Мера воздействия на население

Меры воздействия на население ( PIM ) — это биостатистические меры риска и пользы, используемые в эпидемиологических и медицинских исследованиях. Они используются для описания воздействия рисков и выгод для здоровья населения, для информирования политики здравоохранения. ^{[1] [2] [3]}

Часто используемые меры риска и пользы, определенные Йеркелем, Кацем и Элмором ^[4], описывают меры разницы риска (приписываемый риск), разницу скоростей (часто выражаемую как отношение шансов или относительный риск ), популяционный приписываемый риск (PAR) и относительное снижение риска , которое можно пересчитать в меру абсолютной пользы , называемую числом, необходимым для лечения . Меры воздействия на население являются расширением этой статистики, поскольку они являются мерами абсолютного риска на уровне населения, которые представляют собой расчеты числа людей в популяции, которые подвергаются риску быть причиненными вреду или которые получат пользу от вмешательств общественного здравоохранения .

Они являются мерами абсолютного риска и выгоды, дающими число людей, которые получат пользу от вмешательства или будут подвержены риску из-за фактора риска в пределах определенной местной или национальной популяции. ^{[5] [6] [7] [8] [9] [10]} Они обеспечивают местный контекст для предыдущих измерений, позволяя политикам выявлять и расставлять приоритеты потенциальных выгод от вмешательств для их собственного населения. ^{[11] [12]} Их легко вычислять, и они содержат элементы, на которые политикам следует обратить внимание при заказе или улучшении услуг. Они могут иметь особое значение для разработки местной политики. Они зависят от возможности получать и использовать местные данные, и, будучи явными в отношении требуемых данных, могут иметь дополнительное преимущество, поощряя сбор таких данных.

Меры

Для описания влияния профилактических и лечебных вмешательств число предотвращенных событий в популяции (NEPP) определяется как «число событий, предотвращенных вмешательством в популяции за определенный период времени» . NEPP расширяет общеизвестное число мер, необходимых для лечения (NNT), за пределы отдельного пациента на популяцию. Для описания влияния фактора риска на возникновение плохого здоровья и заболеваний число воздействия на популяцию при устранении фактора риска (PIN − ER −  t ) определяется как «потенциальное число событий болезни, предотвращенных в популяции за следующие t лет путем устранения фактора риска» . PIN − ER −  t расширяет общеизвестный атрибутивный риск популяции (PAR) на конкретную популяцию и связывает его с заболеваемостью, преобразуя PAR из меры относительного риска в абсолютный. ^{[ необходима цитата ]}

Компоненты для расчетов следующие: знаменатель населения (размер населения); доля населения с заболеванием; доля населения, подвергшегося воздействию фактора риска, или прирост доли заболевшего населения, имеющего право на предлагаемое вмешательство (последнее требует фактической или расчетной доли, которая в настоящее время получает вмешательства, «вычтенной» из цели наилучшей практики из руководств или целевых показателей, скорректированной с учетом вероятного соответствия вмешательству); базовый риск — вероятность интересующего результата в этой или схожей группе населения; и относительный риск результата с учетом воздействия фактора риска или относительного снижения риска, связанного с вмешательством. ^{[ необходима ссылка ]}

НЭПП

Формула расчета NEPP:

${\displaystyle {\text{NEPP}}=N\times P_{d}\times P_{e}\times r_{u}\times {\text{RRR}}}$

где

• N = численность населения,
• P _d = распространенность заболевания,
• P _e = доля лиц, имеющих право на лечение,
• r _u = риск интересующего события в группе, не получавшей лечения, или базовый риск в течение соответствующего периода времени (его можно умножить на ожидаемую продолжительность жизни, чтобы получить количество лет жизни),
• RRR = относительное снижение риска, связанное с лечением.

Для того чтобы отразить приростной эффект перехода от текущей к «лучшей» практике и скорректировать уровни соблюдения, доля, имеющая право на лечение, P _e , равна , где P _t — доля в настоящее время проходящих лечение, P _b — доля, которая проходила бы лечение, если бы была принята «лучшей» практики, а P _c — доля населения, соблюдающего требования вмешательства. ${\textstyle (P_{b}-P_{t})P_{c}}$

[Примечание: число, необходимое для лечения (NNT): 1/(исходный риск x относительное снижение риска)]

ПИН − ER −т

Формула для расчета PIN − ER −  t следующая:

${\displaystyle {\text{PIN}}-{\text{ER}}-t=NI_{p}\cdot {\text{PAR}}}$

где

• N — численность населения;
• I _p — базовый риск интересующего результата для населения в целом;
• t — это количество времени, в течение которого измеряется результат.

PAR или PAF, атрибутивный риск населения (или фракция), рассчитывается для двух или нескольких слоев. Основная формула для вычисления PAR для дихотомических переменных:

${\displaystyle {\text{PAR}}=P_{e}{\frac {{\text{RR}}-1}{1+P_{e}({\text{RR}}-1)}}}$

где

• P _e — распространенность населения в каждой страте доходов в качестве воздействия, и
• RR — это распространенность факторов риска в каждой страте относительно квинты с самым высоким доходом.

Это модифицируется в случае наличия нескольких слоев:

${\displaystyle {\text{PAR}}={\frac {P_{e1}({\text{RR}}_{1}-1)+P_{e2}({\text{RR}}_{2}-1)+P_{e3}({\text{RR}}_{3}-1)+\cdots }{1+P_{e1}({\text{RR}}_{1}-1)+P_{e2}({\text{RR}}_{2}-1)+P_{e3}({\text{RR}}_{3}-1)+\cdots }}}$

Ссылки

1. Хеллер, Р. Ф.; Добсон, А. Дж. (2000). «Число воздействия заболеваний и число воздействия населения: популяционные перспективы для измерения риска и пользы». BMJ . 321 (7266): 950–3. doi :10.1136/bmj.321.7266.950. PMC  1118742 . PMID  11030691.
2. Хеллер, Р. Ф.; Эдвардс, Р.; МакЭлдафф, П. (2003). «Внедрение руководств в первичной медико-санитарной помощи: могут ли помочь меры воздействия на население?». BMC Public Health . 3 : 7. doi : 10.1186/1471-2458-3-7 . PMC 149228. PMID  12542840. 
3. Хеллер, Р. Ф.; Бьюкен, И.; Эдвардс, Р.; Лиратзопулос, Г.; МакЭлдафф, П.; Сент-Леже, С. (2003). «Сообщение о рисках на уровне населения: применение показателей воздействия на население». BMJ . 327 (7424): 1162–5. doi :10.1136/bmj.327.7424.1162. PMC 261823 . PMID  14615346. 
4. Йекель Дж. Ф., Кац Д. Л., Элмор Дж. Г. Эпидемиология, биостатистика и профилактическая медицина: Глава 6 Оценка риска и пользы в эпидемиологических исследованиях Elsevier Health Sciences, 2001 ^{[ нужна страница ]}
5. Торун, П.; Хеллер, Р. Ф.; Верма, А. (2008). «Потенциальное влияние изменений в лечении героина и распространенности курения на население: использование показателей воздействия на население». Европейский журнал общественного здравоохранения . 19 (1): 28–31. doi : 10.1093/eurpub/ckn103 . PMID  19001458.
6. Хеллер, Ричард Ф.; Джеммелл, Айлэй; Эдвардс, Ричард; Бьюкен, Иэн; Авасти, Шалли; Волминк, Джеймс А. (2006). «Приоритет между прямым наблюдением за терапией и мероприятиями по выявлению случаев туберкулеза: использование показателей воздействия на население». BMC Medicine . 4 : 35. doi : 10.1186/1741-7015-4-35 . PMC 1764027. PMID  17181867 . 
7. Хеллер, Р. Ф.; Джеммелл, И.; Паттерсон, Л. (2006). «Помощь в определении приоритетов вмешательств при депрессии и шизофрении: использование показателей воздействия на население». Клиническая практика и эпидемиология в области психического здоровья . 2 : 3. doi : 10.1186/1745-0179-2-3 . PMC 1475571. PMID  16553956 . 
8. Gemmell, I; Heller, RF; McElduff, P; Payne, K; Butler, G; Edwards, R; Roland, M; Durrington, P (2005). «Влияние на население более строгого соблюдения рекомендаций по фармакологическим и жизненным вмешательствам в течение одного года у пациентов с ишемической болезнью сердца». Журнал эпидемиологии и общественного здравоохранения . 59 (12): 1041–6. doi :10.1136/jech.2005.035717. PMC 1732977. PMID  16286491 . 
9. Gemmell, I; Heller, RF; Payne, K; Edwards, R; Roland, M; Durrington, P (2006). «Потенциальное влияние на население стратегии правительства Великобритании по снижению бремени ишемической болезни сердца в Англии: сравнение стратегий первичной и вторичной профилактики». Качество и безопасность в здравоохранении . 15 (5): 339–43. doi :10.1136/qshc.2005.017061. PMC 2565818. PMID  17074870 . 
10. Сайед AM, Талбот-Смит A, Джеммелл I. Использование эпидемиологических мер для оценки влияния первичных профилактических вмешательств на исходы ИБС, инсульта и рака: опыт Херефордшира, Великобритания. J Epidemiol Glob Health. 2012 сентябрь; 2(3):111-24.
11. Chamnan, P; Simmons, RK; Khaw, KT; Wareham, NJ; Griffin, SJ (2010). «Оценка влияния на население стратегий скрининга для выявления и лечения людей с высоким риском сердечно-сосудистых заболеваний: модельное исследование». BMJ . 340 : c1693. doi :10.1136/bmj.c1693. PMC 2859321 . PMID  20418545. 
12. Хеллер, Р. Ф.; Джеммелл, И.; Уилсон, Э. К.; Фордхэм, Р.; Смит, Р. Д. (2006). «Использование экономического анализа для установления местных приоритетов: подход с учетом затрат и воздействия на население». Прикладная экономика здравоохранения и политика в области здравоохранения . 5 (1): 45–54. doi :10.2165/00148365-200605010-00006. PMID  16774292.