I förra inlägget skrev jag om olika webbtjänster med information om trender för orsaksspecifik mortalitet. Ett par svenska utvecklare hade fått pris i kategorin ”bästa nytta för allmänheten” i Hack for Sweden för sin webbplats om det nutida dödsorsaksmönstret i Sverige (Stenström och Fräsén 2015). Vad jag kan se är det emellertid ganska dåligt med webbplatser som erbjuder överskådliga visualiseringar av långsiktiga tidstrender för mortaliteten i olika dödsorsaker. Sådana sidor skulle nog också kunna vara till nytta för allmänheten, t.ex. när det dyker upp tidningskrönikor som den jag skrev om 28 juli förra året.

IHME (2014) innehåller data för alla världens länder och använder sofistikerade algoritmer för att uppskatta trender utifrån bristfälliga data, men gränssnittet kan vara segt och informationen sträcker sig inte längre tillbaka än till 1980. Systemet för att konstruera diagram online hos WHO (2014) kan ta fram information från 1979. Whitlock (2012) är snabb och lättanvänd och har diagram som sträcker sig tillbaka till 1950-talet för flera befolkningar, men webbplatsen står och förfaller sedan dess skapare avlidit.

Jag har nu själv lagt upp en skiss av en webbplats med diagram för mortalitetstrender. Webbplatsen är extremt simpel och kanske inte speciellt snygg, men den erbjuder ett snabbt och enkelt gränssnitt för att slå upp trender i dödstal i olika orsaker för en given befolkning och åldersgrupp. Den bygger på data från WHO (2014), och för närvarande finns diagram för Sverige (1951–2012) och Finland (1952–2012) för fem dödsorsaksgrupper (tumörer generellt, bröstcancer, lungcancer, cirkulationssjukdom generellt och kranskärlssjukdom). Diagrammen visar tidstrender för genomsnittliga dödstal bland kvinnor och män över 5-åriga åldersintervall i vidare åldersgrupper (15–44, 45–64, 65–74 och 75–84 år). Jag har förstås tänkt lägga upp fler dödsorsaker och befolkningar efter hand.

Webbplatsen i sig innehåller inga databaskopplingar eller överhuvudtaget någon kod som körs på serversidan. Gränssnittet för val av diagram använder jQuery. Själva diagrammen genererar jag lokalt med hjälp av ett Pythonskript som konfigureras med en YAML-fil (som anger relevanta kombinationer av befolkning, kön, ålder och dödsorsak). Jag har gjort ett utkast till dokumentation i PDF-format med beskrivning av sidan, t.ex. de mått och dödsorsaksgrupper som används.

Den 14–15 mars i år anordnade svenska myndigheter Hack for Sweden, ett evenemang som syftar till att ta fram tjänster eller produkter som använder sig av myndigheternas öppna data. Det utsågs dels en övergripande vinnare, en tjänst som informerar om nationella katastrofer, dels vinnare i några specifika kategorier (Hack for Sweden 2015). En av vinnarna, i kategorin ”bästa nytta för allmänheten” är en webbplats om dödsorsaker i Sverige (Stenström och Fräsén 2015). I motiveringen för priset angav juryn att webbplatsen genom öppen data visualiserar ”livsviktig fakta som hjälper medborgare med en enkel och tillförlitlig riskuppskattning”.

Webbplatsen bygger på data från Socialstyrelsen (2014) för år 2013 och presenterar dödsorsaksmönstret (absolut antal döda och procentuell andel av dödligheten) i de tre nivåer som finns där: ICD-kapitel, block och tredjepositionskod. Det går att avgränsa resultat efter kön, ålder (5-åriga åldersintervall och ett öppet intervall för personer över 85 år) och region. Den är lättanvänd och fungerar smidigt. Samtidigt har den utvecklats på kort tid, och den ger fortfarande i viss mån ett skissartat intryck. Det finns saker som måste förbättras om den på allvar skall leva upp till de egenskaper juryn tillskrev den. En del av ICD-kategorierna har försetts med förvirrande beteckningar. Det mest iögonfallande är att ICD-kapitel 14 (sjukdomar i urin- och könsorganen), som stod för 1118 dödsfall 2013, varav majoriteten njursvikt, kallas ”könssjukdomar”. I normalt språkbruk innebär ”könssjukdomar” sexuellt överförbara infektioner. Ett block för sådana sjukdomar finns i kapitel 1, och tillskrevs inte ett enda dödsfall 2013 (15 dödsfall tillskrevs HIV/AIDS, som finns i ett separat block i detta kapitel). Här kan jag nästan misstänka att de båda utvecklarna spelat oss ett spratt, men det finns andra konstiga beteckningar, som att kapitel 18, för otillräckligt specificerade orsaker, kallas ”övrigt”.

Självmord och skador med oklar avsikt har av någon anledning fallit bort, utan att detta anges, vilket ger en snedvriden bild av dödsorsaksmönstret, framförallt bland yngre vuxna, där dessa står för en stor del av dödligheten. Många av ICD-kategorierna är nog ointuitiva för de flesta svenskar och borde omorganiseras eller förses med förklaringar på en webbplats som skall hjälpa folk med ”enkel och tillförlitlig riskuppskattning”. Den fjärde vanligaste dödsorsaken (den tredje bland kvinnor) på kapitelnivå är t.ex. ”psykiska sjukdomar”, kapitel 5. Till mer än 90 procent utgörs dessa av demens, men det framgår inte klart förrän man klickat ned sig på tredje nivån, under blocket ”organiska psykiska störningar”. Trassligheten ökas av att de demensdödsfall som specifikt tillskrivits Alzheimers sjukdom ligger under kapitel 6, under blocket ”degenerativa sjukdomar i nervsystemet”.

En annan fråga är vad denna webbplats tillför med hänsyn till den information om dödsorsaker som redan finns på Internet. Den uppenbara fördelen jämfört med Socialstyrelsen (2014) är att den omedelbart presenterar information om dödsorsaksmönstret i tydliga stapeldiagram. En del sådana diagram finns i Socialstyrelsens PDF-rapporter, men inte med samma uppdelning i underkategorier. IHME erbjuder också visualiserade översikter över dödsorsaksmönstret för både Sverige och andra länder i världen (IHME 2014a). Dessa kan redovisas både i absoluta tal, relativt folkmängd och som andel av dödligheten. Kategorierna är mer begripliga än de i ICD-10, och otillräckligt specificerade dödsorsaker har omfördelats. Dock kanske själva webbplatsen kan upplevas som svårnavigerad på grund av det stora antalet alternativ.

Hos Stenström och Fräsén (2015) finns ett diagram över totalt antal dödsfall per år 1937–2013 men ingen annan information om tidstrender för dödlighet i Sverige. Här har IHME åter en mycket användbar sida med internationella data (IHME 2014b), som jag skrev om i förra inlägget. Det går att redovisa absolut antal, dödstal eller andel av dödligheten som trender över tid indelade efter åldersgrupp, som trender över åldern indelade efter tidsperiod eller som internationella översiktskartor för ett visst år. Dock kan sidan vara långsam och en aning instabil.

Whitlock (2012) är annars en bra webbplats med stort antal färdiga diagram med tidstrender för åldersjusterade dödstal i olika dödsorsaker för flera befolkningar. Den bygger på data från WHO (2014). Några speciella justeringar för ospecificerade dödsorsaker har inte gjorts, men rapporteringen är begränsad till befolkningar med hyfsade data (i stor utsträckning höginkomstländer som USA, Sverige och Japan) och till åldersgrupper under 80 år. Byte av ICD-klassifikation, som kan ge konstlade trender, har markerats i diagrammen. Det finns pedagogiska förklaringar av centrala begrepp och av de olika orsakskategorierna.

Olyckligtvis dog epidemiologen Gary Whitlock, som skötte webbplatsen, i cancer 2013. Nu står den övergiven, och vissa sidor har vandaliserats av spammare (vilket är anledningen till att jag länkar till en arkiverad version). Så går det med dynamiska webbplatser som inte underhålls, men i mitt tycke är det en betydande förlust att Whitlocks webbplats står och förfaller. Fördelarna, jämfört med den mer sofistikerade IHME (2014b), är dels snabbheten med de färdiga diagrammen, dels att den för många befolkningar sträcker sig ända tillbaka till början av 50-talet (de äldsta data som finns tillgängliga via WHO (2014)). IHME (2014b) sträcker sig för närvarande inte längre tillbaka än till 1980. Lättillgängliga visualiseringar över olika befolkningars dödstal på 50- och 60-talen fyller en viktig funktion idag, inte minst med tanke på diskussioner om ”sjuka” och ”friska” befolkningar, som baserats på ett kanske ofta snävt urval av datapunkter från den perioden.

För ett par veckor sedan publicerades en artikel som, med utgångspunkt från uppskattningarna i Global burden of disease (GBD), undersöker vad som ligger bakom förändringar i antalet dödsfall i cirkulationssjukdom i världen från 1990 till 2013 (Roth m.fl. 2015). När denna typ av data för perioden fram till 2010 presenterades 2012 resulterade det i kommentarer i t.ex. DN om att det var felaktig livsstil som förklarade ökningarna i antalet personer som dog av bl.a. hjärtsjukdomar och vissa cancerformer. Jag påpekade den 16 december 2012 att åldersjusterade dödstal (antal dödsfall i relation folkmängden) i dessa dödsorsaker minskat globalt, och att ökningen därför förklaras av ökad folkmängd och åldrande befolkning.

Det är också huvudresultatet i den nya studien, som alltså gäller cirkulationssjukdom generellt. Antalet dödsfall i dessa sjukdomar har ökat globalt från 12,3 miljoner 1990 till 17,3 miljoner 2013, en ökning med 41 procent. Men ökat antal människor i världen har bidragit med en 25-procentig ökning och åldrande befolkning har bidragit med en 55-procentig ökning. I en värld med 1990 års åldersspecifika dödstal men 2013 års folkmängd och åldersstruktur i befolkningen hade då 22,2 miljoner människor dött. Med andra ord är det globalt minskade dödstal som bromsat ökningen. I vilken mån dessa minskningar beror på t.ex. förbättrad sjukvård, livsstilsförändringar eller minskad börda av infektioner är en fråga som inte diskuteras i artikeln.

Det finns en variation mellan olika regioner i världen när det gäller vilken betydelse de olika komponenterna folkmängd, åldersstruktur och dödstal haft för trenderna i antalet cirkulationsdödsfall. I artikeln skiljs mellan sex olika mönster. I Oceanien, Syd- och Sydostasien och Karibien har både folkmängden och andelen äldre ökat, samtidigt som dödstalen minskat måttligt. I södra Afrika är det främst en kraftigt ökad folkmängd som medfört en ökning av antalet dödsfall. I Östeuropa och Centralasien är det tvärtom främst en ökad andel äldre som drivit trenderna. Något liknande gäller i länder som Japan och Kina, men där har minskningen av dödstal varit starkare. Mellanöstern och flera latinamerikanska regioner utmärks av ökad folkmängd och åldrande befolkning i kombination med kraftigt minskade dödstal. Höginkomstregioner i Europa, Australien och Amerika utmärks av åldrande befolkning i kombination med måttligt ökad folkmängd och kraftigt minskade dödstal, vilket i en del fall medfört minskat antal dödsfall.

I artikeln redovisas också 95-procentiga osäkerhetsintervall för uppskattningarna, som baseras på osäkerhet i underliggande data och statistiska modeller. Dessa intervall är vida t.ex. för olika afrikanska regioner, där tillgången på högkvalitativa data är dålig. För rika länder är intervallen snävare, men även här finns felkällor. En central källa till uppskattningarna är de olika befolkningarnas officiella statistik över underliggande dödsorsaker, och den är notoriskt utsatt för konstlade trender, i synnerhet när det gäller äldre människor. Ett exempel är den kraftigt ökade demensdödligheten bland äldre i västländer, t.ex. Sverige, de senaste decennierna, som jag diskuterat t.ex. den 12 oktober förra året. I den senaste GBD-uppskattningen har också den officiella statistiken för denna typ av dödlighet betraktats som otillförlitlig, och i stället har forskarna använt sig studier av prevalensen av demens (GBD 2013 Mortality and Causes of Death Collaborators 2014).

Visualiseringar av trenderna i GBD för dödlighet i olika befolkningar från 1980 till 2013 finns tillgängliga via IHME (2014). Resultat för Sveriges del är att åldersspecifika dödstal i demens inte tycks ha ökat under de senaste 20 åren. Bland kvinnor skedde möjligtvis en ökning från början av 80-talet fram till mitten av 90-talet, men osäkerhetsintervallen är breda. Sverige tycks inte heller ha signifikant högre åldersspecifika dödstal än t.ex. länder i Östeuropa där demens sällan, om någonsin, rapporteras som dödsorsak i officiell statistik.

När det sedan gäller cirkulationssjukdomarna har det i Sverige skett en klar minskning av åldersspecifika dödstal bland både kvinnor och män, men samtidigt har befolkningen, som i så många andra länder, åldrats och dödligheten förskjutits upp i höga åldersgrupper, där dessa sjukdomar är vanliga som dödsorsaker. Osäkerhetsintervallen för cirkulationssjukdom är bredare för kvinnor än för män, och med hänsyn till dessa ter det sig inte alls klart att det absoluta antalet eller andelen dödsfall bland svenska kvinnor som orsakas av cirkulationssjukdom minskat överhuvudtaget jämfört med åren i början av 80-talet.

Den 6 februari och 9 februari skrev jag här om rapportering kring mortalitet bland typ 1-diabetiker. Nu i dagarna har också Anna Bäsén i Expressen publicerat en krönika på detta tema (Bäsén 2015). Krönikan har föranletts av att finansmannen Max Stenbeck nu i veckan rapporterades ha dött till följd av diabetes i en ålder av 30 år.

Bäsén framhåller en svensk studie från förra året enligt vilken ”risken att dö i förtid” skulle vara ”dubbelt så hög” för typ 1-diabetiker med god blodsockerkontroll som för normalbefolkningen, och att ”överdödligheten” var 8–10 gånger så hög för de med dålig blodsockerkontroll. I det sista exemplet har uppenbarligen överdödlighet förväxlats med dödlighet – fast på motsatt sätt jämfört med medierapporteringen jag skrev om den 6 februari, där det påstods att kvinnor med typ 1-diabetes hade högre dödlighet än män, i stället för högre överdödlighet. Bäsén ger ingen explicit referens i krönikan, men det är uppenbart att hon åsyftar Lind m.fl. (2014).

I denna svenska registerstudie visas bl.a. på att mortaliteten totalt och i cirkulationssjukdom är högre bland typ 1-diabetiker än bland kontroller, och att mortaliteten bland typ 1-diabetikerna ökar med högre genomsnittsnivåer av HbA1c, vilket indikerar dålig blodsockerkontroll. Någon ökad cancerdödlighet bland typ 1-diabetikerna observerades inte, vilket skiljer denna studie från den finska studien Forssas m.fl. (2013), som jag skrev om den 9 februari.

Enligt vad Bäsén säger kan en tioåring med typ 1-diabetes i dagsläget räkna med en återstående livslängd på 60 år. Jo, i Lind m.fl. (2014) redovisas också hazardkvoter för total och cirkulationsrelaterad mortalitet bland kvinnor och män med typ 1-diabetes relativt allmänbefolkningen i olika åldersintervall (18–34, 35–49, 50–64 och 65– år). Utifrån detta går det att göra beräkningar av den återstående livslängden bland typ 1-diabetiker, på det sätt jag visade på i 9 februari-inlägget.

I dag offentliggjorde också SCB livslängdstabeller för 2014 (SCB 2015). De visar på en återstående livslängd vid födseln på 84,1/80,4 år för kvinnor/män, vilket är en ökning jämfört med 2013. Utifrån de aktuella livslängdstabellerna, och hazardkvoterna hos Lind m.fl. (2014), kunde jag uppskatta den återstående livslängden bland 18-åriga svenska typ 1-diabetiker till 55,5/52,9 år för kvinnor/män, vilket alltså stämmer rätt bra med det Bäsén säger. Det ser också ut som typ 1-diabetes förkortar livet något mer för kvinnor än för män, vilket är i linje med de studier som diskuterats i tidigare inlägg. Vi får dock komma ihåg att konfidensintervallen för hazardkvoterna i Lind m.fl. (2014) ofta är breda. Forskarna uppger att de inte kunnat hitta några signifikant högre hazardkvoter för total dödlighet (men däremot för cirkulationsdödlighet) för kvinnor än för män sett över alla åldrar, men för åldersgruppen 50–64 år är i alla fall 95-procentiga konfidensintervall icke överlappande (hazardkvot för kvinnor 4,17, KI 3,70–4,69 och för män 2,86, KI 2,60–3,15). Det finns också en underrepresentation av äldre personer i Lind m.fl. (2014), vilket innebär att skattningarna för hazardkvoter vid hög ålder blir osäkra: vi kan anta att de tenderar att fortsätta minska efter 65-årsåldern.

Det går också att uppskatta livstidssannolikheten för typ 1-diabetiker att dö av cirkulationssjukdom, med utgångspunkt från hazardkvoterna för denna sjukdomsgrupp (ICD-10 I00–I99) och senaste tillgängliga data över åldersspecifik dödlighet i allmänbefolkningen (Socialstyrelsen 2015). För 18-åriga kvinnor/män med typ 1-diabetes skulle den sannolikheten vara 37/34 procent, vilket ligger mycket nära – eller något lägre än – andelen dödsfall i cirkulationssjukdom i allmänbefolkningen. Detta är i linje med de uppskattningar jag gjorde för finska kvinnor utifrån Forssas m.fl. (2013). Typ 1-diabetes är en stark riskfaktor för cirkulationsdödlighet, i den bemärkelsen att typ 1-diabetiker dör tidigare av cirkulationssjukdom jämfört med allmänbefolkningen, men ökningar av konkurrerande dödlighet verkar medföra att det inte ökar sannolikheten att förr eller senare dö av cirkulationssjukdom.

När det gäller den totala överdödligheten är det alltså som sägs i titeln och ingressen till Expressenartikeln, att diabetes kan vara en ”mycket farlig” sjukdom, även om det givetvis finns stora variationer bland diabetiker, beroende på blodsockerkontroll och andra faktorer. Sett till trenden de senaste 50 åren verkar det dock som om det är ännu farligare att vara ättling till den nu avlidne finansmannens farfar, Hugo Stenbeck (Wikipedia 2015), eller gift med någon som är det, än att vara diabetiker. Vi får hoppas att de kvarvarande syskonen bryter den trenden.

SVT har i dagarna rapporterat om problematiken med Clostridium difficile, en bakterie som kan ge upphov till allvarliga infektioner hos framför allt äldre, sköra patienter som fått sin tarmflora rubbad genom antibiotikabehandling. Det påtalas att 572 svenskar dött av infektion med denna bakterie under de senaste åtta åren. I ett reportage kan de också ”avslöja en rad tidigare ouppmärksammade toppar” av dödsfall och infektioner (Bezzazi 2015).

Det handlar om att de snabbt lyckats få fram ett mönster utifrån dödsorsaksstatistiken: att det ”[u]nder olika år, i olika län” sker ”plötsliga ökningar” av antalet dödsfall och sjukhusvårdade för infektionen. I ett videoinslag visas hur reportern sitter med utskrivna datalistor över antalet dödsfall och använder kulspetspenna för att ringa in år med många dödsfall. Några exempel på sådana plötsliga ökningar är att 2010 dog 11 personer i Västra Götalands län, när det tidigare dött 6–7 personer per år under flera års tid och att det 2013 dog 5 personer i Kronobergs län, i stället för högst 2 personer, som annars varit det vanliga. Stockholms län hade 16 dödsfall år 2013 men endast 3 året innan.

SVT har också kontakt smittskyddsenheterna i de olika länen ”för att få en förklaring till dödstopparna”. Enheten i Kronoberg hänvisar till ökad diagnostik, och i några andra län har de ingen förklaring. På Folkhälsomyndigheten säger de att siffrorna är svårtolkade när det inte finns några data om hur och när de avlidna patienterna smittats, och att det lätt uppstår tillfälliga svängningar när det årliga antalet döda på länsnivå är så lågt.

SVT har uppenbarligen gjort en specialbeställning av data från Socialstyrelsen. Koden för Clostridium difficile-infektion (A04.7) ligger på fjärdepositionsnivån i ICD-10, och sådana data finns inte tillgängliga på regional nivå via Socialstyrelsens statistikdatabas eller de publicerade rapporterna. Men några tester av statistik signifikans, som hade kunnat visa på hur sannolikt det varit att sådana avvikelser som observerats hade uppkommit av en slump, verkar inte ha gjorts. Detta samtidigt som det i de exempel som redovisas rör sig om få fall, där den misstanke Folkhälsomyndigheten uttryckte kan ligga nära till hands.

Även om signifikanstester hade gjorts på länsnivå, hade det varit troligt att en del fynd varit ”signifikanta” på nivån \(p<\text{,}05\) eller till och med \(p<\text{,}01\), även om det inte förelegat några genuina avvikelser, när SVT-reportern har letat efter avvikande år under en 8-årsperiod för de 21 svenska länen. Det är samma typ av problematik som i den svenska studien om de norrbottniska farmödrarna, som uppmärksammades i svenska medier för ungefär ett år sedan. Om en flicka hade utsatts för variationer i födotillgången under barndomen hade hennes sondöttrar förhöjd mortalitet i cirkulationssjukdom. Studien blev hårt kritiserad av t.ex. Häggström (2014) därför att forskarna gjort 24 likartade tester utan att ha justerat för detta.

I förra inlägget påpekade jag att en studie som Huxley m.fl. (2015) inte kunde användas för att visa det SVT påstod att den visade: att kvinnor med typ 1-diabetes har högre dödlighet än män med typ 1-diabetes. En studie som däremot är relevant för detta är den finska Forssas m.fl. (2013), där forskarna studerat åldersspecifika dödstal hos kvinnor och män i Finland. De har använt sig av data från flera olika finska register och har avgränsat ”insulinbehandlad diabetes” på ett sätt som de anser ringar in typ 1-diabetes ganska väl (kontinuerlig insulinbehandling och inga läkemedel för att öka bukspottskörtelns insulinsekretion). I fortsättningen använder jag i detta inlägg ”typ 1-diabetes” för att referera till insulinbehandlad diabetes.

Ett resultat är att typ 1-diabetes mycket riktigt är en starkare riskfaktor bland kvinnor (åldersstandardiserade dödstal relativt icke-diabetiker i åldern 1–79 år under perioden 2003–07 4,29; 95-procentigt konfidensintervall 4,08–4,51) än bland män (3,45; 3,31–3,58). Men i artikeln finns grafer som visar utvecklingen av dödlighet totalt och i cirkulationssjukdom, tumörer och övriga orsaker efter ålder bland kvinnor och män från 30-årsåldern upp till över 80 års ålder för åren 2002–03. I supplementet S1 redovisas dessutom dessa uppgifter för perioderna 1998–2002 och 2003–07 i 15-åriga åldersintervall från 0–14 till 60–74 år, med 75– år som öppet intervall. Av såväl graferna som supplementet framgår att kvinnor med typ 1-diabetes inte har högre dödstal än män i någon ålder. Den större dödlighetsökningen bland kvinnor är inte tillräcklig för att uppväga den markant lägre dödligheten bland kvinnor utan diabetes.

De uppgifter som framställdes av SVT, att personer med typ 1-diabetes skulle ha minst tiofaldigt ökade dödstal, eller ”ökad risk att dö i förtid”, jämfört med övriga befolkningen, verkar också klart överdrivna för befolkningen som helhet, vilket är i linje med aktuella metaanalyser, som jag påpekade i förra inlägget. Dock framgår av Forssas m.fl. (2013) också en interaktion mellan ålder och diabetes när det gäller effekt på dödlighet. Hos såväl diabetiker som icke-diabetiker ökar dödstalen exponentiellt med stigande ålder. Men de logaritmiska kurvorna är brantare bland icke-diabetiker, så de relativa skillnaderna i dödstal mellan diabetiker och icke-diabetiker är mindre bland äldre personer; ett exempel på det s.k. Strehler–Mildvansambandet. Bland kvinnor i 30-årsåldern med typ 1-diabetes är den totala dödligheten nästan tio gånger så hög som bland jämnåriga kvinnor utan diabetes.

När det gäller dödlighet i cirkulationssjukdom är de relativa ökningarna ännu större; kvinnor med typ 1-diabetes i åldersintervallen 30–44 och 45–59 år har 10–15 gånger så höga dödstal som kvinnor i motsvarande åldrar utan diabetes. De har också 3–4 gånger så höga dödstal i tumörer och 6–7 gånger så höga dödstal i övrig dödlighet (infektioner, endokrina sjukdomar, vilket inkluderar de fall där diabetes i sig rapporteras som dödsorsak, njursjukdomar etc.). Det är dock knappast klart i alla dessa fall vad som är en följd av diabetes och vad som speglar omvänd kausalitet eller confounding.

Det är inte heller klart hur livstidssannolikheten för död genom olika orsaker skiljer sig mellan diabetiker och övriga befolkningen. Jag försökte mig på att konstruera en livslängdstabell för kvinnor med typ 1-diabetes 2007 med relativa dödstal i cirkulationssjukdom, tumörer och övriga orsaker beräknade utifrån uppgifterna för 2003–07 i S1, tillsammans med uppgifter om dödsorsaksfördelningen i 5-åriga åldersintervall i allmänbefolkningen från WHO (2014) och livslängdstabeller från Human Mortality Database (2014). Jag sökte också beräkna fördelningen av dödsorsaksgrupperna. Tillvägagångssättet var, grovt, följande.

1. Beräkna dödstal \(m_{\text{Cirk}}(x,\text{a}),m_{\text{Tum}}(x,\text{a}),m_{\text{Övr}}(x,\text{a})\) för allmänbefolkningen i ålder \(x\).
2. Beräkna dödstal \(m_{\text{Cirk}}(x,\text{d}),m_{\text{Tum}}(x,\text{d}),m_{\text{Övr}}(x,\text{d})\) för diabetiker i åldern \(x\) utifrån uppgifter om relativa tal baserade på S1.
3. Beräkna total dödlighet för diabetiker \(m(x,\text{d})\) genom att summera dödstalen i ovanstående punkt. Konstruera en livslängdstabell utifrån detta (som beskrivs i dokumentationen till Human Mortality Database (2014)).
4. Beräkna andelen diabetiker som dör av t.ex. cirkulationssjukdom vid ålder \(x\) genom \(d(x,\text{d})\times(m_{\text{Cirk}}(x,\text{d})/m(x,\text{d}))\) (där \(d(x,\text{d})\) är andelen diabetiker som dör av någon orsak vid \(x\)).
5. Summera dessa andelar över åldrarna.

Ett resultat är att kvinnorna med typ 1-diabetes skulle ha en förväntad återstående livslängd på 41,7 år vid 30 års ålder, att jämföra med 53,5 år för finska kvinnor i allmänhet. Bland 30-åriga kvinnor i allmänbefolkningen skulle 19 procent förr eller senare dö av tumörer och 46 procent av cirkulationssjukdomar, och bland kvinnor med typ 1-diabetes är dessa andelar 23 och 42 procent.

De specifika resultaten måste tas med en nypa salt, då det finns flera osäkerhetskällor. Men det illustrerar att det inte behöver vara så att de som exponerats för en riskfaktor \(X\) för en viss dödsorsak \(C\) har högre livstidssannolikhet för död genom \(C\) än de som inte exponerats – inte ens om \(X\) i alla åldrar är en starkare riskfaktor för \(C\) än för annan dödlighet. Detta är uppfyllt när det gäller cirkulationssjukdom och typ 1-diabetes bland kvinnor i alla åldersintervall över 30 år. Ändå är det en något mindre andel av dessa kvinnor som skulle dö av cirkulationssjukdom jämfört med befolkningen i övrigt. Skälet är att dödligheten i cirkulationssjukdom bland kvinnor är koncentrerad till de högsta åldersgrupperna, och att många kvinnor med typ 1-diabetes skulle dö av andra orsaker innan de nådde dit.

Den 5 december förra året skrev jag om en medieuppmärksammad svensk studie (Dumanski m.fl. 2014) som utgick från att rökning är en starkare riskfaktor för cancer bland män än bland kvinnor. Jag påpekade att den aktuella studien inte kunde styrka detta på ett tillfredsställande sätt: den hänvisade bara till en amerikansk studie där de jämfört bl.a. cancerdödlighet hos kvinnliga rökare relativt kvinnliga icke-rökare och manliga rökare relativt manliga icke-rökare. Den hade inte undersökt om den relativa överdödligheten bland rökare var större bland män än bland kvinnor.

Nu rapporterar SVT (Merckx 2015) om en studie som uppges visa att ”[f]ör kvinnor med typ 1-diabetes är risken att dö i förtid av hjärt-kärlsjukdom dubbelt så stor som för män med samma sjukdom” och att sett till samtliga dödsorsaker ”har kvinnor med typ 1-diabetes nästan 40 procents högre risk att dö i förtid jämfört med männen”. Jo, den aktuella studien (Huxley m.fl. 2015) är en metaanalys av 26 studier av könsspecifika SMR (kvoter av standardiserade dödstal) eller hazardkvoter för olika typer av dödlighet, och resultat som redovisas är bl.a. att kvinnornas SMR för totaldödlighet relativt männens är 1,37 (95-procentigt konfidensintervall 1,21–1,56) och för cirkulationsdödlighet 1,86 (1,62–2,15).

Det är den typen av jämförelser Dumanski m.fl. (2014) borde ha hänvisat till som evidens för att rökning är en starkare riskfaktor bland män än bland kvinnor. I det nu aktuella fallet är resultatet alltså att (typ 1)-diabetes är en starkare riskfaktor för totaldödlighet och cirkulationsdödlighet bland kvinnor än bland män. Däremot har det inte visats att kvinnliga typ 1-diabetiker har förhöjd dödlighet relativt manliga typ 1-diabetiker. Män utan typ 1-diabetes har i alla rika samhällen högre dödstal än kvinnor utan typ 1-diabetes, när det gäller total dödlighet och cirkulationsdödlighet. Om en större överdödlighet bland kvinnliga typ 1-diabetiker kan uppväga detta beror dels på storleken på denna skillnad i baslinjedödlighet, dels på hur mycket typ 1-diabetes ökar dödligheten bland män. Dessa faktorer kan sedan variera mellan olika befolkningar, ålderskategorier, socioekonomiska grupper etc.

Liksom i decemberfallet blir alltså rapporteringen i media förvirrande därför att de kvoter som jämförts inte i sig kan visa det de uppges visa. De båda fallen är dock inte helt analoga. I det nuvarande exemplet ligger felet i medierapporteringen av de aktuella forskningsresultaten, och inte i originalartikelns tolkning av en annan vetenskaplig artikel.

I övrigt sägs i SVT-inslaget att typ 1-diabetiker är ”en grupp som löper drygt tio gånger högre risk att dö i förtid jämfört med den övriga befolkningen”¹ – något som förefaller kraftigt överdrivet sett till de kvoter som redovisas i färska metastudier av detta (Lung m.fl. 2014). Rent allmänt borde också formuleringar i stil med ”40 procents högre risk att dö i förtid” eller ”tio gånger högre risk att dö i förtid” undvikas vid förmedlandet av resultat i termer av SMR eller hazardkvoter, som jag diskuterade här den 2 augusti förra året.

Tomasetti och Vogelstein (2015), som jag diskuterade i förra inlägget, kan ses som en illustration av filosofen Bas van Fraassens modell för varför-frågor, som jag skrev om här den 29 mars förra året. För att kunna avgöra om ett svar på en fråga om varför något förhåller sig på ett visst sätt är relevant, måste vi veta vilka förhållanden det kontrasteras mot. Om vi frågar oss varför säg 10 procent av befolkningen diagnostiseras med hudcancer under livstid, kan ett svar i enlighet med författarnas modell, att det sker många stamcelldelningar i huden under en livstid, vara relevant om det kontrasteras mot att mycket färre än 10 procent får cancer i gallblåsan, där det sker få stamcelldelningar. Däremot är det inte ett relevant svar om vi i stället kontrasterar förhållandet mot att färre än 10 procent skulle få diagnosen med de incidenstal som gällde i Sverige för 30 år sedan. I så fall måste vi i stället anföra svar i termer av ökad diagnostik, ökad solexponering etc.

Allmänt gäller att mått som ERS, som Tomasetti och Vogelstein (2015) ställer upp och som jag skrev om i förra inlägget, inte har någon större mening om de inte sätts in i ett sammanhang med existerande evidens för vad som orsakar cancer i allmänhet, eller specifika cancerformer. Vi kan ta ett extremt exempel, som fått viss uppmärksamhet i relation till kosthåll som 5:2 i Sverige de senaste åren. Larons syndrom är ett sällsynt, genetiskt betingat tillstånd, som kännetecknas av mycket låga nivåer av tillväxtfaktorer. Personer med syndromet kännetecknas bl.a. av påtaglig kortväxthet, och det rapporteras också att de nästan aldrig drabbas av cancer (J. Guevara-Aguirre m.fl. 2011). Om detta stämmer, skulle nästan alla cancerfall bland människor kunna sägas förklaras av att mer än 99,999 procent av mänskligheten saknar de genvarianter som ger upphov till Larons syndrom.

Det kanske vore en extremt långsökt och irrelevant förklaring i många fall, men poängen är att den rent matematiska modelleringen hos Tomasetti och Vogelstein (2015), med ett mått som bygger på korrelationen mellan antalet stamcelldelningar och livstidsrisk för olika cancerformer bland amerikaner, inte utgör något motexempel mot en sådan förklaring. Det komplexa sambandet mellan cancer och åldrande, där incidensen och mortaliteten tycks plana ut, eller rentav minska, vid hög ålder (se t.ex. Ukraintseva och Yashin (2003)) kan också tyda på att individuella variationer i mottagligheten, som kan vara relaterade till miljö- eller arvsfaktorer, förklarar en hel del av variationen i cancersjuklighet inom en befolkning.

Om det är så att en viss cancerform har lågt ERS och vi inte känner till några kausala faktorer som är specifika för den cancerformen, är det kanske osannolikt att vi kommer att hitta några sådana faktorer, i alla fall sådana som verkar på annat sätt än genom att påverka antalet stamcelldelningar i den aktuella vävnadstypen. Men som påpekas av Meyer (2015) får vi komma ihåg att korrelationen mellan stamcelldelningar och livstidsrisk, som ligger till grund för måttet, beräknats på en dubbellogaritimisk skala, vilket gör att det kan finnas ganska stort utrymme för att variera incidensen i specifika cancerformer utan att det rubbar korrelationen.

Sedan kanske Tomasetti och Vogelstein (2015) ändå har rätt i att vi inte bör hysa så stora förhoppningar att inom en nära framtid hitta några realistiska metoder att förebygga cancer i stor skala, med undantag för de former som är starkt relaterade till rökning. Screeningprogram för att hitta och ta bort abnorm vävnad innan cancer utvecklats kan fungera när det gäller organ som livmoderhalsen och tjocktarmen, men kanske inte när det gäller mer svåråtkomliga inre organ. Förändringar i kosten, eller andra livsstilsfaktorer, som motion (eller kontroll av sådant som föroreningar i arbetsmiljö eller vardagsliv), kan hjälpa när det gäller vissa former, men det är svårt att hitta någon population med livsstil som avviker från den ”västerländska” och med tillgänglig statistik som förefaller vara exceptionellt befriad från cancer i allmänhet. Inte ens Okinawaborna för 50 år sedan var det (se mitt inlägg här den 15 december förra året).

Hur vore det med minskning av tillväxtfaktorer, som skulle föra oss närmare personer med Larons syndrom, i alla fall efter att vi växt färdigt? En risk är att det slår tillbaka i form av tidigare död av andra orsaker, som hjärtsjukdomar – 29/30 dödsfall med angiven orsak bland Laronpersonerna hos J. Guevara-Aguirre m.fl. (2011) inträffade före 70 års ålder, och 9 av dem tillskrevs hjärtsjukdom och slaganfall. Det finns också viss evidens för sådana samband vid mindre extrema minskningar av tillväxtfaktorer, men det är oklart hur de skall tolkas (Yang, Anzo, och Cohen 2005). Vacciner eller behandlingar mot kroniska infektioner? Kanske, om vi kan identifiera sådana infektioner som orsak till fler cancerformer än i dagsläget. Ökning av antalet akuta febrila infektioner, som jag skrivit om t.ex. den 26 maj förra året? Det måste i så fall begränsas till de subpopulationer där vinsterna med att förebygga cancer står i rimlig proportion till riskerna med ökade infektioner, vilket kan utesluta personer över 65 år, där de flesta cancerfall inträffar. Men t.ex. en hjärtfrisk kvinna yngre än 65 år borde kanske betraktas som osund om hon gått ett år utan att drabbas av 38,5 °C feber.

De som är mest entusiastiska när det gäller att förebygga åldersrelaterad sjuklighet i allmänhet, hur ser de på cancer? SENS Research Foundation (2014) tar fasta på att alla cancerformer är beroende av att förlänga cellernas telomerer. Den lösning de förespråkar är att ta bort dessa funktioner från normala celler. Men som de påpekar kräver även våra stamceller detta för att fungera normalt, och om vi bara tog bort funktionaliteten skulle det återigen medföra ökad sjuklighet och dödlighet i andra åldersrelaterade tillstånd. Deras svar på detta är att vi skall förnya stamcellerna vart tionde år. Framtiden får utvisa om det kan utvecklas till någon terapi som det är rimligt att tillämpa i större skala.