Abstract
Bakgrunn
5-års overlevelse av kreftpasienter er den mest brukte statistikk for å reflektere forbedringer i krigen mot kreft. Denne ideen ble imidlertid tilbakevist basert på en analyse som viser at endringer i 5-års overlevelse over tid bærer ingen sammenheng med endringer i kreftdødelighet.
Metoder
Her viser vi at fremdriften i kampen mot kreft kan evalueres ved å analysere sammenhengen mellom 5-års overlevelse og dødelighet normalisert ved forekomsten (dødelighet over forekomst, MOI). Endringer i dødelighet skyldes forbedret klinisk ledelse, samt endre forekomsten, og siden sistnevnte kan maskere effekten av det tidligere, kan det også maskere sammenheng mellom overlevelse og dødelighet. Imidlertid er MOI en mer robust mengde og gjenspeiler forbedringer i kreft utfall ved å overvinne maskeringseffekten av å endre forekomst. Ved hjelp av befolkningsbasert statistikk for USA og de europeiske Norden, bestemt vi foreningen av endringer i 5-års overlevelse og MOI.
Resultater
Vi har observert en sterk sammenheng mellom endringer i 5-års overlevelse av kreftpasienter og endringer i MOI for alle landene testet. Dette funnet viser at det ikke er grunn til å anta at forbedringer i 5-års overlevelse er kunstig. Vi fikk konsistente resultater når undersøke undergruppe av kreftformer som har forekomsten økte ikke, noe som tyder på at over-diagnose ikke skjuler resultatene.
Konklusjoner
Vi har vist, via den negative korrelasjonen mellom endringer i 5-års overlevelse og endringer i MOI, som øker i 5-års overlevelse gjenspeiler reelle forbedringer over tid gjort i den kliniske behandlingen av kreft. Videre fant vi at økninger i 5-års overlevelse er ikke overveiende kunstige biprodukter av ledetid bias, som underforstått i litteraturen. Overlevelsen tiltaket alene kan derfor brukes for en grov tilnærming av hvor mye fremgang i den kliniske behandlingen av kreft, men bør ideelt sett brukes sammen med andre tiltak
Citation. Maruvka YE, Tang M, Michor F ( 2014) om gyldigheten av å bruke Økning i 5-års overlevelse for å måle suksess i kampen mot kreft. PLoS ONE 9 (7): e83100. doi: 10,1371 /journal.pone.0083100
Redaktør: Yinglin Xia, University of Rochester, USA
mottatt: 6 februar 2013; Godkjent: 03.11.2013; Publisert: 23.07.2014
Copyright: © 2014 Maruvka et al. Dette er en åpen-tilgang artikkelen distribueres under betingelsene i Creative Commons Attribution License, som tillater ubegrenset bruk, distribusjon og reproduksjon i ethvert medium, forutsatt den opprinnelige forfatteren og kilden krediteres
Finansiering:. Forfatterne ønsker å takke for støtte fra National Institutes of Health U54CA143798. Finansiører hadde ingen rolle i studiedesign, datainnsamling og analyse, beslutning om å publisere, eller utarbeidelse av manuskriptet
Konkurrerende interesser:.. Forfatterne har erklært at ingen konkurrerende interesser eksisterer
Innledning
Forbedringer i 5-års overlevelse av kreftpasienter har lenge vært nevnt som bevis på den økende effekten av anti-kreft behandlingsmetoder både i vitenskapelige artikler [1] – [4] og i media og politiske dokumenter [5]. Bruk av 5-års overlevelse for å komme til denne konklusjonen, men ble kritisert i 1990 av Sondik [6], som hevdet at forbedringer i diagnostiske evner kan bidra til økninger i 5-års overlevelse av kreft, selv i fravær av fremgang mot mer effektive kliniske intervensjoner. For ti år siden, Welch, Schwartz og Woloshin [7] nøye undersøkt denne kritikken. Forfatterne hevdet at forbedringer i kreftbehandling bør samtidig øke overlevelse og redusere dødeligheten, og dermed fører til en sammenheng mellom de to, mens ikke ville være relatert forbedringer i overlevelse på grunn av kunstige årsaker (f.eks på grunn av tidligere diagnoser) til redusert dødelighet . Faktisk, fant de ingen sammenheng mellom å bedre overlevelse og redusere dødelighet, noe som ville synes å antyde at det har vært noen forbedringer i kreft ledelse. På den annen side, hvis forekomst ble eren utelukkende på grunn av en økende forekomst av kreft, så ingen sammenheng med overlevelse bør observeres i likevekt. Hvis imidlertid forekomsten steg på grunn av tidligere diagnoser, og deretter en korrelasjon med økende overlevelse skal bli detektert; den sistnevnte var tilfelle, og et forhold ble identifisert
Disse resultater ble tolket som følger: «. Det har blitt rapportert at forbedringer i behandlingsresultater for pasienter med ondartet sykdom representerer uønskede effekter av diagnose på et tidlig stadium» [ ,,,0],8]. Innsikten at 5-års overlevelse er et misvisende mål på den reelle forbedringen har siden blitt kanoniske og er nå inkludert i standard lærebøker om kreft biologi [9]. Videre disse resultatene også sterkt ringe inn spørsmålet effektiviteten av kliniske intervensjoner for kreftpasienter, siden en manglende sammenheng mellom dødelighet og 5-års overlevelse synes å indikere at klinisk behandling av kreft ikke har noen positiv effekt på pasientens overlevelse.
Vi antok at endringer i dødeligheten selv ikke fullt ut fanger forbedringer i kreftbehandling og på grunn av dette kan ikke korrelerer med økende overlevelse. Viktigere, selv om kreftbehandling var effektive for et økende antall pasienter, dødeligheten kan fortsatt stige hvis forekomsten av den gitte krefttypen i seg selv var økende.
For å illustrere dette poenget, vurdere for eksempel non-Hodgkin lymfom. I USA, denne sykdommen hadde en aldersjustert insidensrate på 11 og en dødelighet på 5,6 per 100.000 personer per år i 1975, og en forekomst på 20 og en dødelighet på 7,9 per 100 000 per år i 2000 [10]. Selv om det synes at utsiktene for pasienter diagnostisert med denne typen kreft forverret seg mellom 1975 og 2000, da dødeligheten økte med 2,3, klinisk behandling av denne krefttypen faktisk økt dramatisk, som forventet dødelighet i 2000 ville ha vært 10,2 . Den forventede dødelighet bestemmes av det faktum at forekomsten nesten fordoblet og derfor, fordi dødeligheten ikke er rapportert som normalisert ved forekomsten, bør den ha nesten doblet i tillegg. Det faktum at den faktiske dødeligheten bare steg til 7,9 i stedet for den forventede 10,2 betyr en forbedring i den kliniske behandlingen av sykdommen.
Basert på disse betraktninger, er en mer som indikerer måling av en forbedring i kreft styring bør deretter være den endringen i dødelighet normalisert ved endringen i insidensraten (dødelighet over forekomst, MOI). I det ovenstående eksempel hastigheter på 5,6 /11 i 1975 i forhold til 7,9 /20 i 2000 reflektere en forbedring i den totale kliniske behandlingen av sykdommen 25%. Samtidig, den 5-års overlevelse endret fra 47% i 1975 70% i 2000. I denne situasjonen, økte fem års overlevelse, men ikke korrelerer med endring i dødelighet; det gjør det, men korrelerer med endring i MOI. Til tross for likhetene mellom dødeligheten (andelen av dødsfall innenfor et angitt populasjon av tilfellene) og dødelighet over forekomsten, disse tiltakene er ikke identiske; dødeligheten er hentet fra et gitt tilfelle befolkningen, mens dødelighet over forekomsten ikke nødvendigvis bruke samme befolkningen for dødelighet og forekomst. Likevel, på grunn av likhetene mellom disse to begrepene, kan MOI tjene som en tilnærming for dødeligheten.
For å undersøke om bedring i overlevelse er knyttet til forbedringer i den kliniske behandlingen av kreft, vi må dermed å sammenligne endringen i overlevelse til endringen i MOI og ikke til endringen i dødelighet alene. I tilfeller der forekomsten forblir uendret, noe som er svært uvanlig, reduserer denne analysen til i dag brukt tilnærming korrelere overlevelse dødelighet. Merk at «forbedringer i klinisk behandling» refererer seg til eventuelle endringer i måten kreftpasienter behandles klinisk med styring av nye legemidler, anvendelsen av en mer effektiv dosering formasjonen eksisterende legemidler, eller ganske enkelt en kostnadsreduksjon som gjør tidligere tilgjengelige behandlinger rimeligere og dermed mer utbredt.
Metoder
data~~POS=TRUNC
de aldersjusterte insidensrater, dødelighet og 5-års overlevelse for amerikanske pasienter ble hentet fra sEER database ved hjelp SEERStat (www.seer.cancer.gov/seerstat). Gjennom hele papiret, «overlevelse» refererer til relative, men ikke total overlevelse. Vi har innhentet data av alle krefttyper i seer databasen og delt dem inn i typer etter tilgjengelige definisjoner. For eksempel ble klassifiseringen «leukemi» deles inn i akutt lymfatisk leukemi, kronisk lymfatisk leukemi, andre lymfatisk leukemi, akutt myelogen leukemi, akutt monocytic leukemi, kronisk myelogen leukemi og andre. Vi gjorde ikke kombinere de ulike undergrupper som de viser avvikende biologiske og kliniske egenskaper [10] og vise forskjellige forekomst trender over tid. Bruke SEERStat program, analyserte vi tre grupper: mannlige pasienter, kvinnelige pasienter, og en kombinert database inkludert pasienter av begge kjønn. Den kombinerte database er ikke uavhengig av de to andre, men inneholder den største samling av krefttyper, og dermed er nyttig for videre analyse.
I tillegg har vi innhentet data på 36 krefttyper fra NORDCAN hjemmeside [11] , som inneholder informasjon om forekomst, dødelighet og 5-års overlevelse for de nordiske land: Danmark, Finland, Norge og Sverige. Vi ekskluderte data fra islandske pasienter på grunn av liten populasjon i dette landet, noe som fører til for mye støy for gyldig analyse De nordiske datasettene er overlegen i forhold til seeren USA datasett, som sistnevnte ikke gir omfattende dekning av alle amerikanske stater.
Vi så beregnet endring i forekomst og endring i fem-års overlevelse mellom to utvalgte tidspunkter (referert til som den første og den endelige tidspunkter). For å redusere mengden av variasjonen i data, beregnet vi gjennomsnittlig hyppighet og fem-års overlevelsesrater i løpet av flere år (se SI). For de nordiske landene, har vi brukt data i gjennomsnitt over perioden 1964-1967 som den første tidspunktet, og data gjennomsnitt over perioden 2000-2003 som den endelige tidspunkt. For data fra amerikanske pasienter, brukte vi 1973-1976 og 2000-2003 som den første og den siste tidsperioder.
Siden pasienter diagnostisert med kreft i et gitt år dør noen år senere i gjennomsnitt, forekomst og overlevelse av et gitt år er knyttet til dødelighet på et senere år. Vi bestemte derfor sammenhengen mellom forekomsten i år x og dødeligheten i år x + a. Vi utførte følsomhetsanalyser ved å velge et bredt spekter av et mellom 0 og 6 år og erholdt konsistente resultater. Her presenterer vi resultatene for a = 3: vi beregnet endringene i dødelighet i løpet av 1967-1970 og 2003-2006 for de nordiske landene, og i løpet av 1976-1979 og 2003-2006 for USA. Legg merke til at forholdet mellom året diagnose og dødelighet år bør ta hensyn til fordelingen av død tid. Dette vil imidlertid nødvendiggjøre bruk av mer informasjon som dessverre er vanligvis ikke tilgjengelig. Derfor brukte vi en gap tid (som kan være gjennomsnitt, median eller modus) som en grov tilnærming for hele fordelingen.
Tiltak
Vi beregnet endring i forekomst, dødelighet, 5-års overlevelse og dødelighet over forekomsten (MOI) mellom de valgte to tidspunkter i hvert datasett. Vi deretter målt sammenhengen mellom endringen i 5-års overlevelse og endring i forekomst og dødelighet som ble gjort av Welch et al. [7]. For hver krefttype, forfatterne [7] beregnet endring i dødelighet, forekomst og 5-års overlevelse og produsert en figur som viser endringen i dødelighet versus endring i overlevelse; hvert punkt representerer en bestemt krefttype. Deretter beregnes korrelasjonen mellom endringen i dødelighet og endring i fem-års overlevelse, og utført en tilsvarende beregning for endringen i 5-års overlevelse og endring i forekomsten. Dødelighets og forekomsten har ulike størrelser for ulike typer kreft; Derfor, for å kunne sammenligne hyppige og sjeldne krefttyper, de målte endringen i satsene over en viss tidsperiode som en prosent av den opprinnelige verdi, snarere enn som en absolutt verdi. Denne andelen ble deretter plottet mot den absolutte endringen i 5-års overlevelse over samme tidsperiode. I tillegg har vi beregnet endringen i MOI i løpet av de to valgte tidspunkter, som så ble gitt som en absolutt verdi (dvs. den dødelighet ved den siste tiden dividert med forekomsten ved den siste tiden, minus dødelighet ved den første tiden dividert forekomsten på den første tiden) siden MOI seg selv er en brøk.
Analyse
For hvert datasett, undersøkte vi sammenhengen mellom endringer i overlevelse og de tre andre tiltak, som beskrevet ovenfor, ved hjelp av Pearsons og Spearmans sammenhenger, og lineær regresjon. I tillegg analyserte vi sammenhengen mellom endringen i forekomsten og endringen i dødelighet ved hjelp av samme metoder.
Resultater
Ved hjelp av datasettene og analytiske tilnærminger beskrevet i Methods, vi først undersøkt korrelasjonen mellom endringer i 5-års overlevelse og forekomst og dødelighet, som ble gjort av Welch et al. [7]. Resultatene for alle datasettene er oppsummert i tabell 1. Figur 1 viser resultater for den amerikanske datasettet som et spesielt eksempel; alle andre plott er vist i figurene S1-S11. Korrelasjonen mellom endringer i 5-års overlevelse og endringer i forekomst og dødelighet er vist i Figur 1a og b. I likhet med funn av Welch et al [7], vi også observert at det er ingen vesentlig negativ korrelasjon mellom endringen i overlevelse og endringen i dødelighet i alle datasett. I mellomtiden, i enkelte datasett (se tabell 1), det er en positiv korrelasjon mellom endringen i overlevelse og endringen i forekomsten. Disse resultater ble tolket av Welch et al. [7] for å vise at forbedringer i overlevelse er overveiende kunstig, fordi en virkelig forbedring i den kliniske behandlingen av kreft bør samtidig redusere dødelighet og forbedre overlevelse, mens en kunstig forbedring, som følge av tidlig diagnose, øker overlevelse og insidens uten å redusere dødeligheten. Imidlertid, som vist i figur 1c, er det en sterk korrelasjon mellom endringen i insidens og endringen i dødelighet. Dette funn indikerer at mye av endringen i dødelighet er et resultat av endringen i forekomsten, og derfor korrelasjonen mellom endringen i fem-års overlevelse og endringen i dødelighet som følge av bedret behandling er skjult. I figur 1d, presenterer vi sammenhengen mellom endringen i 5-års overlevelse og endringen i MOI (Pearsons korrelasjonskoeffisient -0,55, p-verdi = 0,000075). I SI viser vi korrelasjonskoeffisientene og p-verdier for alternative verdier av
en
. Korrelasjonen endrer bare litt for disse alternative intervaller, og har betydning for alle intervallene undersøkt. De andre datasett viser også negative signifikante korrelasjoner, som er vist i SI. Størrelsen av korrelasjonen i enkelte datasett er moderat (~0.5), mens den er sterk i andre. Denne forskjellen kan skyldes forskjellige styrker av de kunstige forbedringene i fem-års overlevelses, men også kan være på grunn av forskjellen i datainnsamlingen. Vanligvis har den amerikanske datasettene har svakere sammenhenger enn de fra de nordiske landene, som kan være på grunn av det faktum at med de amerikanske datasett, fordelt vi krefttyper i mer detaljerte undergrupper, som sannsynligvis legger variasjon til beregningene. Det er ingen generell trend for endringen i korrelasjonskoeffisienten for ulike intervaller som er felles for de ulike datasettene som vi brukte. Se SI for en streng utvikling av den negative korrelasjonen mellom endringen i 5-års overlevelse og MOI. Vi gjentok også våre analyser ved hjelp av Spearmans korrelasjon (se SI), og fant at endringene når du bruker denne beregningen var små.
(a) Endring i 5-års overlevelse versus endring i dødelighet. (B) Endring i 5-års overlevelse versus endring i forekomsten. (C) Endring i dødelighet versus endring i forekomsten. (D) Endring i 5-års overlevelse versus endring i dødelighet over forekomsten (MOI). Pearsons korrelasjonskoeffisient (R) og dets p-verdi er vist på toppen av hvert panel. Endringen i 5-års overlevelse er sterkt lineært assosiert med endring i MOI
Merk at vi har observert mønsteret forventet under reelle forbedringer i den kliniske behandlingen av kreft.; dermed er det ingen grunn til å anta at forbedringer i kreftbehandling er ikke ekte, som følger av Welch et al. [7]. Imidlertid er denne observasjonen i seg selv ikke et bevis på at forbedringene i kreftbehandling er reelle, fordi over-diagnose [12] – identifisering av krefttilfeller som følge av bedre diagnostiske verktøy som ikke ville ha resultert i døden selv uten diagnose – kan kunstig skape en negativ sammenheng mellom endringen i 5-års overlevelse og endring i MOI. Dette faktum oppstår fordi over-diagnose kunstig øker både overlevelse og forekomst, noe som resulterer i en negativ sammenheng mellom satsene for overlevelse og MOI selv uten noen underliggende bedring i den kliniske behandlingen av kreftpasienter. Det har nylig blitt klart at over-diagnose er et problem når undersøke forekomsten og utbredelsen av enkelte krefttyper [13]. For å takle problemet med over-diagnose, vi gjentok våre analyser av sammenhengen mellom endringen i overlevelse og endringen i MOI bruker bare de kreftformene som har forekomsten økte ikke under den valgte tidsperioden. Vi antok at for disse krefttyper med stabile eller synkende forekomst, bør bidraget fra over-diagnose være svært lav. For USA årsklasse, denne tilnærmingen ført til bruk av 35 krefttyper.
Når du utfører disse analysene vi fått en betydelig negativ helning mellom endringer i overlevelse og MOI for den amerikanske mannlige og kombinerte datasett. For USA hunn datasettet, erholdt vi en negativ helling for alle tilfeller, men skråningen var betydelig bare ved bruk av dødelighetsdata fra et tidsrom på minst tre år etter det tidspunkt ved hvilket forekomsten ble bestemt. Disse resultatene er presentert i SI. Disse funnene viser at også for krefttyper med nesten ingen over-diagnose, den negative korrelasjonen mellom endringer i 5-års overlevelse og i MOI fortsatt eksisterer; Dermed er det sannsynlig at de forbedringer i 5-års overlevelse er ekte selv i krefttyper hvor insidensen gjorde øker, så er det ingen grunn til å posit en meningsfylt høyere over-diagnose rate i disse tilfellene.
resultatene for den amerikanske kohorten er et typisk eksempel, og tallene for alle andre kohorter er presentert i SI. Tabell 1 viser korrelasjonskoeffisientene og deres p-verdier på følgende sammenligninger for alle tilgjengelige datasett: endringer i 5-års overlevelse og forekomst, endringer i 5-års overlevelse og dødelighet, endringer i dødelighet og forekomst og endringer i 5 -års overlevelse og MOI. Merk at i alle tilfeller, det er en negativ korrelasjon mellom satsene for overlevelse og MOI, som alltid er statistisk signifikant. Også ved hjelp av bare krefttyper som har forekomsten økte ikke i de nordiske landene, konsekvent fikk vi en betydelig negativ helling for alle datasett, med unntak av den kvinnelige befolkningen i Norge som det var bare 6 krefttyper, en prøve satt potensielt for lite for å tillate betydelige resultater. Merk at dødelighet og forekomst er aldersjustert, og justeringene av USA og de nordiske data ble potensielt gjort annerledes; dette kan dermed representere kilde for noen av de forskjellene vi observerte mellom USA og Norden.
For den amerikanske befolkningen, gjentok vi alle beregninger ved hjelp av 10-års overlevelsesdata i stedet for 5-års overlevelsesdata og innhentet konsistente resultater. Korrelasjonen mellom endringen i 10-års overlevelse og endring i MOI var negativ og signifikant for alle pasienter, samt for begge kjønn. Også når vi brukte bare krefttyper som forekomsten ikke økte, fikk vi en signifikant negativ korrelasjon (se SI).
Diskusjoner
I denne artikkelen har vi foreslått en alternativ tilnærming for å undersøke effekten av kliniske inngrep mot kreft ved hjelp av informasjon fra forekomst, overlevelse og dødelighet av kreftpasienter. Vi viste at ved å sammenligne overlevelsen til MOI (dødelighet normalisert ved forekomst), er de forventede korrelasjonsmønsteret mellom endringene i 5-års overlevelse og MOI oppnådd. Ved å gjøre dette, negerte vi tidligere krav fra Welch et al. [7] at forventet korrelasjon ikke kan observeres, og derfor kan at 5-års overlevelse ikke brukes til å evaluere fremgang i kampen mot kreft. I tillegg demonstrerte vi at tidlig diagnose er ikke et stort problem for analyse av endringer i overlevelse. Men dette funnet i seg selv ikke bevise at effekten av kunstige forbedringer i 5-års overlevelse er ubetydelig; heller, det viser at det ikke er grunn til å anta at effekten er stor, fordi selv om MOI ikke kan forbedre kunstig grunn ledetid bias, kan det likevel kunstig øke på grunn av over-diagnose.
For å takle problemet med over-diagnose, analyserte vi bare de typer kreft som har forekomsten økte ikke i løpet av tidsperioden observasjons; dermed er det ingen grunn til å tro at disse krefttypene er betydelig påvirket av over-diagnose. For disse krefttypene, også fikk vi en betydelig negativ korrelasjon mellom endring i 5-års overlevelse og endring i MOI. Derfor, for disse krefttypene, er forbedringen i fem-års overlevelsesrater ikke på grunn av tidlig diagnose eller over-diagnose. Det faktum at vi har fått de samme resultatene for krefttyper med en insidens som ikke øke indikerer at over-diagnose ikke spiller en viktig rolle i å kunstig øke 5-års overlevelse for alle krefttype.
Vi har funnet at generelt, endringene i 5-års overlevelse inneholder informasjon som kan høstes til å måle vår fremgang i krigen mot kreft. Mens tidlige diagnoser kunstig øke satsene for 5-års overlevelse, generelt, er deres effekt mindre i forhold til effekten av forbedringer i kreftbehandling. Dette funn blir tydelig når overlevelse sammenlignes med dødeligheten normalisert ved forekomsten (MOI).
overlevelse måle og MOI mål bør ideelt sett bli brukt i tandem for å vurdere forbedringer i kreftbehandling, som ingen tiltaket er perfekt. Survival alene kan inneholde små effekter av ledetid bias. MOI måle alene ikke får riktig bedret overlevelse ganger i tilfeller der dødeligheten ikke endres. Imidlertid kan forbedring av overlevelse tiltaket alene anvendes for å gi en pålitelig indikasjon på fremgang.
Merk at korrelasjonen mellom MOI og 5 års overlevelse ble allerede observert av Vostakolaei et al. [14] som viste at MOI var generelt en god proxy for 5-års overlevelse. Men vårt arbeid skiller seg fra sin etterforskning i at vi har analysert sammenhengen mellom
endre
i MOI og
endre
i 5-års overlevelse, for å avgjøre om forbedringer i overlevelse er reelle. Dette spørsmålet ble ikke besvart tidligere fordi forfatterne ikke sammenligne endringer i disse målingene over tid, men heller sett på en eneste øyeblikksbilde i tid.
Det er verdt å merke seg at andre tilnærminger til å vurdere forbedringer i kreftbehandling kan tas, slik som å analysere endringer i antall og forholdet mellom pasienter diagnostisert på ulike stadier av kreftutvikling. Men slike metoder krever mer detaljert informasjon om de diagnostiske verktøy som brukes, og bør brukes til bestemte typer kreft separat, og dermed skiller seg fra den bred tilnærming vi brukt her.
Hjelpemiddel Informasjon
Figur S1 .
Korrelasjonen mellom de ulike tiltak for den kvinnelige kohorten fra Danmark. (A) Endring i dødelighet vs endring i forekomsten. (B) Endring i 5-års overlevelse vs endring i forekomsten. (C) Endring i 5-års overlevelse vs endring i dødelighet. (D) Endring i 5-års overlevelse vs endring i dødelighet over forekomsten (MOI). Pearsons korrelasjonskoeffisient og dens p-verdi er vist på toppen av hvert panel. Endringen i fem-års overlevelses er sterkt lineært forbundet med endringen i MOI. (E-h) Samme som i (a-d), men inkludert bare de krefttypene som Forekomsten sank i løpet av observasjonstiden
doi:. 10,1371 /journal.pone.0083100.s001 plakater (BMP)
Figur S2.
Korrelasjonen mellom de ulike tiltak for den mannlige kohorten fra Danmark. (A) Endring i dødelighet vs endring i forekomsten. (B) Endring i 5-års overlevelse vs endring i forekomsten. (C) Endring i 5-års overlevelse vs endring i dødelighet. (D) Endring i 5-års overlevelse vs endring i dødelighet over forekomsten (MOI). Pearsons korrelasjonskoeffisient og dens p-verdi er vist på toppen av hvert panel. Endringen i fem-års overlevelses er sterkt lineært forbundet med endringen i MOI. (E-h) Samme som i (a-d), men inkludert bare de krefttypene som Forekomsten sank i løpet av observasjonstiden
doi:. 10,1371 /journal.pone.0083100.s002 plakater (BMP)
Figur S3.
Korrelasjonen mellom de ulike tiltak for den kvinnelige kohorten fra Finland. (A) Endring i dødelighet vs endring i forekomsten. (B) Endring i 5-års overlevelse vs endring i forekomsten. (C) Endring i 5-års overlevelse vs endring i dødelighet. (D) Endring i 5-års overlevelse vs endring i dødelighet over forekomsten (MOI). Pearsons korrelasjonskoeffisient og dens p-verdi er vist på toppen av hvert panel. Endringen i fem-års overlevelses er sterkt lineært forbundet med endringen i MOI. (E-h) Samme som i (a-d), men inkludert bare de krefttypene som Forekomsten sank i løpet av observasjonstiden
doi:. 10,1371 /journal.pone.0083100.s003 plakater (BMP)
Figur S4.
Korrelasjonen mellom de ulike tiltak for den mannlige kohorten fra Finland. (A) Endring i dødelighet vs endring i forekomsten. (B) Endring i 5-års overlevelse vs endring i forekomsten. (C) Endring i 5-års overlevelse vs endring i dødelighet. (D) Endring i 5-års overlevelse vs endring i dødelighet over forekomsten (MOI). Pearsons korrelasjonskoeffisient og dens p-verdi er vist på toppen av hvert panel. Endringen i fem-års overlevelses er sterkt lineært forbundet med endringen i MOI. (E-h) Samme som i (a-d), men inkludert bare de krefttypene som Forekomsten sank i løpet av observasjonstiden
doi:. 10,1371 /journal.pone.0083100.s004 plakater (BMP)
Figur S5.
Korrelasjonen mellom de ulike tiltak for den kvinnelige kohorten fra Norge. (A) Endring i dødelighet vs endring i forekomsten. (B) Endring i 5-års overlevelse vs endring i forekomsten. (C) Endring i 5-års overlevelse vs endring i dødelighet. (D) Endring i 5-års overlevelse vs endring i dødelighet over forekomsten (MOI). Pearsons korrelasjonskoeffisient og dens p-verdi er vist på toppen av hvert panel. Endringen i fem-års overlevelses er sterkt lineært forbundet med endringen i MOI. (E-h) Samme som i (a-d), men inkludert bare de krefttypene som Forekomsten sank i løpet av observasjonstiden
doi:. 10,1371 /journal.pone.0083100.s005 plakater (BMP)
Figur S6.
Korrelasjonen mellom de ulike tiltak for den mannlige kohorten fra Norge. (A) Endring i dødelighet vs endring i forekomsten. (B) Endring i 5-års overlevelse vs endring i forekomsten. (C) Endring i 5-års overlevelse vs endring i dødelighet. (D) Endring i 5-års overlevelse vs endring i dødelighet over forekomsten (MOI). Pearsons korrelasjonskoeffisient og dens p-verdi er vist på toppen av hvert panel. Endringen i fem-års overlevelses er sterkt lineært forbundet med endringen i MOI. (E-h) Samme som i (a-d), men inkludert bare de krefttypene som Forekomsten sank i løpet av observasjonstiden
doi:. 10,1371 /journal.pone.0083100.s006 plakater (BMP)
Figur S7.
Korrelasjonen mellom de ulike tiltak for den kvinnelige kohorten fra Sverige. (A) Endring i dødelighet vs endring i forekomsten. (B) Endring i 5-års overlevelse vs endring i forekomsten. (C) Endring i 5-års overlevelse vs endring i dødelighet. (D) Endring i 5-års overlevelse vs endring i dødelighet over forekomsten (MOI). Pearsons korrelasjonskoeffisient og dens p-verdi er vist på toppen av hvert panel. Endringen i fem-års overlevelses er sterkt lineært forbundet med endringen i MOI. (E-h) Samme som i (a-d), men inkludert bare de krefttypene som Forekomsten sank i løpet av observasjonstiden
doi:. 10,1371 /journal.pone.0083100.s007 plakater (BMP)
Figur S8.
Korrelasjonen mellom de ulike tiltak for den mannlige kohorten fra Sverige. (A) Endring i dødelighet vs endring i forekomsten. (B) Endring i 5-års overlevelse vs endring i forekomsten. (C) Endring i 5-års overlevelse vs endring i dødelighet. (D) Endring i 5-års overlevelse vs endring i dødelighet over forekomsten (MOI). Pearsons korrelasjonskoeffisient og dens p-verdi er vist på toppen av hvert panel. Endringen i fem-års overlevelses er sterkt lineært forbundet med endringen i MOI. (E-h) Samme som i (a-d), men inkludert bare de krefttypene som Forekomsten sank i løpet av observasjonstiden
doi:. 10,1371 /journal.pone.0083100.s008 plakater (BMP)
Figur S9.
Korrelasjonen mellom de ulike tiltakene for begge kjønn fra USA. (A) Endring i dødelighet vs endring i forekomsten. (B) Endring i 5-års overlevelse vs endring i forekomsten. (C) Endring i 5-års overlevelse vs endring i dødelighet. (D) Endring i 5-års overlevelse vs endring i dødelighet over forekomsten (MOI). Pearsons korrelasjonskoeffisient og dens p-verdi er vist på toppen av hvert panel. Endringen i fem-års overlevelses er sterkt lineært forbundet med endringen i MOI.
