Epidemiologi

Epidemiologien (fra oldgræsk νόσος ἐπιδήμιος, nósos epidēmi's " epidemi , udbredt sygdom ", ^[1] og -logie bogstaveligt talt "læren om, hvad der kommer over folket ") er den videnskabelige disciplin, der beskæftiger sig med spredningen såvel som årsagerne og Konsekvenser af sundhedsrelaterede tilstande og begivenheder i befolkninger eller populationer . Det er det, der adskiller epidemiologi fra klinisk medicin , der handler om at hjælpe en enkelt person i et specifikt sygdomstilfælde. Selvom læger tidligere har beskæftiget sig med spredning og årsager til sygdomme, er begyndelsen på den videnskabelige epidemiologi dateret til midten af 1800 -tallet.

Eksempel på en epidemi: sygdomme og dødsfald (sort) i løbet af Ebola -feberepidemien i Vestafrika frem til juli 2014 (cirka logistisk funktion )

Kernen i den epidemiologiske tilgang er den kvantitative bestemmelse af hyppigheden af hændelser og sygdomsbyrden i en befolkning. Forekomstfrekvensen kan bestemmes ved hjælp af den observerede omfang af forekomsten . Prævalens er målet for spredning af sygdomme i befolkningen i en rumligt og tidsmæssigt defineret befolkning. Epidemiologi fortsætter med at studere de faktorer, der bidrager til individers og befolkningers sundhed og sygdom, og lægger dermed grundlaget for mange foranstaltninger, der træffes af hensyn til befolkningens sundhed . Epidemiologiske metoder danner grundlag for kliniske undersøgelser . Epidemiologiske undersøgelser spiller også en rolle inden for sociologi og psykologi , f.eks. B. ved adfærdsforstyrrelser , autisme og selvmord . På denne måde kan forbindelser med spredningen af disse fænomener registreres og om nødvendigt påvirkes.

Udtrykket befolkning eller befolkning refererer ikke udelukkende til menneskelige populationer; dyr og planter danner også populationer. Så veterinær epidemiologi eller epizootiologi studerer spredning af sygdomme i dyrepopulationer; botanisk epidemiologi studerer sygdomme hos planter.

Emne for epidemiologi

På den ene side er epidemiologi en lægevidenskab, for som med andre medicinske aktiviteter leder man efter årsagerne til sygdomme og passende forebyggende eller terapeutiske foranstaltninger. På den anden side er epidemiologi også en underdisciplin af statistik : For at komme til bunds i spørgsmålet om mulige årsag-virkningssammenhænge anvendes statistiske metoder og foranstaltninger. Den angivne årsag og sygdommen af interesse kan modelleres som en effekt ved hjælp af matematisk-statistiske modeller. Analytisk epidemiologi kombinerer disse statistiske metoder med viden og procedurer inden for klinisk medicin, beskrivende epidemiologi er også kendt som sundhedsstatistik . Hvis du bemærker, at en sygdom stiger eller overstiger et bestemt niveau, kan du tage målrettede foranstaltninger. Definerede situationer bekæmpes med definerede handlinger. Kvantificeringen muliggør også en objektiv vurdering af effektiviteten af en intervention .

Ligesom enhver anden videnskabelig disciplin fungerer epidemiologi på tværfaglig vis: uden for sin egen kernelag af viden, termer og metoder, bygger den på resultaterne fra andre discipliner: medicin , veterinærmedicin , statistik , biologi , sociologi , psykologi og datalogi og andre. ^[2]

Epidemiologi omhandler alle former for sygdomme og de faktorer, der påvirker sundhed og sygdom, og ikke længere som i de første dage kun med epidemier ^[3] som en tidsmæssigt og rumligt begrænset stigning i forekomsten af især infektionssygdomme . ^[4] Epidemiologi udfører praktisk arbejde i undersøgelsen af faktorer, der påvirker sundhed og sygdom. Disse faktorer kan ligge i individet, hans genetik, livshistorie og adfærd, såvel som i den fysiske, biologiske og sociale verden, miljøet. Epidemiologisk viden om risikofaktorer er grundlaget for sundhedsfremme . Epidemiologi arbejder med observations- og eksperimentelle undersøgelser. For eksempel kan sammenhænge mellem mulige årsager som kost , social status , stress og miljøkemikalier samt konsekvenser som sygdom og velvære kvantificeres.

Matematiske modeller er meget vigtige for at bestemme sandsynligheden for fremtidige epidemier og deres forløb. De hjælper også med at planlægge vaccinationskampagner . Se også Matematisk modellering af epidemiologi .

Epidemiologiske undersøgelser er generelt opdelt i beskrivende , analytiske og eksperimentelle aktiviteter. Nogle forskere arbejder inden for folkesundhed , andre i videnskabelige institutioner, på klinikker eller i udviklingsbistand. Når nye sygdomme som SARS , fugleinfluenza H5N1 og fugleinfluenza H7N9 opstår , er epidemiologer uundværlige.

Epidemiologiske delområder

Liste over arbejdsgrupperne i German Society for Epidemiology (DGEpi): Infektionsepidemiologi , epidemiologi over allergiske og dermatologiske sygdomme, epidemiologi i arbejdsverdenen, epidemiologiske metoder, ernæringsepidemiologi, genetisk epidemiologi, kardiovaskulær epidemiologi, kræftepidemiologi, statistiske metoder i epidemiologi, miljømedicin.

Yderligere delområder er epidemiologi med udbrud , ^[5] oral epidemiologi , farmakoepidemiologi og social epidemiologi .

Epidemiologiske indikatorer

Følgende nøgletal gør det lettere at få overblik over befolkningens situation eller spredning af visse infektioner eller sygdomme. Hvis et nøgletal overstiger eller falder under en defineret værdi, kan der træffes eller afsluttes specifikke foranstaltninger. Definerede situationer bekæmpes således med definerede handlinger. Dette letter også en objektiv vurdering af effektiviteten af en intervention .

Forekomst

Antallet af nye tilfælde inden for en gruppe mennesker og over en bestemt periode kaldes forekomsten.

Incidensdensiteten er antallet af nye tilfælde divideret med den tid, der er brugt med risiko for en sygdom pr. Person ( persontid ) i en befolkning; I stedet for sygdomme kan andre definerede hændelser også overvejes.

Forekomsten er et mål for forekomsten af nye sygdomstilfælde i en befolkning. Det gensidige af forekomsten er den gennemsnitlige tid for et individ at udvikle sygdommen.

Et infektionsnummer er den uspecifikke specifikation af et nummer, der giver information om spredning og omfang af testresultater, infektioner eller sygdomme. Et risikoområde er et område med en akut øget lokal forekomst af testresultater, infektioner eller sygdomme i befolkningen, i bredere forstand også med et akut øget lokalt antal infektioner . Sandsynligheden for, at en person fra den pågældende befolkning vil pådrage sig den pågældende sygdom mindst én gang i det definerede tidsrum, kaldes også den kumulative forekomst .

Udbredelse

Forekomsten af en sygdom angiver andelen af berørte individer i den pågældende befolkning. Efter Checkoway kan blandt andet 1989 nøjagtigt skelne mellem "Prevalence at a time point" eller point prevalence ( engelsk point prevalence) og "prevalence over a period" eller period prevalence ( engelsk period prevalence). På grund af den problematiske fortolkning af periodeprævalensen koncentrerer man sig normalt om punktprevalensen, hvilket normalt er det, der menes, når man kun taler om prævalens.

Prævalensen er normalt repræsenteret som en kvotient - nemlig antallet af aktuelle tilfælde i en befolkning (f.eks. Syge, afdøde, underernærede osv. Uanset varighed) divideret med antallet af alle medlemmer af denne befolkning. Forekomst, som et mål for hyppigheden af en sygdom, bør ikke forveksles med forekomsten - målingen af forekomsten af nye sygdomstilfælde i en befolkning.

Eksempel: Fra 1. januar 2002 havde 1.024 medarbejdere i en bestemt virksomhed rygproblemer. Med i alt 15.000 ansatte er prævalensen 0,068 eller 6,8 procent.

Forholdet mellem forekomst og forekomst

Hvis forekomsten er så høj, at med den fremherskende prævalens i referenceperioden helbreder eller elimineres færre sygdomme på grund af død ( dødelighed ), end der tilføjes, øges prævalensen, indtil der er konstateret en ligevægt ( steady state) .

risiko

Risiko er sandsynligheden for, at en begivenhed vil forekomme over et bestemt tidsrum; Nye sygdomme eller dødsfald betragtes typisk som begivenheder. For eksempel, hvis du fulgte en gruppe på 1.000 mennesker over en periode på 15 år og fandt ud af, at 20 mennesker døde i løbet af disse 15 år, ville den 15-årige risiko være 20 / 1.000. ^[6]

Risikoen for at udvikle nye sygdomme er også kendt som den kumulative forekomst . Livstidsrisikoen beskriver sandsynligheden for at blive syg (mindst) en gang i livet og er derfor en særlig kumulativ forekomst; et alternativt udtryk er dog levetidsprævalens .

For at identificere risikofaktorer sammenlignes populationer, der kun er forskellige i en af de undersøgte egenskaber, hvis det er muligt; derefter (absolut) risiko forskelle og relative risici kan beregnes. Risikofaktorer giver spor om årsagerne til sygdomme; der behøver imidlertid ikke at være en årsagssammenhæng ; især i observationsstudier kan effekten også skyldes systematiske forvrængninger eller forvirrende faktorer .

Tilskrivbar risiko

Den tilskrevne risiko hjælper med at estimere, hvor meget en bestemt faktor bidrager til en bestemt sygdom. Et specifikt spørgsmål kan være: Hvor stærk er indflydelsen fra 10 cigaretter om dagen på risikoen for lungekræft ?

Svaret på det er:

{\text{Attributables Risiko}}={\text{Risiko}}_{10}-{\text{Risiko}}_{0}

{\ displaystyle {\ text {Attributable risk}} = {\ text {Risk}} _ {10} - {\ text {Risk}} _ {0}}

{\ displaystyle {\ text {Attributable risk}} = {\ text {Risk}} _ {10} - {\ text {Risk}} _ {0}}

.

I princippet sammenlignes risikoen for mennesker, der ryger enten 10 eller 0 cigaretter om dagen, med hinanden. Risikoen for ikke-rygere er så at sige "restrisikoen", der (ofte) ikke kan undgås og derfor ikke fortjener yderligere opmærksomhed.

Reproduktionsnummer

Det grundlæggende reproduktionstal R ₀ defineres eller på anden måde beskyttes som et gennemsnitligt antal sekundære infektionstilfælde, der producerer en enkelt primær inficeret person, hvis den berørte befolkning ikke blev vaccineret før transmission, og hver individuel modtagelig ( modtagelig er). Netto reproduktion nummer R _t tager derimod hensyn til den udviklede immunitet og påvirkning af kontrolforanstaltninger. For at indeholde en epidemi skal netto reproduktionstallet reduceres til en værdi på højst 1 (R = 1 betyder, at 1 typisk tilfælde af infektion fører til 1 efterfølgende tilfælde). Jo tættere værdien er på 0, desto mere vellykket er det at bekæmpe spredning af sygdommen.

Eksempler på grundlæggende reproduktionstal:

Malaria : mere end 1000
Mæslinger : 15 til 18
Polio : 6 til 8

R_{t}=R_{0}\cdot (100\,\%-n\%)/100\%

{\ displaystyle R_ {t} = R_ {0} \ cdot (100 \, \% - n \%) / 100 \%}

{\ displaystyle R_ {t} = R_ {0} \ cdot (100 \, \% - n \%) / 100 \%}

R ₀ : grundlæggende reproduktionsnummer

R _t : netto reproduktionsnummer (effektivt reproduktionsnummer)

n%: Andel af befolkningen, hvor der ikke sker nogen overførsel, fordi der er truffet passende forholdsregler for at forhindre overførsel fra person til person, eller fordi folk er blevet vaccineret eller på anden måde immuniseret ( immuniseringsrate )

Af denne formel følger det, at for malaria 99,9%, for mæslinger omkring 94% og for polio ( polio ) skal omkring 86% af befolkningen være immun for, at sygdommen kan vedvare i den endemiske tilstand eller endda blive udryddet. Hvis vaccinationsraterne ikke overholdes, vil der opstå lokale epidemier. ^[7] ^[8]

Spørgsmålet ”Skal jeg vaccinere mit barn?” Vedrører derfor ikke kun det enkelte barns helbred, men også hele befolkningens. Et sygt barn dør meget sjældent af en barndoms sygdom som røde hunde eller mæslinger, men infektionen kan spredes.

Et eksempel på meget forskellige reproduktive tal for den samme sygdom er malaria : Selvom denne sygdom er ødelæggende i Afrika, er den et håndterbart problem i Indien, hvor Anopheles -myg spiller en væsentlig rolle som en mellemliggende vektor. Dynamikken i en epidemi og effektiviteten af indeslutningstiltag (masker, kontaktrestriktioner) kan vurderes på grundlag af det grundlæggende reproduktionstal R _{0, der er} anslået under de respektive betingelser for typiske infektionssager og det effektive reproduktionstal R _t . Ud over infektionsperioden er tiden mellem vellykket overførsel og infektionens start vigtig for det tidsmæssige spredningsforløb.

Generationstid og serieinterval

Genereringstiden T for en infektionssygdom er tiden mellem infektionshændelser for to individer, hvoraf den ene inficerer den anden. Mens infektionstidspunktet for det meste er skjult, er forekomsten af symptomer tydeligere genkendelig. Dette gør det lettere at bestemme det serielle interval: Det serielle interval beskriver den gennemsnitlige tid mellem symptomerne på en infektion i bæreren og det tidspunkt, hvor den person, der er inficeret, udvikler symptomer. Begge parametre kan ændre sig dynamisk under en epidemi. ^[9]

Eksponentiel vækstrate og fordoblingstid

Parameteren r er et mål for den hastighed, hvormed der opstår nye tilfælde. Det kan være et positivt tal (antallet af nye infektioner stiger) eller et negativt antal (antallet af nye infektioner falder). Der er en forbindelse i begyndelsen af en epidemi

r={\frac {R_{0}-1}{T}}.

{\ displaystyle r = {\ frac {R_ {0} -1} {T}}.}

{\ displaystyle r = {\ frac {R_ {0} -1} {T}}.}

dynamikken sker igen, dvs. hvor hurtigt den spredes. Fordoblingstiden er et intuitivt tal, den tid det tager for sager at fordoble, så det gør det lettere at forstå i de tidlige stadier af en epidemi. Det er mindre nyttigt i den stabile fase eller under vendepunktet. I den henfaldende fase er det bedre at tale om halveringstiden: Udtrykt i formler er fordoblingstiden i den tidlige fase ^[9]

dt={\frac {ln2}{r}}.

{\ displaystyle dt = {\ frac {ln2} {r}}.}

{\ displaystyle dt = {\ frac {ln2} {r}}.}

For at give et enkelt eksempel, var fordoblingstiden for Covid-19-tilfælde i Storbritannien under epidemiens hurtige vækstfase i marts 2020 før "lockdown" i størrelsesordenen 3 til 4 dage. Forudsat en værdi på 3,5 giver dette et r-skøn på 0,2 nye tilfælde om dagen (som hver inficeret person producerer). En nyttig sammenligning til forståelse af virkningerne af R og generationstid på nye infektioner er HIV, som har en R ₀ på ca. 2 i nogle populationer, og influenza, som har en R ₀ på ca. 1. Den vigtigste faktor er det reproduktive nummer R, men tidsrummet fra en infektion til den næste er dage for influenza, måneder eller endda år for HIV.

For flere matematiske baggrunde og modeller se:

Matematisk modellering af epidemiologi
- SI -model (smitte uden genopretning)
- SIS -model (spredning af infektionssygdomme uden at opbygge immunitet)
- SIR -model (spredning af infektionssygdomme med immunitetsdannelse)
- SEIR -model (spredning af infektionssygdomme med immunitetsdannelse, hvor inficerede mennesker ikke umiddelbart er smitsomme)

Epidemiologiske metoder og undersøgelsestyper

Generelt vil man gerne bruge epidemiologiske metoder og undersøgelser til at bestemme sammenhængen mellem eksponering for risikofaktorer og sygdom. En risikofaktor kan være rygning, fed mad eller et bestemt socialt miljø, hvilket øger sandsynligheden for sygdom. Analogt med risikofaktoren taler man om "beskyttelsesfaktoren", som reducerer den. Regelmæssig motion og frugt er z. B. beskyttelsesfaktorer for hjerte -kar -sygdomme, amning beskytter babyer mod infektioner. De indsamlede generelle data omfatter ikke kun sygdomsstatus, underliggende sygdomme, alder og køn, men også rygeadfærd og uddannelsesniveau. Der skelnes mellem observationsstudier (tværsnitsstudie, kohortstudie, case-kontrol undersøgelse) og interventionsstudier.

Tværsnitsstudier (Engl. Tværsnitsstudie) identificerer et øjebliksbillede af de undersøgte epidemiologiske data. På grund af det tidsmæssige "øjebliksbillede" af de epidemiologiske data er årsagssammenhængene mellem eksponering og sygdom trukket fra undersøgelsen svage og tjener mere til at generere hypoteser end til at verificere dem.
Longitudinale undersøgelser (Engl. Longitudinal study) er en generisk betegnelse for undersøgelser, der regelmæssigt indsamler data om undersøgelsespopulationen over en længere periode. De svarer til periodisk gennemførte tværsnitsstudier.
Kohorte studier undersøge definerede grupper af mennesker med og uden eksponering for en risikofaktor over en længere periode og måle status sygdom i slutningen af observationsperioden. Risikoen for den udsatte person for denne sygdom kan måles ud fra antallet af syge blandt de udsatte divideret med det samlede antal udsatte mennesker. Det samme gælder dem, der ikke er udsat. Forholdet mellem risikoen for de udsatte og risikoen for de ikke-eksponerede er risikoforholdet (også kaldet den relative risiko eller risikoforhold ) og angiver, hvor meget eksponeringen øger risikoen for sygdommen. For eksempel øger rygning 20 cigaretter om dagen i forhold til ikke-ryger risikoen for at udvikle lungekræft med en faktor 15. I potentielle kohorteundersøgelser er starten af undersøgelsen og starten af observationsperioden tæt på hinanden. Sygdommens status er stadig ukendt. Retrospektive kohorteundersøgelser ser allerede på tidligere kohorter, her er observationerne allerede afsluttet, og sygdomsstatus er allerede kendt. De er lettere og billigere at udføre end potentielle kohorteundersøgelser, men også mere tilbøjelige til skævheder , især ved rekruttering af studiedeltagere, hvilket var tidligere og ikke længere kan påvirkes. Eksempler på kohorteundersøgelser ville være undersøgelse af lungekræft hos asbestarbejdere (udsat gruppe) i en virksomhed og deres kontorarbejdere (ikke-eksponeret gruppe).

	Antal syge mennesker	Antal raske mennesker
Antal udsatte personer	-en	b
Antal personer, der ikke er udsat	c	d

${\text{Risikoverhältnis}}={\frac {\frac {a}{a+b}}{\frac {c}{c+d}}}$ ${\ displaystyle {\ text {Risk ratio}} = {\ frac {\ frac {a} {a + b}} {\ frac {c} {c + d}}}}$ ${\ displaystyle {\ text {Risk ratio}} = {\ frac {\ frac {a} {a + b}} {\ frac {c} {c + d}}}}$

I metodemæssigt, case-control studier går den modsatte vej af en kohorte undersøgelse. I et case-control studie er sygdomsstatus kendt, og eksponering er ukendt. Det er særligt velegnet til sjældne sygdomme, da en kohorteundersøgelse skulle have et stort antal deltagere for at nå et statistisk tilstrækkeligt antal patienter. Studiepopulationen i case-control undersøgelsen består af syge og raske mennesker, selvom der af statistiske årsager kan være to eller flere raske mennesker for hver syg person (1: 2 matching, 1: n matching). Eksponeringen registreres kun efter tildeling til de to grupper for at udelukke enhver indflydelse på observatørernes resultat. Chancen ( ulige ) for den syge person til at blive udsat vurderes. Det skyldes antallet af syge med eksponering divideret med antallet af syge uden eksponering ('ikke' det samlede antal syge). Chancen for raske mennesker til at blive udsat beregnes på samme måde. Chancen for de syge ved chancen for Healthy Division giver oddsforholdet (Engl. Odds ratio). Det svarer til den faktor, hvormed chancen for at blive syg af eksponering øges. I en case-control undersøgelse er man nødt til at beregne oddsforholdet og ikke risikoforholdet, da valg af antal kontrolpersoner ville fordreje nævneren af risikoterminen (summen af a + b). På den anden side ville fordobling af antallet af kontroller i oddsforholdet matematisk reduceres (dobbelt så mange i tælleren som i nævneren).

I tilfælde af sjældne sygdomme svarer oddsforholdet til risikoforholdet. Case-control undersøgelser er generelt retrospektive.

	Antal syge mennesker	Antal raske mennesker
udsat	-en	b
ikke udsat	c	d

${\text{Chancenverhältnis}}={\frac {a\cdot d}{c\cdot b}}={\frac {\frac {a}{c}}{\frac {b}{d}}}$ ${\ displaystyle {\ text {odds ratio}} = {\ frac {a \ cdot d} {c \ cdot b}} = {\ frac {\ frac {a} {c}} {\ frac {b} {d }}}}$ ${\ displaystyle {\ text {odds ratio}} = {\ frac {a \ cdot d} {c \ cdot b}} = {\ frac {\ frac {a} {c}} {\ frac {b} {d }}}}$

Interventionsundersøgelser, der ligner en potentiel kohorteundersøgelse, følger en befolkning over tid, hvorved man ønsker at måle indflydelsen af en specifik intervention, normalt en ny behandling eller et nyt lægemiddel, på risikoen for sygdom. Inden undersøgelsen er befolkningen opdelt i interventionsgrenen og kontrolgrenen. Denne intervention (f.eks. Lægemiddel) gives derefter aktivt under undersøgelsen, mens kontrolpopulationen forbliver ubehandlet eller modtager ineffektiv behandling (f.eks. Placebo ). Evalueringen udføres på lignende måde som en case-control undersøgelse af oddsforhold . Opgaven til behandlingsgruppen og kontrolgruppen er det kritiske punkt i en interventionsundersøgelse, da deltagerne adskiller sig i deres sundhedsparametre og man kun ønsker at måle indflydelsen fra interventionen og ikke disse parametre. Hvis dette valg foretages tilfældigt og derfor ikke er rettet, taler man om et randomiseret kontrolleret forsøg. Disse undersøgelser har en særlig stærk kausalitet med hensyn til intervention og sygdomsstatus og bruges derfor i lægemiddeltest.
Paleopatologi giver fakta om spredning og spredning samt symptomer på sygdomme i historiske og forhistoriske epoker; Forskning i uddøde stammer af patogener er også mulig, især på grundlag af undersøgelser af gammelt DNA . Symptomer og sygdomme, såsom osteolytisk betændelse, kan også diagnosticeres takket være skeletrester.
Den igangværende epidemiologiske overvågning (overvågning) af sundhedsmyndighederne viser en kort og lang sigt udvikling i spredningen af infektiøse og andre sygdomme.
Molekylær epidemiologi baseret på laboratoriedata.

Endvidere kan der sondres mellem følgende epidemiologiske undersøgelsestyper: ^[10] ^[11] ^[12] ^[13]

Beskrivende epidemiologi
Analytisk epidemiologi
Eksperimentel epidemiologi
Molekylær epidemiologi
Genetisk epidemiologi

I forbindelse med kræftregistre taler man også om:

anvendt epidemiologi.

Endemisk, epidemisk og pandemisk

Endemisk er den normale, almindelige forekomst af en bestemt sygdom i en bestemt befolkning. En vis andel af influenzasygdomme i befolkningen er almindelig. Hvis en vis grænse overskrides - cirka 10% i tilfælde af influenza - taler man om en epidemi . Af definitionen på den endemiske følger det, at epidemien er den usædvanligt stærke og midlertidige forekomst af en sygdom.

Pandemien er ligesom epidemien et stort sygdomsudbrud ud over det forventede niveau, men epidemien er stadig begrænset til bestemte områder. Pandemier spænder derimod lande og kontinenter. Verdenssundhedsorganisationens (WHO) pandemiplanlægning ^[14] har tjent deres forebyggelse og om nødvendigt indeslutning siden 1999 og ideelt set en national pandemiplan for hvert land (se National Pandemic Plan for Germany ).

Bemærk, at for klassificering af sygdomme som endemisk, epidemisk eller pandemisk er kun hyppigheden af forekomst afgørende og ikke sygdommens forløb eller sværhedsgrad.

Epidemiologisk netværk af relationer

Epidemiologi ser også på det sociale , geografiske og økonomiske miljø af sygdomme, mens medicin for det meste begrænser sig til direkte faktorer som vira og fysiske skader. I epidemiologi er det ikke tilstrækkeligt blot at oplyse, at hiv -virus forårsager sygdommen AIDS . Epidemiologer undersøger det bredere miljø, hvor hver tilstand påvirker andre faktorer.

For eksempel:

I dette land gør klimaet det muligt at dyrke mad, hvilket forhindrer underernæring . Når folk er blevet sundere med god ernæring, kan de gå i skole oftere i stedet for at blive syge hjemme.
Forbedret skolegang kan betyde, at børn får bedre job og tjener mere som voksne, hvilket gør dem i stand til at modtage bedre sundhedspleje eller flytte til et område, hvor der f.eks. Ikke forekommer malaria.
Gratis sundhedspleje til alle gør det muligt for forældre at få plejet alle deres afkom i stedet for kun den ældste søn, som vil arve faderens virksomhed i fremtiden. Epidemiologer i udviklingslande forsøger ofte at organisere sundhedsydelser på en sådan måde, at familien som helhed forbliver så produktiv som muligt.

historie

Hippokrates (citeret fra Galenus von Pergamon ) skriver: “Epidemi er en sygdom, der er særlig almindelig i samme region på samme tid. Det modsatte af dette dannes af sporadiske sygdomme. ” ^[15] Denne gamle definition af epidemien danner det historiske udgangspunkt. Epidemiologiens historie begynder med at lede efter årsagerne til epidemier. Det forældede udtryk loimologi for infektionsepidemiologi eller epidemiologi peger klart på denne forbindelse. ^[16]

Under pestepidemien 1483/84 viste Konrad Schwestermüller (omkring 1450-1520), den personlige læge for Johann Cicero von Brandenburg, at være en fremragende epidemiolog, der også var rådgiver fra Mecklenburg -hoffet (under hertugene Magnus og Balthasar ) under epidemien 1490 /92 blev konsulteret. I 1484 skrev han en pest ^[17] til forebyggelse og differentieret behandling af epidemien, som også blev adresseret til hele befolkningen i 1600 -tallet af byepidemiprofylaksen i Berlin. ^[18]

Im frühen 18. Jahrhundert führte Giovanni Maria Lancisi (1654–1720), der in Rom als Leibarzt des Papstes wirkte, den Rückgang von diversen Erkrankungen – darunter Malaria – auf verbesserte Hygiene und die Trockenlegung von Sümpfen zurück. Dieser Rückgang der Infektionskrankheiten infolge von Hygienemaßnahmen wird auch als erster Epidemiologischer Übergang bezeichnet.

Karte des Cholera-Ausbruchs, erstellt von Dr. Snow.

Der Beginn der modernen Epidemiologie wird auf die Mitte des 19. Jahrhunderts datiert: 1854 bekämpfte John Snow einen Cholera -Ausbruch im Londoner Soho -Bezirk erfolgreich, weil er aufgrund einer Kartierung der Erkrankungsfälle erkannte, dass eine öffentliche Wasserfassung die Infektionsquelle war. Er ließ den verschmutzten Brunnen sperren, die Zahl der Krankheitsfälle nahm danach signifikant ab. ^[19] Snows Erkenntnisse über die Ursache der Cholera, die er gemeinsam mit dem Arzt und Mikrobiologen Arthur Hill Hassall entwickelt hatte, wurden erst nach Snows Tod weit akzeptiert. ^[20] Maßgeblich beteiligt daran war unter anderem der britische Statistiker William Farr .

Polar-Area-Diagramm , mit dessen Hilfe Florence Nightingale die Todesursachen während des Krimkrieges darstellte:
blau: an Infektionskrankheiten Verstorbene
rot: an Verwundungen Verstorbene
schwarz: andere Todesursachen

Zum Umfeld von William Farr gehörte auch Florence Nightingale (1820–1910), die als eine der Begründerinnen der westlichen Krankenpflege gilt. ^[21] Sie stellte während des Krimkrieges in Scutari , dem zentralen britischen Militärhospital während dieses Krieges in der Selimiye-Kaserne , einen rudimentären Krankenhausbetrieb sicher und fand dabei unter anderem heraus, dass die Mehrzahl der britischen Opfer des Krimkrieges nicht auf Verwundungen, sondern auf Infektionskrankheiten zurückzuführen war. Den Ruhm, den ihr ihr Krimkrieg-Einsatz einbrachte, nutzte sie, um auf zahlreiche britische Gesundheitsreformen Einfluss zu nehmen. Auf Grund einer Erkrankung, die sie sich während des Krimkrieges zugezogen hatte, war sie außerstande, sich gegebenenfalls selbst ein Bild von der Situation in einer Kaserne, einem Kranken- oder Armenhaus zu machen. Sie konzentrierte sich daher darauf, Daten zu sammeln, diese aufzubereiten und zu analysieren, um dann daraus Schlüsse zu ziehen. Ein wesentliches Arbeitsmittel waren für sie Fragebögen, daneben griff sie auf bereits vorhandene Daten zurück, wie die als Blaubücher bezeichneten offiziellen Regierungsberichte sowie Stellungnahmen britischer Behörden. ^[22] Sie belegte unter anderem gravierende Probleme bei der militärischen Gesundheitsfürsorge: Obwohl britische Soldaten normalerweise zwischen 20 und 35 Jahre alt waren und damit einer Altersgruppe mit geringer Sterblichkeitsrate angehörten, wiesen sie in Friedenszeiten eine fast doppelt so hohe Sterblichkeitsrate wie Zivilisten auf. In ihrem Bericht an die britische Regierung fand Nightingale dafür deutliche Worte. Wenn jährlich von 1000 Zivilisten 11 sterben würden, aber 17, 19 und 20 von 1000 Soldaten der in England stationierten Linieninfanterie, Artillerie und Garde, dann sei das ähnlich kriminell wie jährlich 1100 Mann auf die Salisbury Plain zu führen und dort zu erschießen. ^[23] Florence Nightingale gilt als eine der Pionierin der grafischen Datenaufbereitung solcher Daten.

Andere Pioniere waren der dänische Arzt Peter Anton Schleisner , der 1849 daran arbeitete, die Tetanus -neonatorum-Epidemie auf den Westmännerinseln durch vorbeugende Maßnahmen zu beenden, und der ungarische Arzt Ignaz Semmelweis , der 1847 als Ursache des oftmals tödlichen Kindbettfiebers die mangelnde Hygiene erkannte und durch Einführung konsequenter Hygienemaßnahmen zu bekämpfen versuchte. Die Erkenntnisse von Semmelweis wurden von der Fachwelt jedoch lange nicht akzeptiert, denn damals galt die Annahme, dass es krankmachende Kleinstlebewesen – nämlich Bakterien – gebe, als lächerlich.

Die ersten Mediziner, die die Vorgehensweise der Epidemiologie nicht nur auf Infektionskrankheiten, sondern auf Krebserkrankungen anwendeten, waren gegen Ende der 1870er Jahre Walther Hesse und Friedrich Härting. ^[24] Walther Hesse wurde 1877 zum Bezirksarzt des Kreises Schwarzenberg im Erzgebirge ernannt. In seinen Verantwortungsbereich fielen unter anderem 83 Dörfer, in denen vor allem Bergarbeiter lebten. Hesse war schockiert über ihren schlechten Gesundheitszustand und das geringe Lebensalter, das Bergleute typischerweise erreichten. ^[25] Bereits Paracelsus hatte 1567 für dieses Gebiet das Auftreten von Lungenkrankheiten beschrieben, die er als Bergsucht bezeichnete. ^[26] Die Ursache der Erkrankung war jedoch unbekannt. Gemeinsam mit dem Bergwerksarzt Härting begann Hesse, einzelne Krankheitsfälle zusammenzutragen, Bergleute zu interviewen, Umweltmessungen vorzunehmen und letztlich auch 20 Autopsien durchzuführen. Am Ende ihrer Untersuchung stand eindeutig fest, dass es unter den Bergleuten zu einer Häufung von Krebsfällen kam, deren Ursache in Zusammenhang mit ihrer Arbeit stand. Hesse und Härting vermuteten als Auslöser der sogenannten Schneeberger Krankheit Asbeststäube, erst spätere Wissenschaftler konnten nachweisen, dass Auslöser die aufgrund der besonderen Geologie des Ortes eng mit den BiCoNi-Erzen verwachsenen Uranerze waren. Die Arbeit, die Hesse und Härting in Schneeberg geleistet hatten, war beispielgebend für eine Reihe weiterer Wissenschaftler. Am bekanntesten darunter ist die Leistung von Ludwig Rehn , der 1895 nachweisen konnte, dass ein Zusammenhang zwischen der Arbeit in einer anilinverarbeitenden Industrie und dem Auftreten von Blasenkrebs bestand. ^[24]

Ein wichtiger Meilenstein in der Geschichte der Epidemiologie (und auch der Parasitologie ) ist die 1880 während des Baus des Gotthard-Eisenbahntunnels erfolgte Entdeckung des Hakenwurms , Ancylostoma duodenale , als Ursache der damals so bezeichneten Sankt-Gotthard-Krankheit – einer parasitären Anämie . Auf der Grundlage der epidemiologischen Erkenntnisse wurden dann die Arbeitsbedingungen und die hygienischen Verhältnisse verbessert.

Die Desinfektion wurde in der Medizin erst dann breit angewandt, als der britische Chirurg Joseph Lister antiseptische Mittel entdeckte, basierend auf Arbeiten von Louis Pasteur .

Siehe auch

Weblinks

Wiktionary: Epidemiologie – Bedeutungserklärungen, Wortherkunft, Synonyme, Übersetzungen

Literatur

KJ Rothman: Epidemiology: An introduction. Oxford University Press, 2002, ISBN 0-19-513554-7 .
M. Porta, S. Greenland, M. Hernán, I. dos Santos Silva, JM Last (Hrsg.): A dictionary of epidemiology. 6. Auflage, Oxford University Press, New York 2014, ISBN 978-0-19-997673-7 .
Lothar Kreienbrock, Siegfried Schach: Epidemiologische Methoden . 4. Auflage. Spektrum Akademischer Verlag, 2005, ISBN 3-8274-1528-4 .
Alexander Krämer, Ralf Reintjes (Hrsg.): Infektionsepidemiologie – Methoden, Surveillance, Mathematische Modelle, Global Public Health . Springer, Berlin 2003, ISBN 3-540-42764-3 (mit CD-ROM).
R. Beaglehole, R. Bonita, T. Kjellström: Einführung in die Epidemiologie . Huber, Bern 1997, ISBN 3-456-82767-9 .
H. Checkoway, N. Pearce, DJ Crawdorf-Brown: Research methods in occupational epidemiology . Oxford University Press, New York 1989, ISBN 0-19-505224-2 .
P. Armitage, G. Berry: Statistical Methods in Medical Research . Blackwell Scientific Publications, Oxford 1987.
JWR Twisk: Applied Longitudinal Data Analysis for Epidemiology . Cambridge University Press, Cambridge 2003, ISBN 0-521-52580-2 .
J. Hardin, J. Hilbe: Generalized Linear Models and Extensions. Stata Press, College Station TX 2001.
Leon Gordis: Epidemiologie. Verlag im Kilian, ISBN 3-932091-63-9 .
Wolfgang Ahrens, Iris Pigeot (Hrsg.): Handbook of Epidemiology. Springer, Berlin/ Heidelberg 2005, ISBN 3-540-00566-8 .
Christel Weiß: Basiswissen Medizinische Statistik. 5. Auflage (mit Epidemiologie). Springer, Berlin/ Heidelberg 2010, ISBN 978-3-642-11336-9 .

Einzelnachweise

↑ Ludwig August Kraus: Kritisch-etymologisches medicinisches Lexikon , 3. Auflage, Verlag der Deuerlich- und Dieterichschen Buchhandlung, Göttingen 1844, S. 371.
↑ Lothar Kreienbrock, Iris Pigeot und Wolfgang Ahrens: Epidemiologische Methoden. 5. Auflage. Springer Spektrum, Berlin/ Heidelberg 2012, ISBN 978-0-19-975455-7 , Vorwort.
↑ Epidemie auf Psychyrembel online
↑ J.-B. du Prel1, B. Röhrig, G. Weinmayr1: Was ist Epidemiologie? auf thieme-connect.de
↑ Wolfgang Kiehl: Infektionsschutz und Infektionsepidemiologie. Fachwörter – Definitionen – Interpretationen. Hrsg.: Robert Koch-Institut, Berlin 2015, ISBN 978-3-89606-258-1 , S. 16, Stichwort Ausbruch
↑ Checkoway ua: Research methods in occupational epidemiology. 1989.
↑ History and Epidemiology of Global Smallpox Eradication ( Memento vom 15. Juli 2007 im Internet Archive )
↑ Revisiting the Basic Reproductive Number for Malaria and Its Implications for Malaria Control doi:10.1371/journal.pbio.0050042 .
↑ ^a ^b Royal Society : Reproduction number ( R ) and growth rate ( r ) of the COVID-19 epidemic in the UK London 2020 [1]
↑ Präventivmedizin, Epidemiologie und Sozialmedizin: für Human- und Zahnmediziner . Facultas, 2007, ISBN 978-3-7089-0094-0 , S. 18–26 ( eingeschränkte Vorschau in der Google-Buchsuche).
↑ Psychiatrie und Psychotherapie . Springer-Verlag, 2008, ISBN 978-3-540-33129-2 , S. 57 ( eingeschränkte Vorschau in der Google-Buchsuche).
↑ Pathologie: mit über 200 Tabellen . Elsevier, Urban & Fischer Verlag, 2008, ISBN 978-3-437-42382-6 , S. 32–33 ( eingeschränkte Vorschau in der Google-Buchsuche).
↑ Repetitorium Pathologie: mit 161 Tabellen . Elsevier, Urban & Fischer Verlag, 2004, ISBN 978-3-437-43400-6 , S. 8 ( eingeschränkte Vorschau in der Google-Buchsuche).
↑ Influenza Pandemic Plan. The Role of WHO and Guidelines for National and Regional Planning. Auf: who.int , Genf, April 1999.
↑ Ludwig August Kraus, am angegebenen Ort.
↑ Loimologie auf Pschyrembel online
↑ Konrad Schwestermüller: Regiment und lere wider die swaren kranckheit der pestilentz.
↑ Wolfgang Wegner: Schwestermüller, Konrad. In: Werner E. Gerabek , Bernhard D. Haage, Gundolf Keil , Wolfgang Wegner (Hrsg.): Enzyklopädie Medizingeschichte. De Gruyter , Berlin, New York 2005, ISBN 3-11-015714-4 , S. 1312.
↑ Stephanie J. Snow: Death by Water. John Snow and the cholera in the 19th century. (PDF; 204 kB) Abgerufen am 6. Mai 2014 .
↑ Amanda J. Thomas: The Lambeth Cholera Outbreak of 1848–1849: The Setting, Causes, Course and Aftermath of an Epidemic in London. McFarland, 2009, ISBN 978-0-7864-5714-4 , S. 37 f.
↑ Mark Bostridge: Florence Nightingale . Penguin Books, London 2009, ISBN 978-0-14-026392-3 .
↑ Mark Bostridge: Florence Nightingale . Penguin Books, London 2009, ISBN 978-0-14-026392-3 , S. 407.
↑ Im Original lautet dieses Zitat [It is just as criminal]… to have a mortality of 17, 19 and 20 per thousand in the Line, Artillery and Guards in England, when that of Civil life is only 11 per 1,000, as it would be to take 1,000 men per annum out upon Salisbury Plain and shoot them , Florence Nightingale in Notes on matters affecting… , zitiert nach Mark Bostridge: Florence Nightingale . Penguin Books, London 2009, ISBN 978-0-14-026392-3 , S. 314.
↑ ^a ^b Dan Fagin : Toms River: A Story of Science and Salvation . Bantam Books, New York 2014, ISBN 978-0-345-53861-1 , S. 127 .
↑ Dan Fagin : Toms River: A Story of Science and Salvation . Bantam Books, New York 2014, ISBN 978-0-345-53861-1 . S. 125.
↑ Theophrastus Paracelsus von Hohenheim : Von der Bergsucht oder Bergkranckheiten drey Bücher, inn dreyzehen Tractat verfast vnnd beschriben worden. Darin̄en begryffen vom ursprung vnd herkom̄en derselbigen Kranckheiten, sampt jhren warhafftigen Preseruatiua vnnd Curen. Allen Ertz vnnd Bergleüten, Schmeltzern, Probierern, Müntzmaistern, Goldschmiden, vnnd Alchimisten, auch allen denē so inn Metallen vnd Mineralien arbayten, hoch nutzlich, tröstlich vnnd notturfftig. Hrsg.: Samuel Zimmermann. Sebaldus Mayer, Dillingen 1567.

[1] Ludwig August Kraus: Kritisch-etymologisches medicinisches Lexikon , 3. Auflage, Verlag der Deuerlich- und Dieterichschen Buchhandlung, Göttingen 1844, S. 371.

[2] Lothar Kreienbrock, Iris Pigeot und Wolfgang Ahrens: Epidemiologische Methoden. 5. Auflage. Springer Spektrum, Berlin/ Heidelberg 2012, ISBN 978-0-19-975455-7 , Vorwort.

[3] Epidemie auf Psychyrembel online

[4] J.-B. du Prel1, B. Röhrig, G. Weinmayr1: Was ist Epidemiologie? auf thieme-connect.de

[5] Wolfgang Kiehl: Infektionsschutz und Infektionsepidemiologie. Fachwörter – Definitionen – Interpretationen. Hrsg.: Robert Koch-Institut, Berlin 2015, ISBN 978-3-89606-258-1 , S. 16, Stichwort Ausbruch

[6] Checkoway ua: Research methods in occupational epidemiology. 1989.

[7] History and Epidemiology of Global Smallpox Eradication ( Memento vom 15. Juli 2007 im Internet Archive )

[8] Revisiting the Basic Reproductive Number for Malaria and Its Implications for Malaria Control doi:10.1371/journal.pbio.0050042 .

[:1-9] Royal Society : Reproduction number ( R ) and growth rate ( r ) of the COVID-19 epidemic in the UK London 2020 [1]

[10] Präventivmedizin, Epidemiologie und Sozialmedizin: für Human- und Zahnmediziner . Facultas, 2007, ISBN 978-3-7089-0094-0 , S. 18–26 ( eingeschränkte Vorschau in der Google-Buchsuche).

[11] Psychiatrie und Psychotherapie . Springer-Verlag, 2008, ISBN 978-3-540-33129-2 , S. 57 ( eingeschränkte Vorschau in der Google-Buchsuche).

[12] Pathologie: mit über 200 Tabellen . Elsevier, Urban & Fischer Verlag, 2008, ISBN 978-3-437-42382-6 , S. 32–33 ( eingeschränkte Vorschau in der Google-Buchsuche).

[:0-13] Repetitorium Pathologie: mit 161 Tabellen . Elsevier, Urban & Fischer Verlag, 2004, ISBN 978-3-437-43400-6 , S. 8 ( eingeschränkte Vorschau in der Google-Buchsuche).

[14] Influenza Pandemic Plan. The Role of WHO and Guidelines for National and Regional Planning. Auf: who.int , Genf, April 1999.

[15] Ludwig August Kraus, am angegebenen Ort.

[16] Loimologie auf Pschyrembel online

[17] Konrad Schwestermüller: Regiment und lere wider die swaren kranckheit der pestilentz.

[18] Wolfgang Wegner: Schwestermüller, Konrad. In: Werner E. Gerabek , Bernhard D. Haage, Gundolf Keil , Wolfgang Wegner (Hrsg.): Enzyklopädie Medizingeschichte. De Gruyter , Berlin, New York 2005, ISBN 3-11-015714-4 , S. 1312.

[19] Stephanie J. Snow: Death by Water. John Snow and the cholera in the 19th century. (PDF; 204 kB) Abgerufen am 6. Mai 2014 .

[20] Amanda J. Thomas: The Lambeth Cholera Outbreak of 1848–1849: The Setting, Causes, Course and Aftermath of an Epidemic in London. McFarland, 2009, ISBN 978-0-7864-5714-4 , S. 37 f.

[21] Mark Bostridge: Florence Nightingale . Penguin Books, London 2009, ISBN 978-0-14-026392-3 .

[22] Mark Bostridge: Florence Nightingale . Penguin Books, London 2009, ISBN 978-0-14-026392-3 , S. 407.

[23] Im Original lautet dieses Zitat [It is just as criminal]… to have a mortality of 17, 19 and 20 per thousand in the Line, Artillery and Guards in England, when that of Civil life is only 11 per 1,000, as it would be to take 1,000 men per annum out upon Salisbury Plain and shoot them , Florence Nightingale in Notes on matters affecting… , zitiert nach Mark Bostridge: Florence Nightingale . Penguin Books, London 2009, ISBN 978-0-14-026392-3 , S. 314.

[Fagin-127-24] Dan Fagin : Toms River: A Story of Science and Salvation . Bantam Books, New York 2014, ISBN 978-0-345-53861-1 , S. 127 .

[25] Dan Fagin : Toms River: A Story of Science and Salvation . Bantam Books, New York 2014, ISBN 978-0-345-53861-1 . S. 125.

[26] Theophrastus Paracelsus von Hohenheim : Von der Bergsucht oder Bergkranckheiten drey Bücher, inn dreyzehen Tractat verfast vnnd beschriben worden. Darin̄en begryffen vom ursprung vnd herkom̄en derselbigen Kranckheiten, sampt jhren warhafftigen Preseruatiua vnnd Curen. Allen Ertz vnnd Bergleüten, Schmeltzern, Probierern, Müntzmaistern, Goldschmiden, vnnd Alchimisten, auch allen denē so inn Metallen vnd Mineralien arbayten, hoch nutzlich, tröstlich vnnd notturfftig. Hrsg.: Samuel Zimmermann. Sebaldus Mayer, Dillingen 1567.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]

[17]

[18]

[19]

[20]

[21]

[22]

[23]

[24]

[25]

[26]