Ośrodek Profilaktyki i Epidemiologii Nowotworów im. Aliny Pienkowskiej sp. z o.o.
Ośrodek Profilaktyki i Epidemiologii Nowotworów im. Aliny Pienkowskiej S.A.
Kazimierza Wielkiego 24/26 Poznań
posiadamy
Certyfikat ISO 9001:2008

Metodologia

1. Źródła danych: w analizach wykorzystane zostały dane Głównego Urzędu Statystycznego (struktura populacji, prognozy demograficzne) oraz Krajowego Rejestru Nowotworów (zachorowania i zgony na nowotwory złośliwe).

2. Klasyfikacji nowotworów złośliwych dokonano według X Rewizji Międzynarodowej Statystycznej Klasyfikacji Chorób i Problemów Zdrowotnych.

3. Standaryzowany względem wieku współczynnik zachorowalności (ASR – Age Standardized Rate) obliczono przy użyciu bezpośredniej metody standaryzacji. Za standard przyjęto Standardową Populację Świata.

4. Zachorowalność w powiatach Polski obliczono przy użyciu pośredniej metody standaryzacji. Stosując pośrednią metodę standaryzacji obliczono jaka byłaby liczba zachorowań w badanej populacji, gdyby wartości współczynników specyficznych dla grup wieku były takie same jak dla populacji przyjętej za standard. Uzyskaną oczekiwaną liczbę zachorowań podzielono przez rzeczywistą liczbę zachorowań uzyskując Standaryzowany Stosunek Zachorowalności (SIR – Standardized Incidence Ratio). Na mapach przedstawiono zachorowalność na nowotwory złośliwe w Polsce w podziale na powiaty w latach 1999-2013. Jako standard przyjęto zachorowalność w całym kraju. Dla poszczególnych powiatów obliczono SIR porównując występowanie nowotworów złośliwych w danym powiecie z zachorowalnością w całej Polsce. Wartość SIR równa „1” oznacza zachorowalność w powiecie na poziomie średniej zachorowalności dla całego kraju. SIR=1.40 oznacza zachorowalność w powiecie o 40% wyższą niż w całej Polsce, SIR=0.60 o 40% niższą [a, b, c].

a) Isabel dos Santos Silva. Cancer Epidemiology: Principless and Methods. International Agency for Research on Cancer, Lyon, France 1999.

b) Kenneth J. Rothman, Sander Greenland. Modern Epidemiology. Lippincott – Raven, 1998.

c) Moyses Szklo, F. Javie Nieto. Epidemiology: Beyond the Basic. An Aspen Publication, Gaithersburg, Maryland, 2000.

5. Przy porównaniu zachorowalności na nowotwory złośliwe w Wielkopolsce i w Polsce wykorzystano Standaryzowany Stosunek Współczynników (Standardized Rate Ratio – SRR) dla którego obliczono 95% przedział ufności (95% Confidential Interval).

6. Prognozy Przewidywane liczby zachorowań dla najczęstszych umiejscowień nowotworu u mężczyzn i kobiet obliczono na podstawie trendów historycznych występowania nowotworów złośliwych w Polsce oraz prognoz demograficznych Głównego Urzędu Statystycznego, przy użyciu metody opracowanej przez Hakulinena i Dybę (a, b, c, d). W metodzie tej przyjmuje się następujące założenia teoretyczne:

A. Przyszłe trendy zachorowalności są modelowane przez ekstrapolację trendów historycznych. Zwykła ekstrapolacja trendu jest odpowiednią metodą tworzenia prognoz dla krótkich okresów czasowych. Biorąc pod uwagę wielkość występowania błędu losowego prognozy oparte na prostej ekstrapolacji są narażone na najmniejszy błąd przy okresie prognozy 5-10 lat . Dla prognoz powyżej 10 lat wielkość błędu losowego jest zbyt duża .

B. Model bierze pod uwagę trendy specyficzne dla płci i grup wieku

C. Liczba zachorowań w poszczególnych grupach płci, wieku, czasu i okresu charakteryzują się rozkładem Poissona

D. Jeżeli trendy historyczne charakteryzują się tendencją spadkową używany jest model log-linearny, przy tendencji wzrostowej lub stabilnym trendzie używany jest model linearny. E. Dla prognozowanych liczb zachorowań obliczono 95% przedziały ufności . Parametry dla obu modeli zostały obliczone przy użyciu programu STATA SE 11dla Windows .

a) Dyba, T. and T. Hakulinen (2000). "Comparison of different approaches to incidence prediction based on simple interpolation techniques." Stat Med 19(13): 1741-52.

b) Hakulinen, T. and T. Dyba (1994). "Precision of incidence predictions based on Poisson distributed observations." Stat Med 13(15): 1513-23.

c) Dyba T, Hakulinen T, Paivarinta A. A simple non-linear model in incidence prediction. Stat Med. 1997;16(20):2297–309.

d) Hakulinen T, . Teppo L. and Saxen E. “Do the Predictions for Cancer Incidence Come True? Experience From Finland”. Cancer 57:2454-2458, 1986.