gms | German Medical Science

51. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (gmds)

10. - 14.09.2006, Leipzig

Schätzung partieller attributabler Risiken in der epidemiologischen Praxis

Meeting Abstract

  • Christina Rabe - Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen
  • Jasmin Ecke - Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen
  • Andrea Lehnert-Batar - Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen
  • Annette Pfahlberg - Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen
  • Olaf Gefeller - Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (gmds). 51. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. Leipzig, 10.-14.09.2006. Düsseldorf, Köln: German Medical Science; 2006. Doc06gmds268

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2006/06gmds114.shtml

Veröffentlicht: 1. September 2006

© 2006 Rabe et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielf&aauml;ltigt, verbreitet und &oauml;ffentlich zug&aauml;nglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Das attributable Risiko (AR) ist ein epidemiologisches Risikomaß, das den Anteil der auf eine Exposition zurückzuführenden Erkrankungen auf Bevölkerungsebene quantifiziert. Mit der adjustierten Variante des AR [1] ist es möglich, andere Faktoren bei der Schätzung des ARs eines Faktors zu kontrollieren. In der multifaktoriellen Situation, in der eine Erkrankung auf mehrere Risikofaktoren zurückzuführen ist, lässt sich zunächst durch eine entsprechende Definition des Expositionsstatus das gemeinsame AR aller Faktoren bestimmen. Dieses kann dann mit Hilfe von verschiedenen Partialisierungsmethoden auf die einzelnen Faktoren zerlegt werden, so dass der spezifische Anteil eines jeden Faktors am gemeinsamen AR bestimmt werden kann. Bereits 1995 wurde hierfür das partielle attributable Risiko (PAR) von Eide und Gefeller [2] vorgeschlagen, das sich aus spieltheoretischen Überlegungen ableiten lässt [3]. Bislang wurde dieser Parameter jedoch kaum in der epidemiologischen Praxis eingesetzt, obwohl er eine sinnvolle Alternative zum (adjustierten) AR in der multifaktoriellen Situation darstellt.

Das PAR lässt sich als erwarteter marginaler Beitrag eines Risikofaktors am gemeinsamen AR interpretieren. Zur Schätzung des PARs muss die gemeinsame bzw. bedingte Wahrscheinlichkeit aller Kombinationen der Krankheitsvariablen und Risikofaktoren geschätzt werden. Dies führt mit steigender Anzahl von Risikofaktoren zu erheblichen Problemen, da die Anzahl von Kombinationen exponentiell wächst. So erreicht man mit 9 binären Risikofaktoren bereits 29+1 = 1024 mögliche Schichten, so dass man Datensätze enormen Umfangs bräuchte, um ein Sparse-Data-Problem zu vermeiden.

Im Rahmen dieses Vortrags sollen verschiedene Ansätze zur Lösung dieses Problems vorgestellt werden. Ein weit verbreiteter Ansatz in der Epidemiologie, der auch zur Schätzung der ARs angewandt wird, ist es, die bedingten Wahrscheinlichkeiten P(D|E) aus einem logistischen Regressionsmodell zu schätzen, dies wurde auch bereits für das PAR vorgeschlagen. Nimmt man jedoch nur Haupteffekte in das Modell auf, so widerspricht dies dem Konzept der Partialisierung, das auf der Interaktionsstruktur aufgebaut ist. Daher müssen Modelle selektiert werden, in denen relevante Interaktionsterme berücksichtigt werden. Neben dem modellbasiertem Ansatz existieren auch Möglichkeiten, die gemeinsame Wahrscheinlichkeitsverteilung z.B. durch Unabhängigkeitsannahmen zu vereinfachen.

Die verschiedenen Methoden werden abschließend an einem epidemiologischen Beispiel aus der NAEVAC-Studie, einer Studie zu Determinanten der Pigmentmaldichte bei 6-7-jährigen Kindern, basierend auf einem Kollektiv von 2189 im Rahmen der Einschulungsuntersuchungen rekrutierten Studienteilnehmern, demonstriert. Verschiedene Risikofaktoren, wie z.B. die Sonnenexposition (Urlaube und Aufenthalt im Freien) sowie konstitutionelle Faktoren wie Haar – und Augenfarbe sowie Sommersprossen, werden mit dem vermehrten Auftreten von Nävi in Verbindung gebracht. Mit dem PAR soll nun geschätzt werden, welche Faktoren auf Bevölkerungsebene den größten Beitrag zu einer erhöhten Nävizahl bei Kindern liefern. Dies ist von großer Relevanz für Präventivmaßnahmen, da die Dichte der erworbenen pigmentierten Nävi bei Kindern ein Indikator für das Melanomrisiko im Erwachsenenalter ist. Gleichzeitig ist dies ein Beispiel, das aufgrund der großen Anzahl von Risikofaktoren einen guten Einblick in die Schätzproblematik des PAR geben kann.


Literatur

1.
Benichou J. A Review of adjusted estimators of attributable risk. Stat Methods Med Res 2001;10:195-216.
2.
Eide GE, Gefeller O. Sequential and average attributable fractions as aids in the selection of preventive strategies. J Clin Epidemiol 1995;48:645-655.
3.
Cox JR. LA. A new measure of attributable risk for public health application. Managment Sci 1985;31(7):800-13.