Kapitel 20 Strålbehandling på JK

Utöver befolknings- och tumördata har vi också viss tillgång till data avseende faktiskt antal behandlingar utförda i regionen.

Vi har sådan data från två olika källor, dels från enbart Jubileumskliniken (JK) perioden 2000-2015, dels för hela regionen (JK och Borås) för åren 2009-2016.

Vi börjar i detta avsnitt titta på data från JK 2000-2015. Vi har årsvis information avseende antal:

  • inkomna remisser
  • kurativa behandlingar
  • palliativa behandlingar
  • behandlingar där syftet (kurativt/palliativt) är okänt
  • fraktioner (totalt)

Låt oss först illustrera utvecklingen över tid för samtliga dessa mått enligt figur 20.1. Vi adderar här också en illustration över antalet fraktioner per behandling (oavsett syfte).

Förändring av antale strålbehandlingar givna vid JK/SU 2000-2015.

Figure 20.1: Förändring av antale strålbehandlingar givna vid JK/SU 2000-2015.

Vi kan konstatera att antalet kurativa behandlingar ökat ganska konstant under hela tidsperioden. Antalet palliativa behandlingar började dock minska kraftigt från och med 2010. Denna minskning återspeglas också i antalet inkomna remisser och fraktioner.

Denna minskning beror på att man efter samgåendet mellan strålbehandlingsenheterna vid JK/SU och Borås flyttade en del palliativa behandlingar från den förra till den senare enheten.

Vi ser också att antalet fraktioner per behandling initialt låg ganska stabilt kring 15 men att detta antal reducerades 2009 till 13 +/- 1 (2015 hade vi åter ett högre antal).

20.1 Prediktion av strålbehandlingsbehov

Då vi saknar information om antal behandlingar per diagnos kan vi här inte predicera behovet för just de tio vanligaste diagnoserna. På grund av omorganisationen beskriven ovan avstår vi också från att predicera antalet palliativa behandlingar utifrån detta underlag.

Hade vi haft tillgång till åldersfördelning för de patienter som behandlas kurativt så hade vi eventuellt kunnat modellera och predicera totala antalet kurativa behandlingar vid Jubileumskliniken i Göteborg med hjälp av samma modell (APC-modellen enligt avsnitt 2.2).

Med den ganska knapphändiga information vi just nu har väljer vi istället att begränsa oss till en enkel linjär regressionsmodell. Utfallet är totala antalet kurativa behandlingar vid JK/SU. Möjliga prediktorer skulle kunna vara:

  • Årtal (eg antal år som passerat sedan år 2000)
  • Antal folkbokförda i regionen
  • Andel av befolkningen som uppnått en ålder av minst 65 år

Dessa variabler är dock starkt korrelerade. Vi nöjer oss därmed att inkludera antalet folkbokförda i regionen som enda prediktor. (Detta är den univariata modell som ger oss lägst AIC-värde.)

20.1.1 Tidsperiod

Vi har tidigare konstaterat (avsnitt 4.4) att vi saknar prognostiserade befolkningsuppgifter för delar av Halland. Med hjälp av APC-modellen kunde vi skapa sådana skattningar men då endast som medelvärdet under en femårsperiod. Med samma tidsgruppering här ges observerad strålbehandlingsdata för endast tre femårsperioder. Detta är alldeles för kort för en tillförlitlig framtidsprognos över längre tid. Vi väljer därmed att istället modellera denna data med årsvis periodicering.

Vi blir därmed begränsade till att använda den befolkningsprognos som sedan tidigare framtiagits för. Enligt avsnitt 4.4 finns två versioner av sådan prognos:

  • en version inkluderande Kungsbacka och Varberg till och med 2025,
  • samt en för bara VGR fram till 2030.

Båda källor har sina för- och nackdelar. Vi valde tidigare att prognostisera incidens och prevalens fram till år 2030. Att välja samma tidsperiod för denna prognos kan tyckas lockande. En skillnad är emellertid att vi här betraktar en process som är mer påverkansbar av mänskligt medvetna (politiska och administrativa) beslut. Vi kan därmed inte på samma sätt förutsätta att den observerade processen är lika stabil över tid som de något trögare epidemiologiska förloppen bakom cancerns incidens och prevalens. Därutöver har vi en betydligt kortare observerad tidsperiod. En prognosticeringsperiod lika lång, eller längre, än observerat tidsspann, tenderar att ge ytterst osäkra skattningar. Vi väljer därför den kortare perioden för det större området och begränsar vår prognos till 2025.

Valt område (VGR, Kungsbacka och Varberg) täcker fortfarande inte hela strålbehandlingens primära upptagningsområde. Information används dock bara som prediktor i modellen. Kan vi anta att förhållandet mellan det område vi har och det vi söker är någorlunda konstant över tid, så bör själva prediktionen inte påverkas nämnvärt.

20.1.2 Resultat

I figur 20.2 illustreras dels antalet observerade behandlingar för åren 2000-2015 (svarta prickar), dels antalet predicerade behandlingar 2016-2025 (röda prickar). Den färgade bakgrunden indikerar ett 95 procentigt predektionsintervall. Det är tyvärr ganska vanligt att konfidensintervall och prediktionsintervall förväxlas. Skillnaden förklaras exempelvis här.

Exakta värden för respektive år ges också i tabell 20.1.

Antal kurativa strålbehandlingar vid JK/SU . Observerade antal markeras med svarta punkter och predicerade med röda. Blå bakgrund markerar 95 procents prediktionsintervall.

Figure 20.2: Antal kurativa strålbehandlingar vid JK/SU . Observerade antal markeras med svarta punkter och predicerade med röda. Blå bakgrund markerar 95 procents prediktionsintervall.

Table 20.1: Predicerat antal kurativa behandlingar vid JK/SU. lwr = lägre gräns för 95 procents prediktionsintervall, upr = motsvarande övre gräns.
år fit lwr upr
2016 1754 1582 1927
2017 1794 1614 1974
2018 1845 1654 2037
2019 1890 1688 2093
2020 1937 1722 2152
2021 1974 1749 2198
2022 2007 1772 2241
2023 2039 1795 2282
2024 2070 1817 2323
2025 2100 1838 2363