Prinzipien der Epidemiologie

Wie bereits erwähnt, wird jedem unerfahrenen Zeitungsreporter beigebracht, dass eine Geschichte unvollständig ist, wenn sie nicht beschreibt, was, wer, wo, wann und warum / wie eine Situation ist, ob es sich um einen Space-Shuttle-Start oder einen Hausbrand handelt. Epidemiologen bemühen sich um eine ähnliche Vollständigkeit bei der Charakterisierung eines epidemiologischen Ereignisses, sei es eine Influenzapandemie oder eine lokale Zunahme von Geländefahrzeugunfällen. Epidemiologen verwenden jedoch in der Regel Synonyme für die fünf oben aufgeführten W: Falldefinition, Person, Ort, Zeit und Ursachen / Risikofaktoren / Übertragungsarten. Die deskriptive Epidemiologie umfasst Zeit, Ort und Person.

Das Zusammenstellen und Analysieren von Daten nach Zeit, Ort und Person ist aus mehreren Gründen wünschenswert.

  • Erstens wird der Epidemiologe durch sorgfältiges Betrachten der Daten mit den Daten sehr vertraut. Er oder sie kann anhand der verfügbaren Variablen, ihrer Einschränkungen (z. B. der Anzahl der Datensätze mit fehlenden Informationen für jede wichtige Variable) und ihrer Exzentrizitäten (z. B. variieren alle Fälle im Alter von) anzeigen, was die Daten anzeigen können oder nicht 2 Monate bis 6 Jahre plus einen 17-Jährigen.).
  • Zweitens erfährt der Epidemiologe das Ausmaß und das Muster des untersuchten Problems der öffentlichen Gesundheit - welche Monate, welche Stadtteile und welche Personengruppen die meisten und die wenigsten Fälle haben.
  • Drittens erstellt der Epidemiologe eine detaillierte Beschreibung des Gesundheitszustands einer Bevölkerung, die leicht mit Tabellen, Grafiken und Karten kommuniziert werden kann.
  • Viertens kann der Epidemiologe Gebiete oder Gruppen innerhalb der Bevölkerung identifizieren, die eine hohe Krankheitsrate aufweisen. Diese Informationen liefern wiederum wichtige Hinweise auf die Ursachen der Krankheit, und diese Hinweise können in überprüfbare Hypothesen umgewandelt werden.

Zeit

Das Auftreten einer Krankheit ändert sich im Laufe der Zeit. Einige dieser Änderungen treten regelmäßig auf, während andere nicht vorhersehbar sind. Zwei Krankheiten, die jedes Jahr zur gleichen Jahreszeit auftreten, sind Influenza (Winter) und West-Nil-Virus (August - September). Im Gegensatz dazu können Krankheiten wie Hepatitis B und Salmonellose jederzeit auftreten. Bei saisonal auftretenden Krankheiten können die Gesundheitsbehörden ihr Auftreten antizipieren und Kontroll- und Präventionsmaßnahmen wie eine Influenza-Impfkampagne oder das Sprühen von Mücken durchführen. Bei sporadisch auftretenden Krankheiten können die Forscher Studien durchführen, um die Ursachen und Ausbreitungsarten zu identifizieren, und anschließend geeignete Maßnahmen entwickeln, um das weitere Auftreten der Krankheit zu kontrollieren oder zu verhindern.

In beiden Situationen ist die Anzeige der Muster des Auftretens von Krankheiten nach Zeit entscheidend für die Überwachung des Auftretens von Krankheiten in der Gemeinde und für die Beurteilung, ob die Interventionen im Bereich der öffentlichen Gesundheit einen Unterschied gemacht haben.

Zeitdaten werden normalerweise mit einem zweidimensionalen Diagramm angezeigt. Die vertikale oder y-Achse zeigt normalerweise die Anzahl oder Rate der Fälle; Die horizontale oder x-Achse zeigt die Zeiträume wie Jahre, Monate oder Tage. Die Anzahl oder Rate der Fälle wird über die Zeit aufgetragen. Diagramme des Auftretens von Krankheiten über die Zeit werden normalerweise als Liniendiagramme (Abbildung 1.4) oder Histogramme (Abbildung 1.5) dargestellt.

Abbildung 1.4 Gemeldete Fälle von Salmonellose pro 100.000 Einwohner nach Jahr - USA, 1972–2002

Bildbeschreibung

Quelle: Zentren für die Kontrolle und Prävention von Krankheiten. Zusammenfassung der meldepflichtigen Krankheiten - USA, 2002. Veröffentlicht am 30. April 2004 für MMWR 2002; 51 (Nr. 53): p. 59.

Abbildung 1.5 Anzahl der Intussusception-Berichte nach dem Tetravalent des Rhesus-Rotavirus-Impfstoffs (RRV-TV) nach Impfdatum - USA, September 1998 - Dezember 1999

Bildbeschreibung

Quelle: Zhou W., Pool V., Iskander J. K., English-Bullard R., Ball R., Wise RP, et al. In: Surveillance Summaries, 24. Januar 2003. MMWR 2003; 52 (Nr. SS-1): 1–26.

Manchmal zeigt eine Grafik den Zeitpunkt von Ereignissen, die mit angezeigten Krankheitstrends zusammenhängen. Beispielsweise kann das Diagramm den Expositionszeitraum oder die Datumskontrollmaßnahmen anzeigen, die durchgeführt wurden. Das Studieren eines Diagramms, in dem die Expositionsdauer angegeben ist, kann zu Einsichten darüber führen, was möglicherweise eine Krankheit verursacht hat. Die Untersuchung eines Diagramms, in dem der Zeitpunkt der Kontrollmaßnahmen angegeben ist, zeigt, welche Auswirkungen die Maßnahmen gegebenenfalls auf das Auftreten von Krankheiten hatten.

Wie oben erwähnt, ist die Zeit entlang der x-Achse aufgetragen. Je nach Krankheit kann die Zeitskala so breit wie Jahre oder Jahrzehnte oder so kurz wie Tage oder sogar Stunden des Tages sein. Bei einigen Erkrankungen - beispielsweise bei vielen chronischen Krankheiten - sind Epidemiologen in der Regel an langfristigen Trends oder Mustern in Bezug auf die Anzahl der Fälle oder die Rate interessiert. Bei anderen Erkrankungen, wie z. B. lebensmittelbedingten Ausbrüchen, beträgt die relevante Zeitskala wahrscheinlich Tage oder Stunden. Einige der gebräuchlichen Arten von zeitbezogenen Diagrammen werden nachstehend weiter beschrieben. Diese und andere Diagramme werden in Lektion 4 ausführlicher beschrieben.

Weltliche (langfristige) Trends. Die grafische Darstellung der jährlichen Fälle oder der Rate einer Krankheit über einen Zeitraum von Jahren zeigt langfristige oder weltliche Trends beim Auftreten der Krankheit (Abbildung 1.4). Gesundheitsbeamte verwenden diese Diagramme, um die vorherrschende Richtung des Auftretens von Krankheiten (zunehmend, abnehmend oder im Wesentlichen flach) zu bewerten, ihnen bei der Bewertung von Programmen zu helfen oder politische Entscheidungen zu treffen, um daraus zu schließen, was eine Zunahme oder Abnahme des Auftretens einer Krankheit verursacht hat (insbesondere wenn das Diagramm gibt an, wann verwandte Ereignisse stattgefunden haben) und verwendet vergangene Trends als Prädiktor für die zukünftige Inzidenz von Krankheiten.

Saisonalität. Das Auftreten von Krankheiten kann nach Woche oder Monat über einen Zeitraum von einem Jahr oder länger grafisch dargestellt werden, um gegebenenfalls das saisonale Muster anzuzeigen. Einige Krankheiten wie Influenza und West-Nil-Infektionen weisen bekanntermaßen charakteristische saisonale Verteilungen auf. Saisonale Muster können Hypothesen darüber vorschlagen, wie die Infektion übertragen wird, welche Verhaltensfaktoren das Risiko erhöhen und andere mögliche Ursachen für die Krankheit oder den Zustand. Abbildung 1.6 zeigt die saisonalen Muster von Röteln, Influenza und Rotavirus. Alle drei Krankheiten weisen konsistente saisonale Verteilungen auf, aber jede Krankheit erreicht ihren Höhepunkt in verschiedenen Monaten - Röteln von März bis Juni, Influenza von November bis März und Rotavirus von Februar bis April. Das Röteln-Diagramm ist auffällig für die Epidemie von 1963 (Röteln-Impfstoff war erst 1969 erhältlich), aber diese Epidemie folgte dennoch dem saisonalen Muster.

Abbildung 1.6 Saisonales Muster von Röteln, Influenza und Rotavirus

Bildbeschreibung

Quelle: Dowell SF. Saisonale Variation der Wirtsanfälligkeit und der Zyklen bestimmter Infektionskrankheiten. Emerg Infect Dis. 2001; 5: 369–74.

Wochentag und Tageszeit. Unter bestimmten Umständen kann die Anzeige von Daten nach Wochentag oder Tageszeit informativ sein.Die Analyse in diesen kürzeren Zeiträumen ist besonders geeignet für Bedingungen im Zusammenhang mit beruflichen oder Umweltexpositionen, die in regelmäßigen Abständen auftreten. In Abbildung 1.7 werden die Todesfälle von Ackerschleppern nach Wochentagen angezeigt. (32) Beachten Sie, dass die Zahl der Todesfälle von Ackerschleppern an Sonntagen etwa halb so hoch war wie an den anderen Tagen. Das in Abbildung 1.8 dargestellte Muster der Verletzungen von Ackerschleppern pro Stunde erreichte um 11:00 Uhr einen Höhepunkt, tauchte um 12:00 Uhr ab und erreichte um 16:00 Uhr erneut einen Höchstwert. Diese Muster können Hypothesen und mögliche Erklärungen vorschlagen, die mit weiteren Studien bewertet werden könnten. Abbildung 1.9 zeigt die stündliche Anzahl der Überlebenden und Retter, die sich nach dem Angriff auf das World Trade Center am 11. September 2001 den örtlichen Krankenhäusern in New York vorgestellt haben.

Abbildung 1.7 Todesfälle von Traktoren nach Wochentag

Bildbeschreibung

Abbildung 1.8 Todesfälle von Traktoren nach Tagesstunden

Bildbeschreibung

Quelle: Goodman RA, Smith JD, Sikes RK, Rogers DL, Mickey JL. Todesfälle im Zusammenhang mit Verletzungen von Ackerschleppern: eine epidemiologische Studie. Public Health Rep 1985; 100: 329–33.

Abbildung 1.9 Überlebende und Retter des World Trade Centers

Bildbeschreibung

Quelle: Zentren für die Kontrolle und Prävention von Krankheiten. Schnelle Bewertung von Verletzungen unter Überlebenden des Terroranschlags auf das World Trade Center - New York City, September 2001. MMWR 2002; 51: 1–5.

Epidemie Zeitspanne. Um den zeitlichen Verlauf eines Krankheitsausbruchs oder einer Epidemie darzustellen, verwenden Epidemiologen ein Diagramm, das als Epidemiekurve bezeichnet wird. Wie bei den anderen bisher dargestellten Diagrammen zeigt die y-Achse einer Epidemiekurve die Anzahl der Fälle, während die x-Achse die Zeit entweder als Datum des Symptombeginns oder als Datum der Diagnose anzeigt. Abhängig von der Inkubationszeit (der Zeitspanne zwischen Exposition und Auftreten der Symptome) und den Übertragungswegen kann die Skala auf der x-Achse so breit wie Wochen (für eine sehr lange Epidemie) oder so eng wie Minuten (z. bei Lebensmittelvergiftungen durch Chemikalien, die innerhalb von Minuten Symptome verursachen). Herkömmlicherweise werden die Daten als Histogramm angezeigt (das einem Balkendiagramm ähnelt, jedoch keine Lücken zwischen benachbarten Spalten aufweist). Manchmal wird jeder Fall als Quadrat angezeigt, wie in Abbildung 1.10 dargestellt. Die Form und andere Merkmale einer Epidemiekurve können Hypothesen über den Zeitpunkt und die Quelle der Exposition, die Übertragungsart und den Erreger aufstellen. Epidemische Kurven werden in den Lektionen 4 und 6 ausführlicher behandelt.

Abbildung 1.10 Fälle von Salmonellen Enteriditis - Chicago, 13. bis 21. Februar, nach Datum und Uhrzeit des Symptombeginns

Bildbeschreibung

Quelle: Cortese M., Gerber S., Jones E., Fernandez J. Ein Ausbruch der Salmonella Enteriditis in Chicago. Präsentiert auf der Eastern Regional Epidemic Intelligence Service Konferenz am 23. März 2000 in Boston, Massachusetts.

Ort

Die Beschreibung des Auftretens einer Krankheit nach Ort bietet Einblick in das geografische Ausmaß des Problems und seine geografische Variation. Die Charakterisierung nach Ort bezieht sich nicht nur auf den Wohnort, sondern auf jeden geografischen Ort, der für das Auftreten einer Krankheit relevant ist. Zu diesen Orten gehören der Ort der Diagnose oder des Berichts, der Geburtsort, der Arbeitsort, der Schulbezirk, die Krankenhauseinheit oder die jüngsten Reiseziele. Die Einheit kann so groß wie ein Kontinent oder ein Land oder so klein wie eine Adresse, ein Krankenflügel oder ein Operationssaal sein. Manchmal bezieht sich der Ort überhaupt nicht auf einen bestimmten Ort, sondern auf eine Ortskategorie wie Stadt oder Land, Inland oder Ausland sowie institutionelle oder nichtinstitutionelle.

Beachten Sie die Daten in den Tabellen 1.3 und 1.4. Tabelle 1.3 zeigt SARS-Daten nach Berichtsquelle und zeigt an, wo eine Person mit möglichem SARS wahrscheinlich unter Quarantäne gestellt und behandelt wird. (33) Im Gegensatz dazu zeigt Tabelle 1.4 dieselben Daten an, wohin die möglichen SARS-Patienten gereist waren, und gibt an, wohin Übertragung kann aufgetreten sein.

Tabelle 1.3 Gemeldete Fälle von SARS bis 3. November 2004 - USA, nach Falldefinitionskategorie und Wohnsitzstaat

Ort Insgesamt gemeldete Fälle Insgesamt gemeldete Verdachtsfälle Gesamtzahl der gemeldeten wahrscheinlichen Fälle Insgesamt gemeldete bestätigte Fälle
Alaska 1 1 0 0
Kalifornien 29 22 5 2
Colorado 2 2 0 0
Florida 8 6 2 0
Georgia 3 3 0 0
Hawaii 1 1 0 0
Illinois 8 7 1 0
Kansas 1 1 0 0
Kentucky 6 4 2 0
Maryland 2 2 0 0
Massachusetts 8 8 0 0
Minnesota 1 1 0 0
Mississippi 1 0 1 0
Missouri 3 3 0 0
Nevada 3 3 0 0
New Jersey 2 1 0 1
New-Mexiko 1 0 0 1
New York 29 23 6 0
North Carolina 4 3 0 1
Ohio 2 2 0 0
Pennsylvania 6 5 0 1
Rhode Island 1 1 0 0
South Carolina 3 3 0 0
Tennessee 1 1 0 0
Texas 5 5 0 0
Utah 7 6 0 1
Vermont 1 1 0 0
Virginia 3 2 0 1
Washington 12 11 1 0
West Virginia 1 1 0 0
Wisconsin 2 1 1 0
Puerto Rico 1 1 0 0
Gesamt 158 131 19 8

Adaptiert von: Zentren für die Kontrolle und Prävention von Krankheiten. Bericht über Fälle von schwerem akutem respiratorischem Syndrom (SARS) in den USA; Verfügbar unter: http: //cdc.gov/od/oc/media/presskits/sars/cases.htm.

Tabelle 1.4 Gemeldete Fälle von SARS bis 3. November 2004 - USA, nach besuchtem Hochrisikogebiet

Bereich Anzahl* Prozent
Hong Kong City, China 45 28
Toronto Kanada 35 22
Provinz Guangdong, China 34 22
Peking Stadt, China 25 16
Shanghai City, China 23 15
Singapur 15 9
China (Festland 15 9
Taiwan 10 6
Provinz Anhui, China 4 3
Hanoi, Vietnam 4 3
Chongqing Stadt, China 3 2
Provinz Guizhou, China 2 1
Macoa City, China 2 1
Stadt Tianjin, China 2 1
Provinz Jilin, China 2 1
Provinz Xinjiang 1 1
Provinz Zhejiang, China 1 1
Provinz Guangxi, China 1 1
Provinz Shanxi, China 1 1
Provinz Liaoning, China 1 1
Provinz Hunan, China 1 1
Provinz Sichuan, China 1 1
Provinz Hubei, China 1 1
Provinz Jiangxi, China 1 1
Provinz Fujian, China 1 1
Provinz Jiangsu, China 1 1
Provinz Yunnan, China 0 0
Provinz Hebei, China 0 0
Provinz Qinghai, China 0 0
Provinz Tibet (Xizang), China 0 0
Provinz Hainan 0 0
Provinz Henan, China 0 0
Provinz Gansu, China 0 0
Provinz Shandong, China 0 0

* 158 gemeldete Fallpatienten besuchten 232 Gebiete

Datenquelle: Heymann DL, Rodier G. Globale Überwachung, Nationale Überwachung und SARS. Emerg Infect Dis. 2004; 10: 173–175.

Obwohl Ortsdaten in einer Tabelle wie Tabelle 1.3 oder Tabelle 1.4 angezeigt werden können, bietet eine Karte eine auffälligere visuelle Anzeige von Ortsdaten. Auf einer Karte können unterschiedliche Anzahlen oder Krankheitsraten mit unterschiedlichen Schattierungen, Farben oder Linienmustern dargestellt werden, wie in Abbildung 1.11 dargestellt.

Abbildung 1.11 Sterblichkeitsraten für Asbestose nach Bundesstaaten - USA, 1968–1981 und 1982–2000

Bildbeschreibung

Quelle: Zentren für die Kontrolle und Prävention von Krankheiten. Wechselnde Muster der Pneumokoniose-Mortalität - USA, 1968–2000. MMWR 2004; 53: 627–32.

Ein anderer Kartentyp für Ortsdaten ist eine Spotkarte, wie in Abbildung 1.12 dargestellt. Spotkarten werden im Allgemeinen für Cluster oder Ausbrüche mit einer begrenzten Anzahl von Fällen verwendet. Ein Punkt oder X wird an der Stelle platziert, die für die interessierende Krankheit am relevantesten ist, normalerweise dort, wo jedes Opfer lebte oder arbeitete, genau wie John Snow es auf seiner Spotkarte des Golden Square in London getan hat (Abbildung 1.1). Falls bekannt, werden relevante Orte, wie z. B. wahrscheinliche Expositionsorte (Wasserpumpen in Abbildung 1.1), normalerweise auf der Karte vermerkt.

Abbildung 1.12 Spot Map von Giardia-Fällen

Bildbeschreibung

Durch die Analyse von Daten nach Ort können Gemeinschaften mit erhöhtem Krankheitsrisiko identifiziert werden. Auch wenn die Daten nicht Aufschluss darüber geben können, warum diese Personen ein erhöhtes Risiko haben, können sie dazu beitragen, Hypothesen zu erstellen, die mit zusätzlichen Studien getestet werden können. Ist eine Gemeinde beispielsweise aufgrund von Merkmalen der Menschen in der Gemeinde einem erhöhten Risiko ausgesetzt, wie z. B. genetische Anfälligkeit, mangelnde Immunität, riskantes Verhalten oder Exposition gegenüber lokalen Toxinen oder kontaminierten Lebensmitteln? Kann das erhöhte Risiko, insbesondere einer übertragbaren Krankheit, auf Merkmale des Erregers wie einen besonders virulenten Stamm, gastfreundliche Brutstätten oder die Verfügbarkeit des Vektors zurückgeführt werden, der den Organismus auf den Menschen überträgt? Oder kann das erhöhte Risiko auf die Umgebung zurückgeführt werden, die den Erreger und den Wirt zusammenbringt, z. B. auf das Gedränge in städtischen Gebieten, das das Risiko einer Krankheitsübertragung von Mensch zu Mensch erhöht, oder auf den Bau von mehr Häusern in Waldgebieten in der Nähe von Rehen, die tragen Zecken, die mit dem Organismus infiziert sind, der die Lyme-Borreliose verursacht? (Weitere Techniken für die grafische Darstellung werden in Lektion 4 erläutert.)

Person

Da persönliche Merkmale die Krankheit beeinflussen können, können bei der Organisation und Analyse von Daten nach „Personen“ inhärente Merkmale von Personen (z. B. Alter, Geschlecht, Rasse), biologische Merkmale (Immunstatus), erworbene Merkmale (Familienstand) und Aktivitäten (Beruf) verwendet werden , Freizeitaktivitäten, Konsum von Medikamenten / Tabak / Drogen) oder die Bedingungen, unter denen sie leben (sozioökonomischer Status, Zugang zu medizinischer Versorgung). Alter und Geschlecht sind in fast allen Datensätzen enthalten und sind die beiden am häufigsten analysierten „Personen“ -Eigenschaften. Abhängig von der Krankheit und den verfügbaren Daten sind jedoch in der Regel Analysen anderer Personenvariablen erforderlich. Normalerweise beginnen Epidemiologen die Analyse von Personendaten, indem sie jede Variable einzeln betrachten. Manchmal können zwei Variablen wie Alter und Geschlecht gleichzeitig untersucht werden. Personendaten werden normalerweise in Tabellen oder Grafiken angezeigt.

Alter. Das Alter ist wahrscheinlich das wichtigste Einzelattribut, da fast jedes gesundheitsbezogene Ereignis mit dem Alter variiert. Eine Reihe von Faktoren, die auch mit dem Alter variieren, sind: Anfälligkeit, Expositionsmöglichkeit, Latenz oder Inkubationszeit der Krankheit und physiologische Reaktion (die unter anderem die Krankheitsentwicklung beeinflusst).

Bei der Analyse von Daten nach Alter versuchen Epidemiologen, Altersgruppen zu verwenden, die eng genug sind, um altersbedingte Muster zu erkennen, die möglicherweise in den Daten vorhanden sind. Für einige Krankheiten, insbesondere chronische Krankheiten, können 10-jährige Altersgruppen angemessen sein. Bei anderen Krankheiten verbergen 10-jährige und sogar 5-jährige Altersgruppen wichtige Unterschiede im Auftreten von Krankheiten nach Alter. Betrachten Sie das in Abbildung 1.13a gezeigte Diagramm des Auftretens von Pertussis nach Standard-5-Jahres-Altersgruppen. Die höchste Rate ist eindeutig bei Kindern bis 4 Jahre zu verzeichnen. Aber ist die Rate bei allen Kindern in dieser Altersgruppe gleich hoch oder haben einige Kinder höhere Raten als andere?

Abbildung 1.13a Pertussis nach 5-Jahres-Altersgruppen

Bildbeschreibung

Abbildung 1.13b Pertussis nach <1, 4-Jahres-, dann 5-Jahres-Altersgruppen

Bildbeschreibung

Zur Beantwortung dieser Frage werden unterschiedliche Altersgruppen benötigt. Untersuchen Sie Abbildung 1.13b, in der dieselben Daten dargestellt sind, die Pertussis-Rate für Kinder unter 1 Jahr jedoch separat angezeigt wird. Offensichtlich machen Säuglinge den größten Teil der hohen Rate bei 0- bis 4-Jährigen aus. Die Bemühungen im Bereich der öffentlichen Gesundheit sollten sich daher eher auf Kinder unter 1 Jahr als auf die gesamte 5-Jahres-Altersgruppe konzentrieren.

Sex. Männer haben bei vielen Krankheiten eine höhere Krankheits- und Todesrate als Frauen. Bei einigen Krankheiten ist dieser geschlechtsspezifische Unterschied auf genetische, hormonelle, anatomische oder andere inhärente Unterschiede zwischen den Geschlechtern zurückzuführen. Diese inhärenten Unterschiede beeinflussen die Anfälligkeit oder die physiologischen Reaktionen. Beispielsweise haben Frauen vor der Menopause ein geringeres Risiko für Herzerkrankungen als gleichaltrige Männer. Dieser Unterschied wurde auf höhere Östrogenspiegel bei Frauen zurückgeführt. Andererseits spiegeln die geschlechtsspezifischen Unterschiede beim Auftreten vieler Krankheiten Unterschiede in Bezug auf Chancen oder Expositionsniveaus wider. Zum Beispiel zeigt Abbildung 1.14 die Unterschiede in der Lungenkrebsrate im Zeitverlauf bei Männern und Frauen. (34) Der in früheren Jahren festgestellte Unterschied wurde auf die höhere Prävalenz des Rauchens bei Männern in der Vergangenheit zurückgeführt. Leider ist die Prävalenz des Rauchens bei Frauen jetzt gleich hoch wie bei Männern, und die Lungenkrebsraten bei Frauen sind infolgedessen gestiegen. (35)

Abbildung 1.14 Lungenkrebsraten - USA, 1930–1999

Bildbeschreibung

Datenquelle: American Cancer Society [Internet]. Atlanta: The American Cancer Society, Inc. Verfügbar unter: http://cancer.org/docroot/PRO/content/PRO_1_1_ Cancer_ Statistics_2005_Presentation.aspexternes Symbol.

Ethnische und rassische Gruppen. Manchmal sind Epidemiologen daran interessiert, Personendaten nach biologischen, kulturellen oder sozialen Gruppierungen wie Rasse, Nationalität, Religion oder sozialen Gruppen wie Stämmen und anderen geografisch oder sozial isolierten Gruppen zu analysieren. Unterschiede in rassischen, ethnischen oder anderen Gruppenvariablen können Unterschiede in der Anfälligkeit oder Exposition oder Unterschiede in anderen Faktoren widerspiegeln, die das Krankheitsrisiko beeinflussen, wie z. B. sozioökonomischer Status und Zugang zur Gesundheitsversorgung. In Abbildung 1.15 sind die Kindersterblichkeitsraten für 2002 nach Rasse und hispanischer Herkunft der Mutter dargestellt.

Abbildung 1.15 Kindersterblichkeitsraten für 2002 nach Rasse und ethnischer Zugehörigkeit der Mutter

Bildbeschreibung

Quelle: Zentren für die Kontrolle und Prävention von Krankheiten. QuickStats: Kindersterblichkeitsraten * nach ausgewählten rassischen / ethnischen Bevölkerungsgruppen - USA, 2002, MMWR 2005; 54 (05): 126.

Sozioökonomischen Status. Der sozioökonomische Status ist schwer zu quantifizieren. Es besteht aus vielen Variablen wie Beruf, Familieneinkommen, Bildungserfolg oder Volkszählung, Lebensbedingungen und sozialer Stellung. Die Variablen, die am einfachsten zu messen sind, spiegeln möglicherweise das Gesamtkonzept nicht genau wider. Trotzdem verwenden Epidemiologen häufig Beruf, Familieneinkommen und Bildungserfolg, während sie anerkennen, dass diese Variablen den sozioökonomischen Status nicht genau messen.

Die Häufigkeit vieler gesundheitsschädlicher Zustände nimmt mit abnehmendem sozioökonomischen Status zu. Beispielsweise tritt Tuberkulose häufiger bei Personen in niedrigeren sozioökonomischen Schichten auf. Kindersterblichkeit und Arbeitsausfall aufgrund einer Behinderung sind beide mit einem geringeren Einkommen verbunden. Diese Muster können schädlichere Expositionen, geringere Resistenzen und einen geringeren Zugang zur Gesundheitsversorgung widerspiegeln. Oder sie spiegeln teilweise eine voneinander abhängige Beziehung wider, die sich nicht entwirren lässt: Trägt ein niedriger sozioökonomischer Status zur Behinderung bei oder trägt eine Behinderung zu einem niedrigeren sozioökonomischen Status bei oder beides? Was erklärt die überproportionale Prävalenz von Diabetes und Asthma in sozioökonomisch schwächeren Gebieten? (36, 37)

Einige wenige gesundheitsschädliche Zustände treten häufiger bei Personen mit höherem sozioökonomischen Status auf. Gicht wurde wegen ihres Zusammenhangs mit dem Verzehr von reichhaltigen Nahrungsmitteln als „Krankheit der Könige“ bezeichnet. Andere Zustände, die mit einem höheren sozioökonomischen Status verbunden sind, umfassen Brustkrebs, Kawasaki-Syndrom, chronisches Müdigkeitssyndrom und Tennisellenbogen. Expositionsunterschiede machen zumindest einige, wenn nicht die meisten Unterschiede in der Häufigkeit dieser Zustände aus.

Übung 1.6

Beschreiben Sie anhand der Daten in den Tabellen 1.5 und 1.6 die Sterblichkeitsratenmuster für das „ungewöhnliche Ereignis“. Wie unterscheiden sich beispielsweise die Sterblichkeitsraten zwischen Männern und Frauen insgesamt, zwischen den verschiedenen sozioökonomischen Klassen, zwischen Männern und Frauen in verschiedenen sozioökonomischen Klassen sowie zwischen Erwachsenen und Kindern in verschiedenen sozioökonomischen Klassen? Können Sie sich vorstellen, welche Art von Situation zu solchen Sterblichkeitsraten führen könnte?

Tabelle 1.5 Todesfälle und Sterblichkeitsraten für ein ungewöhnliches Ereignis nach Geschlecht und sozioökonomischem Status

Sozioökonomischen Status
Sex Messen Hoch Mitte Niedrig Gesamt
Männer Gefährdete Personen 179 173 499 851
Todesfälle 120 148 441 709
Todesrate (%) 67.0 85.5 88.4 83.3
Frauen Gefährdete Personen 143 107 212 462
Todesfälle 9 13 132 154
Todesrate (%) 6.3 12.6 62.3 33.3
Beide Geschlechter Gefährdete Personen 322 280 711 1313
Todesfälle 129 161 573 863
Todesrate (%) 40.1 57.5 80.6 65.7

Tabelle 1.6 Todesfälle und Sterblichkeitsraten für ein ungewöhnliches Ereignis nach Alter und sozioökonomischem Status

Sozioökonomischen Status
Altersgruppe Messen Hoch / Mittel Niedrig Gesamt
Erwachsene Gefährdete Personen 566 664 1230
Todesfälle 287 545 832
Todesrate (%) 50.7 82.1 67.6
Kinder Gefährdete Personen 36 47 83
Todesfälle 3 28 31
Todesrate (%) 8.3 59.6 37.3
Jedes Alter Gefährdete Personen 602 711 1313
Todesfälle 290 573 863
Todesrate (%) 48.2 80.6 65.7

Überprüfe deine Antwort.

Referenzen (Dieser Abschnitt)

  1. Goodman RA, Smith JD, Sikes RK, Rogers DL, Mickey JL. Todesfälle im Zusammenhang mit Verletzungen von Ackerschleppern: eine epidemiologische Studie. Public Health Rep 1985; 100: 329–33.
  2. Heyman DL, Rodier G. Globale Überwachung, nationale Überwachung und SARS. Emerg Infect Dis. 2003; 10: 173–5.
  3. Amerikanische Krebsgesellschaft [Internet]. Atlanta: The American Cancer Society, Inc. Verfügbar unter: http://www.cancer.org/Research/CancerFactsFigures/cancer-facts-figures-2005/external icon.
  4. Zentren für die Kontrolle und Prävention von Krankheiten. Aktuelle Entwicklungen. Trends bei Lungenkrebs und Brustkrebs bei Frauen - Texas. MMWR 1984; 33 (MM19): 266.
  5. Liao Y, Tucker P., Okoro CA, Giles WH, Mokdad AH, Harris VB, et. al. REACH 2010 Überwachung des Gesundheitszustands in Minderheitengemeinschaften - USA, 2001–2002. MMWR 2004; 53: 1–36.
Vorherige Seite Lektion 1 Übersicht