Showing posts with label Jurnal Epidemiologi. Show all posts
Showing posts with label Jurnal Epidemiologi. Show all posts

Penelitian Epidemiologi | Older adults' perspectives on key domains of childhood social and economic experiences and opportunities: a first step to creating a multidimensional measure

Abstract

Objectives


Although research has found that childhood socioeconomic status (SES) is associated with physical and mental health in mid- and later life, most of these studies used conventional, single dimension SES measures for the childhood period such as household income or educational attainment of parents. Life course and health disparities research would benefit from identification and measurement of a variety of childhood social and economic experiences and opportunities that might affect health in later life.

Design

This study utilized qualitative research methods to identify key dimensions of childhood experiences related to SES. We conducted in-depth interviews with 25 adults age 55 to 80 years from diverse economic and ethnic backgrounds. Topics included home, neighborhood, school, and work experiences during early childhood and adolescence. Interviews were audio-taped and transcripts were coded to identify thematic domains.

Results

We identified eight thematic domains, many of which had clear subdomains: home and family circumstances, neighborhood, work and money, potential for advancement through schooling, school quality and content, discrimination, influence and support of adults, and leisure activities. These domains highlight individual characteristics and experiences and also economic and educational opportunities.

Conclusion

These domains of childhood social and economic circumstances add breadth and depth to conventional conceptualization of childhood SES. When the domains are translated into a measurement tool, it will allow for the possibility of classifying people along multiple dimensions, such as from a low economic circumstance with high levels of adult support.

Dewasa yang lebih tua 'perspektif pada domain utama pengalaman masa kecil sosial dan ekonomi dan kesempatan: langkah pertama untuk menciptakan ukuran multidimensi

abstrak

tujuan


Meskipun penelitian telah menemukan bahwa masa kanak-kanak status sosial ekonomi (SES) dikaitkan dengan kesehatan fisik dan mental pada pertengahan dan kehidupan kemudian, sebagian besar penelitian ini digunakan konvensional, tindakan dimensi tunggal SES untuk periode masa kanak-kanak seperti pendapatan rumah tangga atau tingkat pendidikan orang tua. Hidup kursus dan penelitian kesehatan disparitas akan mendapat manfaat dari identifikasi dan pengukuran berbagai pengalaman masa kecil sosial dan ekonomi dan peluang yang mungkin mempengaruhi kesehatan di kemudian hari.

disain

Penelitian ini digunakan metode penelitian kualitatif untuk mengidentifikasi dimensi kunci pengalaman masa kecil berhubungan dengan SES. Kami melakukan wawancara mendalam dengan 25 orang dewasa usia 55 hingga 80 tahun dari berbagai latar belakang ekonomi dan etnis yang beragam. Topik termasuk rumah, lingkungan, sekolah, dan pengalaman kerja selama masa kanak-kanak dan remaja. Wawancara yang audio-direkam dan transkrip diberi kode untuk mengidentifikasi domain tematik.

hasil

Kami mengidentifikasi delapan domain tematik, banyak yang memiliki subdomain yang jelas: rumah dan keadaan keluarga, lingkungan, pekerjaan dan uang, potensi untuk kemajuan melalui sekolah, kualitas sekolah dan konten, diskriminasi, pengaruh dan dukungan orang dewasa, dan kegiatan rekreasi. Domain ini menyoroti karakteristik individu dan pengalaman dan peluang ekonomi dan juga pendidikan.

kesimpulan

Domain ini keadaan sosial dan ekonomi masa kanak-kanak menambahkan luas dan kedalaman untuk konsep konvensional masa kanak-kanak SES. Ketika domain dijabarkan ke dalam alat ukur, maka akan memungkinkan untuk kemungkinan mengklasifikasikan orang di sepanjang beberapa dimensi, seperti dari keadaan ekonomi rendah dengan tingkat tinggi dukungan orang dewasa.

Full Text di Sini

Jurnal Epidemiology | Case-case analysis of enteric diseases with routine surveillance data: Potential use and example results

Abstract

Background


Case-control studies and outbreak investigations are the major epidemiological tools for providing detailed information on enteric disease sources and risk factors, but these investigations can be constrained by cost and logistics.

Methods

We explored the advantages and disadvantages of comparing risk factors for enteric diseases using the case-case method. The main issues are illustrated with an analysis of routine notification data on enteric diseases for 2006 collected by New Zealand's national surveillance system.

Results

Our analyses of aggregated New Zealand surveillance data found that the associations (crude odds ratios) for risk factors of enteric disease were fairly consistent with findings from local case-control studies and outbreak investigations, adding support for the use of the case-case analytical approach. Despite various inherent limitations, such an approach has the potential to contribute to the monitoring of risk factor trends for enteric diseases. Nevertheless, using the case-case method for analysis of routine surveillance data may need to be accompanied by: (i) reduction of potential selection and information biases by improving the quality of the surveillance data; and (ii) reduction of confounding by conducting more sophisticated analyses based on individual-level data.

Conclusion

Case-case analyses of enteric diseases using routine surveillance data might be a useful low-cost means to study trends in enteric disease sources and inform control measures. If used, it should probably supplement rather than replace outbreak investigations and case-control studies. Furthermore, it could be enhanced by utilising high quality individual-level data provided by nationally-representative sentinel sites for enteric disease surveillance.

Kasus-kasus analisis penyakit enterik dengan data surveilans rutin: Potensi penggunaan dan contoh hasil

abstrak

latar belakang


Studi kasus-kontrol dan investigasi wabah adalah alat epidemiologi utama untuk memberikan informasi rinci tentang sumber penyakit enterik dan faktor risiko, tetapi penyelidikan dapat dibatasi oleh biaya dan logistik.

metode

Kami menjelajahi keuntungan dan kerugian dari membandingkan faktor risiko penyakit enterik menggunakan metode kasus-kasus. Isu-isu utama diilustrasikan dengan analisis data laporan rutin tentang penyakit enterik tahun 2006 dikumpulkan oleh sistem surveilans nasional Selandia Baru.

hasil

Analisis kami dari Selandia agregat data surveilans Baru menemukan bahwa asosiasi (crude odds ratio) untuk faktor risiko penyakit enterik yang cukup konsisten dengan temuan dari lokal studi kasus-kontrol dan investigasi wabah, menambahkan dukungan untuk penggunaan pendekatan kasus-kasus analitis . Meskipun keterbatasan berbagai pendekatan seperti memiliki potensi untuk berkontribusi pada pemantauan tren faktor risiko untuk penyakit enterik. Namun demikian, dengan menggunakan metode kasus-kasus untuk analisis data surveilans rutin mungkin perlu disertai dengan: (i) pengurangan seleksi potensial dan bias informasi dengan meningkatkan kualitas data surveilans, dan (ii) pengurangan pembaur dengan melakukan lebih analisis canggih berdasarkan tingkat individu data.

kesimpulan

Kasus-kasus analisis penyakit enterik menggunakan data surveilans rutin mungkin murah yang berguna sarana untuk mempelajari tren sumber penyakit enterik dan menginformasikan tindakan pengendalian. Jika digunakan, mungkin harus melengkapi bukan menggantikan penyelidikan wabah dan studi kasus-kontrol. Selain itu, bisa ditingkatkan dengan memanfaatkan kualitas tinggi tingkat individu data yang disediakan oleh situs-sentinel nasional representatif untuk pengawasan penyakit enterik.

Full Text di Sini

Jurnal Epidemiologi | Using variable importance measures from causal inference to rank risk factors of schistosomiasis infection in a rural setting in China

Abstract

Background


Schistosomiasis infection, contracted through contact with contaminated water, is a global public health concern. In this paper we analyze data from a retrospective study reporting water contact and schistosomiasis infection status among 1011 individuals in rural China. We present semi-parametric methods for identifying risk factors through a comparison of three analysis approaches: a prediction-focused machine learning algorithm, a simple main-effects multivariable regression, and a semi-parametric variable importance (VI) estimate inspired by a causal population intervention parameter.

Results

The multivariable regression found only tool washing to be associated with the outcome, with a relative risk of 1.03 and a 95% confidence interval (CI) of 1.01-1.05. Three types of water contact were found to be associated with the outcome in the semi-parametric VI analysis: July water contact (VI estimate 0.16, 95% CI 0.11-0.22), water contact from tool washing (VI estimate 0.88, 95% CI 0.80-0.97), and water contact from rice planting (VI estimate 0.71, 95% CI 0.53-0.96). The July VI result, in particular, indicated a strong association with infection status - its causal interpretation implies that eliminating water contact in July would reduce the prevalence of schistosomiasis in our study population by 84%, or from 0.3 to 0.05 (95% CI 78%-89%).

Conclusions

The July VI estimate suggests possible within-season variability in schistosomiasis infection risk, an association not detected by the regression analysis. Though there are many limitations to this study that temper the potential for causal interpretations, if a high-risk time period could be detected in something close to real time, new prevention options would be opened. Most importantly, we emphasize that traditional regression approaches are usually based on arbitrary pre-specified models, making their parameters difficult to interpret in the context of real-world applications. Our results support the practical application of analysis approaches that, in contrast, do not require arbitrary model pre-specification, estimate parameters that have simple public health interpretations, and apply inference that considers model selection as a source of variation.

Menggunakan langkah-langkah penting variabel dari inferensi kausal untuk peringkat faktor risiko infeksi schistosomiasis dalam pengaturan pedesaan di Cina
Abstrak

Latar belakang


Infeksi schistosomiasis, dikontrak melalui kontak dengan air yang terkontaminasi, merupakan masalah kesehatan masyarakat global. Dalam tulisan ini kita akan menganalisis data dari kontak pelaporan studi retrospektif air dan status schistosomiasis infeksi di antara 1.011 orang di daerah pedesaan Cina. Kami menyajikan semi-parametrik metode untuk mengidentifikasi faktor risiko melalui perbandingan dari tiga pendekatan analisis: prediksi-terfokus algoritma mesin belajar, regresi utama-efek sederhana multivariabel, dan pentingnya semi-parametrik variabel (VI) estimasi terinspirasi oleh populasi kausal intervensi parameter.

Hasil

The regresi multivariabel menemukan satunya alat mencuci dikaitkan dengan hasilnya, dengan risiko relatif 1,03 dan interval kepercayaan 95% (CI) dari 1,01-1,05. Tiga jenis kontak air yang ditemukan terkait dengan hasil dalam analisis VI semi-parametrik: Juli water kontak (VI perkiraan 0,16, 95% CI 0,11-0,22), air kontak dari mencuci alat (VI perkiraan 0,88, 95% CI 0,80-0,97), dan kontak air dari penanaman padi (VI perkiraan 0,71, 95% CI 0,53-0,96). Hasil Juli VI, khususnya, menunjukkan hubungan yang kuat dengan status infeksi - interpretasi kausal yang menyiratkan bahwa menghilangkan kontak air pada bulan Juli akan mengurangi prevalensi schistosomiasis dalam populasi penelitian kami sebesar 84%, atau 0,3-0,05 (95% CI 78 % -89%).

Kesimpulan

Perkiraan Juli VI menyarankan mungkin dalam musim variabilitas risiko infeksi schistosomiasis, sebuah asosiasi tidak terdeteksi oleh analisis regresi. Meskipun ada banyak keterbatasan untuk ini studi yang marah potensi interpretasi kausal, jika periode waktu yang berisiko tinggi dapat dideteksi pada sesuatu yang dekat dengan real time, pilihan pencegahan baru akan dibuka. Yang paling penting, kami menekankan bahwa pendekatan regresi tradisional biasanya didasarkan pada sewenang-wenang pra-ditentukan model, membuat parameter mereka sulit untuk menafsirkan dalam konteks dunia nyata aplikasi. Hasil kami mendukung aplikasi praktis dari pendekatan analisis bahwa, berbeda, tidak memerlukan model sewenang pra-spesifikasi, estimasi parameter yang memiliki interpretasi sederhana kesehatan masyarakat, dan menerapkan kesimpulan yang menganggap pemilihan model sebagai sumber variasi.

Full Text di Sini

Penelitian Epidemiologi | Categorisation of continuous risk factors in epidemiological publications: a survey of current practice

Abstract

Background


Reports of observational epidemiological studies often categorise (group) continuous risk factor (exposure) variables. However, there has been little systematic assessment of how categorisation is practiced or reported in the literature and no extended guidelines for the practice have been identified. Thus, we assessed the nature of such practice in the epidemiological literature. Two months (December 2007 and January 2008) of five epidemiological and five general medical journals were reviewed. All articles that examined the relationship between continuous risk factors and health outcomes were surveyed using a standard proforma, with the focus on the primary risk factor. Using the survey results we provide illustrative examples and, combined with ideas from the broader literature and from experience, we offer guidelines for good practice.

Results

Of the 254 articles reviewed, 58 were included in our survey. Categorisation occurred in 50 (86%) of them. Of those, 42% also analysed the variable continuously and 24% considered alternative groupings. Most (78%) used 3 to 5 groups. No articles relied solely on dichotomisation, although it did feature prominently in 3 articles. The choice of group boundaries varied: 34% used quantiles, 18% equally spaced categories, 12% external criteria, 34% other approaches and 2% did not describe the approach used. Categorical risk estimates were most commonly (66%) presented as pairwise comparisons to a reference group, usually the highest or lowest (79%). Reporting of categorical analysis was mostly in tables; only 20% in figures.

Conclusions

Categorical analyses of continuous risk factors are common. Accordingly, we provide recommendations for good practice. Key issues include pre-defining appropriate choice of groupings and analysis strategies, clear presentation of grouped findings in tables and figures, and drawing valid conclusions from categorical analyses, avoiding injudicious use of multiple alternative analyses.

Kategorisasi faktor risiko terus-menerus dalam publikasi epidemiologi: survei praktek saat ini

Abstrak

Latar belakang


Laporan dari studi epidemiologi observasional sering mengkategorikan (group) faktor risiko kontinyu (exposure) variabel. Namun, telah ada penilaian sistematis sedikit tentang bagaimana kategorisasi dipraktekkan atau dilaporkan dalam literatur dan tidak ada pedoman diperpanjang untuk praktek telah diidentifikasi. Dengan demikian, kami menilai sifat praktek seperti dalam literatur epidemiologi. Dua bulan (Desember 2007 dan Januari 2008) dari lima jurnal epidemiologi dan lima medis umum yang terakhir. Semua artikel yang meneliti hubungan antara faktor risiko terus-menerus dan hasil kesehatan yang disurvei menggunakan proforma standar, dengan fokus pada faktor risiko utama. Menggunakan hasil survei kami menyediakan contoh-contoh ilustratif dan, dikombinasikan dengan ide-ide dari literatur yang lebih luas dan dari pengalaman, kami menawarkan panduan untuk praktik yang baik.

Hasil
Dari 254 artikel terakhir, 58 dilibatkan dalam survei kami. Kategorisasi terjadi pada 50 (86%) dari mereka. Dari mereka, 42% juga menganalisis variabel kontinyu dan 24% dianggap pengelompokan alternatif. Sebagian besar (78%) digunakan 3 sampai 5 kelompok. Tidak ada artikel hanya mengandalkan dichotomisation, meskipun hal itu fitur menonjol dalam 3 artikel. Pemilihan batas-batas kelompok bervariasi: 34% digunakan quantiles, kategori sama spasi 18%, kriteria eksternal 12%, pendekatan lain 34% dan 2% tidak menggambarkan pendekatan yang digunakan. Estimasi risiko kategoris yang paling umum (66%) disajikan sebagai perbandingan berpasangan dengan kelompok referensi, biasanya tertinggi atau terendah (79%). Pelaporan Analisis kategoris sebagian besar dalam tabel, hanya 20% dalam angka.

Kesimpulan

Analisis kategoris faktor risiko yang umum berkelanjutan. Oleh karena itu, kami memberikan rekomendasi untuk praktik yang baik. Isu-isu kunci termasuk pra-terdefinisi pilihan yang tepat dari kelompok dan strategi analisis, presentasi yang jelas dari temuan dikelompokkan dalam tabel dan gambar, dan menarik kesimpulan yang valid dari analisis kategoris, menghindari penggunaan gegabah analisis beberapa alternatif.

Full Text di Sini

Jurnal Epidemiologi | Carcinogen metabolism, cigarette smoking, and breast cancer risk: a Bayes model averaging approach

Abstract

Background


Standard logistic regression with or without stepwise selection has the disadvantage of not incorporating model uncertainty and the dependency of estimates on the underlying model into the final inference. We explore the use of a Bayes Model Averaging approach as an alternative to analyze the influence of genetic variants, environmental effects and their interactions on disease.

Methods

Logistic regression with and without stepwise selection and Bayes Model Averaging were applied to a population-based case-control study exploring the association of genetic variants in tobacco smoke-related carcinogen pathways with breast cancer.

Results

Both regression and Bayes Model Averaging highlighted a significant effect of NAT1*10 on breast cancer, while regression analysis also suggested a significant effect for packyears and for the interaction of packyears and NAT2.

Conclusions

Bayes Model Averaging allows incorporation of model uncertainty, helps reduce dimensionality and avoids the problem of multiple comparisons. It can be used to incorporate biological information, such as pathway data, into the analysis. As with all Bayesian analysis methods, careful consideration must be given to prior specification.

Karsinogen metabolisme, merokok, dan risiko kanker payudara: sebuah model pendekatan Bayes rata-rata

abstrak

latar belakang


Regresi logistik standar dengan atau tanpa seleksi stepwise memiliki kelemahan tidak menggabungkan ketidakpastian model dan ketergantungan estimasi pada model yang mendasari ke kesimpulan akhir. Kami mengeksplorasi penggunaan pendekatan Model Averaging Bayes sebagai alternatif untuk menganalisis pengaruh varian genetik, pengaruh lingkungan dan interaksi mereka terhadap penyakit.

metode

Regresi logistik dengan dan tanpa seleksi bertahap dan Averaging Bayes Model yang diterapkan pada studi berbasis populasi kasus-kontrol menjelajahi asosiasi varian genetik dalam asap tembakau yang berhubungan dengan jalur karsinogen dengan kanker payudara.

hasil

Kedua regresi dan Model Bayes Averaging menyoroti pengaruh yang signifikan dari NAT1 * 10 pada kanker payudara, sedangkan analisis regresi juga menunjukkan efek yang signifikan untuk packyears dan untuk interaksi packyears dan Nat2.

kesimpulan

Averaging Model Bayes memungkinkan penggabungan ketidakpastian model, membantu mengurangi dimensi dan menghindari masalah beberapa perbandingan. Hal ini dapat digunakan untuk memasukkan informasi biologis, seperti data jalur, ke dalam analisis. Seperti dengan semua metode analisis Bayesian, pertimbangan cermat harus diberikan dengan spesifikasi sebelumnya.

Full Text di Sini

Jurnal Epidemiologi | Reporting errors in infectious disease outbreaks, with an application to Pandemic Influenza A/H1N1

Abstract
 

Background

Effectively responding to infectious disease outbreaks requires a well-informed response. Quantitative methods for analyzing outbreak data and estimating key parameters to characterize the spread of the outbreak, including the reproductive number and the serial interval, often assume that the data collected is complete. In reality reporting delays, undetected cases or lack of sensitive and specific tests to diagnose disease lead to reporting errors in the case counts. Here we provide insight on the impact that such reporting errors might have on the estimation of these key parameters.

Results

We show that when the proportion of cases reported is changing through the study period, the estimates of key epidemiological parameters are biased. Using data from the Influenza A/H1N1 outbreak in La Gloria, Mexico, we provide estimates of these parameters, accounting for possible reporting errors, and show that they can be biased by as much as 33%, if reporting issues are not accounted for.

Conclusions

Failure to account for missing data can lead to misleading and inaccurate estimates of epidemic parameters.


Kesalahan Pelaporan dalam wabah penyakit menular, dengan aplikasi untuk Pandemi Influenza A/H1N1

abstrak
latar belakang

Efektif menanggapi wabah penyakit menular membutuhkan respon baik informasi. Metode kuantitatif untuk menganalisis data wabah dan memperkirakan parameter kunci untuk mengkarakterisasi penyebaran wabah, termasuk nomor reproduksi dan interval serial, sering berasumsi bahwa data yang dikumpulkan selesai. Dalam kenyataannya keterlambatan pelaporan, kasus terdeteksi atau kurangnya tes sensitif dan spesifik untuk mendiagnosa penyakit memimpin untuk melaporkan kesalahan dalam jumlah kasus. Di sini kita memberikan wawasan tentang dampak bahwa kesalahan pelaporan tersebut mungkin pada estimasi parameter kunci.

hasil

Kami menunjukkan bahwa ketika proporsi kasus yang dilaporkan berubah selama periode studi, perkiraan parameter epidemiologi kunci bias. Menggunakan data dari wabah Influenza A/H1N1 di La Gloria, Meksiko, kami menyediakan estimasi parameter ini, akuntansi untuk pelaporan kesalahan yang mungkin, dan menunjukkan bahwa mereka dapat menjadi bias sebanyak 33%, jika masalah pelaporan tidak diperhitungkan.

kesimpulan

Kegagalan untuk menjelaskan data yang hilang dapat menyebabkan perkiraan menyesatkan dan tidak akurat parameter epidemi.

Full Text di Sini