Słownik metodologiczny · Epidemiologia

Chorobowość i zapadalność – czym się różnią i jak je policzyć?

Chorobowość liczy istniejące przypadki, a zapadalność nowe. Pokazujemy wzory, różnicę między zapadalnością skumulowaną a współczynnikiem na osobolata, przykład w R z przedziałami ufności i opis do pracy.

Strona główna / Słownik / Chorobowość i zapadalność

Opracowanie merytoryczne: · Opublikowano:

W skrócie: Chorobowość to odsetek osób, które mają chorobę w danym momencie lub okresie, a zapadalność opisuje nowe przypadki wśród osób początkowo zdrowych – jako ryzyko w okresie albo liczbę na osobolata. W pracy zdefiniuj licznik, mianownik i okres oraz podaj 95% CI.

Co to jest chorobowość i zapadalność?

Chorobowość (ang. prevalence) to odsetek osób, które w danym momencie lub okresie mają chorobę, a zapadalność (ang. incidence) opisuje nowe przypadki, które pojawiają się w czasie obserwacji. Noordzij i in. (2010) podkreślają, że obie miary odpowiadają na inne pytania: chorobowość odzwierciedla liczbę istniejących przypadków, a zapadalność liczbę nowych, wyrażaną jako ryzyko albo współczynnik. Chorobowość liczy się zwykle w badaniu przekrojowym, a zapadalność wymaga obserwacji w czasie, np. w badaniu kohortowym.

Jak liczyć?

chorobowość = chorzy / badani,   zapadalność skumulowana = nowe przypadki / osoby zagrożone,   współczynnik zapadalności = nowe przypadki / osobolata

Do mianownika zapadalności wchodzą tylko osoby, które na początku nie miały choroby. Zapadalność skumulowana to ryzyko w ustalonym okresie. Współczynnik zapadalności dzieli liczbę nowych przypadków przez łączny czas obserwacji (osobolata), więc uwzględnia osoby obserwowane krócej.

Przykład

Na początku roku przebadano 2000 studentów, a kryteria depresji spełniało 160 z nich (dane przykładowe). Chorobowość punktowa wyniosła 8.0%, 95% CI [6.9, 9.3]. Wśród 1840 osób bez depresji w ciągu roku pojawiło się 92 nowych przypadków, co daje zapadalność skumulowaną 5.0%. Przy 1795 osobolatach obserwacji współczynnik zapadalności wyniósł 51.3 na 1000 osobolat, 95% CI [41.3, 62.9].

Jak opisać w pracy

Chorobowość punktowa depresji na początku roku akademickiego wyniosła 8.0% (160 z 2000 osób; 95% CI Wilsona [6.9, 9.3]). Wśród 1840 osób bez depresji odnotowano w ciągu roku 92 nowe przypadki (zapadalność skumulowana 5.0%), co odpowiada współczynnikowi zapadalności 51.3 na 1000 osobolat (95% CI [41.3, 62.9], dokładny przedział Poissona).

Na co uważać

  • Opisz licznik i mianownik. Spronk i in. (2019) pokazali, że roczna chorobowość okresowa chorób przewlekłych była znacznie wyższa niż chorobowość punktowa, a wybór mianownika (osobolata, osobolata zagrożone, populacja w połowie okresu) zmieniał zapadalność. Bez definicji wyników nie da się porównać.
  • Chorobowość to nie ryzyko. Zależy też od czasu trwania choroby, więc choroby długie mają wysoką chorobowość przy niskiej zapadalności.
  • Podaj przedział ufności. Dla odsetka użyj przedziału Wilsona, który policzysz też w kalkulatorze przedziału ufności.

Porównując populacje o innej strukturze wieku, sięgnij po standaryzację względem wieku. Zapadalność w dwóch grupach porównuje ryzyko względne, a chorobowość wpływa na wartości predykcyjne testu.

Przykład reprodukowalny

Chorobowość i zapadalność w R

Kod liczy chorobowość z przedziałem Wilsona, zapadalność skumulowaną i współczynnik zapadalności z dokładnym przedziałem Poissona.

Trzy miary częstości choroby

Dane wejściowe: liczba badanych i chorych na początku, liczba nowych przypadków i osobolata obserwacji (dane przykładowe).

Co odczytać: chorobowość w % z 95% CI, zapadalność skumulowaną w % i współczynnik zapadalności na 1000 osobolat z 95% CI.

R
n <- 2000; chorzy <- 160
ch <- prop.test(chorzy, n, correct = FALSE)               # chorobowość punktowa, CI Wilsona
round(100 * c(chorobowosc = chorzy / n, ch$conf.int), 1)
zagrozeni <- n - chorzy; nowe <- 92; osobolata <- 1795   # nowe przypadki w ciągu roku
round(100 * nowe / zagrozeni, 1)                          # skumulowana zapadalność (%)
z <- poisson.test(nowe, osobolata)                        # współczynnik zapadalności, dokładny CI
round(1000 * c(zapadalnosc = nowe / osobolata, z$conf.int), 1)   # na 1000 osobolat
Wynik w R
chorobowosc
        8.0         6.9         9.3
[1] 5
zapadalnosc
       51.3        41.3        62.9

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje pakietów base i stats).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/

Najczęstsze pytania

Czy w badaniu ankietowym można policzyć zapadalność?

Zwykle nie. Jednorazowa ankieta daje chorobowość. Do zapadalności potrzebujesz osób początkowo zdrowych obserwowanych w czasie, czyli co najmniej dwóch pomiarów.

Co to są osobolata?

Suma czasu obserwacji wszystkich uczestników. Dwie osoby obserwowane po pół roku i jedna przez rok dają razem dwa osobolata.

Jaki przedział ufności podać dla chorobowości?

Dla odsetka zwykle przedział Wilsona albo dokładny przedział Cloppera–Pearsona, zwłaszcza przy małej liczbie przypadków. Przedział Walda przy rzadkich chorobach bywa za wąski.

Powiązane hasła

Standaryzacja względem wiekuRyzyko względne (RR)Badanie kohortoweSchemat przekrojowyPrzedział ufności dla proporcjiIloraz wiarygodności (LR+, LR−)

Poradniki, w których użyjesz tego pojęcia

Poradnik

Statystyka w pracy ze zdrowia publicznego

Chorobowość z CI, iloraz szans a iloraz chorobowości, standaryzacja względem wieku, ważenie próby i trend z rejestrów: analizy, APA i kod R.

Czytaj →Poradnik

Statystyka dla lekarza

ARR, RR, NNT i NNH z przedziałem ufności, PPV i ilorazy wiarygodności, krzywe Kaplana–Meiera i HR, non-inferiority, pułapki i pierwsze kroki własnego badania.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Noordzij, M., Dekker, F. W., Zoccali, C., & Jager, K. J. (2010). Measures of disease frequency: Prevalence and incidence. Nephron Clinical Practice, 115(1), c17–c20. https://doi.org/10.1159/000286345
  2. Spronk, I., Korevaar, J. C., Poos, R., Davids, R., Hilderink, H., Schellevis, F. G., Verheij, R. A., & Nielen, M. M. J. (2019). Calculating incidence rates and prevalence proportions: Not as simple as it seems. BMC Public Health, 19(1), Article 512. https://doi.org/10.1186/s12889-019-6820-3 ● Otwarty dostęp

Cytowania BibTeX

@article{noordzij2010measures, author={Noordzij, Marlies and Dekker, Friedo W. and Zoccali, Carmine and Jager, Kitty J.}, title={{Measures of disease frequency: Prevalence and incidence}}, journal={Nephron Clinical Practice}, year={2010}, volume={115}, number={1}, pages={c17--c20}, doi={10.1159/000286345}}
@article{spronk2019calculating, author={Spronk, Inge and Korevaar, Joke C. and Poos, René and Davids, Rodrigo and Hilderink, Henk and Schellevis, François G. and Verheij, Robert A. and Nielen, Mark M. J.}, title={{Calculating incidence rates and prevalence proportions: Not as simple as it seems}}, journal={BMC Public Health}, year={2019}, volume={19}, number={1}, eid={512}, doi={10.1186/s12889-019-6820-3}}
R