Hodnocení a modelování populačních dat na příkladu epidemiologie vážných chorob: I. Analýza dat, princip predikcí.

Podobné dokumenty
Současné trendy v epidemiologii nádorů se zaměřením na Liberecký kraj

Epidemiologie zhoubného novotvaru prostaty (C61) v České republice

Epidemiologická onkologická data v ČR a jejich využití

Zpřístupnění populačních epidemiologických registrů pro výuku: Národní onkologický registr ČR on-line

Analýzy pro Kraj Vysočina

Analýzy pro Zlínský kraj

Analýzy pro Hlavní město Praha

Analýzy pro Plzeňský kraj

Karcinom prostaty v ČR: zátěž, počty pacientů, výsledky léčby

Analýzy pro Liberecký kraj

Analýzy pro Jihočeský kraj

Analýzy pro Středočeský kraj

Analýzy pro Olomoucký kraj

Analýzy pro Moravskoslezský kraj

Analýzy pro Karlovarský kraj

3. Epidemiologie preventabilních zhoubných nádorů v České republice

Počty pacientů v lékových registrech ČOS

Hodnocení populačního přežití pacientů diagnostikovaných s C20 v ČR Projekt Diagnóza C20 - vzdělávání, výzkum a lékařská praxe

Biologická léčba karcinomu prsu. Prof. MUDr. Jitka Abrahámová, DrSc. Onkologická klinika 1.LF UK a TN KOC (NNB+VFN+TN)

Význam prevence a včasného záchytu onemocnění pro zdravotní systém

Organizace a výsledky zdravotních screeningových programů v ČR

Nové predikce počtu pacientů

Současné trendy v epidemiologii nádorů se zaměřením na Plzeňský kraj

Léčebné predikce u karcinomu prsu pro rok 2013 chystané novinky

Oficiální výsledky Národního programu mamografického screeningu v roce 2016

Oficiální výsledky Národního programu mamografického screeningu v roce 2008

Epidemiologie zhoubných nádorů. regionu v rámci r. Mužík J. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

Stav mamografického screeningu v ČR a význam adresného zvaní

Aktuální data o zhoubných nádorech v ČR a o výsledcích péče

KOLOREKTÁLNÍ KARCINOM: VÝZVA PRO ZDRAVÝ ŽIVOTNÍ STYL, SCREENING A ORGANIZACI LÉČEBNÉ PÉČE

Oficiální výsledky Národního programu mamografického screeningu v roce 2011

Rozbor léčebné zátěže Thomayerovy nemocnice onkologickými pacienty a pilotní prezentace výsledků péče

Zhoubné nádory v roce 2004 Malignant neoplasms in 2004

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

Využití dat EHIS k hodnocení screeningových programů nádorových onemocnění v ČR

Epidemiologie zhoubných novotvarů v krajích České republiky

Informační podpora screeningového programu

Epidemiologie hematologických malignit v České republice

1. Úvod. Určeno jako pilotní zpráva k publikaci na portálu UROWEB ( Nově dostupná data NOR lze rovněž studovat na portálu

41. ČÍSELNÉ PODKLADY PRO PLÁNOVÁNÍ NÁKLADŮ LÉČEBNÉ PÉČE V ONKOLOGII ANALÝZY DOSTUPNÝCH POPULAČNÍCH DAT A PREDIKCE PRO ROK 2018

Informační podpora screeningového programu

40. ČÍSELNÉ PODKLADY PRO PLÁNOVÁNÍ NÁKLADŮ LÉČEBNÉ PÉČE V ONKOLOGII ANALÝZY DOSTUPNÝCH POPULAČNÍCH DAT A PREDIKCE PRO ROK 2017

VÝUKOVÉ VYUŽITÍ INFORMAČNÍCH SYSTÉMŮ PRO PROGRAMY SCREENINGU ZHOUBNÝCH NÁDORŮ PRSU, TLUSTÉHO STŘEVA A KONEČNÍKU A HRDLA DĚLOŽNÍHO

CEBO: (Center for Evidence Based Oncology) Incidence Kostních příhod u nádorů prsu PROJEKT IKARUS. Neintervenční epidemiologická studie

analýzy dat v oboru Matematická biologie

Patient s hemato-onkologickým onemocněním: péče v závěru života - umírání v ČR, hospicová péče - zkušenosti jednoho pracoviště

Hodnocení segmentu centrové léčby z dat plátců zdravotní péče. Společné pracoviště ÚZIS ČR a IBA MU

INSTITUT BIOSTATISTIKY A ANALÝZ P írodov decká a Léka ská fakulta, Masarykova univerzita, Brno, eská republika.

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

ROK 2002 byl plodný se narodil bojovný Pes Béla

Epidemiologie zhoubného novotvaru průdušnice, průdušky a plíce (C33, C34)

NÁRODNÍ ONKOLOGICKÝ REGISTR - CELOSTÁTNÍ SBĚR STRUKTUROVANÉ ZDRAVOTNICKÉ INFORMACE OD ROKU 1976 Miroslav Zvolský, Pavel Langhammer

objektivní analýza dostupných dat

Stav screeningu kolorektálního karcinomu v ČR a význam adresného zvaní

Praxe hodnocení cílené biologické léčby zhoubných nádorů v ČR a její edukační obsah

EPIDEMIOLOGIE, PREVENCE A LÉČBA KOLOREKTÁLNÍHO KARCINOMU DLE DOSTUPNÝCH ČESKÝCH A MEZINÁRODNÍCH DAT

Výuka standardů péče v radiační onkologii s užitím populačních, klinických a obrazových dat. David Feltl

Klinicky korigovaná predikce incidence léčených pro celou populaci ČR

Populační epidemiologie nádorových onemocnění

Informační podpora screeningového programu

Dostupnost kvalitní léčby, informovanost pacienta. Jana Prausová Komplexní onkologické centrum FN v Motole Seminář Standardy léčby rakoviny prsu

Časná diagnostika zhoubných nádorů prostaty u rizikových skupin mužů. R. Zachoval, M. Babjuk ČUS ČLS JEP

uroweb.cz Projekt UROWEB.CZ projektová dokumentace k verzi 3.00 Projekt Uroweb.cz je podpořen výzkumným grantem společnosti Astellas Pharma s.r.o.

ZDRAVOTNICTVÍ ČR: Nová data Národního onkologického registru ČR (NOR) za rok 2014 NZIS REPORT č. R/1 (09/2016)

Projekt edukační platforma I-COP EDU Nemocnice Jihlava

Screening karcinomu prsu: silné a slabé stránky dle dostupných dat

MODERNÍ VÝUKA ONKOLOGIE JAKO SOUČÁST NÁRODNÍHO ONKOLOGICKÉHO PROGRAMU. J. Vorlíček Česká onkologická společnost ČLS JEP

Počty pacientů v lékových registrech Herceptin, Avastin, Tarceva, Lapatinib (Tyverb), Erbitux a Renis

Epidemiologie kolorektálního karcinomu v ČR

Hodnocení adresného zvaní občanů do onkologických screeningových programů ČR

TARCEVA klinický registr

Přehled epidemiologie zhoubných novotvarů kromě nemelanomových kožních (C00 C97 bez C44)

Predikce počtu onkologických pacientů v roce 2012 a predikce jejich cílené léčby

C82,C83,C84,C85 - Ne-Hodgkinův lymfom

Epidemiologie zhoubného melanomu v ČR a v Královéhradeckém kraji

Stručný přehled epidemiologie zhoubného novotvaru prsu v České republice

v eské republice Du$ek L., Mu%ík J. Institut biostatistiky a anal!z, Masarykova univerzita, Brno

Indikátory kvality v programech screeningu zhoubných nádorů

Prof. MUDr. Jiří Vorlíček, CSc. Prof. MUDr. Jitka Abrahámová, DrSc. MUDr. Tomáš Büchler, PhD.

Lékový registr ALIMTA

Ukázka knihy z internetového knihkupectví

DRG a hodnocení kvality péče aneb bez klinických doporučených postupů to nepůjde

Screening karcinomu děložního hrdla: silné a slabé stránky dle dostupných dat

Lékový registr ALIMTA

Národní onkologický registr > Ústav zdravotnických informací a statistiky České republiky

SPRÁVNÁ INTERPRETACE INDIKÁTORŮ KVALITY MAMOGRAFICKÉHO SCREENINGU. Májek, O., Svobodník, A., Klimeš, D.

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Program screeningu karcinomu prsu v datech

Oficiální v!sledky Národního programu mamografického screeningu v roce 2012

Oficiální výsledky Národního programu mamografického screeningu v roce 2009

TULUNG - AVASTIN. Klinický registr pacientů s nemalobuněčným karcinomem plic. Stav registru k datu

Zhoubné novotvary v ČR. ková

Projekt edukační platforma I-COP EDU

Činnost radiační onkologie, klinické onkologie v České republice v roce 2003

Spolupráce ČOS a PZP:

Indikátory kvality v programu screeningu karcinomu děložního hrdla v ČR O. Májek, J. Dušková, A. Beková, L. Dušek, V. Dvořák

Onkologie existuje vztah mezi náklady a účinností terapie? Tomáš Mlčoch, Tomáš Doležal. iheta, Praha

Predikce počtu pacientů indikovaných k vyšetření PET/CT v ČR: první výsledky projektu PET/CT-CZ (Q)

Nádory trávicího ústrojí- epidemiologie. MUDr.Diana Cabrera de Zabala FN Plzeň Přednosta: Doc.MUDr.Jindřich Fínek,PhD.

Transkript:

Hodnocení a modelování populačních dat na příkladu epidemiologie vážných chorob: I. Analýza dat, princip predikcí. Úvod do matematické biologie Tomáš Pavlík & O. Májek, L. Dušek, J. Mužík, E. Gelnarová, J. Koptíková, & panel expertů ČOS.

Motivace Epidemiologie nádorových onemocnění je standardně popisována pomocí klasických charakteristik incidence a prevalence. Pro plánování onkologické zátěže zdravotnických zařízení je však jejich použití omezené. Chceme dospět k odhadu počtu potenciálně léčených pacientů.

Cíle Cíl České onkologické společnosti a VZP: Prediktivní odhady nákladů onkologické péče v ČR zahrnutí do zdravotně pojistného plánu Cíl IBA: Vytvoření odpovídajícího modelu pro odhad počtu potenciálně léčených onkologických pacientů v ČR na základě dostupných dat = populačních dat).

Definice pojmů Incidence je počet nových případů zhoubných novotvarů v populaci v určitém časovém intervalu např. rok), tento počet může být vztažen na 0 000 obyvatel dané populace. Prevalence sumarizuje počet všech žijících pacientů, kteří kdykoliv v minulosti prodělali dané onemocnění. Návratem onemocnění budeme rozumět opětovný výskyt onemocnění po určité době cca rok) od primární terapie. Biologická terapie je léčba, která je schopná cíleně atakovat nádorové buňky a s pomocí imunitního systému zastavit jejich růst nebo je případně ničit.

Model přehled Data Národního onkologického registru Incidence Prevalence Počet pacientů s návratem onemocnění Počet potenciálně léčených pacientů

Model detail Historie data NOR 00 00 00 00 0 Predikovaný rok 0 Čas Známá incidence I II V I II V I II V I II V I II V

Model detail Historie data NOR 00 00 00 00 0 Predikovaný rok 0 Čas Známá incidence I II V I II V I II V I II V I II V I II V. Incidence

Model detail Historie data NOR 00 00 00 00 0 Predikovaný rok 0 Čas Známá incidence I II V I II V I II V I II V I II V I II V Pravděpodobnost přežití z minulých let. Počet pacientů diagnostikovaných v minulosti a žijících v roce 0. Incidence

Model detail Historie data NOR 00 00 00 00 0 Predikovaný rok 0 Čas Známá incidence I II V I II V I II V I II V I II V I II V Pravděpodobnost přežití z minulých let. Počet pacientů diagnostikovaných v minulosti a žijících v roce 0. Prevalence. Incidence

Model detail Historie data NOR 00 00 00 00 0 Predikovaný rok 0 Čas Známá incidence I II V I II V I II V I II V I II V I II V Pravděpodobnost přežití z minulých let. Počet pacientů diagnostikovaných v minulosti a žijících v roce 0. Prevalence. Incidence Pravděpodobnost návratu onemocnění Podíl skutečně léčených pacientů Podíl skutečně léčených pacientů. Počet potenciálně léčených pacientů v roce 0

Další klíčové prvky modelu Stratifikace dle stadia onemocnění míra závažnosti onemocnění. Zohlednění věku při diagnóze zásadní faktor ovlivňující výhled pacienta. Zohlednění demografického vývoje ČR počet nádorů je ovlivňován i stárnutím populace.

Značení incidence pacientů diagnostikovaných ve věku a, ve stadiu s v roce y i. pravděpodobnost přežití i let od diagnózy u pacientů diagnostikovaných ve věku a, ve stadiu s. prevalence pacientů diagnostikovaných ve věku a, ve stadiu s v roce y. pravděpodobnost návratu onemocnění po i letech od diagnózy u pacientů diagnostikovaných ve věku a, ve stadiu s. pravděpodobnost nasazení protinádorové léčby u pacienta věku a, ve stadiu s v roce y.

Odhad incidence nově diagnostikovaných pacientů

Model detail Historie data NOR 00 00 00 00 0 Predikovaný rok 0 Čas Známá incidence I II V I II V I II V I II V I II V I II V Pravděpodobnost přežití z minulých let. Počet pacientů diagnostikovaných v minulosti a žijících v roce 0. Prevalence. Incidence Pravděpodobnost návratu onemocnění Podíl skutečně léčených pacientů Podíl skutečně léčených pacientů. Počet potenciálně léčených pacientů v roce 0

Úkoly. Z časové řady nově diagnostikovaných ZN v jednotlivých letech predikovat stav v roce 0.. Vzhledem ke zpoždění v hlášení dat Národního onkologického registru je nutné predikovat i incidenci v předchozích letech.. Doplnit odhady mírou jejich variability: % intervalem spolehlivosti.

Řešení Použití zobecněného lineárního modelu Vysvětlující proměnné čas a věk při diagnóze Dvě linkovací funkce Logaritmus pro klesající trend: Identita pro rostoucí trend: Problém overdisperze Variabilita daná Poissonovým rozdělením je podhodnocena Nutná korekce odhadu variability disperzním parametrem.

Odhad počtu žijících pacientů diagnostikovaných v minulosti

Model detail Historie data NOR 00 00 00 00 0 Predikovaný rok 0 Čas Známá incidence I II V I II V I II V I II V I II V I II V Pravděpodobnost přežití z minulých let. Počet pacientů diagnostikovaných v minulosti a žijících v roce 0. Prevalence. Incidence Pravděpodobnost návratu onemocnění Podíl skutečně léčených pacientů Podíl skutečně léčených pacientů. Počet potenciálně léčených pacientů v roce 0

Úkoly. Na základě odhadu x letého přežití onkologických pacientů a zaznamenané případně odhadnuté) incidence odhadnout počet pacientů s historií nádorového onemocnění žijících v daném roce.. Doplnit odhady mírou jejich variability: % intervalem spolehlivosti.

Řešení Odhad pomocí konvoluce funkce incidence a funkce přežití Použití zaznamenaných i odhadnutých hodnot incidence Použití adekvátních odhadů funkce přežití

Adekvátní odhady funkce přežití? Modely přežití se zohledněním časových období vedou k odhadu funkce přežití se skoky. Modifikace výpočtu přežití metoda moving window.

Princip našeho moving window 0 0 000 00 00 00 00 0 0 000 00 00 00 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Odhad pravděpodobnosti x-letého přežití metodou Life-table Čas Rok diagnózy S i) i=,, S i) i=,, S i) i=,, S i) i=,, S i) i=,, S 000 i) i=,, ) ) ) ) ) ), ), ), ), ) ) ), ), ), ), ) ) ) ) ) ) ) ) ) i S i S i S i S i S median SE i S SE w Y t i w Y t i S i S i S i S i S median i S t t t t t M M t t t t t = = = S) S) S) S) S) S) S) S) S0) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S0) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) S) kde t je počáteční rok diagnózy definující kohortu pacientů. Y M je rok ukončení sledování v populačním registru. w je počet kalendářních let definujících kohortu, tzn. šířka moving window let). i je index určující pravděpodobnost přežití i let od diagnózy.

Odhad pravděpodobnosti návratu onemocnění

Model detail Historie data NOR 00 00 00 00 0 Predikovaný rok 0 Čas Známá incidence I II V I II V I II V I II V I II V I II V Pravděpodobnost přežití z minulých let. Počet pacientů diagnostikovaných v minulosti a žijících v roce 0. Prevalence. Incidence Pravděpodobnost návratu onemocnění Podíl skutečně léčených pacientů Podíl skutečně léčených pacientů. Počet potenciálně léčených pacientů v roce 0

Úkoly. Odhadnout pravděpodobnost, že pacienta žijícího x let od diagnózy postihne návrat onemocnění NO) ne všichni žijící pacienti musí být daný rok nutně léčeni. O NO lze mluvit až po roce od diagnózy.. Uvážit různé formy NO zde terminální a ne terminální terminal & non terminal cancer recurrence).

Řešení Nelze použití údaje o vývoji stadia onemocnění v čase, protože neexistují. Nutné použití zástupných informací. Ne terminální NO použití informací o stavu žije/nežije) a léčbě léčen/neléčen) pacienta v čase dostupné z tzv. kontrolních hlášení). Stav žije se záznamem o protinádorové léčbě indikují NTNO. Terminální NO použití informací o úmrtí na diagnózu. Záznam o úmrtí na danou onkologickou diagnózu indikuje fakt, že pacient prošel terminálním stadiem onemocnění TNO).

Odhad pravděpodobnosti podání protinádorové léčby

Model detail Historie data NOR 00 00 00 00 0 Predikovaný rok 0 Čas Známá incidence I II V I II V I II V I II V I II V I II V Pravděpodobnost přežití z minulých let. Počet pacientů diagnostikovaných v minulosti a žijících v roce 0. Prevalence. Incidence Pravděpodobnost návratu onemocnění Podíl skutečně léčených pacientů Podíl skutečně léčených pacientů. Počet potenciálně léčených pacientů v roce 0

Úkol. Odhadnout pravděpodobnost, že nově diagnostikovaný pacient nebo pacient s návratem onemocnění bude v daném roce skutečně léčen.. Tedy odhadnout, jak se v ČR vyvíjí podíl skutečně léčených pacientů dle stadia onemocnění a věku.

Řešení Použití zobecněného lineárního modelu Vysvětlující proměnné čas a věk při diagnóze Linkovací funkce Logit link tedy logistická regrese

Aplikace modelu: predikce počtu pacientů s CRC pro rok 0

Data Národní onkologický registr pacienti s kolorektálním karcinomem ICD codes C C0) primárně diagnostikovaných pacientů od roku Bez DCO a pacientů diagnostikovaných při pitvě Stadia: III, III, IV Věkové kategorie: let, 0 let, let a 0 let Časová období:, 0 a 00

Predikce incidence CRC pro rok 0 0 0 0 Data NOR: Predikce: Stadium III Stadium III Stadium IV Horní % IS Bodový odhad Dolní % IS Počet nově diagnostikovaných pacientů na 0 000 obyvatel 0 000 00 00 00 00 00 00 00 00 00 0 0 Roky

Odhady přežití pacientů s CRC v ČR Stadium I II Stadium III Stadium IV Přežití let 0 let let 0 let let 0 let let 0 let let 0 let let 0 let leté % % % % % 0% % % 0% % % % leté % % 0% % % % % % % % % % leté 0% % % % % % % % % % % % leté % % % % % 0% % % % % % % leté % % % % % % % 0% % % % 0% 0leté 0% % % 0% % % % 0% % 0% 0% 0% 0leté 0% % 0% 0% % % 0% 0% % 0% 0% 0%

Pravděpodobnost návratu onemocnění pro stadia III Ne terminální NO Terminální NO 0% 0% Pravděpodobnost NTNO 0% 0% 0% 0% % Pravděpodobnost TNO 0% 0% 0% 0% % 0% 0% Ukončené roky od diagnózy Ukončené roky od diagnózy Legenda: let 0 let let 0 let

Pravděpodobnost návratu onemocnění pro stadium III Ne terminální NO Terminální NO 0% 0% Pravděpodobnost NTNO 0% 0% 0% 0% % Pravděpodobnost TNO 0% 0% 0% 0% % 0% 0% Ukončené roky od diagnózy Ukončené roky od diagnózy Legenda: let 0 let let 0 let

Pravděpodobnost návratu onemocnění pro stadium IV Ne terminální NO Terminální NO 0% 0% Pravděpodobnost NTNO 0% 0% 0% 0% % Pravděpodobnost TNO 0% 0% 0% 0% % 0% 0% Ukončené roky od diagnózy Ukončené roky od diagnózy Legenda: let 0 let let 0 let

Odhad počtu potenciálně léčených pacientů pro rok 0 Stadium při diagnóze Počet potenciálně léčených pacientů vzhledem ke stadiu při diagnóze Nově diagnostikovaní pacienti Ne terminální NO Terminální NO Celkem Stadium III ) ) ) 0 ) Stadium III 0 ) 0 ) 0) 0 ) Stadium IV ) 0 ) ) 0) Všechna stadia 0 ) ) ) ) Předpokládané stadium v roce 0 Počet potenciálně léčených pacientů vzhledem kpředpokládanému rozsahu onemocnění v roce 0 Nově diagnostikovaní pacienti Ne terminální NO Terminální NO Celkem Stadium III ) ) ) Stadium III 0 ) 0 ) ) Stadium IV ) 0 ) ) ) Všechna stadia 0 ) ) ) )

Děkuji za pozornost