Crude co-mention trends and standardized observed-to-expected ratios can move in opposite directions: a decomposition, with an application to US multiple-cause-of-death data
Diese Arbeit zeigt durch eine mathematische Dekomposition und US-Sterblichkeitsdaten auf, dass Trends der rohen Koinzidenzhäufigkeit von standardisierten Überrepräsentationsverhältnissen divergieren können, wenn sich die Hintergrundhäufigkeit einer Begleiterkrankung ändert, und argumentiert, dass die Interpretation eines Metrik als Stellvertreter für das andere ohne Berücksichtigung dieser Hintergrundverschiebung zu irreführenden Schlussfolgerungen über die Komorbiditätsbelastung führen kann.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Wenn ein Mensch stirbt, ist der offizielle Sterberegistereintrag mehr als nur eine einfache Todesursache; es ist eine Liste jeder medizinischen Erkrankung, die zum Ende seines Lebens beigetragen hat. Forscher nutzen diese Listen, die als Mehrfach-Todesursachen-Datensätze bekannt sind, um zu verstehen, wie verschiedene Krankheiten gemeinsam auftreten. Wenn ein Arzt sowohl Herzinsuffizienz als auch Nierenerkrankung auf demselben Zertifikat aufführt, deutet dies auf eine Verbindung zwischen den beiden hin. Durch das Zählen, wie oft diese Paare im Laufe der Zeit gemeinsam auftreten, versuchen Wissenschaftler zu sehen, ob die Verbindung zwischen spezifischen Krankheiten stärker wird, schwächer wird oder gleich bleibt. Diese Information ist für die öffentliche Gesundheit von entscheidender Bedeutung, da sie Beamten hilft zu verstehen, ob die Belastung durch komplexe, sich überschneidende Erkrankungen in der Bevölkerung zunimmt. Es gibt jedoch eine versteckte Falle bei der Interpretation dieser Zahlen. Ein einfacher Zählvorgang darüber, wie oft zwei Bedingungen zusammen auftreten, kann steigen, selbst wenn die tatsächliche medizinische Verbindung zwischen ihnen verblasst. Dies geschieht, weil die Hintergrundhäufigkeit einer der Bedingungen aus Gründen steigen kann, die völlig unzusammenhängend mit der anderen sind, was eine statistische Illusion erzeugt, dass die beiden enger miteinander verknüpft werden, obwohl dies nicht der Fall ist.
Ein Forscher namens Sekani Nicolas Boxill setzte sich zum Ziel, diese Verwirrung zu entwirren, indem er reale Daten aus den Vereinigten Staaten über zwei Jahrzehnte hinweg untersuchte. Die Studie konzentrierte sich auf vier verschiedene schwere Infektionen und wie oft diese zusammen mit chronischer Nierenerkrankung auf Sterbeurkunden auftauchten. Der Forscher untersuchte die Rohzahlen, die lediglich zählen, wie viele Menschen mit beiden Erkrankungen starben, und verglich sie mit einer präziseren Berechnung. Diese verfeinerte Methode stellt eine andere Frage: Wie viele Menschen mit der Infektion würden angesichts des Alters und des Geschlechts der Verstorbenen basierend auf den Trends der Allgemeinbevölkerung ebenfalls eine Nierenerkrankung haben? Durch die Trennung der Rohzahl in diese zwei Teile – die Rohzahl und die erwartete Hintergrundhäufigkeit – konnte der Forscher sehen, was die Trends tatsächlich antrieb.
Die Ergebnisse zeigten einen frappierenden Widerspruch in den Daten für die infektiöse Endokarditis, eine schwere Herzinfektion. Zwischen 2013 und 2019 stieg der Rohprozentsatz der Todesfälle durch Herzinfektionen, die auch eine Nierenerkrankung erwähnten, stetig an und erhöhte sich um fast einen Prozentpunkt pro Jahr. Eine oberflächliche Lesart dieser Zahl würde darauf hindeuten, dass die beiden Bedingungen häufiger miteinander verknüpft wurden. Doch als der Forscher die verfeinerte Berechnung anwandte, um die steigende Hintergrundrate der Nierenerkrankung in der Allgemeinbevölkerung zu berücksichtigen, kehrte sich das Bild vollständig um. Das Maß dafür, wie stark die beiden Bedingungen tatsächlich gemeinsam überrepräsentiert waren, sank um mehr als zwei-einhalb Prozentpunkte pro Jahr. Die Rohzahl stieg, weil Nierenerkrankungen insgesamt häufiger auf Sterbeurkunden erwähnt wurden, und nicht, weil die Herzinfektion plötzlich mehr Nierenpatienten anzog als zuvor.
Dieses gleiche Muster gegensätzlicher Trends trat auch bei anderen Paaren auf. Bei der Sepsis, einer schweren Blutvergiftung, zeigte die Rohrate der gemeinsamen Erwähnungen einen leichten, statistisch unsicheren Anstieg, während das verfeinerte Maß einen klaren und konsistenten Rückgang aufzeigte. Im Fall von Pneumonie stiegen beide Zahlen an, aber die Rohzahl kletterte viel schneller als das verfeinerte Maß, was darauf hindeutete, dass der Anstieg weitgehend durch den allgemeinen Anstieg der Erwähnungen von Nierenerkrankungen getrieben wurde und nicht durch eine spezifische Stärkung der Verbindung zwischen Pneumonie und Nierenversagen. Die Studie hob auch einen spezifischen Zeitraum in den Jahren 2011 und 2012 hervor, in dem eine Änderung in der Kodierung von Nierenerkrankungen auf Sterbeurkunden zu einem plötzlichen Sprung der Erwähnungen in allen Kategorien führte. Diese Änderung der Kodierung beeinflusste sowohl die Rohzahlen als auch die Hintergrunderwartungen gleichermaßen, was bewies, dass standardmäßige statistische Anpassungen nicht immer plötzliche Verschiebungen in der Datenerfassung korrigieren können.
Der Forscher untersuchte anschließend, wie andere Wissenschaftler ähnliche Daten interpretieren. Eine Überprüfung von fünfundzwanzig aktuellen Studien ergab, dass die meisten Forscher den Rohanstieg der gemeinsam auftretenden Todesfälle als Beweis für eine zunehmende Belastung oder eine stärkere Verbindung zwischen Krankheiten anführten. Obwohl viele dieser Studien ihre Ergebnisse mit irgendeiner Form eines Hintergrundtrends verglichen, hat keine von ihnen die Rohzahl in ihre zwei distinkten Komponenten – die erwartete Hintergrundhäufigkeit und die wahre relative Überrepräsentation – zerlegt. Dies bedeutet, dass das Fachgebiet einen entscheidenden Schritt in seiner Analyse versäumt hat. Die Studie kommt zu dem Schluss, dass eine steigende Rohzahl nicht automatisch bedeutet, dass ein Krankheitspaar gefährlicher oder enger verknüpft wird. Um die wahre Geschichte zu verstehen, müssen Forscher die Hintergrundhäufigkeit der Bedingungen betrachten und das Verhältnis dessen berechnen, was beobachtet wurde, gegenüber dem, was erwartet wurde. Ohne diese Trennung kann die Statistik leicht eine Geschichte zunehmender Verbindung erzählen, wo gar keine existiert.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.