åt sidan

Det är ofta problematiskt att bedöma i vilken mån trender i orsaksspecifik dödlighet på befolkningsnivå beror på verkliga förändringar i befolkningen eller på förändringar i sättet att rapportera dödsorsaker. Det kan då vara användbart att göra jämförelser av trender för diagnoser rapporterade som underliggande dödsorsaker vs nämnda på dödsorsaksintyg. Om en nämnd sjukdom eller skada blir rapporterad som underliggande dödsorsak, beror både på vilka andra tillstånd som läkaren valt att nämna (och var på intyget de nämns) och på implementeringen av WHO:s regler för prioritering av tillstånd i val av underliggande dödsorsak, och båda dessa faktorer kan förändras över tid.

Under de senaste decennierna har det skett en kraftig nedgång i dödligheten i hjärtsjukdomar som underliggande dödsorsak i rika länder, som i många befolkningar, t.ex. i Sverige och USA, varit proportionellt större än för andra dödsorsaker. I den amerikanska statistiken för 1968 (det första år för vilket statistik över multipla dödsorsaker finns tillgänglig via (CDC 2013)) fick 37,8 procent av kvinnorna och 39,2 procent av männen någon hjärtdiagnos (se definition nedan) som underliggande dödsorsak. Senast tillgängliga år, 2010, hade andelen sjunkit till 23,5 procent bland kvinnorna och 25,0 procent bland männen – detta samtidigt som dessa sjukdomar blir vanligare med stigande ålder och medellivslängden hos båda könen ökat med flera år.

Jag fastställde förekomsten av hjärtdiagnoser som dödsorsak rapporterad av läkaren på intyget genom att matcha de sammanslagna fälten för nämnda dödsorsaker (entity axis: datafilerna innehåller även en parallell uppsättning fält för multipla registrerade dödsorsaker, record axis, där diagnosernas position på intyget inte framgår och som kan skilja sig något genom sammanlänkning av koder) mot följande reguljära uttryck (som definierar de ICD-koder som också används för andelen underliggande dödsorsaker ovan, vilket överensstämmer med de definitioner av hjärtsjukdom som finns i officiella amerikanska sammanställningar (Heron 2007)). För 1968-datan (baserad på ICD-8):

(^|,)...(39|40(01|[24])|4[12])

Detta inkluderar: reumatiska hjärtsjukdomar (ICD-8: 390–398, 399 är tom), hjärtsjukdomar orsakade av högt blodtryck (4001, 402, 404), kranskärlssjukdom och övriga typer av hjärtsjukdom, inklusive sjukdomar i lungkretsloppet (410–429). (^|,)… anger att uttrycket skall matcha fjärde tecknet efter axelns början eller efter ett kommatecken, som jag använder för att separera fälten: det är nödvändigt eftersom fälten består av enbart siffror. För 2010-datan, där ICD-10 används, använde jag följande uttryck:

I(0|11|13|[2-5])

Detta inkluderar ICD-10-koderna I00–I09, I11, I13 och I26–I52 (I53–I59 är tomma) för motsvarande diagnoser som angavs ovan. Eftersom varje kod i ICD-10 inleds med en bokstav och övriga tecken i fälten är siffror går det här att använda ett enklare uttryck än för ICD-8.

Resultatet är att förekomsten av hjärtsjukdomar som nämnda dödsorsaker från 1968 till 2010 sjunkit från 48,2 till 44,1 procent bland kvinnor och från 48,8 till 45,4 procent bland män – med andra ord en mer blygsam minskning än för underliggande dödsorsaker, både i absoluta och relativa tal. Nedanstående diagram visar andelen med hjärtsjukdom som underliggande orsak och differensen mellan dessa och andelen med nämnd orsak efter ålder i alla åldersgrupper från 15–19 till 100– år 1968 och 2010:

Andel dödsfall hjärtsjukdom kvinnor USA 1968 och 2010. Andel dödsfall hjärtsjukdom män USA 1968 och 2010.
Andel dödsfall med hjärtsjukdom som underliggande (ul) och icke underliggande i USA 1968 och 2010. Se huvudtext för närmare förklaring och hänvisning till källdata.

Andelen för underliggande dödsorsak har alltså minskat i alla åldersgrupper utom de yngsta, och andelen för nämnd dödsorsak har minskat tydligt bland kvinnor i åldersgrupperna mellan 60 och 95 år och män mellan 45 och 90 år, men inte lika mycket som för underliggande dödsorsak, och den totala dödligheten har som sagt förskjutits upp i högre åldrar, där andelen med hjärtsjukdom nämnd är större. Andelen av de med något annat än hjärtsjukdom som underliggande dödsorsak1 som har hjärtsjukdom nämnd har ökat inom alla åldersgrupper, som diagrammet nedan visar:

Andel dödsfall hjärtsjukdom nämnd av hjärtsjukdom icke-underliggande USA 1968 och 2010.
Andel av alla dödsfall som inte har hjärtsjukdom som underliggande som har hjärtsjukdom nämnd i USA 1968 och 2010. Se huvudtext för närmare förklaring och hänvisning till källdata.

Det ser alltså ut som om en del av den minskade dödligheten i hjärtsjukdomar som underliggande orsak i USA sedan slutet av 1960-talet beror på att dessa ofta rapporteras tillsammans med andra tillstånd, som då väljs som underliggande dödsorsak. Demens är ett troligt exempel på ett sådant tillstånd, som både ökat kraftigt som dödsorsak de senaste decennierna och som vi vet ofta uppträder tillsammans med riskfaktorer för hjärtsjukdom. Om liknande trender gäller Sverige, skulle det – tillsammans med en benägenhet att oftare rapportera ospecifika hjärtsjukdomar snarare än kranskärlssjukdom, som jag visade på den 2 december 2011 – kunna förklara varför vi sett en nedgång i dödligheten i kranskärlssjukdom som bland personer över 75 år är klart större än vad som kunnat förklaras av minskningar av kända riskfaktorer och framsteg i behandlingar (Björck m.fl. 2009).

Referenser

Björck, Lena, Annika Rosengren, Kathleen Bennett, George Lappas, och Simon Capewell. 2009. ”Modelling the decreasing coronary heart disease mortality in Sweden between 1986 and 2002”. European Heart Journal 30: 1046–1056. doi:10.1093/eurheartj/ehn554.

CDC. 2013. ”Data Access – Vital Statistics Online”. http://www.cdc.gov/nchs/data_access/vitalstatsonline.htm.

Heron, Melonie P. 2007. Deaths: Leading causes for 2004. Vol. 56. National vital statistics reports 5. http://www.cdc.gov/nchs/data/nvsr/nvsr56/nvsr56_05.pdf.


  1. Denna andel har för enkelhetens skull beräknats enligt (NUl)/(1Ul), där N är andelen med hjärtsjukdom nämnd och Ul andelen med hjärtsjukdom underliggande. Täljaren (NUl) motsvarar också andelen som benämns ”Icke-ul” i de två översta diagrammen. På grund av länkningen av ICD-koder förekommer dock i enstaka fall (<0,1 procent av Ul) personer som ingår i Ul men inte i N.

Trådar i kroppen

När det gäller att tillskriva dödsfall bland äldre en specifik s.k. underliggande dödsorsak uppstår det, som jag varit inne på tidigare, problem dels genom att de äldre ofta har flera samtidiga sjukdomar, dels genom att vår förståelse av olika sjukdomsprocesser bland äldre delvis är bristfällig, både på en generell nivå och i enskilda fall, genom att dödsfallen ofta inte utreds noggrant (obduktionsfrekvensen bland avlidna svenskar över 75 år 2012 var t.ex. endast 3 procent bland kvinnor och 6 procent bland män (Socialstyrelsen 2013, 253)). År 2012 publicerades en artikel i Preventive Medicine, som, om de fynd som presenteras står sig, kan få betydelse för hur vi i framtiden ser på dödsorsaker i en åldrande befolkning (Coles och Young 2012).

År 2004 grundades The Supercentenarian Research Foundation (SRF), som studerar biomedicinska aspekter av ”quasi-supercentenarians”, vilket definieras som kvinnor som är minst 108 år gamla och män minst 105 år gamla. Obduktionsdata från SRF tyder, enligt Coles och Young, på att amyloidosrelaterade tillstånd är den primära dödsorsaken hos ca 70 procent i gruppen – återstoden dör av lunginflammation. Amyloidos innebär att det gradvis inlagras olösliga proteintrådar i kroppens vävnader, så att deras funktion efterhand förstörs. Bland de gamla verkar det vara frågan om ‘’senil systemisk amyloidos’’ (SSA), vilket innebär att fibrer av proteinet transthyretin förstör framför allt hjärtats funktioner. Det finns besläktade sjukdomstillstånd som debuterar i unga år och beror på genetiska avvikelser: en variant förekommer i en del familjer i Norrland (”Skelleftesjukan”).

En fråga jag ställer mig: om SSA orsakar majoriteten av dödsfallen bland dessa extremt gamla människor, vilken betydelse har det som dödsorsak bland litet mindre extremt gamla, låt oss säga ca 80–90 år? Ca 40–50 procent av dödsfallen i Sverige i dessa åldersgrupper har någon cirkulationssjukdom som underliggande dödsorsak, och som jag visade på i ett inlägg den 23 september 2012 sker det en accelererad ökning av dödstalen i dessa sjukdomar efter 80 års ålder, vilket kan tyda på att de har delvis annorlunda uppkomstmekanismer jämfört med de som tillstånd som ligger bakom dessa diagnoskoder bland yngre personer.

Det kan tänkas att SSA-relaterade dödsfall hänförs till funktionella hjärtdiagnoser, som hjärtsvikt och arytmier, som är vanliga bland personer över 80 år. När man inte har någon klar uppfattning om specifika bakomliggande orsaker kan det vara rimligt att använda sådana tillstånd, eller t.o.m. ”senilitet” (ålderdom), som Kohn menade åter borde accepteras som dödsorsak i större omfattning (Kohn 1982). I en del fall kanske även mer specifika koder, som ischemisk hjärtsjukdom, används. Det kan vara relaterat till en tendens att alltför lättvindigt hänföra dödsfall bland äldre till ateroskleros (vilket numera kanske är ett större problem i andra befolkningar än den svenska, som jag skrev om den 22 oktober 2012). Å andra sidan hävdar Coles och Young att amyloidos leder till döden genom igentäppning av blodkärl. I den mån det är vad som ligger bakom försämringarna av hjärtat vid SSA är det tekniskt korrekt att hänföra dödsfall i SSA-relaterade hjärtproblem till ischemisk hjärtsjukdom, även om det sker via en annan process än ateroskleros, som detta begrepp blivit intimt förknippat med.

Om SRF-fynden visar sig möjliga att generalisera till mycket gamla människor i allmänhet, kan vi hur som helst vänta oss att få höra mer om SSA i framtiden. Om vi uppnår ökad livslängd via genombrott när det gäller aterosklerotiska sjukdomar, olika cancerformer och neurodegenerativa sjukdomar som alzheimers och osteoporos, kanske vart tredje dödsfall i Sverige om några decennier beror på SSA. ICD-klassifikationerna kommer att behöva göras om för att inkludera olika manifestationer av SSA, precis som skedde med ateroskleros under första halvan av 1900-talet. Säkert kommer forskare, som antyds redan i titeln på (Coles och Young 2012), att söka hitta sätt att förebygga och bota SSA, som de (om än med varierande framgång hittills) gjort med de fyra nämnda kategorierna av 1900-talets framträdande åldersrelaterade sjukdomar. Återstår då den åldersrelaterade immundysfunktion som (tillsammans med försämringar av organfunktion av de ovannämnda orsakerna) leder till att de gamla faller offer för luftvägsinfektioner, men även här pågår forskning som syftar till att hitta sätt att bromsa processen (Vasto m.fl. 2007). Om vi lyckas få bukt med dessa sex faktorer har vi kanske i stort sett vad vi behöver för att uppnå det som kallats ”negligible senescence” när det gäller mortalitet bland människor, att dödstalen inte behöver öka med ålder, om nu det är att betrakta som en utopi eller en dystopi.

Referenser

Coles, L. Stephen, och Robert D. Young. 2012. ”Supercentenarians and transthyretin amyloidosis: The next frontier of human life extension”. Preventive Medicine 54: S9–S11. doi:10.1016/j.ypmed.2012.03.003.

Kohn, Robert R. 1982. ”Cause of Death in Very Old People”. JAMA 247: 2793–2797. doi:10.1001/jama.1982.03320450027027.

Socialstyrelsen. 2013. Dödsorsaker 2012. http://www.socialstyrelsen.se/publikationer2013/2013-8-6/Sidor/default.aspx.

Vasto, Sonya, Giuseppina Colonna-Romano, Anis Larbi, Anders Wikby, Calogero Caruso, och Graham Pawelec. 2007. ”Role of persistent CMV infection in configuring T cell immunity in the elderly”. Immunity & Ageing 4. doi:10.1186/1742-4933-4-2.

Uttrycksfullt

Att läkare fyller i dödsorsaksintyg felaktigt, vilket skulle kunna leda till snedvriden dödsorsaksstatistik, är ett problem som har diskuterats en del i den vetenskapliga litteraturen. Exempelvis blev det föremål för en avhandling som lades fram i Uppsala för några år sedan (Johansson 2008). I detta inlägg tänkte jag belysa hur funktioner i databashanteraren MariaDB kan användas för att testa hur vanligt det är med vissa typer av suspekt ifyllda intyg i den amerikanska dödsorsaksstatistik som jag skrivit om här i de senaste inläggen och som finns tillgänglig för allmänheten (i form av textfiler med vissa uppgifter borttagna) via (CDC 2013a).

I den senaste filen, för 2010, finns plats för upp till 20 nämnda dödsorsaker per person. Jag läste in filen i en MariaDB-databas där jag gav fälten för nämnda orsaker namnen Ent1,Ent2,…,Ent20. Varje fält för nämnd dödsorsak innehåller två siffror följda av en ICD-kod, där den första siffran står för dödsorsakens rad på intyget och den andra siffran för dödsorsakens plats på raden: 21I219 innebär t.ex. att I219 (akut hjärtinfarkt, ospecificerad) står nämnd som första orsak på rad 2. Fält är sorterade efter först rad och sedan plats i fallande ordning.

Raderna som motsvarar del I av intyget (rad 1–5) skall bara innehålla ett tillstånd per rad: det är meningen att de skall forma en sekvens, där varje tillstånd orsakat det som står på ovanstående rad, och det som står nederst skall normalt väljas som den underliggande dödsorsaken, som ligger till grund för tabeller i officiella rapporter etc. Är intyget oriktigt ifyllt med flera tillstånd på raderna i del I, kan det finns flera sekvenser, då en sekvens anses föreligga så fort ett tillstånd är en acceptabel orsak till ett tillstånd på raden ovanför (CDC 2013b, 17). Det finns även en del II (rad 6), där det är meningen att läkaren som utfärdar intyget skall skriva in tillstånd som indirekt bidragit till dödsfallet men inte är relaterade till sekvensen i del I.

I den senaste betan av MariaDB (version 10.0.7) finns stöd för s.k. Perl-kompatibla reguljära uttryck (PCRE) (MariaDB.org 2013), något som saknas i de stabila versionerna av MariaDB (och dess ursprung MySQL). När jag såg det laddade jag hem och installerade denna (i en VirtualBox-gäst, för säkerhets skull). PCRE innefattar nämligen finesser som är användbara när det gäller att analysera data över orsakskedjor som är lagrade på det sätt som beskrevs i stycket ovan, framför allt bakåtreferenser som används för att tidigare matchad text, och jag tänkte ge några exempel på detta (för en mer allmän förklaring av hur reguljära uttryck fungerar, se t.ex. (Wikipedia 2013)). I varje exempel slår jag ihop de 20 orsaksfälten till en textsträng, som jag matchar mot uttrycken genom att inkludera följande i en SELECT-fråga:

CONCAT(Ent1,Ent2,...,Ent20) REGEXP 'uttr'

Personer med leukemi dör inte sällan av lunginflammation eller blodförgiftning, därför att både själva sjukdomen och vissa behandlingar mot denna ofta leder till kraftigt försämrat infektionsförsvar. Nedanstående uttryck hittar intyg där lunginflammation (ICD-10 J12–J18) eller blodförgiftning (A40–A41) står nämnd på en rad i avsnitt I och leukemi (C91–C95) står nämnd på vilken rad som helst längre ned, dock ej rad 6 (avsnitt II):

([1-5]).(A4[0-1]|J1[2-8]).*[^6\\g{1}].C9[1-5]

[^6\\g{1}] innehåller ett exempel på en bakåtreferens: den anger att raden där leukemi står nämnd inte är rad 6 eller den rad där lunginflammation eller blodförgiftning står nämnd (alltså den siffra som matchades i den första gruppen inom parentes, ([1-5])). Det finns 3404 rader där Ent-fälten matchar detta uttryck.

PCRE-uttrycken kan, som jag sade i början, användas för att få indikation på felaktigt ifyllda intyg. I WHO:s manual finns en diskussion om vad som inte är acceptabla sekvenser (WHO 2010, 78–82). Det poängteras att det handlar om att få statistik som är så användbar för folkhälsoändmål som möjligt, och att en acceptabel sekvens inte är samma sak som en rent medicinskt godtagbar orakskedja. Ett exempel är att självmord inte accepteras som följd av något annat tillstånd. Det är medicinskt högst rimligt att t.ex. depression kan leda till självmord, men det skulle kanske leda till förvirring och missförstånd om en massa självmord plötsligt doldes i statistiken över underliggande dödsorsaker (även om de säkert redan idag är underrapporterade på många håll, till följd av kulturella tabun etc.). Följande uttryck kan dock användas för att få indikation på en orsakskedja som varken är medicinskt acceptabel eller acceptabel enligt WHO:s regler:

[1-5](.)C9[1-5].*[1-5]\\g{1}(A4[0-1]|J1[2-8])

Uttrycket hittar leukemi i avsnitt I följt av lunginflammation eller blodförgiftning på samma plats på en rad längre ned i avsnitt I. För 420 dödsfall i USA 2010, matchar Ent-fälten uttrycket ovan. En giltig sekvens från raden med t.ex. lunginflammation till raden med leukemi kan bara finnas om det finns mer än ett tillstånd rapporterat på någon rad, vilket som sagt i sig innebär ett fel, och där lunginflammation kan vara orsak till något som inte är kausalt relaterat till leukemi. Men ofta är det intyg där hela informationen i Ent-fälten är av typen 11C920,21J189, alltså att lunginflammation skulle orsaka akut myeloisk leukemi. Möjligen kan en akut infektion trigga akut leukemi, men det är inte något allmänt accepterat samband. Byter vi ut C9[1-5] i uttrycket mot C50 (bröstcancer) får vi 255 träffar, som typiskt är av karaktären att en blodförgiftning eller lunginflammation skulle orsaka bröstcancer, vilket verkar tämligen obegripligt. Byte mot C61 (prostatacancer) ger 141 träffar av liknande typ.

I nästan alla de 420/255/141 nämnda fallen har leukemi/bröst­cancer/prostata­cancer blivit registrerat som underliggande orsak, vilket sannolikt oftast är korrekt. Men hur har läkarna tänkt när de fyllt i de aktuella intygen? En möjlighet är att de fyllt i dem ”baklänges” och skrivit vad de bedömt som orsakande tillstånd ovanför komplikationerna, i stället för tvärtom. Det korrekta är som sagt att det som kommer sist skall stå överst, men den motsatta ordningen kanske kan tyckas mer ”naturlig”, vilket skulle kunna medföra att läkare lätt använder sig av den om de t.ex. till följd av stress inte är observanta. Eller så har de inte förstått att raderna skall bilda en orsakskedja utan kanske tänkt sig att det ”viktigaste” tillståndet skall stå överst eller liknande.

En rad akuta infektioner orsakade av virulenta mikroorganismer (bl.a. kolera, mjältbrand, smittkoppor, malaria och influensa) accepteras inte som följd av några andra tillstånd enligt WHO. Denna typ av sjukdomar är skolexempel på sådant som normalt skall rapporteras som underliggande dödsorsaker om de bidrar till ett dödsfall: när man på 1800-talet systematiskt började skilja mellan primära och sekundära dödsorsaker var det mot bakgrund av ett behov av att identifiera epidemiska utbrott av sådana sjukdomar (Johansson 2008, 30–31). I CDC:s anpassade version av manualen sägs att infektioner kan accepteras som följd av tillstånd med immunbrist, men det sägs specifikt att influensa inte accepteras som följd av någon annan sjukdom (CDC 2013b, 47–48). Följande uttryck hittar intyg där influensa (J09–J11) åtföljs av ett annat tillstånd på samma position längre ned:

[1-5](.)J(09|10|11).*[1-5]\\g{1}([A-IK-Y]|J(?!(09|10|11)))

Detta ger 136 träffar, av totalt 650 intyg där influensa alls finns nämnd. I de allra flesta av dessa fall har influensa blivit registrerad som underliggande dödsorsak. Problemet är om läkare fyller i intygen så att det uppstår sekvenser som är acceptabla men inte vad läkaren avsett. En sekvens från lunginflammation till hjärtinfarkt är acceptabel, liksom den omvända sekvensen, och man kan inte avgöra om läkaren fyllt i baklänges. Rapporterad tidpunkt för debut av de olika tillstånden (som dock inte finns angiven i datafilerna) kan dock vara till hjälp vid val av underliggande orsak: en orsak måste föregå sin verkan. I övrigt får vi hoppas att fel som uppstår i valet av underliggande orsak tenderar att ta ut varandra på befolkningsnivå, som visades i (Johansson 2008) för Sveriges del.

Referenser

CDC. 2013a. ”Data Access – Vital Statistics Online”. http://www.cdc.gov/nchs/data_access/vitalstatsonline.htm.

———. 2013b. Instructions for Classifying the Underlying Cause-of-Death ICD-10 2014. http://www.cdc.gov/nchs/data/dvs/2a_2014.pdf.

Johansson, Lars Age. 2008. Targeting non-obvious errors in death certificates. http://urn.kb.se/resolve?urn=urn:nbn:se:uu:diva-8420.

MariaDB.org. 2013. ”PCRE Regular Expressions”. https://mariadb.com/kb/en/pcre-regular-expressions/.

WHO. 2010. ICD-10 volume 2 Instruction Manual 2010 Edition. http://www.who.int/classifications/icd/icdonlineversions/en/.

Wikipedia. 2013. ”Regular expression”. http://en.wikipedia.org/wiki/Regular_expression.