Titelaufnahme

Titel
Statistical mediation analysis in cardiovascular epidemiology
VerfasserFritz, Josef
Begutachter / BegutachterinLamina, Claudia ; Heinzl, Harald
GutachterUlmer, Hanno
Erschienen2017
Umfang121 Bl.
HochschulschriftInnsbruck, Med. Univ., Diss., 2017
Anmerkung
Arbeit an der Bibliothek noch nicht eingelangt - Daten nicht geprüft
Datum der AbgabeMärz 2017
SpracheEnglisch
DokumenttypDissertation
Schlagwörter (DE)Mediationsanalyse / Kausale Inferenz / Epidemiologie / Koronare Herzerkrankung / Kardiovaskuläre Risikofaktoren
Schlagwörter (EN)Mediation analysis / Causal inference / Epidemiology / Coronary heart disease / Cardiovascular risk factors
URNurn:nbn:at:at-ubi:1-6306 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Statistical mediation analysis in cardiovascular epidemiology [2.77 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Die statistische Mediationsanalyse hat zum Ziel, zu untersuchen, ob und wie stark der Effekt einer Variable über intermittierende Variablen, sogenannte Mediatoren, erklärt werden kann. Sie hat in den letzten fünfzehn Jahren einen bedeutenden Aufschwung erfahren, insbesondere durch Bereicherungen aus dem Gebiet der kausalen Inferenz, und hier speziell der Theorie der Counterfactuals. Praktische Anwendungen vieler dieser neu entwickelten Methoden finden sich in der Literatur jedoch noch selten. Das Ziel dieser Arbeit war, neue Methoden der Mediationsanalyse auf Fragestellungen aus dem Gebiet der kardiovaskulären Epidemiologie anzuwenden.

Mit Hilfe zweier neuer Methoden für die Mediationsanalyse erstens sogenannten „Natural Effects“ Modellen (vorgeschlagen von T. Lange), und zweitens einem regressionsbasierten Ansatz (vorgeschlagen von T.J. VanderWeele) untersuchten wir drei Fragestellungen aus dem Bereich der kardiovaskulären Epidemiologie. Wir verwendeten Daten von zwei prospektiven, populationsbasierten Kohortenstudien, nämlich des Vorarlberg Health Monitoring and Promotion Programms sowie der Malmö Diet and Cancer Studie.

Die erste Fragestellung drehte sich um Geschlechterunterschiede in der Sterblichkeit an der koronaren Herzerkrankung (KHK) und ob diese Unterschiede über traditionelle kardiovaskuläre Risikofaktoren erklärt werden können. Wir kamen zu dem Ergebnis, dass im Alter von unter 50 Jahren Blutdruck und Gesamtcholesterin einen beträchtlichen Teil des Überlebensvorteils bezüglich der KHK bei Frauen gegenüber Männern erklären; über einem Alter von 50 Jahren können die traditionellen Risikofaktoren nur mehr einen kleinen Teil des Geschlechterunterschieds erklären. Zweitens untersuchten wir Altersabhängigkeiten in der Mediation durch metabolische Faktoren im Zusammenhang von Body Mass Index und der KHK Mortalität. Unsere Ergebnisse legen nahe, dass metabolische Faktoren bei jüngeren und bei älteren Leuten unterschiedliche Wirkungsweisen als Mediatoren zwischen Body Mass Index und der KHK Mortalität haben. Drittens gingen wir der Frage nach, ob das Risiko für die KHK, das über Familienanamnese beziehungsweise Genetik vermittelt wird, über traditionelle metabolische Risikofaktoren erklärt werden kann. Wir kamen zum Schluss, dass zwar ein Großteil (80%) des genetischen Effekts unabhängig von traditionellen kardiovaskulären Risikofaktoren wirkt, allerdings ein Teil des KHK Risikos, das über Familienanamnese oder genetischen Risikoscore vermittelt wird, durch Blutfette und Blutdruck, aber nicht durch Diabetes erklärt wird.

In dieser Arbeit zeigen wir die praktische Eignung neuer Methoden der Mediationsanalyse aus dem Bereich der kausalen Inferenz für die Analyse großer epidemiologischer Kohortenstudien. Wir hoffen, Forscher aus allen Bereichen der Medizin ermutigen zu können, in Zukunft diese Methoden öfter zu verwenden.

Zusammenfassung (Englisch)

Statistical mediation analysis, that is to investigate whether and how much of the effect of a variable of interest goes through pre-specified intermediate variables, has experienced a substantial upturn over the last decade, particularly through the adoption of ideas from the field of causal inference, and herein specifically the counterfactual framework. However, practical applications of these new sophisticated methods are still scarce, and the clinical research setting is no exception. The aim of this thesis was to apply novel causal inference mediation analysis methods in the field of cardiovascular epidemiology.

Specifically, we picked out two different approaches for mediation - first, natural effect models (proposed by T. Lange) and secondly, a regression-based approach (proposed by T.J. VanderWeele) to investigate three interesting research questions from the field of cardiovascular epidemiology. We used data of two prospective, population-based cohorts, namely the Vorarlberg Health Monitoring and Promotion Programme and the Malmö Diet and Cancer Study, consisting of about 180,000 and 23,000 participants, respectively.

The first research question was about sex/gender differences in mortality due to coronary heart disease (CHD) and if these differences can be explained by traditional cardiovascular risk factors. We found that blood pressure and total cholesterol explain a substantial part of the survival advantage regarding CHD of females over males in the younger age group (50 years of age), whereas above the age of 50 the sex/gender difference is explained only in small part through major risk factors. Secondly, we investigated age dependencies in metabolic mediation of body mass index on CHD mortality and got indications that metabolic risk factors play a distinctly different role in explaining the risk of increased body mass index on CHD mortality between the younger and elderly population. Lastly, we asked if CHD risk conferred by family history/genetics measured as a genetic risk score can be explained by traditional metabolic risk factors; we came to the conclusion that although the major part (80%) of the genetic effect operates independently from the established metabolic risk factor pathways, a fraction of the CHD risk associated with family history or with the genetic risk score is indeed mediated through elevated blood lipids and hypertension, but not through diabetes.

In this thesis, we demonstrate the feasibility of novel mediation methods from the field of causal inference for the analysis of data from large epidemiological cohorts. We hope to encourage clinical researcher to use these methods more frequently in the future.