Kapitel 11 Folkhälsodata

Det fanns initialt önskemål att bygga prognosen även på eventuellt påverkningsbara livsstilsfaktorer. Detta har visat sig svårt men vi redovisar här de förutsättningar som finns.

11.1 Livsstilsfaktorer

RCC:s cancerpreventionskalkylator beaktar fyra livsstilsfaktorer:

  • dagliga rökare
  • riskbruk av alkohol
  • övervikt (BMI >= 30)
  • avsaknad av fysisk aktivitet

11.2 Data från Folkhälsomyndigheten

Skattningar av sådan förekomst (tillsammans med narkotikabruk) görs av Folkhälsomyndigheten via den nationella folkhälsoenkäten sedan 2004. Folkhälsomyndigheten själva har publicerat en del av denna data på sin hemsida.

Det finns flera potentiella källor från vilka uppgifterna kan hämtas:

  1. Från en övergripande Excel-fil med data från nationella folkhälsoenkäten. Här finns uppgifter presenterade per år (2004-2016) och åldersgrupp (16-29, 30-44, 45-64 och 65-84 år). Uppgifterna avser dock hela riket; det finns inga uppgifter specifikt för vårt område. Om vi först undersöker huruvida indikatorerna skiljer sig mellan vår region och medelvärdet för riket så kanske man skulle kunna använda dessa uppgifter som substitut (ev efter justering). Dock krävs nyttjande av andra åldersgrupper (vilket är teoretiskt möjligt men kräver en del utvecklingsarbete).
  2. Som separata Excel-filer; en fil per “indikator”. Här finns uppgifterna fördelade per län och kön över rullande fyraårsintervall: 2004-2007, 2005-2008, …, 2013-2016. Dock saknas uppgift om åldersfördelning, varför uppgifterna ej kan nyttjas av vår APC-modell.
  3. Den interaktiva statistikmodulen Indikatorlabbet omfattar en lång rad datakällor och indikatorer inom de områden vi intresserar oss för, dock inte exakt de ovan nämnda. Exempelvis alkoholmissbruk finns men inte riskbruk (vilket är vad vi söker). Uppgifterna presenteras per år (2004-2016) och kön. En del uppgifter redovisas även per län men exempelvis alkoholmissbruk enbart för riket som helhet.
  4. Man erbjuder ytterligare en interaktiv statistikdatabas, Folkhälsostudio. Här finns indikatorerna vi söker, dock med samma uppdelning som i källa 2.

Slutsats: Uppgifterna vi söker finns uppdelat per år (2004-2016), ålder (16-29, 30-44, 45-64 och 65-84 år) och län, dock inte från samma källa. Det finns således inget enkelt sätt att via offentliga data online, få fram den data vi söker.

11.3 Regionala data för VGR

Uppgifter om rökning, alkohol och fysisk inaktivitet finns också via VGR:s statistikdatabas. Här finns också “andel med dåliga kostvanor”. Denna variabel torde tjäna samma syfte som högt BMI (vilket enligt cancerpreventionskalkylatorns egen dokumentation i själva verket nyttjas som proxy just för dåliga kostvanor). Här tycks tyvärr inte erbjudas någon automatiserad dataåtkomst men uppgifterna kan med viss handpåläggning läsas ner manuellt och sedan bearbetas till ett användbart format från VGR:s [statistikdatabas](http://pxwebb2014.vgregion.se/pxweb/pxweb/sv/Folkh%C3%A4lsoenk%C3%A4ten%20(H%C3%A4lsa%20p%C3%A5%20lika%20villkor)/-/Levnadsvanor_hsn.px/?rxid=4adde061-1470-436d-92b5-bb287636d5ee.

Uppgifter finns årsvis för åren 2005 - 2016, det vill säga för två femårsintervall (2006-2010 och 2011-2015) som eventuellt kan nyttjas i den tänkta age-period-cohort-modellen (se nedan). Tyvärr redovisas uppgifterna inte för samma åldersgrupper som för befolkningsmängden. Detta är dock naturligt då osäkerheten i denna (survey)data torde vara betydligt större än uppgifter från folkbokföringen.

11.4 Svårigheter

  • Bästa tillgängliga data avser endast VGR (ej Halland). Folkhälsomyndigheten meddelar efter mailkontakt att de visserligen förvaltar data för Halland men att det är Region Halland som äger den. De kan bearbeta informationen men det kräver tillstånd från regionen och sker till en timkostnad á 500 kr.
  • Data finns för endast två tidsperioder. Då vi också vill skatta en framtidsprediktion för lika många år framåt känns detta i minsta laget. För att relatera respektive folkhälsofaktor till cancer måste uppgifterna relateras till respektive patientkohort under den tidsperiod då livsstilsfaktorn hade möjlighet att påverka utfallet av cancer. Då utvecklingen av cancer ofta sker under en lång tidsperiod är det inte rimligt att anta att uppgifterna för de senaste åren påverkan utfall av cancer under samma tidsperiod. Den livsstil vi ser idag kommer rimligtvis påverka cancerutfallet först längre fram i tiden. Med längre tidstrender tillbaka i tiden vore det åtminstone teoretiskt möjligt att knyta en faktor till en kohort och att låta denna data sedan avspeglas i den så kallade “drift-faktorn” i APC-modellen (se nedan).
  • Ytterligare en folkhälsofaktor som tros kunna ha viss inverkan på utfallet, men som saknas i beskrivet underlag ovan, är förekomst av soltimmar eller solvanor (vilket kan ha en påverkan på främst hudcancer). Data om soltimmar torde i och för sig kunna inhämtas från SMHI men då detta är en miljöfaktor, snarare än en livsstilsfaktor, kan denna information inte diretkt hanteras inom den tänkta APC-modellen. Data för solvanor finns å andra sidan insamlade av Strålsäkerhetsmyndigheten. En enkätundersökning görs årligen men resultatet tycks inte presenteras regionalt och finns inte tillgängligt online (inte heller här går resultaten längre tillbaks i tiden än till 2005).

11.5 Slutsats

Befintlig data tycks tyvärr för begränsad för att kunna tjäna vårt syfte. I så fall torde befintlig cancerpreventionskalkylator bättre lämpad (även om denna inte bygger på svenska epidemiologiska studier utan på en sammanvägning av oddskvoter från skilda forskningsresultat).