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.

Lära för livet

Det är väl känt att kort utbildning är förenat med i flera avseenden sämre hälsa och kortare liv. För ett par veckor sedan publicerade Socialstyrelsen ett pressmeddelande om relativt sett ogynnsam utveckling av dödligheten bland lågutbildade i Sverige (Socialstyrelsen 2013). Resultaten presenteras i termer av dödstal i åldersgrupperna 35–64 och 65–79 år, totalt och för några dödsorsaksgrupper, som tumörer, cirkulationssjukdomar och skador. De lågutbildade har, efter uppdelning i kön och justering för ålder, högre dödstal i nästan alla grupper, speciellt i den yngre gruppen.

Liknande samband finns även i t.ex. USA. Uppgifter om de avlidnas utbildningsnivå finns i CDC:s offentliga data över dödlighet (CDC 2013). Det finns två olika system för kodning efter utbildningsnivå, ett från 1989 och ett från 2003, och jag delade utifrån dessa in befolkningen i fyra utildningsgrupper: ”grundskola” (max 8 års utbildning), ”highschool” (9–12 års utbildning), ”univ1” (1–2 års collegeutbildning enligt 1989-systemet, collegeutbildning med max associateexamen enligt 2003-systemet) och ”univ2” (minst 3 års collegeutbildning enligt 1989-systemet, minst bachelorexamen enligt 2003-systemet). Åldersspecifika dödstal i åldrarna upp till 70–74 år kan uppskattas med hjälp av uppskattningar av antalet personer i de olika utbildningsgrupperna från (United States Census Bureau 2012). Nedanstående diagram visar dödstal i tumörer som underliggande dödsorsak (ICD-10 C00–D48) bland kvinnor och män i den lägsta och den högsta utbildningsgruppen.

Tumördödlighet i lägst och högst utbildningsgrupp USA 2010.
Ln-transformerade dödstal i tumörer efter kön och ålder i lägst och högst utbildningsgrupp i USA 2010. Se huvudtext för förklaring och hänvisning till källdata.

Sambandet är tydligt, på samma sätt som i Sverige: lågutbildade har genomgående högre dödstal i tumörer än högutbildade före 75 års ålder efter köns- och åldersuppdelning. Det finns dock andra mått på sjukdomsbörda. Nedanstående diagram visar andelen dödsfall i tumörer och cirkulationssjukdomar (ICD-10 I00–I99) i USA 2010 för alla åldersgrupper från 20–24 år.

Andel dödsfall cirkulationssjukdomar och tumörer efter utbildning kvinnor USA 2010. Andel dödsfall cirkulationssjukdomar och tumörer efter utbildning kvinnor USA 2010.
Andel dödsfall i cirkulationssjukdomar och tumörer efter kön och ålder i olika utbildningsgrupper i USA 2010. Se huvudtext för förklaring och hänvisning till källdata.

Vi ser att trots de högre dödstalen i tumörer har dessa sjukdomar mindre relativ betydelse för dödligheten i medelåldern bland lågutbildade än bland högutbildade, ett samband som är speciellt tydligt bland kvinnor; i 50–60-årsåldern står de för ca 50 procent av dödligheten bland kvinnor med lång universitetsutbildning men bara ca 30 procent bland kvinnor med högst 8-årig grundskoleutbildning. Förklaringen är förstås högre konkurrerande dödlighet i andra orsaker. Ett exempel på detta är, som visas, cirkulationssjukdomar, som kranskärlssjukdom och slaganfall. Andra ICD-kapitel med klart större relativ betydelse för tidig dödlighet bland lågutbildade än bland högutbildade är infektioner, sjukdomar i andningsorganen, psykiska sjukdomar, sjukdomar i nervsystemet och missbildningar. När det gäller de sistnämnda fallen är det uppenbart att det till stor del handlar om selektionseffekter: människor som har dessa problem från tidig ålder, kanske från födseln, är mindre benägna att skaffa sig hög utbildning.

En annan fråga är vilken betydelse utbildningsnivån har för livstidssannolikheten att dö av en viss orsak. Det går inte att avgöra utifrån de svenska data som presenterats av Socialstyrelsen, eftersom de endast täcker dödstal före 80 års ålder. Det går inte heller att avgöra för USA utifrån CDC:s data: visserligen täcker de hela åldersspannet, men att beräkna andelen dödsfall för alla åldrar inom grupperna med olika utbildningsnivå blir missvisande p.g.a. kohorteffekter som att andelen som skaffar sig hög utbildning är högre i yngre generationer. Vi skulle behöva skapa livslängdstabeller för utbildningsgrupperna, men det låter sig inte göras på ett vettigt sätt eftersom de uppskattningar av folkmängden per ålder och utbildningsnivå jag hittat är för grova för att beräkna dödsrisker i relation till utbildningsnivå efter 75 års ålder.

Diagrammen ovan visar emellertid att skillnaderna mellan låg- och högutbildade när det gäller andelarna som dör av cirkulationssjukdomar och tumörer i stort sett utplånas i de högsta åldersgrupperna. Dessutom är det fler högutbildade än lågutbildade som överlever till dessa höga åldrar, där den relativa betydelsen av tumörer minskar och cirkulationssjukdomar ökar. Utifrån detta är det tänkbart att livstidssannolikheten för död i cirkulationssjukdomar eller tumörer endast skiljer sig marginellt beroende på utbildningsnivå.

Referenser

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

Socialstyrelsen. 2013. ”Sämst utveckling för lågutbildade kvinnors dödlighet”. http://www.socialstyrelsen.se/nyheter/2013december/samstutvecklingforlagutbildadekvinnorsdodlighet.

United States Census Bureau. 2012. ”Educational Attainment in the United States: 2010 – Detailed Tables”. http://www.cdc.gov/nchs/data_access/vitalstatsonline.htm.

Nämnd men ändå glömd

När det i olika sammanhang, som i myndigheters publikationer, debatt i media och så vidare talas om hur många som dör av en viss orsak, är det som avses generellt det som kallas den ”underliggande dödsorsaken”, som det registreras exakt en av för varje person som dör i Sverige (och andra länder som använder sig av WHO:s klassifikation ICD-10). Data i Global Burden of Disease, som är den kanske mest citerade källan för internationella jämförelser av orsaksspecifik dödlighet, bygger också på principen om en orsak per dödsfall och utgår från de olika ländernas statistik över underliggande orsaker, i de fall där sådan finns tillgänglig (även om det gjorts vissa justeringar, som jag skrev om den 19 december förra året). Den underliggande dödsorsaken definieras som den sjukdom eller skada (eller omständigheter kring en skadehändelse, som olycka, självmord, mord eller legalt ingripande) som inledde det dödliga förloppet. Begreppet har sina rötter i 1800-talet, och systemet där det ligger till grund för den officiella statistiken har ofta kritiserats för att inte vara anpassat till en situation som vi har i Sverige och andra rika länder idag, där en stor del av dödsfallen inträffar bland äldre, multisjuka personer, för vilka valet av en specifik underliggande orsak tenderar att bli mer eller mindre godtyckligt.

En sak som kan vara intressant att fråga sig är hur det skulle se ut om man redovisade hur många som dog med en viss dödsorsak nämnd på intyget (vilket skall innebära att läkaren som skrev ut intyget anser att den bidragit till dödsfallet) utan att den dödsorsaken nödvändigtvis var rapporterad som underliggande. De svenska rapporterna innehåller tabeller över detta uppdelade efter kön, några åldersgrupper (0, 1–14, 15–44, 45–64, 65–74, 75–84 och 85– år) och ett antal ”dödsorsaksblock” (Socialstyrelsen 2013, 205–224). Indelningen i dödsorsaksblock är en partition av ICD-10 på en finare nivå än kapitlen och skiljer mellan t.ex. specifika cancerformer och mellan underavdelningar av cirkulationssjukdomarna.

Eftersom flera diagnoser kan förekomma för en person, går det inte att summera de olika blocken för att avgöra hur många som har en diagnos från ett visst kapitel, t.ex. tumörer eller cirkulationssjukdomar, de två vanligaste dödsorsakerna på ICD-kapitelnivå, nämnd. Det går dock att få en viss fingervisning. År 2012 hade 38,5 procent av de avlidna kvinnorna och 37,5 procent av männen någon cirkulationssjukdom (ICD-10 I00–I99) registrerad som underliggande dödsorsak. Genom att titta på de olika blocken kan vi se att andelen med en cirkulationssjukdom nämnd är väsentligt större (uppenbarligen måste antalet dödsfall för ett kapitel vara minst lika stort som antalet för det största blocket inom kapitlet). Ett eller flera tillstånd i blocket ”andra former av hjärtsjukdom” (ICD-10 I30–I52) finns nämligen nämnt hos 53,4/53,7 procent av kvinnorna/männen. Detta block innehåller många funktionella tillstånd, som hjärtsvikt och rytmrubbningar, som ofta kanske inte är så upplysande när det gäller omständigheterna bakom dödsfallet, men det brukar inte bekymra de som räknar in dödsfall med dessa dödsfall som underliggande orsaker för att framhäva hur många som dör av cirkulations- eller hjärtsjukdomar.

När det gäller USA finns det, till skillnad från Sverige, möjlighet för vem som helst att direkt ta fram statistik över multipla dödsorsaker från CDC, dels via ett webbgränssnitt, dels via textfiler med mikrodata (dock utan information om de avlidnas lokalisering inom USA) som går att ladda hem och läsa in i passande databasprogram (förslagsvis MariaDB), så att man kan ställa frågor om t.ex. hur ofta en viss grupp av dödsorsaker nämns i kombination med andra dödsorsaker (CDC 2013). Senast nu tillgängliga år, 2010, var det 32,3 procent av kvinnorna och 31,3 procent som hade någon typ av sjukdom i cirkulationsorganen som underliggande dödsorsak. Det är alltså en något lägre andel än i Sverige, viket kan bero på dels en lägre medelålder bland de avlidna, dels ett annat sätt att rapportera dödsorsaker bland äldre. Om man däremot ser till andelen med cirkulationssjukdom nämnd är det 55,4 procent av kvinnorna och 53,6 procent av männen. Nedanstående diagram visar andelen med cirkulationssjukdom dels som underliggande dödsorsak, dels nämnd på dödsorsaksintyget i relation till kön och ålder.

Cirkulationsorgan underliggande och nämnd USA 2010.
Andel dödsfall bland kvinnor och män i USA 2010 med cirkulationssjukdom dels som underliggande orsak, dels nämnd på dödsorsaksintyg. Baserat på data tillgängliga via (CDC 2013).

Andelen ökar med stigande ålder hos båda könen och är större för män än för kvinnor i åldersgrupperna mellan 40 och 80 år, sett till såväl underliggande som nämnd dödsorsak. Det finns ingen åldersgrupp där andelen är över 50 procent för underliggande dödsorsak, men för nämnd dödsorsak är den det för män i alla åldersgrupper från och med 60–64 år och för kvinnor i alla åldersgrupper från och med 70–74 år. En intressant fråga är hur ofta sjukdomar i cirkulationsorgan finns nämnda för personer som har andra dödsorsaker som underliggande, vilket visas (på ICD-kapitelnivå) i nedanstående diagram.

Cirkulation nämnd per underliggande USA 2010.
Andel dödsfall bland kvinnor och män alla åldrar i USA 2010 med cirkulationssjukdom nämnd på dödsorsaksintyg efter underliggande dödsorsak. Baserat på data tillgängliga via (CDC 2013).

För de flesta kapitel ligger andelen med cirkulationssjukdom nämnd på ca 40–50 procent. Könsskillnaderna är generellt små inom kapitlen; den högre andelen för kvinnor när det gäller skador beror åtminstone till en del på att kvinnor med underliggande dödsorsak i denna grupp ofta är äldre personer som råkat ut för fallolyckor. De låga andelarna för graviditets- och förlossningsrelaterade komplikationer samt tillstånd hos spädbarn beror på att det vid dessa tillstånd används koder som ingår i de kapitlen i stället för koder i cirkulationskapitlet. Den låga andelen för ospecificerade tillstånd beror på att dessa koder i regel inte rapporteras som underliggande dödsorsak om det finns andra mer specifika diagnoser, t.ex. från cirkulationsorganen, nämnda. Den höga andelen för endokrina sjukdomar har att göra med att detta kapitel innefattar många tillstånd, bl.a. diabetes, fetma och rubbningar i lipidomsättningen, som när de leder till döden oftast gör det genom aterosklerotiska komplikationer (men ofta rapporteras då i stället dessa komplikationer som underliggande dödsorsaker). Den relativt låga andelen för tumörer är intressant och kan tyda på att det finns tradeoffs mellan faktorer som ökar risken för cancer och faktorer som ökar risken för olika kärlsjukdomar, som jag skrev om den 1 november, på tal om debatten om att medicinera för att minska incidensen i cancer.

Referenser

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

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

Vems mormor?

I förra veckan skrev jag om en DN Debatt-artikel om att det borde satsas mer på att stoppa den ”kraftiga ökningen” av bröstcancer i Sverige. Samma dag som artikeln publicerades gjordes en radiointervju i P1 Morgon med Per Hall, som stod som förstanamn bland artikelförfattarna (P1 Morgon 2013). Han fördjupar det som sades i artikeln om orsakerna till den ökande trenden. Kvinnor idag lever annorlunda än ”mormors mor”: för ”några generationer sedan så födde mormor barn väldigt tidigt, ammade länge, födde många barn, hon åt inga p-piller, inga hormonersättningsmedel när hon kom i klimakteriet”. Det är saker som epidemiologiska studier visats vara mer eller mindre starka skyddsfaktorer på individnivå. Men vems mormor talar han om när han säger att mormor hade dessa faktorer?

En typisk svensk bröstcancerpatient idag har redan hunnit bli mormor eller farmor till någon som tillhör den nu uppväxande generationen, då medianåldern för nya fall 2011 låg på strax under 65 år (Socialstyrelsen 2013a), så Hall syftar rimligen på någon äldre generation mormödrar. Den 28 oktober skrev jag om analyser av ålders-, period- och födelsekohorteffekter på dödligheten i olika dödsorsaker i Sverige, bl.a. bröstcancer, som jag gjort med hjälp av mjukvaran BAMP och data från (WHO 2013; Socialstyrelsen 2013b; SCB 2013). Jag gjorde även, med samma metod, analyser av incidensen i bröstcancer, där data finns tillgängliga för perioden 1958–2011 via (Socialstyrelsen 2013a). Diagrammet nedan visar kohorteffekter för incidens och mortalitet, plus genomsnittligt antal barn för motsvarande födelsekohorter (kohortfruktsamhet), efter data i (SCB 2002, 96).

Kohorteffekter incidens och mortalitet bröstcancer vs kohortfruktsamhet Sverige.
Diagrammet (klicka för förstoring) visar medianen av BAMP-uppskattade effekter av kohort på dödlighet och incidens i bröstcancer i åldrarna 20–84 år (vänster y-axel) och fruktsamhet i motsvarande kohorter (höger y-axel). Se huvudtext för källhänvisning till rådata och närmare förklaring.

Vi ser att det finns ett negativt samband mellan kohortfruktsamhet och kohorteffekter på incidens och mortalitet för kohorter födda fram till ca 1890. Inga sådana samband kan ses för yngre kohorter (variationerna i fruktsamhet är små för kohorter födda efter ca 1900), och det finns inte heller någon tydlig korrelation mellan effekter på incidens och mortalitet i kohorter födda efter 1890. Svenska kvinnor födda under 1800-talet födde klart fler barn i genomsnitt än kvinnor födda under 1900-talet. Var det också så att de födde barn ”väldigt tidigt”? Ja, det finns inte uppgifter på individnivå så genomsnittsålder för första barnet kan avgöras för kvinnor födda före tidigt 1900-tal, och bland de kohorter där det finns uppgifter var denna ålder lägst bland kvinnor födda på 1940-talet, där den låg på ca 24 år. Om vi däremot ser till genomsnittligt antal barn i åldersgrupperna upp till och med 24 år, var det 0,73 för kvinnor födda 1800–01 och 0,57 för kvinnor födda 1850–51. För kvinnor födda 1945 var det 0,77, och för de födda 1975 hade det sjunkit till 0,26. 1800-talskohorterna hann få relativt många barn därför att de fortsatte föda högt upp i åldrarna: antalet barn efter 35 års ålder är t.ex. 1,52 för 1850–51-kohorten, jämfört med 0,18 för 1945-kohorten (SCB 2002, 92).

Om Hall syftar på mormodern till en genomsnittlig svensk pensionär idag har han rätt i att hon fött fler barn än en nutida genomsnittlig bröstcancerpatient, och uppenbarligen har han rätt i att hon inte ätit p-piller eller hormonersättning. Fast det stämmer inte att hon fött första barnet tidigare, sannolikt inte för mormor eller mormors mor till någon nu levande generation av svenskar. I och för sig skall det väl sägas att avgränsningen till ”mormor” utesluter de kvinnor som inte ens blev mödrar: den andelen sjönk från drygt 15 procent för 1925-kohorten till drygt 10 procent för 1940-talskohorterna, för att sedan åter närma sig 15 procent bland de yngre. För 1800-talets kvinnor har den uppskattats till 20–25 procent (SCB 2002, 26). (Är det kanske så att det finns en benägenhet att associera till mormor när vi tänker på en äldre generations kvinnor, som får folk att överskatta den generationens faktiska fruktsamhet, något som jag spekulerade kring i ett inlägg den 23 oktober 2008?) Hur som helst kan inte ändrade reproduktionsmönster förklara den incidensökning som ägt rum de senaste decennierna.

En i sammanhanget intressant fråga är i vilken mån skillnader i reproduktionsmönster kan förklara de internationella variationer som verkar finnas när det gäller rapporterad incidens i bröstcancer. Nedanstående diagram visar samband mellan genomsnitt av periodfruktsamhet 1971–80 (som kan fungera som ett hyggligt mått på kohortfruktsamhet bland de generationer som idag drabbas av bröstcancer), baserat på data från (Gapminder 2013), och risk för bröstcancer upp till och med 74 års ålder (utan konkurrerande mortalitet), baserat på data från (IARC 2010), för alla befolkningar där båda dessa data fanns tillgängliga.

Genomsnittlig fruktsamhet 71--80 vs kumulativ bröstcancerrisk 2008.
Diagrammet (klicka för förstoring) visar samband mellan genomsnitt av periodfruktsamhet åren 1971–80 och kumulativ risk för bröstcancer före 75 års ålder på internationell nivå. Se huvudtext för källhänvisning till rådata.

De länder där fruktsamheten varit lägst är de där risken för bröstcancer är högst, även om det finns stora variationer bland dessa. De där kvinnorna fött fler än ca 5 barn är de där risken är lägst. Sjunkande fertilitet kan förväntas bidra till framtida ökningar i framför allt låg- och medelinkomstländer. Men generellt är det inte längre så att fertiliteten sjunker i de rikaste länderna. I en artikel från 2009 påvisades ett spegelvänt J-format samband mellan HDI (”human development index”, ett sammanfattande mått på utveckling när det gäller ekonomisk standard, hälsa etc.) och periodfruktsamhet, så att denna sjunker med ökande HDI upp till 0,85–0,9 för att därefter öka (Myrskylä och andra 2009). Författarna spekulerar i om det kan vara relaterat till ändrad syn på könsroller och sociala reformer som gjort det lättare för kvinnor att kombinera karriär med familjebildning. I några länder, t.ex. Japan, har dock fertiliteten fortsatt sjunka även vid HDI över 0,9, vilket skulle kunna reflektera att de hållit fast vid mer konservativa familjevärderingar.

Referenser

Gapminder. 2013. ”Data in Gapminder World”. http://www.gapminder.org/data/.

IARC. 2010. ”GLOBCAN 2008”. http://globocan.iarc.fr/.

Myrskylä, Mikko, och andra. 2009. ”Advances in development reverse fertility declines”. Nature 6. http://dx.doi.org/10.1038/nature08230.

P1 Morgon. 2013. ”Kraftig ökning av bröstcancer”. Sveriges Radio (1 november). http://sverigesradio.se/sida/artikel.aspx?programid=1650&artikel=5691853.

SCB. 2002. Hur många barn får jag när jag blir stor? http://www.scb.se/Pages/PublishingCalendarViewInfo____259923.aspx?PublObjId=1769.

———. 2013. ”SCB Befolkningsstatistik, Tabeller och diagram”. http://www.scb.se/Pages/ProductTables____25795.aspx.

Socialstyrelsen. 2013a. ”Cancerstatistik”. http://www.socialstyrelsen.se/statistik/statistikefteramne/cancer.

———. 2013b. ”Statistikdatabas för dödsorsaker”. http://www.socialstyrelsen.se/statistik/statistikdatabas/dodsorsaker.

WHO. 2013. ”WHO Mortality Database”. http://www.who.int/healthinfo/mortality_data/en/index.html.