481. Chorobowość i zapadalność – podstawowe miary częstości

Lekcja 481 z 560

Moduł 25: Biostatystyka i epidemiologia

Chorobowość i zapadalność należą do podstawowych miar częstości stosowanych w epidemiologii, zdrowiu publicznym, medycynie klinicznej i naukach o zdrowiu. Obie opisują występowanie choroby lub innego zdarzenia zdrowotnego w populacji, ale odpowiadają na różne pytania. Chorobowość mówi przede wszystkim o tym, ile osób ma dane schorzenie w określonym momencie lub okresie. Zapadalność dotyczy natomiast tego, ile nowych przypadków pojawiło się wśród osób narażonych na zachorowanie w określonym czasie.

Rozróżnienie tych pojęć jest konieczne, aby poprawnie zaplanować badanie, dobrać mianownik, zinterpretować wynik i nie wyciągać zbyt daleko idących wniosków. W dalszej części szkolenia na statystyk.edu.pl miary te będą stanowiły punkt wyjścia do omawiania ryzyka względnego, ilorazu zapadalności, standaryzacji oraz modeli przeżycia.

1. Czym są miary częstości?

Miara częstości opisuje, jak często określone zdarzenie lub stan zdrowia występuje w zdefiniowanej populacji. W praktyce zawsze trzeba określić co najmniej cztery elementy:

  • zdarzenie lub stan – na przykład rozpoznanie cukrzycy typu 2, wystąpienie depresji, zakażenie lub zgon;
  • populację – na przykład mieszkańcy województwa, pacjenci poradni albo pielęgniarki zatrudnione w szpitalu;
  • okres lub moment obserwacji;
  • definicję przypadku – czyli regułę określającą, kto zostaje zakwalifikowany jako przypadek.

Sam licznik nie wystarcza do sensownego porównywania grup. Informacja, że w mieście odnotowano 500 zachorowań, jest trudna do interpretacji bez wiedzy o liczbie mieszkańców, ich wieku, czasie obserwacji i sposobie rozpoznawania choroby. Dlatego licznik powinien być odnoszony do odpowiednio zdefiniowanego mianownika.

2. Chorobowość

Chorobowość (ang. prevalence) jest proporcją osób, które mają określoną chorobę, cechę lub stan zdrowia, do całej populacji, w której ten stan jest oceniany. W liczniku uwzględnia się zarówno przypadki wcześniejsze, jak i nowe, o ile spełniają przyjętą definicję przypadku (CDC, 2012; NIMH, 2024).

Chorobowość odpowiada na pytanie: Jaka część populacji żyje z daną chorobą lub miała ją w określonym okresie? Jest szczególnie przydatna do oceny obciążenia systemu ochrony zdrowia, planowania liczby porad, zapotrzebowania na leczenie, rehabilitację i opiekę długoterminową.

2.1. Chorobowość punktowa

Chorobowość punktowa określa odsetek osób chorych w konkretnym momencie, na przykład 1 stycznia 2026 roku o godzinie 00:00 albo w dniu przeprowadzenia badania ankietowego.

Wzór można zapisać następująco:

Chorobowość punktowa = (liczba osób mających chorobę w określonym momencie / liczba osób w populacji w tym samym momencie) × 10n

Symbol 10n służy do przeskalowania wyniku. Można podać go jako procent, wtedy mnożymy przez 100, albo jako liczbę przypadków na 1000, 10 000 lub 100 000 osób.

Przykład: W badaniu 2000 studentów, przeprowadzonym 15 marca, 140 osób spełniało kryteria aktualnego epizodu depresyjnego. Chorobowość punktowa wynosi:

140 / 2000 = 0,07 = 7%

Oznacza to, że w dniu badania 7% badanych spełniało przyjęte kryteria. Nie oznacza to, że 7% studentów zachorowało w marcu. Do takiego wniosku potrzebna byłaby miara zapadalności.

2.2. Chorobowość okresowa

Chorobowość okresowa oznacza odsetek osób, które miały chorobę w dowolnym momencie określonego okresu, na przykład w ciągu ostatnich 12 miesięcy. W liczniku mogą znaleźć się osoby, które zachorowały przed rozpoczęciem okresu i nadal chorowały, a także osoby, u których choroba pojawiła się w jego trakcie.

Typowy zapis jest następujący:

Chorobowość okresowa = (liczba osób, które miały chorobę w badanym okresie / liczba osób w populacji odniesienia) × 10n

Chorobowość okresowa nie jest prostą sumą wszystkich rozpoznań. Jeśli ta sama osoba miała kilka epizodów, sposób liczenia musi być wcześniej określony: można liczyć osoby z co najmniej jednym epizodem albo wszystkie epizody. Są to różne jednostki analizy.

2.3. Chorobowość a czas trwania choroby

Chorobowość zależy nie tylko od liczby nowych przypadków, ale także od czasu trwania choroby. Może być wysoka, ponieważ choroba często występuje, ponieważ pacjenci długo żyją z rozpoznaniem albo z obu tych powodów. Z kolei niska chorobowość może wystąpić przy wysokiej zapadalności, jeśli choroba trwa krótko lub szybko prowadzi do wyzdrowienia albo zgonu.

W warunkach względnie stabilnej populacji i przy przybliżeniu dla niezbyt wysokich wartości często stosuje się zależność:

Chorobowość ≈ zapadalność × średni czas trwania choroby

Nie jest to uniwersalny wzór do bezrefleksyjnego używania. Zależność wymaga między innymi względnej stabilności populacji, porównywalnej definicji przypadku i odpowiedniego modelu czasu trwania. Służy przede wszystkim do rozumienia mechanizmu, a nie do zastępowania bezpośredniego pomiaru.

3. Zapadalność

Zapadalność odnosi się do nowych przypadków choroby, które pojawiają się w populacji w określonym czasie. W przeciwieństwie do chorobowości licznik nie obejmuje osób, które miały chorobę już wcześniej. CDC definiuje zapadalność jako liczbę przypadków, których początek nastąpił w określonym okresie (CDC, 2022).

Zapadalność odpowiada na pytanie: Jak często osoby dotychczas wolne od choroby stają się przypadkami? Z tego powodu jest szczególnie użyteczna w badaniach etiologicznych, analizie czynników ryzyka, ocenie programów profilaktycznych i monitorowaniu dynamiki epidemii.

3.1. Skumulowana zapadalność, czyli ryzyko zachorowania

Skumulowana zapadalność, często nazywana także ryzykiem zachorowania, jest proporcją nowych przypadków do liczby osób wolnych od choroby na początku obserwacji.

Skumulowana zapadalność = liczba nowych przypadków w okresie / liczba osób wolnych od choroby na początku okresu

Wynik można przedstawić jako ułamek, procent lub liczbę przypadków na określoną liczbę osób. Mianownik powinien obejmować osoby, które rzeczywiście mogły stać się przypadkiem. Osoby już chore nie powinny być w nim uwzględniane, jeśli badane zdarzenie może wystąpić tylko raz w analizowanym okresie.

Przykład: W grupie 800 pracowników, którzy 1 stycznia nie mieli potwierdzonego zakażenia, do końca kwartału zachorowało 32 osoby. Skumulowana zapadalność wynosi:

32 / 800 = 0,04 = 4%

Można powiedzieć, że w analizowanym kwartale ryzyko zachorowania w tej grupie wyniosło 4%, przy założeniu poprawnego ustalenia statusu zdrowotnego na początku obserwacji i pełnej obserwacji grupy.

3.2. Współczynnik zapadalności oparty na osoboczasie

W badaniach podłużnych uczestnicy często są obserwowani przez różny czas. Jedna osoba może być obserwowana przez 12 miesięcy, inna przez 8 miesięcy, a jeszcze inna może wycofać się z badania po 3 miesiącach. W takiej sytuacji przydatny jest współczynnik zapadalności oparty na osoboczasie.

Współczynnik zapadalności = liczba nowych przypadków / suma osoboczasu obserwacji

Osoboczas to łączny czas, przez który osoby pozostawały obserwowane i narażone na wystąpienie zdarzenia. Jednostką mogą być osobomiesiące, osobolata albo osobodni.

Przykład: W badaniu 100 pacjentów bez odleżyn obserwowano łącznie przez 240 osobomiesięcy. W tym czasie pojawiło się 12 nowych odleżyn. Współczynnik zapadalności wynosi:

12 / 240 = 0,05 przypadku na osobomiesiąc

Po przeliczeniu na 100 osobomiesięcy otrzymujemy 5 przypadków na 100 osobomiesięcy. Taki wynik nie jest tym samym co 5-procentowe ryzyko. Współczynnik oparty na osoboczasie jest miarą tempa występowania zdarzeń, natomiast skumulowana zapadalność jest proporcją osób, które zachorowały w określonym okresie.

4. Najważniejsze różnice między chorobowością a zapadalnością

Cecha Chorobowość Zapadalność
Co obejmuje licznik? Wszystkie istniejące przypadki, zwykle stare i nowe Wyłącznie nowe przypadki
Główne pytanie Ile osób ma chorobę? Ile osób zachorowało?
Typowe zastosowanie Ocena obciążenia i planowanie usług Badanie ryzyka, przyczyn i dynamiki choroby
Typowy projekt Badanie przekrojowe lub rejestr Badanie kohortowe, nadzór lub rejestracja w czasie
Znaczenie czasu Moment albo okres oceny Zawsze określony przedział obserwacji

Wyniki obu miar mogą się zmieniać niezależnie. Na przykład skuteczne leczenie może obniżyć chorobowość przez skrócenie czasu trwania choroby, nawet gdy zapadalność pozostaje bez zmian. Z kolei lepsze wykrywanie przypadków może początkowo zwiększyć zarówno obserwowaną chorobowość, jak i zapadalność, mimo że rzeczywista częstość choroby w populacji się nie zmieniła.

5. Mianownik, populacja narażona i definicja przypadku

Najczęstsze problemy metodologiczne dotyczą mianownika. W przypadku chorobowości mianownik powinien odpowiadać populacji, której stan zdrowia opisujemy. W przypadku zapadalności powinien obejmować przede wszystkim osoby, które na początku obserwacji nie miały badanego zdarzenia i mogły je rozwinąć.

Przykładowo, przy analizie pierwszego porodu nie należy traktować wszystkich kobiet jako jednakowo narażonych na to zdarzenie. Przy analizie nowego zakażenia trzeba uwzględnić osoby bez zakażenia na początku okresu, a czasami również osoby pozostające w grupie ryzyka z powodu określonej ekspozycji.

Równie ważna jest definicja przypadku. Czy przypadkiem depresji jest rozpoznanie lekarskie, wynik standaryzowanego kwestionariusza powyżej ustalonego punktu odcięcia, czy stosowanie leku przeciwdepresyjnego? Każda decyzja może prowadzić do innego oszacowania. Porównywanie dwóch badań bez sprawdzenia, czy stosowały tę samą definicję przypadku, może być mylące.

6. Przykład praktyczny: cukrzyca w populacji dorosłych

Załóżmy, że w mieście liczącym 50 000 dorosłych mieszkańców rejestr medyczny wykazał 4000 osób z rozpoznaną cukrzycą 1 stycznia. Chorobowość punktowa wynosi:

4000 / 50 000 = 0,08 = 8%

W ciągu kolejnego roku zidentyfikowano 600 nowych rozpoznań. Jeśli na początku roku 46 000 osób nie miało cukrzycy, skumulowana zapadalność wśród osób początkowo wolnych od choroby wynosi:

600 / 46 000 ≈ 0,013 = 1,3%

Nie wolno powiedzieć, że zapadalność wyniosła 600/50 000, jeśli celem jest oszacowanie ryzyka zachorowania wśród osób, które mogły zachorować. Osoby już chore nie były w tym okresie narażone na pierwsze rozpoznanie cukrzycy w takim samym sensie.

Wniosek praktyczny jest dwojaki: 8% opisuje istniejące obciążenie chorobą na początku obserwacji, natomiast 1,3% opisuje nowe zachorowania wśród osób początkowo bez rozpoznania. Pierwsza liczba może być kluczowa dla planowania opieki diabetologicznej, druga – dla oceny działań profilaktycznych.

7. Jak raportować miary częstości?

Poprawny raport powinien podawać:

  1. nazwę miary: chorobowość punktowa, chorobowość okresowa, skumulowana zapadalność lub współczynnik zapadalności;
  2. definicję przypadku;
  3. populację i kryteria włączenia;
  4. dokładny moment albo okres obserwacji;
  5. licznik i mianownik;
  6. jednostkę oraz sposób skalowania, na przykład na 1000 lub 100 000 osób;
  7. informację o brakach danych, utracie obserwacji i ewentualnym ważeniu próby;
  8. przedział ufności, jeśli wynik jest oszacowaniem z próby.

W badaniach obserwacyjnych warto korzystać z zaleceń STROBE, które obejmują między innymi przejrzyste przedstawienie uczestników, zmiennych, metod pomiaru i wyników (von Elm i wsp., 2007; Vandenbroucke i wsp., 2007). Sama liczba procentowa bez kontekstu metodologicznego jest niewystarczająca.

Najczęstsze błędy

  • Mylenie nowych i istniejących przypadków. Do zapadalności nie wlicza się osób, które zachorowały przed rozpoczęciem analizowanego okresu.
  • Używanie mianownika obejmującego osoby nienarażone. W analizie pierwszego zachorowania osoby już chore powinny być wyłączone z populacji zagrożonej.
  • Traktowanie zapadalności jako synonimu ryzyka. Skumulowana zapadalność jest ryzykiem w określonym okresie, ale współczynnik oparty na osoboczasie mierzy tempo zdarzeń.
  • Pomijanie czasu. Wynik „10% przypadków” bez informacji, czy dotyczy dnia, miesiąca, roku czy całego życia, jest niepełny.
  • Porównywanie różnych definicji przypadku. Wyniki badań mogą się różnić z powodu narzędzia diagnostycznego, punktu odcięcia lub sposobu rejestracji.
  • Wyciąganie wniosków przyczynowych z samej chorobowości. Badanie przekrojowe może pokazać współwystępowanie, ale zwykle nie ustala kolejności czasowej i samo w sobie nie dowodzi przyczynowości.
  • Interpretowanie wartości p jako prawdopodobieństwa prawdziwości hipotezy zerowej. Istotność statystyczna nie jest miarą wielkości efektu ani znaczenia klinicznego.
  • Pomijanie selekcji i kompletności rejestracji. Rejestr może nie obejmować osób bez dostępu do opieki, a badanie ankietowe może być obciążone brakiem odpowiedzi.

Co warto zapamiętać?

  • Chorobowość obejmuje istniejące przypadki i opisuje przede wszystkim obciążenie populacji chorobą.
  • Zapadalność obejmuje nowe przypadki i opisuje pojawianie się choroby w czasie.
  • Chorobowość może być punktowa albo okresowa.
  • Zapadalność można wyrażać jako skumulowane ryzyko albo współczynnik oparty na osoboczasie.
  • Mianownik musi odpowiadać populacji, która rzeczywiście mogła zostać przypadkiem.
  • Każdy wynik wymaga podania populacji, czasu, definicji przypadku, licznika i mianownika.
  • Wysoka chorobowość nie musi oznaczać wysokiej zapadalności; może wynikać z długiego czasu trwania choroby.
  • Miary częstości opisują rozkład zdarzeń w populacji, ale nie zastępują analizy przyczynowej ani oceny znaczenia klinicznego.

Reguła kontrolna: jeśli pytasz „ile osób ma chorobę?”, myślisz przede wszystkim o chorobowości. Jeśli pytasz „ile nowych przypadków pojawiło się w czasie?”, myślisz o zapadalności.

Źródła i dalsza lektura

  1. Centers for Disease Control and Prevention, National Center for Health Statistics (2022). Incidence. Health, United States. Centers for Disease Control and Prevention. Źródło.
  2. National Institute of Mental Health (2024). What Is Prevalence?. National Institute of Mental Health. National Institutes of Health. Źródło.
  3. von Elm, E.; Altman, D. G.; Egger, M.; Pocock, S. J.; Gøtzsche, P. C.; Vandenbroucke, J. P.; STROBE Initiative (2007). The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. The Lancet, 370(9596), 1453–1457. DOI: 10.1016/S0140-6736(07)61602-X.
  4. Vandenbroucke, J. P.; von Elm, E.; Altman, D. G.; Gøtzsche, P. C.; Mulrow, C. D.; Pocock, S. J.; Poole, C.; Schlesselman, J. J.; Egger, M. (2007). Strengthening the Reporting of Observational Studies in Epidemiology (STROBE): explanation and elaboration. PLoS Medicine, 4(10), e297. DOI: 10.1371/journal.pmed.0040297.
  5. World Health Organization Expert Committee on Health Statistics (1966). Terminology and nomenclature: prevalence and incidence. World Health Organization Technical Report Series, No. 336. Pełny opis źródła.
  6. Centers for Disease Control and Prevention (2012). Epidemiologic Definitions. Public Health 101: Epidemiologic Definitions. Centers for Disease Control and Prevention. Źródło.

Podobne wpisy

Jeden komentarz

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *