Register och forskningmöjligheter och problem

Jonas RanstamNKO, Lund

Vad är registerforskning?

Google

“Registerforskning” 9 860 träffar

“Register research” 20 300 träffar

VetenskapsrådetForskning baserad på befolkningsbaserade registerdata.

Registerforskning

Det Koordinerende Organ for Registerforskning Det Koordinerende Organ for Registerforskning (KOR) skal skabe en større sammenhæng og koordination omkring register- og databaserede forskningsaktiviteter i Danmark.

Registerforskning

Registerforskning

Locus for registerepidemiologi

Resultatet er blitt en lang rekke vitenskapelige artikler. De fleste med data som er koblet til et eller flere andre registre.

Informationscentrum för registerforskningDet speciella med registerdata är att uppgifterna inte från första början har samlats in att användas inom forskning.

Registerforskning

Registerforskning

Forskning på data som

a) finns i ett register

b) är befolkningsbaserade

c) och insamlade för annat ändamål

Registerforskning

Forskning på data som

a) finns i ett register

b) är befolkningsbaserade

c) och insamlade för annat ändamål

Registerforskning

Forskning på data som

a) insamlas genom observation och

b) sparas för att återanvändas.

Registerforskning

Baseras inte på data från

a) djurförsök

b) in vitro-studier

c) kliniska prövningar

Registerforskning

Kan baseras på data från

a) observationella kliniska studier

b) epidemiologiska studier

c) SoS hälsoregister (PAR, MFM, CaReg, etc.)

d) sjukvårdens kvalitetsregister

e) administrativa register (RSV, FK etc.)

Varför?

Princip #1

Observationer från urval präglas av urvalsosäkerhet

Urval

Populationkänd

Sannolikhetsteori

Urval

Populationokänd

Inferensteori

Register

Alla patienter som kan varaaktuella för den behandlingregistreringen avser

Alla som skulle ha registrerats i

registret

Urval

Superpopulation(hypotetiskt universum)

Finit population(definerad i tid och rum)

375 slumpmässigt ordnade personer av vilka 30 (8%) har influensa

375 slumpmässigt ordnade personer av vilka 30 (8%) har influensa

Två slumpmässiga stickprov

6% influensa

12% influensa

Urvalsosäkerhet

375 slumpmässigt ordnade personer av vilka 30 (8%) har influensa

Två slumpmässiga stickprov

?6% influensa

Om en och samma population kan ge upphov till flera olika stickprov, måste varje enskilt stickprov vara förenat med en viss osäkerhet.

Urvalsosäkerhet

Osäkerheten i en skattning ev en effekt bestäms av

- effektens storlek (E)- variabiliteten i utfallet (V)- antalet observationer (N)

V E√N

Osäkerhet =

Räkneexempel 1. Klinisk prövning

Skydd av pandemivaccin: utan vaccin insjuknar 30%

För att med 5% signifikansnivå och 80% styrkakunna bestämma en skyddseffekt krävs

PatientantalSkydd i en studie 90 % 72 pat 80 % 94 pat 70 % 128 pat 60 % 180 pat 50 % 268 pat 40 % 428 pat

Räkneexempel 2. Registerstudie

Guillain-Barrés syndrom: Incidens = 1 x 10-5 personår

För att med 5% signifikansnivå och 80% styrkakunna bestämma en biverkanseffekt krävs

Patientantal Antal drabbadeRiskökning i en studie i befolkningen100 ggr 1 098 pat 9 000 50 ggr 2 606 pat 4 500 20 ggr 9 075 pat 1 800 10 ggr 26 366 pat 900 5 ggr 92 248 pat 450 2 ggr 992 360 pat 180

Princip #2

De flesta observationer är förenade med mätfel

Mätfel

Kvalitativa variabler “Misclassification”

Kvantitiva variabler “Accuracy”

Bayes sats, 1763

Används för att beräkna när ett positivt fynd är sant positivt (till skillnad från falskt positivt)

Kvalitativa variabler

Gauss “mätfelslag”, 1809

Korrektion av astronomiobservationer genom användning av minsta-kvadrat-metoden med normalfördelade observationsfel

Kvantitativa variabler

Mätfelsproblem hanteras olika vid observation och experiment

Observation: Modellering och justering

Experiment: Randomisering och blinding

Register och kliniska prövningar

Register Prövning

Möjligt patientantal Stort Litet

Möjlig uppföljningstid Lång Kort

Intern validitet Svag Stark

Extern validitet Stark Svag

Kostnad Låg Hög

Slutsats

Registerforskning är ett viktigt komplement till annan forskning, inte ett underlägset alternativ

Vilka är de största problemen inom registerforskning?

Vilka är de största problemen inom registerforskning?

Urvals- och mätfelsosäkerheten!

Exempel

Rangordning av sjukhus

Hur stor är rangtalens urvalsosäkerhet?

(konfidensintervall redovisas i Öppna Jämförelser felaktigt för medelvärden)

Beräkning

Konfidensintervall för rangtal kan beräknas med hjälp av Monte Carlo simulering (Marshall & Spiegelhalter BMJ 1998;316:1701–5) .

Monte Carlo-simulering med R

Sjukhus Rang 95% konfidensintervall

Sundsvall 77 66 77 KS/Solna 76 69 77 Gävle 75 63 77 Sunderby inkl Boden 74 57 77 Ystad 73 44 77 Visby 72 47 77 Hudiksvall 71 57 77 Lund 70 48 77 Uppsala 69 60 75 Borås 68 58 76 Proxima 67 2 77 Kalmar 66 46 72 Karlstad 65 43 71 Eksjö 64 41 72 Västervik 63 29 73 S:t Göran 62 47 68 Uddevalla 61 42 68 Varberg 60 34 69 Danderyd 59 40 67 Norrtälje 58 33 75 Halmstad 57 36 70 Karlskrona 56 2 75 Gällivare 55 22 70 Jönköping 54 29 67 GMC 53 2 76

http://comp.nko.se/rank

Vad betyder mätfel för rangordningen?

En reoperation missklassificeras som primäroperation

om den, vid endera primär- eller reoperation, felrapporteras med avseende på personnummer, operationsdatum eller sida

Monte Carlo-simulering med R

------------------------------------------------------------------------------ Observerat Slumpvis Simulerat ------------------------- fördelning totala Tot. Rang-Klinik Primärer Reop. Rang av 43 reop. reop. rang differens------------------------------------------------------------------------------ 1 923 15 50 2 17 53 3 2 1038 44 76 0 44 76 0 3 447 6 44 1 7 48 4 4 394 13 70 0 13 69 1 5 479 7 47 0 7 45 2 6 781 12 48 1 13 49 1 7 458 2 7 1 3 15 8 8 287 3 29 0 3 26 3 9 1110 37 69 1 37 70 110 794 25 68 0 25 68 011 1320 28 59 2 30 60 112 721 17 64 1 18 64 013 312 4 41 0 4 36 514 1044 7 17 0 7 16 115 614 24 75 2 26 75 0 . . . . . . . . . . . . . . . . . . . . . . . .77 845 21 66 0 21 63 3------------------------------------------------------------------------------

En simulering

P1: antal rangdifferenser ≠ 0

P2: maximal rangdifferens

Proportionell mot antalet primäroperationer

P1 P268 1152 10.565 2565 1964 3567 1967 30.563 2160 1062 2170 1963 1053 1459 1968 2071 1159 21 . . . . . .

Parameter 1: antal felaktiga rangerParametet 2: maximalt rangfel

5000 repetitioner för att beskriva en fördelning av möjliga utfall.

Medianen i fördelningen definieras som punktestimat för respektive parameter.

Den 2½:e och 97½:e percentilen definieras som gränser för det konfidensintervall som med 95% säkerhet anger respektive para-meters sanna värde.

Många repetitioner (5000)

Antal med fel rang = 62 (95%: 53 – 70) av 77

Sammanfattning

Princip #1

Observationer från urval präglas av urvalsosäkerhet

Princip #2

De flesta observationer är förenade med mätfel

Sammanfattning

Princip #1

Observationer från urval präglas av urvalsosäkerhet

Princip #2

De flesta observationer är förenade med mätfel

Detta gäller naturligtvis inte bara i vetenskapliga studier, problemen finns alltid, även i kliniskt förbättringsarbete

Genombrottsmetoden

- Probleminventering, fastställande av mål

- Ta fram förbättringsidéer

- Testa olika idéer i liten skala under kort tid

- Utvärdera och mäta för att veta

- Genomför de förändringar som visat sig vara bra

Genombrottsmetoden

- Probleminventering, fastställande av mål

- Ta fram förbättringsidéer

- Testa olika idéer i liten skala under kort tid {urval}

- Utvärdera och mäta för att veta {urvals- och mätfelsosäkerhet}

- Genomför de förändringar som visat sig vara bra {förnuftiga beslut tar hänsyn till observationernas

osäkerhet}

Spelar osäkerheten någon roll?

Skulle vi kräva att skillnaderna skulle vara så ... (säkra) skulle inte mycket bli gjort.

För den som vill förbättra för patienterna är det mer konstruktivt att utgå från att det finns något att lära av skillnader och att det kan komma patienterna tillgodo.

Håkan Sörman, vd SKL. Dagens Medicin, 2007-11-21

I Danmark

En kliniske kvalitetsdatabase skal sikre, at dens resultaterog anbefalinger bygger på valide data samt anerkendtestatistiske og epidemiologiske principper.

Det betyder, at afdelingerne skal kunne stole på, atdatabasens afrapportering giver et retvissende billede af defaktiske forhold.

Er dette ikke tilfældet kan afdelingerne i værste fald initiereændringer i behandlingen, som kan forringe kvaliteten.1

1. Dansk Amtsrådsforening

Förbättringsförsämring

Enligt Jörn Donner en oförutsedd försämring som åstadkommes i ivern att ändra, modernisera och förbättra något.

Förnuftiga beslut kan bara fattas med kännedom om

beslutsunderlagets osäkerhet

Tack för ordet!