ÚvodNa přelomu 21. století způsobují kardiovaskulární onemocnění (KVO) v zemích Evropské unie mezi 26 % (Francie) až 62 % (Bulharsko) úmrtí u mužů a mezi 31 % (Francie) až 71 % (Bulharsko) úmrtí u žen [1]. KVO zůstávají hlavní příčinnou úmrtí u mužů a žen ve všech evropských zemích, vyjma mužů ve Francii, Holandsku a ve Španělsku. Více než jedna třetina z úmrtí na KVO jsou úmrtí na ischemickou chorobu srdeční (ICHS), jež je sama nejčastější příčinou úmrtí v Evropě. Obr. 1 zobrazuje věkově standardizovanou úmrtnost na ICHS v některých zemích Evropy. Obr. 1. Na evropskou populaci věkově standardizovaná úmrtnost na ischemickou chorobu srdeční v některých evropských zemích, podle pohlaví, 0-64 let, 19801, 2004. 1V Ázerbájdžánu, Bělorusku, Kazachstánu, Kyrgyzstánu, Litvě a Ukrajině je znázorněna úmrtnost v roce 1981. Zdroj [1].
V průběhu let 1970-2000 úmrtnost na KVO v zemích západní Evropy klesá téměř lineárně [2]. V zemích východní Evropy úmrtnost na KVO dosáhla svého maxima v letech 1990-1994, s následovaným poklesem v Polsku, Maďarsku a v baltických státech (Estonsko, Lotyšsko, Litva). Pozoruhodný opačný trend ve vývoji úmrtnosti byl také pozorován v České republice (ČR) [3]. Hlavní vliv na pokles úmrtnosti na KVO v ČR měl nejspíše klesající trend výskytu hlavních rizikových faktorů KVO pozorovaný v letech 1985-2000/01 [4]. Nicméně, v roce 2006 byla onemocnění oběhového soustavy nejčastější příčinou úmrtí v ČR (druhou nejčastější příčinou úmrtí byly zhoubné novotvary, třetí příčinou byly vnější příčiny) [5]. Jsou zodpovědná za 50,3 % úmrtí ze všech úmrtí. Hlavní příčinou úmrtí z kardiovaskulárních onemocnění je ICHS. Zapříčinila 47,1 % ze všech úmrtí na KVO u mužů a 40,8 % u žen. Cílem tohoto článku je analyzovat úmrtnost na ICHS u mužů v České republice v letech 1980-2004. Materiál a metodyZdrojová data Počet onemocnění ICHS (kódy D410-D414 podle 8. revize Mezinárodní klasifikace nemocí (MKN-8), kódy 410-414 podle MKN-9, kódy I20-I25 podle MKN-10) a střední stav populace v 5letých věkových skupinách (0-4, 5-9,...80-84, 85+) v letech 1980-2004 jsou převzaty z publikací „Pohyb obyvatelstva v České republice" ročně vydávaných Českým statistickým úřadem. Úmrtnost byla věkově standardizovaná metodou přímé standardizace na evropskou populaci [6]. Statistické metody Na úmrtnost na ICHS u mužů ve věku 30-74 let v ČR v letech 1980-2004 se aplikoval model „věku-období-kohorty" (APC, age-period-cohort) (pozn. úmrtnost v mladších věkových skupinách byla nízká a spolehlivost udávaných příčin úmrtí u starších osob může být diskutabilní, proto byly tyto věkové skupiny z analýzy vyloučeny). Počet úmrtí na ICHS se modeloval pomocí log-lineární Poissonovy regrese jako funkce věku při úmrtí, období úmrtí a kohorty narození. APC modelování se provádělo hierarchicky, jak bylo sumarizováno Arbynem a kol. [7] a jeho konečné výsledky jsou prezentovány v Tab. 1 ve Výsledcích. Vhodnost modelu (goodness of fit) byla vyhodnocována reziduální deviancí a chí-kvadrát testem. K vyhodnocení vlivu přidávaného efektu do modelu se porovnal rozdíl deviancí mezi daným model a modelem bez tohoto efektu s chí-kvadrát rozdělením se stupni volnosti (df) rovnými rozdílu df těchto dvou modelů. Adekvátnost modelu se dále vyhodnotila na základě Akaikeho informačního kritéria (AIC, Akaike's information criterion) a analýzou Pearsonových reziduí. K testování extra-Poissonova kolísání (extra-Poisson variation) se použil Cameronův-Trivediův (C-T) test. Je dobře známo, že mezi proměnnými věk (ai, i=1,...,Ι), období (pj, j=1,...,J) a kohorta (ck, k=1,...,K) existuje lineární závislost: k=I-i+j. V modelu zahrnujícím současně věk, období a kohortu se lineární závislost projeví tak, že neexistuje jednoznačné řešení odhadů parametrů (pozn. odhadované počty úmrtí modelem jsou však stejné pro různé odhady koeficientů). K získání jednoznačných odhadů je nutné klást na odhadované parametry různá omezení. Různá omezení však vedou k různým odhadům trendů věku, období a kohorty. V našem případě se při odhadování parametrů věku, období a kohorty fixovaly dva parametry období (1985-1989, 1990-1994) a jeden parametr kohorty (1935-1944) k hodnotě 0 a také se odhadly takzvané druhé rozdíly parametrů podle Claytona a Schifflersa [8]. Druhé rozdíly se vyjadřují poměrem (rozdílů na logaritmickém měřítku) dvou sousedních relativních hodnot (více ve Výsledcích). K provedení statistické analýzy byl použit R software verze 2.3.1. VýsledkyObr. 2 ukazuje vývoj věkově standardizované úmrtnosti na ICHS u mužů v ČR v letech 1980-2004 ve všech věkových skupinách, ve věkové skupině 0-64 let a ve věkové skupině 30-74 let. Pro možnost srovnání s úmrtnostní v jiných evropských státech (Obr. 1) je tato úmrtnost adjustována (přepočtena) na věkovou strukturu evropské standardní populace. 
Obr. 2. Na evropskou populaci věkově standardizovaná úmrtnost na ischemickou chorobu srdeční v České Republice, muži, ve všech a ve specifických věkových skupinách, 1980-2004. Obr. 3 znázorňuje (roční) specifickou úmrtnost podle věku, období a kohorty narození ve věkové skupině 30-74 let. Úmrtnost je znázorněna na logaritmickém měřítku. Úmrtnost se zvyšovala s věkem (Obr. 3a), snižovala se v posledních letech (Obr. 3b) a snižovala se s kohortou narození (Obr. 3c). Jinými slovy, Obr. 3 znázorňuje úmrtnost postupně stratifikovanou podle věku, období a kohorty narození, kterou jsme měli k dispozici pro statistickou analýzu testující simultánně do jaké míry věk, období, kohorta narození ovlivňují úmrtnost. 
Obr. 3. Specifická úmrtnost na ischemickou chorobu srdeční v České republice podle věku, období a kohorty narození, muži, 30-74 let, 1980-20041. 1V grafu c) kohorta narození označuje střed 10letého intervalu, např. kohorta narození 1940 reprezentuje kohortu mužů narozených od 01/01/1935 do 31/12/1944. 
Obr. 4. Odhadované vlivy věku, období1 a kohorty narození2 (s 95% intervalem spolehlivosti) na úmrtnost na ischemickou chorobu srdeční v České republice, muži, 30-74 let, 1980-2004 (čísla v závorkách označují poměr dvou sousedních relativních hodnot3). 1Období 1985-1989 a 1990-1994 byla vybrána jako referenční období. 2Kohorta narození 1940 byla vybrána jako referenční; kohorta narození označuje střed 10letého intervalu, např. kohorta narození 1940 reprezentuje kohortu mužů narozených od 01/01/1935 do 31/12/1944. 3Například poměr úmrtností věkové skupiny 40-44 (87,7) k věkové skupině 35-39 (38,6) a úmrtností věkové skupiny 35-39 (38,6) k věkové skupině 30-34 (15,6) je (87,7/38,6)/( 38,6/15,6)=0,92.
Statistická analýza je prezentována v Tab. 1, která sumarizuje výsledky APC modelování. Vliv věku na úmrtnost byl významný (model 1). Modely 2 a 3a-3b byly významně lepší ve srovnání s modelem 1, avšak stále nepostačující. Nejvhodnější byl APC model (model 4). To znamená, že riziko úmrtí bylo významně závislé na všech třech efektech: věku, kalendářním období a kohortě narození. V APC modelu nebylo detekováno žádné extra-Poissonovo kolísání (jinými slovy rozdíl mezi průměrem a rozptylem byl nevýznamný) (p=0,500) a Pearsonova rezidua se pohybovala v rozpětí od -1,864 do 1,784. Tab. 1. Modelování úmrtnosti na ischemickou chorobu srdeční v závislosti na věku, období a kohortě, muži, 30-74 let, 1980-2004. | Číslo1 | Model | Residuální deviance (D) | Stupně volnosti (df) | p | Porovnáno s modelem | Δ(D)2 | Δ(df)3 | p | AIC4 | | 0 | Intercept | 355388,0 | 44 | <0,001 | | | | | | | 1 | Věk | 15148,0 | 36 | <0,001 | 0 | 340240,0 | 8 | <0,001 | 15600,6 | | 2 | Věk-drift | 3255,5 | 35 | <0,001 | 1 | 11892,5 | 1 | <0,001 | 3710,1 | | 3a | Věk-Věk*Drift | 2922,5 | 27 | <0,001 | 2 | 333,0 | 8 | <0,001 | 3393,1 | | 3b | Věk-Období | 388,2 | 32 | <0,001 | 2 | 2867,3 | 3 | <0,001 | 848,8 | | 3c | Věk-Kohorta | 1872,6 | 24 | <0,001 | 2 | 1382,9 | 11 | <0,001 | 2349,2 | | 4 | Věk-Období-Kohorta | 28,7 | 21 | 0,121 | 3b | 359,5 | 11 | <0,001 | 511,3 |
1Viz Obr. 2. Jestliže platí model 1, věkově specifické křivky úmrtnosti podle období jsou identické. Jestliže platí model 2, věkově specifické křivky úmrtnosti jsou rovnoběžné v konstantní vzdálenosti (tzv. drift). V případě modelu 3a, věkově specifické křivky úmrtnosti nejsou rovnoběžné; věkově specifická úmrtnost v sousedních obdobích se liší o konstantu specifickou pro každou věkovou skupinu. V případě modelu 3b, věkově specifické křivky úmrtnosti (nebo ekvivalentně křivky specifické úmrtnosti dle období) jsou rovnoběžné, ale v různých vzdálenostech. Jestliže platí model 3c, specifické křivky úmrtnosti podle kohort jsou rovnoběžné v různých vzdálenostech. Model 4 vyjadřuje, že věkově specifické křivky úmrtnosti nejsou rovnoběžné a jsou funkcí období a kohorty. 2Rozdíl reziduálních deviancí. 3Rozdíl stupňů volnosti. 4Akaikeho informační kritérium.
Vlastní trendy vlivu věku, období a kohorty na úmrtnost jsou znázorněny na Obr. 4. Vliv věku se vyjádřil jako věkově specifická úmrtnost na 100 000, vliv periody a kohorty jako relativní riziko úmrtí na ICHS. Se zvyšujícím se věkem se zvyšovala úmrtnost na ICHS (Obr. 4a). Riziko úmrtí na ICHS se snižovalo v posledních letech (Obr. 4b, porovnáváno s lety 1985-1994, tj. referenční období) a s kohortou narození (Obr. 4c). Kohortová rizika úmrtí byla porovnávána s rizikem kohorty 1940 (referenční kohorta). Kohorta 1940 zahrnovala muže narozené kolem (1935-1944) počátku druhé světové války v roce 1939. Vlastně jde o středovou kohortu a ve srovnání s ní starší a mladší kohorty vycházejí z méně dat, Obr. 3c (to se odráží v kolísavé šířce intervalů spolehlivosti, Obr. 4c). Čísla v závorkách na Obr. 4 uvádějí poměr dvou sousedních hodnot. Připomeňme, že tyto poměry jsou stejné pro různé odhady vlivu věku, období a kohorty a řeší tedy problém nejednoznačného odhadu parametrů v APC modelu, jak bylo zmíněno v sekci Materiál a metody. Je důležité zdůraznit, že poměry neindikují rostoucí ani klesající trend. Hodnoty nižší než 1 vlastně vyjadřují, že došlo ke „zpomalení" trendu a hodnoty vyšší než 1, že došlo k „zrychlení trendu". Popišme nejdůležitější náhlé změny v trendech: DiskuseAPC modelování je užívána metoda k analýze incidence a úmrtnosti z různých příčin od rakovin až po kardiovaskulární onemocnění. Je to deskriptivní nástroj především aplikovaný na národně registrovaná data. Pomáhá nejen modelovat ale i předpovídat výskyt onemocnění. V tomto článku jsme použili APC modelování k analýze úmrtnosti na ICHS u mužů v České republice. KVO jsou příčinou skoro poloviny všech úmrtí v Evropě (48 %) a sama ICHS je nejčastější příčinnou úmrtí v Evropě [1]. Primárně preventivní programy v mnoha zemích se pokoušejí snížit výskyt ICHS modifikací rizikových faktorů. V doposud uskutečněných studiích však takové intervence měly omezený vliv na úmrtnost, jak je sumarizováno v literatuře [9,10]. Na druhé straně, jak je tam uvedeno, malý ale potenciálně důležitý prospěch (asi 10% snížení úmrtnosti na ICHS) nemusel být v těchto studiích odhalen. Hlavními kardiovaskulárními rizikovými faktory jsou kouření, zvýšený krevní tlak, zvýšená hladina cholesterolu a diabetes mellitus. ČR patří k evropským zemím s vysokou úmrtností na ICHS, přestože úmrtnost na ICHS v ČR klesá od počátku 90. let minulého století (Obr. 1). V této studii jsme použitím APC modelování zjistili, že úmrtnost u českých mužů byla významně závislá na věku úmrtí, na kalendářním období úmrtí a na kohortě narození. Úmrtnost na ICHS se zvyšovala s věkem (Obr. 4a). Vliv věku na úmrtnost pravděpodobně odrážel závislost této úmrtnosti na ateroskleróze („tvrdnutí cév" – hlavní základní příčina KVO), o které je známo, že může začít již v dětství a s věkem se zhoršuje. Pravděpodobně rozhodujícím věkem pro muže je věk kolem 40/50 let, kdy bylo pozorováno největší zpomalení nárůstu úmrtnosti (poměr úmrtností věkové skupiny 45-49 k 40-44 byl o 17 % nižší než odpovídající poměr věkové skupiny 40-44 k 35-39; poměr úmrtností věkové skupiny 50-54 k 45-49 byl o 11 % nižší než odpovídající poměr věkové skupiny 45-49 k 40-44). Relativní riziko úmrtí na ICHS se v poslední době snížilo (Obr. 4b). Vliv období na úmrtnost zrcadlí rizikové faktory a úroveň zdravotní péče, které působily v době úmrtí. Rizika v obdobích 1985-1989 a 1990-1994 se fixovala k hodnotě 1 (referenční období), neboť se dá očekávat, že riziko bylo v těchto letech kolem pádu komunismu v roce 1989 přibližně stejné. Pokles rizika na fatální ICHS v poslední době (ve srovnání s lety 1985-1994) se vysvětluje pádem komunismu, jenž měl za následek změnu životního stylu a moderní léčbu. Poměr rizik v letech 1995-1999 k 1990-1994 byl o 19 % nižší než odpovídající poměr rizik období 1990-1994 k 1985-1989. Relativní riziko úmrtí na ICHS lineárně klesalo s kohortou narození v rozmezí od 0,38 do1,60 (Obr. 4c). Nebyly pozorovány žádné větší změny trendu; poměry relativních rizik mezi sousedními kohortami byly blízko 1. Vliv kohorty narození na úmrtnost může být chápán jako vliv rizikových faktorů a environmentální expozice, které jsou typické pro danou generaci. Ke kohortě narození se často vztahuje etiologie. Jedním z nedostatků našeho APC modelu je okolnost, že jsme neměli k dispozici data týkající se charakteristik jednotlivců. Nemohli jsme tak vztáhnout trendy věku, období a kohorty k trendům kardiovaskulárních rizikových faktorů (kouření, krevní tlak atd.) a přesně prozkoumat čas od modifikace rizikových faktorů k poklesu úmrtnosti. Naše studie není studie analytická, ale studie deskriptivní a mohla by pomoci zdravotnickým pracovníkům k lepšímu porozumění vývoje úmrtnosti na ICHS v ČR a spekulacím o něm. Například naše data naznačují, že strmější pokles úmrtnosti se projevil v 5-10 letech (1995-1995) po modifikaci rizikových faktorů, o které se předpokládá, že začala kolem roku 1990. Dále, i když cílem naší studie nebylo předpovídat budoucí vývoj úmrtnosti na ICHS, dá se očekávat, že úmrtnost u mužů v ČR bude dále klesat za předpokladu, že trendy rizikových faktorů se nezmění. Pokles je především očekáván proto, že riziko úmrtí se snižuje s rokem narození a v posledních letech. APC modelování ICHS bylo v nedávné době aplikováno také ve Finsku [11] a Japonsku [12], u nichž je rovněž očekáván pokles úmrtnost na ICHS. Výsledky obou studií zdůrazňují důležitost nedávného poklesu úmrtnosti na ICHS u středně starých osob. Našli jsme několik studií, které byly uskutečněny v minulém století a předpovídaly vývoj úmrtnosti do začátku 21. století. Například se analyzovaly vlivy věku, období a kohorty na úmrtnost na ICHS ve Švédsku v letech 1969-1993, s predikcí do roku 2003 [13]. Stálo by za to porovnat předpovídanou a pozorovanou úmrtnost v těchto studiích. Závěrem shrňme, že riziko úmrtí na ICHS u českých mužů bylo významně závislé na věku úmrtí, kalendářním období a kohortě narození. Podstatné pozitivní změny v trendu úmrtnosti byly pozorovány po pádu komunismu v roce 1989 a u mužů ve věku 40-49 let. Za předpokladu, že trendy věku, období a kohorty se nezmění, dá se u českých mužů očekávat další pokles úmrtnosti na ICHS. Poděkování Práce byla podporována projektem 1M06014 MŠMT ČR.
Literatura | [1] | European cardiovascular disease statistics 2008 edition. London: British heart foundation, 2008. | | [2] | Kesteloot H., Sans S., Kromhout D.: Dynamics of cardiovascular and all-cause mortality in Western and Eastern Europe between 1970 and 2000. Eur Heart J 2006; 27(1):107-13. | | [3] | Levi F., Lucchini F., Negri E., La Vecchia C.: Trends in mortality from cardiovascular and cerebrovascular diseases in Europe and other areas of the world. Heart 2002; 88(2):119-24. | | [4] | Cífková R., Škodová Z.: Dlouhodobé trendy hlavních rizikových faktorů kardiovaskulárních onemocnění v české populaci. Cas Lek Cesk 2004; 143(4):219-226. | | [5] | Úmrtí 2006. Ústav zdravotnických informací a statistiky České republiky, Praha 2007. | | [6] | Doll R., Cook P.: Summarizing indices for comparison of cancer incidence data. Int J Cancer, 1967; 2(3):269-279. | | [7] | Arbyn M., Van Oyen H., Sartor F., Tibaldi F., Molenberghs G.: Description of the influence of age, period and cohort effects on cervical cancer mortality by loglinear Poisson models (Belgium, 1955-94), Arch Public Health 2002; 60:73-100. | | [8] | Clayton D., Schifflers E.: Models for temporal variation in cancer rates. II: Age-period-cohort models. Stat Med 1987; 6(4):469-481. | | [9] | Ebrahim S.: Systematic review of randomised controlled trials of multiple risk factor intervention for preventing coronary heart disease. BMJ 1997; 314(7095):1666-1674. | | [10] | Ebrahim S., Beswick A., Burke M., Davey Smith G.: Multiple risk factor interventions for primary prevention of coronary heart disease. Cochrane Database Syst Rev 2006; (4):CD001561 | | [11] | Huovinen E., Härkänen T., Martelin T., Koskinen S., Aromaa A.: Predicting coronary heart disease mortality-assessing uncertainties in population forecasts and death probabilities by using Bayesian inference. Int J Epidemiol 2006; 35(5):1246-52. | | [12] | Ma E., Iso H., Takahashi H., Yamagishi K., Tanigawa T.: Age-Period-Cohort analysis of mortality due to ischemic heart disease in Japan, 1955 to 2000. Circ J 2008; 72(6):966-72. | | [13] | Peltonen M., Asplund K.: Age-period-cohort effects on ischaemic heart disease mortality in Sweden from 1969 to 1993, and forecasts up to 2003. Eur Heart 1997; 18(8): 1307-1312. |
|