Page 1
descriptive epi 1
Deskriptive Epidemiologie
Thomas D. Szucs MD MBA
descriptive epi 2
Übersicht
1. Einführung2. Demographie3. Natürlicher Krankheitsverlauf4. Masszahlen der Morbidität und Mortalität5. Risiko
Page 2
descriptive epi 3
1. Einführung
descriptive epi 4
Was ist Epidemiologie?
Die Untersuchung der Verteilung und der Determinanten von gesundheitsbezogenen
Zuständen oder Ereignissen in umschriebenen Bevölkerungsgruppen und die Anwendung der
Ergebnisse zur Steuerung von Gesundheitsproblemen.
Page 3
descriptive epi 5
Was ist Epidemiologie?
Wer? Wann?
descriptive epi 6
Ziele der Epidemiologie
1. Erkennen der Ätiologie oder der Ursache einer Erkrankung sowie möglicher Risikofaktoren.
2. Das Ausmass von Krankheit in der Bevölkerung bestimmen.
3. Den natürlichen Verlauf und die Prognose von Krankheiten untersuchen.
4. Neue präventive und therapeutische Massnahmen sowie Änderungen in der medizinischen Versorgung bewerten (Evaluation).
5. Epidemiologie soll die Grundlagen schaffen für die Entwicklung der Gesundheitspolitik und von behördlichen Entscheidungen in Umweltfragen
Page 4
descriptive epi 7
descriptive epi 8
DER EPIDEMIOLOGISCHE ANSATZ Wie geht Epidemiologe vor, um Ursachen einer Erkrankung zu erkennen? Epidemiologisches Denken verläuft in mehreren Schritten. Zunächst ist die Frage zu klären, ob ein Zusammenhang besteht zwischen einem Faktor oder einem Merkmal und einer bestimmten Erkrankung. Hierzu untersuchen wir die Merkmale von Individuen und von Gruppen. Stellt sich nun heraus, dass ein Zusammenhang einer Exposition und einer speziellen Krankheit besteht, handelt es sich dann notwendigerweise um eine ursächliche Beziehung? Nein, nicht alle Beziehungen sind kausal. Der zweite Schritt besteht also darin zu versuchen, aus dem Muster der entdeckten Zusammenhänge angemessene Schlussfolgerungen auf einen möglichen Kausalzusammenhang abzuleiten.
Page 5
descriptive epi 9
Epidemiology: Models
Host, Agent, and Environment modelPerson, Place and Time modelExposure-Outcome modelCause-Effect modelObservational - ExperimentalMathematical and Statistical model
descriptive epi 10
Host, Agent, Environment
Population
Environment
Host Agent
Population
Environment
Host Agent
Page 6
descriptive epi 11
Host, Agent, EnvironmentHost Agent Environment
AgeSexRace/EthnicityReligionSESMarital statusLifestyleExerciseBehaviorCo-morbidityGenetic makeup
BiologicMicroorganisms
ChemicalToxins, tobacco,alcohol, drugs
PhysicalTrauma, radiation,fire
NutritionLack of, excess
Disease vectorsPopulation densitySubstances insurroundings andworkplaceAir qualityWeatherNoiseFood and water sourcesSpecial environments:Hospitals, day-care,institutions, bath houses,crack houses, refugeecamps
descriptive epi 12
Person, Time, and Place
Individual risks and disease occurrence is examined in terms of geographic location and calendar time.
Time and Place are used to link individuals – Chain of transmission, e.g., infectious diseases– Clustered event, e.g., infectious disease, environmental
exposures
Page 7
descriptive epi 13
Exposure - Outcome Model
Exposure and outcome are defined Conceptual model is proposed that connects the exposure to outcomeExposure can have two components:
– Likelihood of exposure – Likelihood of outcome after exposure
More complicated model accounts for confounding and interaction
descriptive epi 14
Exposure - Outcome Model
Exposure Outcome
Exposure Outcome
Confounder(s)
Simple Model
Complicated Model
Page 8
descriptive epi 15
Cause - Effect Model
One goal of Epidemiology is to establish cause and effect between an exposure and an outcomeCause-effect models are multi-disciplinary and draw upon expertise in other fields to establish:
– Biologic plausibility (biology, medicine)– Dose-response relationship (pharmacology, biology)– Specificity of exposure (clinical medicine)– Strength of association, replication and consistency of findings
(biostatistics)
descriptive epi 16
Observational-Experimental Model
This model make a distinction between two broad approaches in EpidemiologyObservational study
– The investigator does not determine the nature or extent of exposure
– e.g., cohort study after exposure to environmental toxinExperimental study– The investigator determines the nature and extent of exposure– e.g., randomized clinical trial of new therapeutic agent
Page 9
descriptive epi 17
Studientypen
descriptive epi 18
Mathematical and Statistical Models
Mathematical Models– Simplified, mathematical representations of biologic
processes– Analysis focuses on the characteristics of this
representationStatistical Models
– Mathematical approach to find and understand patterns in data
– Fundamental tool in the analysis of epidemiologic data
Page 10
descriptive epi 19
Objectives of Epidemiology
To determine the etiology or cause of a disease, including risk factorsTo determine the extent of disease in the communityTo study the natural history and prognosis of diseaseTo evaluate both existing and new preventive and therapeutic measures and modes of health care deliveryTo provide the foundation for developing public policy and regulatory decisions relating to environmental problems
descriptive epi 20
Basic Questions in Epidemiology
1. How much disease is out there?2. Who is getting the disease?3. Where is the disease occurring?4. When is the disease occurring?5. Why is the disease occurring?6. What is the course of the disease?7. How can we prevent/treat the disease?
Page 11
descriptive epi 21
Changes in Community Health Problems
Why do changes occur?Role of epidemiology
– Track changes– Identify shifts in disease type, severity, outcome– Identify shifts in leading causes of death/ morbidity
Changes in health patterns require– Changes in focus and type of research – Changes in intervention and prevention programs, changes in public
policy
descriptive epi 22
Epidemiologic Approach
Define the populationEnumerate the disease, or condition, in the populationDetermine association between a factor or characteristic of a person and the development of the disease of interest
– Study characteristics of groups and individuals in those groupsDetermine whether an association is causal.Evaluate the effect of interventions on the development of disease
Page 12
descriptive epi 23
2. Demographie
descriptive epi 24
Lebenserwartung in der Schweiz
Page 13
descriptive epi 25
Anteil der über 60ig Jährigen
descriptive epi 26
Record FemaleLife Expectancy: No Empirical Evidence of a Ceiling
Page 14
descriptive epi 27
Steady Decline of Premature Mortality
descriptive epi 28
Altersstruktur der Bevölkerung
0
10
20
30
40
5060
70
80
90
80.000 60.000 40.000 20.000 0 20.000 40.000 60.000 80.000
2000
2060
Szenario 1
Page 15
descriptive epi 29
Predicted changes in the age distribution of the world between 2000 and 2050
Buckley BM; Eur H J 2001; 3 (Suppl N): N6-N10 (Data from the United
World
More developed regions
Less developed regions
Less developed countries
descriptive epi 30
Entwicklung der Lebenserwartung
Page 16
descriptive epi 31
Protohominids - Maximum lifespan
descriptive epi 32
Homo erectus - Maximum lifespan
Page 17
descriptive epi 33
Jeanne Louise Calment: Oldest person in the world
descriptive epi 34
Page 18
descriptive epi 35
descriptive epi 36
Large changes in the amount of time that individuals can expect to spend in employment
If existing trends were to continue, by 2020 men would spend significantly more of their lives outside work, and the levels of employment rates for men and women would become similarSources: OECD
Page 19
descriptive epi 37
3. Der natürliche Krankheitsverlauf
descriptive epi 38
Der natürliche Krankheitsverlauf und einige Datenquellen
Krankheits-beginn
Symptome Arztbesuch Diagnose Behandlung
Ergebnis:Heilung
KontrolleBehinderung
Tod
InterviewsKrankenakte
KrankenhausaufzeichnungenEinige Datenquellen:
Gesund
Page 20
descriptive epi 39
5 primary dimensions of patientoutcomes
descriptive epi 40
Szenarien der Morbiditätsentwicklung
Modell der Vergangenheit
Modell der GegenwartGesund Krank
Gesund Krank
Compressed morbidity ModellGesund Gewonnene Jahre Krank
Modell der Bi-ModalitätGesund Gewonnene Jahre Krankheit
Gewonnene Jahre GesundheitModell der Zukunft
Gesund Gewonnene Jahre in Gesundheit ?
Page 21
descriptive epi 41
Transitions between Disease Stages
Diabetic Nephropathy
ESRD
Normal
micro-albuminuria
clinicalnephropathyDCCT
data
Epidemiologicdata
descriptive epi 42
4. Masszahlen zur Mortalität und Morbidität
Page 22
descriptive epi 43
Inzidenz
= Anzahl neuer Krankheitsfälle, die in einem bestimmten Zeitraum auftreten, bezogen auf die Bevölkerung mit gleichem Erkrankungsrisiko.
Anzahl neu aufgetretenerKrankheitsfälle in einer
Bevölkerungsgruppe innerhalbeines Zeitraumes
Anzahl Personen mit dem Risiko, innerhalbdieses Zeitraumes zu erkranken
InzidenzPro 1000
= x 1000
descriptive epi 44
Prävalenz
= Anzahl der erkrankten Personen innerhalb einer Bevölkerung zu einer bestimmten Zeit, geteilt durch die Anzahl der Gesamtbevölkerung.
Zahl der Krankheitsfällein einer Bevölkerung zu einem definierten
Zeitpunkt
Gesamtzahl der Bevölkerung zudiesem Zeitpunkt
PrävalenzPro 1000
= x 1000
Page 23
descriptive epi 45
Zusammenhang zwischen Prävalenz, Inzidenz und Krankheitsdauer
Prävalenz =Inzidenz x durchschnittliche
Krankheitsdauer
descriptive epi 46
Prävalenzen variieren von Land zu Land
Diagnostische KriterienKulturelle EinstellungenStudienmethodologieWissen beim GrundversorgerErwartungen an den Alterungsprozess
Quellen: Jorm et al, 1987. Ryan, 1994
Page 24
descriptive epi 47
Relationship among incidence, prevalence and duration of asthma in the United States
AGE Annual Prevalence DurationIncidence
0 - 5 6/1000 28/1000 4.8
6 - 16 3/1000 32/1000 10.7
17 - 44 2/1000 26/1000 13.0
45 - 64 1/1000 33/1000 33.0
65 + 0 36/1000 33.0
descriptive epi 48
Beispiele für die Punkt- und Periodenprävalenz sowie der kumulativen Inzidenz bei Asthma
Kumulative- oder Lebenszeitinzidenz
Haben Sie jemals unter Asthma gelitten?
PeriodenprävalenzLitten Sie unter Asthma während der letzten 10 Jahre?
PunktprävalenzLeiden Sie zur zurzeit unter Asthma?
Art des MassesInterview Fragen
Page 25
descriptive epi 4960–69 70–79 80–89
Altersgruppe
0.3
2.5
10
0.4
3.6
11.2
0
2
4
6
8
10
12Pr
äval
enz
(%)
MännerFrauen
Quelle: Roc et al, 1991.
Prävalenz des M. Alzheimer: EURODEM Gruppe
descriptive epi 50Quelle: Hux et al, 1998
Schweregrad des Morbus Alzheimer und Behandlungskosten
1 Punkt Abnahme des MMSE Wertes erhöht die Kosten um 1343 Can$/Person/Jahr
9'451
16'054
36'794
05'000
10'00015'00020'00025'00030'00035'00040'000
Milde AE Mittelschwere AE Schwere AE
Jähr
liche
Kos
ten
($C
Page 26
descriptive epi 51
Ansätze zur Messung der Inzidenz
1. Einzelne Bevölkerungsbefragung
KrankheitsbeginnInnerhalb des
interessierendenZeitraumes
Erhebung
Zeit
descriptive epi 52
Ansätze zur Messung der Inzidenz
2. Wiederholte Bevölkerungsbefragung
ExistierendeFälle
Erste Erhebung
ExistierendeFälle
Neue Fälle
Zeit
Zweite Erhebung
Page 27
descriptive epi 53
Ansätze zur Messung der Inzidenz
3. Retrospektive Analyse diagnostizierterFälle
Analyse diagnostizierteFälle im interessierenden
Zeitraum
Studienzeitpunkt
Zeit
descriptive epi 54
Ansätze zur Messung der Inzidenz
4. Prospektive Registrierung diagnostizierterFälle
KontinuierlicheRegistrierung
diagnostizierterFälle
Studienbeginn
Zeit
Page 28
descriptive epi 55
Masszahlen
descriptive epi 56
Prevalence survey
Populationat risk
Defined population Representativesample
Diesease/outcomepresent
NOYes
Page 29
descriptive epi 57
Uses of incidence and prevalence
Three purposes:
1. Predicting future cause of disease2. Assigning a probability to a patient3. Making comparisons
descriptive epi 58
Economic effect of a 5 year delay in the onset of Alzheimer’s disease
US National Institutes of Health Research for a new age[http://www.gov/nia/health/pubs/Research/page 4.htm#start]
Page 30
descriptive epi 59
$ m
illia
rtden
1965 1970 1975 1980 1985 1990 1995
10
20
30
40
50
Entwicklung der direkten Kosten von Diabetes in den USA
descriptive epi 60
Difference in cases for incidence and prevalence studies
Earlydeaths
Cures Leavepopulation
Time
Enter population
Incident cases
All new cases
arising in a defined
population
Prevalent cases
Present at a point
in time
Page 31
descriptive epi 61
Characteristics of incidence and prevalence
Characteristic Inicidence Prevalence
Numerator New cases occurring All cases counted on a single during a period of time survey or examination of a
groupamong a group initiallyfree of disease
Denominator All susceptible people All people examined inclu-press at the # be- ding cases an non casesginning of the period
Time Duration of period Single point
How measured Cohort study Prevalence (cross-sectional) study
descriptive epi 62
Krankenhausmortalität - Akuter Myokardinfarkt in der Thrombolyseära anhand kontrollierter klinischer Studien
Page 32
descriptive epi 63
AltersstandardisierungZiel: Vergleichbarkeit von Gruppen
Direkte Standardisierung– Gewichtung der altersspezifischen Raten mit derAltersstruktur einer Standardpopulation– Annahme: Altersstruktur in der Studienpopulation istgenauso wie die in der StandardpopulationIndirekte Standardisierung– Altersspezifische Raten einer Standardpopulation angewendetauf die Altersstruktur der Studienpopulation– Annahme: Rate in der Standardpopulation ist genausowie die in der Studienpopulation
descriptive epi 64
Vor- und Nachteil roher Raten
Vorteile– Beschreiben der absoluten Grössenordnung– Leicht zu berechnen
Nachteile– In Vergleichen (zwischen Ländern, Regionen) aufrund
unterschiedlicher Alters- und Geschlechtsverteilung schwer zu interpretieren
Page 33
descriptive epi 65
Warum Standardisierung von Raten?
Um mögliche Verzerrungen in Vergleichen zwischen zwei oder mehr Untersuchungseinheiten aufgrund unterschiedlicher Variablen, die mit dem Outcome verbunden sind (etwa Alter, Geschlecht, Raucherstatus, etc.) auszugleichen.Oft wird Begriff Adjustierung gebraucht
descriptive epi 66
Direkte Standardisierung
Anwendung der in der untersuchten Population beobachteten alterspezifischen Raten auf eine StandardbevölkerungErgebnis: Erwartete Rate (bzw. Anzahl der Fälle) in dieser StandardpopulationVergleich dieser erwarteten Rate mit der beobachteten (SIR bzw. SMR)Ergebnis wird durch die Wahl der Standardbevölkerung beeinflusst
Page 34
descriptive epi 67
Beispiel der direkten Altersstandardisierung (1): Vergleich der Gesamtmortalität in einer Population in 2 Perioden
126113090000096862900000
Sterberate pro 100000
# TodesfällePopulationSterberate pro 100000
# TodesfällePopulation
Späte PeriodeFrühe Periode
descriptive epi 68
Beispiel der direkten Altersstandardisierung (2): Vergleich der altersspezifischen Mortalitätsraten in 2 Perioden
3507002000004064061000070+
10040040000013239630000050-69
1030300000126050000030-49
126113090000096862900000Alle
Sterberate pro 100000
# Todesfälle
PopulationSterberate pro 100000
# Todesfälle
Population
Späte PeriodeFrühe Periode
Page 35
descriptive epi 69
Beispiel der direkten Altersstandardisierung (3): Durchführen einer Altersstandardisierung unter Vewendung der beiden Gesamtpopulationen
18302238Total # der erwarteten Todesfälle
1050350121840630000070+
1830/1800000= 101.7
2238/1800000= 124.1
Altersstan-dardisierteRaten
70010092413270000050-69
8010961280000030-49
1800000Alle
Erwartete # Todesfälle mit „später“ Rate
„Späte“ rate pro 100000
Erwartete # Todesfälle mit „früher“ Rate
„Frühe“ rate pro 100000
Standard Population
Altersgruppe
descriptive epi 70
Grundidee der indirekten Standardisierung
Wie wäre die Erkrankungsinzidenz in der untersuchten Population, wenn in dieser die
stratumspezifischen Inzidenzraten der Vergleichsbevölkerung herrschen würden?
Page 36
descriptive epi 71
Indirekte Standardisierung
Anwendung der alterspezifischen Raten einer Standardbevölkerung auf die zu untersuchende Population, um daraus die „erwartete“ Inzidenzrate(bzw. die Anzahl „erwarteterFälle“ dieser Population zu bestimmenDiese „erwartete“ Inzidenz wird mit der beobachteten verglichen (Standardized IncidenceRatio – SIR – oder bei Mortalität StandardizedMortality Ratio – SMR)
descriptive epi 72
Beispiel indirekte Standardisierung: Leukämien nähe Kernkraftwerke
Ist die Inzidenz in dieser Population im Vergleich zur BRDBevölkerung erhöht?
Page 37
descriptive epi 73
Standardised incidence ratio
Beispiel:
descriptive epi 74
Interpretation SIR
Liegt dieser Ratio über 1. so ist die Inzidenz in der Untersuchungsgruppe höher als erwartet, liegt dieser Ratio unter 1, ist die Inzidenz niedriger als erwartet, liegt er bei1, besteht kein Unterschied.
Page 38
descriptive epi 75
Berechnung einer SMR für alle Formen der Tuberkulose bei weissen Minenarbeitern im Alter von 20-59 Jahren, USA, 1950
436181.09534533Gesamt11231.9675.234249455-5917458.3256.8210264945-549850.5533.9614887035-442217.4121.548084530-342013.7116.128507725-29109.1412.267459820-24(4)(3) = (1) x (2)(2)(1)Alter (Jahre)
Beobachtete Tbc Todesfälle bei weissen Minenarbeitern
Erwartete Todesfälle an Tbc bei weissen Minenarbeitern, wenn sie das gleiche Risiko hätten wie die Allgemein-bevölkerung
Sterberate (pro 100000) an Tbc bei Männern in der Allgemein-bevölkerung
Geschätzte Population weisser Männer
SMR (20-59 Jährige) = (436 / 181.09) x 100 = 241
descriptive epi 76
Wann welche Standardisierung?
Direkte Standardisierung erfordert stratumspezifischeRatenIndirekte Standardisierung bei kleinen stratumspezifischen FallzahlenBei Vergleichen von mehreren Populationen: direkte StandardisierungVorsicht bei unterschiedlichen alterspezifischen Verläufen
Page 39
descriptive epi 77
Kohorteneffekte: Altersspezifische Todesraten pro 100000 an Tbc, Männer, Massachussets, 1880-1930
9512716334339667270+9517224630434647560-6912717125226732536650-5911817525325333636440-4911516425329636837830-398114920728836144420-292149639011512610-191124213149435-9411083093095787600-4
193019201910190018901880AltersGruppe
Jahr
descriptive epi 78
5. Risiko
Page 40
descriptive epi 79
Definition Risiko
Allgemein ist das Risiko eines Ereignisses definiert als die ”Wahrscheinscheinlichkeit”, dass dieses Ereignis eintritt. In den Gesundheitwissenschaften kennzeichnet der Begriff des Risiko also die Wahrscheinlichkeit, zu erkranken oder allgemeiner einen Wechsel im Gesundheitsstatus zu erfahren.
descriptive epi 80
Achtung!
Die Wahrscheinlichkeit ist ein dimensionsloses Mass(Zahl wischen 0 und 1). Die Raten, die wir bislang betrachtet haben, haben eine zeitliche Dimension (Personenjahre). Man kann Raten allerdings auch auffassen als ”Wahrscheinlichkeit pro Zeiteinheit, also als Risiko pro Zeiteinheit. Deshalb wird die Inzidenzrate auch als Inzidenzdichtebezeichnet.
Page 41
descriptive epi 81
Bezeichnungen
IE Inzidenzrate der Exponierten (E steht für „exposed “ )IU Inzidenzrate der Nicht-Exponierten (U steht für „unexposed “IP Inzidenzrate der Population
descriptive epi 82
Exzess Risiko (ER)
Das ”Excess Risk” gibt an, um wieviel sich die Rate der Exponierten von der Rate der Nichtexponierten unterscheidet.ER = IE - IU
Page 42
descriptive epi 83
Beispiel Excess Risk
Die kumulierte Inzidenz, an Brustkrebs zu erkranken, beträgt für eine Frau mit mehr als 15 Jahren Hormonersatztherapie 89 pro 1000 Frauen, während Frauen ohne Hormonersatztherapie eine kumulierte Inzidenz von 79 pro 1000 Frauen zeigten. Somit errechnet sich das Excess Risk:
ER = IE – IU = 89/1000 – 79/1000 = 10/1000Es kennzeichnet die absolute Zahl der Fälle, die durch die Exposition verursacht wird. Es berücksichtigt allerdings nicht die Basishöhe des Risikos.
descriptive epi 84
Attributives RisikoFür das Attributable Risk, das attribuierbare Risiko, wird das Excess Risk an der Inzidenzrate der Exponierten gewichtet. Es charakterisiert, also die Größenordnung des Überschusses gemessen an der Rate der Exponierten.Dies ist deshalb wichtig, weil ein ein zahlenmäßig gleicher Überschuss bei einer niedrigen Basisrate natürlich ein anderes Gewicht hat als bei einer hohen Basisrate.
Page 43
descriptive epi 85
Attributives Risiko: Beispiel
Die kumulierte Inzidenz, an Brustkrebs zu erkranken, beträgt für eine Frau mit mehr als 15 Jahren Hormonersatztherapie 89 pro 1000 Frauen, während Frauen ohne Hormonersatztherapie eine kumulierte Inzidenz von 79 pro 1000 Frauen zeigten. Somit errechnet sich das Attributive Risiko:
89/1000 – 79/1000
89/1000AR = = 0.112
Interpretation: von allen erkrankten Frauen, die mehr als 15 JahreHormonsubstitution genutzt haben, sind 11.2% auf diese zurückzuführen
descriptive epi 86
Population attributable risk(population atrubutable fraction, AF)
Gibt den Anteil an, den der betrachtete Faktor an den betrachteten Erkrankungen in der Population verursacht. Wichtiges Mass zur Beurteilung der Relevanz eines Faktors für das Krankheitsgeschehen in der Bevölkerung und zur Planung von Public-Health Massnahmen.
Page 44
descriptive epi 87
Beispiel des population attributable fraction: Beziehung zwischen Zigarettenrauchen und Schlaganfall-inzidenzrate in einer Kohorte von 118539 Frauen
30.2908447274
49.6280141139Raucher
27.923271265Früher geraucht
17.739559470Nie geraucht
Inzidenzrate pro 100000 Personen-jahre
Personen-Jahre# Schlaganfall-patientinnen
Rauch-verhalten
AFp = 30.2 – 17.730.2 = 0.414
Interpretation: 41.4% der Schlaganfälle in der bertrachteten Populationsind dem Risikofaktor Rauchen „attribuierbar“.
descriptive epi 88
Relatives Risiko
Zur Berechnung des Relative Risk (relatives Risiko) wird die Inzidenzrate der Exponierten zur Inzidenzrate der Nichteponierten ins Verhältnis gesetzt. Gibt an, wie groß der relative Überschuss der Exponierten-Rate gegenüber der Nichtexponiertenrate ist. Ergebnis kann in ”Prozenten” ausgedrückt werden. RR charakterisiert also die Stärke des Zusammenhangs des Faktors mit der Erkrankung.
Page 45
descriptive epi 89
Atherothrombosis is Commonly Found in More Than One Arterial Bed*
Coronary disease
Cerebrovasculardisease
Peripheral arterial disease
24.7%
3.8% 11.8%
29.9%
3.3%
7.4%
19.2%
*Data from CAPRIE study (n=19,185)
Coccheri S. Eur Heart J 1998; 19(suppl): P1268.
descriptive epi 90
Relative Risks of Future MI Among Apparently Healthy Middle Aged Men
Lipoprotein (a)Lipoprotein (a)
HomocysteineHomocysteine
FibrinogenFibrinogen
tPA AntigentPA Antigen
hshs--CRPCRP
hshs--CRP + TC/HDLCRP + TC/HDL
Relative Risk for Future Myocardial InfarctionRelative Risk for Future Myocardial Infarction00 1.01.0 2.02.0 4.04.0 6.06.0
Total CholesterolTotal Cholesterol
TC/HDLTC/HDL
Adapted from Ridker. Ann Intern Med 1999;130:933-937
Page 46
descriptive epi 91
Risk of Coronary Heart Disease IncreasesWith Multiple Risk Factors
Risk factors
• Systolic blood pressure (>160 mm Hg)
• Cholesterol (>260 mg/dL)
• HDL cholesterol (<35 mg/dL)
• Diabetes• Smoking• Left ventricular hypertrophy
confirmed by ECG
*Estimated risk of coronary heart disease over ten years according to various combinations of risk factors Kannel. Hypertens Res 1995; 18: 181–196
0
10
20
30
40
50
60
70
No riskfactors
1 riskfactor
2 riskfactors
3 riskfactors
4 riskfactors
5 riskfactors
6 riskfactors
MenWomen
Ri s
k of
CH
D ( %
) *Analysis of data from the Framingham Heart Study
