I förra inlägget nämnde jag trenden med minskande cancerdödlighet bland yngre i Sverige. Detta är matematiskt sett ett exempel på det s.k. Strehler–Mildvansambandet, att låg dödlighet i tidig ålder tenderar att uppvägas av snabbare dödlighetsökning med stigande ålder. I sina studier i början av 90-talet visade Jack Riggs på att ett sådant samband existerar för utvecklingen över tid för de flesta åldersrelaterade dödsorsaker. Det är i sig en viktig observation, som innebär att det i allmänhet är otillfredsställande att bara redovisa åldersjusterade dödstal för hela åldersspannet i diskussioner om dödlighetstrender.

Sedan ägnade sig Riggs åt en massa teoretiserande kring tolkningen av sambandet och de skärningspunkter för dödlighetskurvor som följer av det, som delvis kan te sig spekulativt och oklart. Hirsch (1995) har en liten historia som skall visa på faran att övertolka matematiska modeller av denna typ. En inspektör från myndigheterna i en stad undersöker de smörgåsar som säljs i stadens restauranger. Det visar sig att det finns ett negativt linjärt samband mellan densiteten hos fyllningen i smörgåsarna och brödets vikt – brödet är lättare i kött- eller fisksmörgåsar än i syltsmörgåsar. Utifrån detta går det att definiera en skärningspunkt: om smörgåsarna innehåller 50 ml fyllning kommer de att väga 200 gram oavsett fyllning eller bröd, och innehåller de mer fyllning kommer den totala vikten att vara lägre hos smörgåsar med tyngre bröd.

Detta är ett generellt matematiskt samband: har vi en linjär funktion \(y=mx+h\), där lutningen \(m\) och \(y\)-skärningen \(h\) är relaterade så att \(h=km+b\), gäller att termerna tar ut varandra vid \(x=-k\), enligt \(y=-km+km+b=b\), och det är samma samband som ger upphov till skärningspunkterna för dödlighetskurvor. Hirsch påpekar att den matematiska modelleringen inte räcker för att förklara sambandet i smörgåsfallet: kanske tenderar kafeteriorna att snåla med brödet när de använder tätare och dyrare fyllning, men det förblir en spekulation så länge vi inte undersöker den typ av bröd som används, och skärningen vid 50 ml fyllning behöver inte ha någon speciell betydelse för förståelsen av sambandet. Poängen med historien är att den skall tjäna som en varning för alltför vidlyftiga tolkningar av dödlighetskurvor och deras skärningspunkter baserade enbart på den matematiska modelleringen.

Jag har i mina skript för Mortalitetsdiagram lagt till funktioner för att med hjälp av de genererade CSV-filerna (som bygger på rådata från WHO (2014)) göra analyser av dödlighetstrender av den typ som gjorts av Riggs. De kan för närvarande använda antingen Gompertzfunktionen (exponentiell ökning av dödlighet med åldern) eller en Weibullfunktion med två parametrar. Juckett och Rosenberg (1993) diskuterar dessa olika funktioner som beskrivning av fördelningar av mänsklig dödlighet. De riktar även kritik mot Riggs, som inte verkar ha haft tillräckliga tekniska resurser för att göra riktigt bra analyser utan körde oviktad linjär regression på logaritmer av dödstal i Lotus 1-2-3 (standarden för kalkylblad på PC innan Excel tog över), vilket riskerar att ge snedvridna uppskattningar. Parametrarna för de individuella åren uppskattas i mitt skript med hjälp av ickelinjär regression (Elzhov m.fl. 2013). Genom att t.ex. köra följande kommandon i IPython går det att rita upp nedanstående diagram över korrelationen mellan parametrar för linjäriserade trender för dödstal i leukemi (ICD-6/7: 204; ICD-8: 204–207; ICD-9: 204–208; ICD-10: C91–C95) bland kvinnor i åldersgrupperna från 20–24 till 85– år passade till Gompertzfunktionen.

run mortparams.py
pardict = {'country': 4290, 'cause': 'leuk', 'sex': 2, 
        'startyear': 1951, 'endyear': 2013, 'startage': 20, 
        'endage': 85, 'ageformat': 2, 'mortfunc': 'gompertz'}
paramsplot(**pardict)

Diagrammet visar korrelation mellan Gompertzparametrar för mortalitet i leukemi bland kvinnor i Sverige 1951–2013.

Dessa resultat illustrerar också problemet med övertolkning av skärningsåldrar. Det negativa linjära sambandet mellan lutningsparametern \(\alpha\) och logaritmen av den initiala dödligheten \(r_0\) är som synes mycket bra, och det definierar en uppsättning kurvor som skär i varandra vid ca 69 års ålder, med en mortalitet på ca \(\mathrm{exp}(-8{,}6)\) eller 18 dödsfall per 100 000 invånare. För män är korrelationen lika stark, och skärningen inträffar vid ca 68 års ålder med en något högre mortalitet på ca \(\mathrm{exp}(-8{,}2)\). Om jag i stället använder Weibullfunktionen (som är krångligare i linjäriserad form) blir sambandet ännu något bättre (\(R^2\approx 0{,}999\) för båda könen), och skärningsåldern hamnar på 70/69 år med en logaritm av mortaliteten på ca −8,5/−8,1 för kvinnor/män.

En närmare titt på åldersspecifika mortalitetstrender för leukemi i Sverige visar att dödstalen ökade kraftigt under 1950- och 60-talen i framför allt åldersgrupperna över 80 år, bland såväl kvinnor som män. En rimlig förklaring kan vara förbättrad diagnostik av kronisk leukemi bland äldre, som ofta ger diffusa symptom och där dödsfall tidigare nog ofta tillskrivits sådant som senil svaghet, tillstötande infektioner eller kärlsjukdom.

Diagrammen (gjorda med R (R Core Team 2015) och mina skript) visar utveckling av åldersspecifika (ln-transformerade) dödstal i leukemi bland kvinnor i Sverige 1951–2013.

Om jag ändrar startår i Weibullanalysen till 1969 (året då ICD-8 infördes) resulterar det i skärningsåldrar på 77/76 år för kvinnor/män, åter med nästan perfekt linjär korrelation. Mortaliteten i åldrarna över 75 år har legat närmast stilla sedan 70-talet, samtidigt som den minskat påtagligt i yngre åldrar. Exakt vad det beror på kan inte avgöras enbart utifrån dessa modeller: kanske yngre har dragit större nytta av medicinska framsteg därför att de tål mer aggressiva behandlingar eller oftare drabbas av former av leukemi som är mer mottagliga för behandling¹, kanske spelar varierande exponering för cancerogena faktorer i olika födelsekohorter under olika perioder eller selektiv överlevnad in.

Häromdagen publicerade Elisabet Höglund ett inlägg, som hon inleder med att fråga sig vart vårt ”vackra, fina och fridfulla land” tagit vägen och att konstatera att Sverige för varje dag förändras ”inte till det bättre utan till det sämre” (Höglund 2015). Som stöd för detta anförs en rad uppmärksammade våldsdåd som inträffat under denna sommar. Hon avslutar inlägget med att uppmana läsarna att tala om för henne vad det är som händer i Sverige. Många kommentatorer har försökt sig på just detta, och deras förklaringar tenderar att kretsa kring ett visst tema. Några har dock kommit med hänvisningar till BRÅ och påtalat att utgångspunkten är inkorrekt: det finns ingen långsiktig ökande trend när det gäller t.ex. dödligt våld.

Den 28 juli förra året noterade jag en Aftonbladetkrönika av Höglund. Där var temat att fler unga personer i Sverige dör i cancer än förr och att det är paradoxalt att medellivslängden ändå ökar, och hon byggde det på läsning av tidningarnas dödsannonser. Här hade jag hypotesen att hon kanske ändå observerat en verklig trend: dödstalen i cancer bland unga ökar visserligen inte, men benägenheten att ange dödsorsak i dödsannonserna kan mycket väl ha ökat, speciellt när det gäller cancer, och det finns en ökad öppenhet även i andra sammanhang, genom t.ex. unga bloggare med cancer. I det nuvarande fallet tycks det dock bara vara ett intryck som skapats av en tillfällig anhopning av våldsbrott.

I båda fallen hade misstagen kunnat undvikas genom att Höglund tittat på den statistik som finns tillgänglig. I varje fall hade det varit lätt att hitta sammanställningar av statistik som visar att det inte skett några dramatiska ökningar av dödligt våld eller av dödlighet i cancer de senaste åren. Som jag varit inne på t.ex. den 26 april är det emellertid förvånansvärt tunnsått med enkelt tillgänglig information om åldersspecifika trender för dödsorsaker som sträcker sig längre tillbaka än ett par decennier. Mot bakgrund av detta skapade jag platsen Mortalitetsdiagram, som jag arbetat en del med under sommaren.

Med hjälp av diagrammen där går det att snabbt konstatera att t.ex. tumördödligheten i yngre åldersgrupper sjunkit i Sverige (och de flesta andra rika länder) de senaste decennierna. Det talar emot dystopiska visioner om att yngre födelsekohorter skulle vara allmänt mer benägna att dö i cancer till följd av miljögifter, strålning o.s.v. Samtidigt kan det finnas skäl att fråga sig om minskningen kommer att fortsätta på samma sätt i högre åldersgrupper. Cancerdödligheten bland yngre kan i stor utsträckning vara orsakad av former där framgångarna med prevention (cervixcancer) eller behandling (akut leukemi, testikelcancer) varit större än när det gäller de former som är vanliga bland äldre. Det s.k. Strehler–Mildvansambandet innebär också att minskade dödstal i lägre åldersgrupper tenderar att uppvägas av snabbare ökning av dödstalen med åldern (Riggs 1994). Nedanstående diagram visar utvecklingen av åldersspecifika dödstal i tumörer i Sverige kohortvis.

Diagrammen har skapats med de skript jag använder för att generera webbplatsen. När chartgen.py körts och dataramarna sparats i CSV-filer kan t.ex. diagrammet för kvinnorna skapas genom att inifrån R köra:

source('specchartgen.r')
agetrends.plot(country = 4290, cause = 'tum', 
sex = 2, startyear = 1951, endyear = 2013,
startage = 15, endage = 85, type = 'rate', 
ageformat = 1, apctype = 'ca')

Diagrammen (gjorda med R (R Core Team 2015) och mina skript, baserat på data från WHO (2014)). visar utveckling av åldersspecifika (ln-transformerade) dödstal i tumörer (ICD-6/7/8/9: 140–239; ICD-10: C00–D48) i Sverige efter födelsekohort.

Kohorter födda efter 1920-talet visar en minskande trend för dödstal i nästan alla åldersgrupper där det finns tillgängliga data, men minskningen är betydligt mer markant (i relativa tal) i lägre åldersgrupper, vilket kan tala för ett inflytande av de ovannämnda faktorerna.

I förra inlägget skrev jag om trender för asbestrelaterad cancer i Sverige och om hur det, om man vill försöka sig på förutsägelser av den framtida utvecklingen, kan vara nödvändigt att ta hänsyn till förändringar i exponeringen för asbest i yngre födelsekohorter. Detta leder över till problematiken med ålders-, period- och kohortanalys (APC). Eftersom ålder, tidsperiod och födelsedatum är linjärt relaterade till varandra kan deras effekter inte identifieras separat i vanlig statistisk analys, och statistiker har utarbetat olika metoder för att komma runt detta.

Tidigare i år publicerades en studie där det görs förutsägelser av antalet dödsfall i mesoteliom i Storbritannien baserat på en ny modell för APC (Martínez Miranda, Nielsen och Nielsen 2015). En av de forskare som ligger bakom studien, ekonomen Bent Nielsen, har utarbetat ett paket för R, som kan användas för att göra APC-analyser (Nielsen 2015). Forskarna har utgått från data i ettårsklasser för män i åldrarna 25–89 år under perioden 1967–2007. Trenden för antalet dödsfall har varit uppåtgående under hela perioden, men deras prognos är att den kommer att kulminera med 2094 dödsfall år 2018, varefter dödsfallen förväntas börja minska. De hänvisar till andra förutsägelser som gjorts under de senaste decennierna, och kommit fram till relativt likartade resultat med andra statistiska metoder och utan de senaste siffrorna: från 1995 till 2010 har olika forskargrupper förutspått toppar på 1846–2700 dödsfall under perioden 2013–20.

Jag försökte mig nu på att tillämpa analysmodellen i den nu aktuella artikeln på den svenska statistiken över antalet mesoteliomfall från Socialstyrelsen (2015). Jag använde mig av statistik över antal fall av mesoteliom eller elakartat synovialom (den finaste kategori som är möjlig via den statistik som är tillgänglig via webben) i femåriga åldersintervall från 15–19 till 80–84 år plus det öppna intervallet 85– år och femåriga periodintervall från 1974–78 till 2009–13. För analyserna utgick jag från forskarnas kod för R. Nedan visas förutsägelser för kvinnor och män fram till 2044–48. 95-procentiga konfidensband visas i grått.

Diagrammen (gjorda med R (R Core Team 2015)). visar antalet fall i mesoteliom/elakartat synovialom i Sverige från 1974–78 till 2009–13 plus förutsägelser för perioderna 2014–18 till 2044–48. Se huvudtext för förklaring. Observera olika skalor i diagrammen.

När det gäller antalet fall bland kvinnor förutses inga signifikanta förändringar. När det gäller männen förutses en topp på knappt 120 fall/år under perioden 2014–18, varefter antalet fall kommer att börja minska. Från 2030-talet blir förutsägelserna alltmer osäkra på grund av brist på data för yngre kohorter. Resultaten är i linje med det jag visade på i förra inlägget med sjunkande incidens bland män under 65 år de senaste 20 åren. Minskad användning av asbest och bättre skyddsåtgärder bidrar troligen till att män födda på 1940-talet och framåt inte kommer att utveckla mesoteliom till följd av yrkesexponering i samma utsträckning som äldre kohorter. Detta är förenligt med att det fortfarande finns brister i skyddet, och att det kan behövas åtgärder för att hålla kunskaperna kring asbest vid liv i de yngre kohorterna, som framkommit i de senaste veckornas debatt.

Insjuknandet i mesoteliom bland kvinnor är betydligt lägre än bland männen och kanske mer relaterat till sporadisk exponering i samhället, vilket kan förklara att det inte på samma sätt verkar minska i yngre kohorter. I DA:s artikelserie ingick ett reportage om Helena Peltola, som drabbats av mesoteliom och nu avlidit 37 år gammal (Torp och Derland 2015). Det beskrivs hur hon grubblade över hur hon kunde ha exponerats för asbest. Var det trasiga eternitskivor hos hennes morföräldrar, eller något av hennes tidigare arbeten på fabrik i Israel eller kafé i England, där det kom en massa dammiga byggjobbare (av vilka en del kanske själva hamnade i den statistik som ligger till grund för Martínez Miranda, Nielsen och Nielsen (2015)), eller kanske rentav renoveringen av hennes gamla skola?

Idag rapporterar SVT om farorna med asbest i dagens samhälle (Mattmar 2015), vilket föranletts av ett reportage i Dagens Arbete (Torp och Derland 2015). Ett tema i artiklarna är att fallen av asbestrelaterad cancer inte minskar, trots att asbest förbjöds 1982. De har tagit fram siffror från Cancerregistret över absolut antal diagnostiserade fall av mesoteliom, alltså cancer i s.k. mesotel vävnad i framför allt lungsäcken. Tydligen rapporterades 137 fall 2013, det senaste år för vilket statistik finns tillgänglig. Mesoteliom är den cancerform som är mest specifik för asbestexponering (alltså inandning av fibrerna: asbest är inte farligt så länge det inte trasas sönder så att fibrerna frigörs), men statistiken täcker inte alla fall av asbestrelaterad cancer, eftersom asbest också är en riskfaktor för lungcancer (och dessutom orsakar icke tumörartad lungsjukdom, som asbestos).

I de statistikdatabaser som är tillgängliga via Internet (Socialstyrelsen 2015) finns ingen kategori som är specifik för mesoteliom, men det finns en kategori för mesoteliom och elakartat synovialom, där 156 fall rapporterades 2013. Sett till antalet fall eller incidenstal över alla åldersgrupper går det att se en kraftig ökning under 1970- och 80-talet och, i enlighet med vad som påpekas i artiklarna, ingen tydligt minskande trend därefter. Diagrammen nedan visar genomsnittet av antalet fall per 100 000 invånare i 5-åriga åldersintervall dels från 15–19 till 60–64 år, dels från 65–69 till 80–84 år under perioden 1970–2013, och de ger en delvis annan bild.

Diagrammen visar incidens i mesoteliom/elakartat synovialom i Sverige 1970–2013. Se huvudtext för förklaring. Observera olika skalor i diagrammen.

Antalet fall per år är litet, speciellt i yngre åldersgrupper, och det uppstår lätt slumpmässiga variationer, men det går att se tydliga trender mönster över perioden. Bland männen skedde starka ökningar under 1970- och 80-talet, både i den yngre och den äldre gruppen. I den äldre gruppen verkar det ha skett en stabilisering sedan 1990-talet, men i den yngre gruppen har incidensen minskat och de senaste åren legat nära det tidiga 1970-talets nivå. Bland kvinnorna går det inte att se några tydliga förändringar över tid i någon av åldersgrupperna, vilket innebär att den manliga översjukligheten först ökat och sedan minskat i den yngre gruppen.

Mesoteliom ökar, som de flesta cancerformer, med stigande ålder, och latenstiden från asbestexponering kan vara flera decennier. Många yrken där det förekommit hantering av asbest har varit mansdominerade, vilket förklarar männens högre incidens. En rimlig tolkning av trenderna kan vara att de mest utsatta är män födda på 1920- och 30-talet, som i högre grad än andra kohorter exponerats för asbest under en stor del av sitt yrkesliv, genom att asbest blev alltmer populärt under 1900-talet tills riskerna på allvar kom i fokus på 1970-talet. Det efterföljande förbudet (och troligen förbättrade skyddsåtgärder vid hantering av befintlig asbest) har medfört att kohorter födda efter 1930-talet exponerats i mindre utsträckning, vilket förklarar den sjunkande incidensen bland män yngre än 65 år. Det är ett liknande kohortmönster som kan ses när det gäller trender för cigarettrökning och lungcancer, fast en skillnad är att det i det fallet skett en kraftig ökning bland kvinnorna.

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.