1
Socioekonomi vs. covid-19
- Sambandet mellan socioekonomisk status och covid-19
Rasmus Fors & Johan Israelson
GYMNASTIK- OCH IDROTTSHÖGSKOLAN
Självständigt arbete grundnivå 13:2021
180hp [Hälsopedagogprogrammet] 2018–2021
Handledare: Eva Andersson och Örjan Ekblom
Examinator: Maria Ekblom
2
Sammanfattning
Syfte. Syftet med denna studie var att undersöka om det finns ett samband mellan en individs socioekonomiska status och sannolikhet att insjukna i covid-19 hos seniorer som har deltagit i GIHs hälsoprojekt under åren 2017-2020.
Metod. En retrospektiv longitudinell kohortstudie utfördes för att studera om risken att få covid-19 hängde samman med de socioekonomiska faktorerna utbildningsnivå och inkomst. Data från GIHs hälsoprojekt från upp till 4 år tillbaka har använts som baslinje. Data på utfallsmåttet, självrapporterad covid-19 infektion, samlades in vid en uppföljningsundersökning som genomfördes via
telefonintervjuer. Studiepopulationen omfattar 383 personer där samtliga har deltagit i en träningsintervention vid GIH och som vid efterundersökningen var mellan 62 till 91 års ålder. Resultat. Utbildning och även ålder visade samband med risk att insjukna. En multivariabel analys visade att utbildningsnivå hade ett positivt oberoende samband med risk för covid-19 infektion (OR: 1,962, 95% CI 1,063 till 3,622 per steg upp i utbildning). Ålder visade ett negativt oberoende samband med risk att insjukna (OR:0,909, 95 % CI: 0,829 till 0,996 per år).
Slutsats. Resultaten i denna studie är i motsats till resultat från tidigare studier (Hawkins et al. 2020, Holuka et al. 2020). Det vore intressant att fler framtida studier utförs för att kartlägga samband mellan olika socioekonomiska faktorer och förekomst av covid-19 bland olika grupper av seniorer för att därmed kunna bidra till att förbättra preventiva åtgärder mot denna vitt spridda infektionssjukdom.
3
Förord
Mitt i en rådande pandemi så är socioekonomi något som kan påverka våra liv på olika sätt. Man kan fråga sig hur socioekonomin inverkar på att drabbas av covid-19-viruset. Det är något vi var
intresserade av. Man kan vidare spekulera i hur socioekonomiska faktorer på individ- och gruppnivå bidrar till hur pass mycket vi kan anpassa oss om något inträffar, oavsett hur stort eller litet det må vara, även om det är något mindre allvarligt eller så illa som en global pandemi.
Vi vill skänka ett stort tack till alla hälsoprojekt deltagare som medverkat i denna studie och ett extra stort tack till våra oerhört engagerade handledare Eva Andersson och Örjan Ekblom.
Trevlig läsning.
-Rasmus & Johan
4
Innehållsförteckning
Sammanfattning
2Förord
3Innehållsförteckning
41. Introduktion
7 1.1 Covid-19 7 1.2 Testning av covid 19 81.2.1 PCR-test & Antikropps-test. 8
1.3 Covid-19 riskfaktorer 9
1.4 Covid-19 och socioekonomi 10
1.5 Hälsoprojektet 12
2. Syfte och frågeställning
122.1 Syfte 12
2.2 Frågeställning 12
3. Metod
123.1 Retrospektiv okontrollerad longitudinell kohortstudie 12
3.2 Val av metod 13
3.2.1 Utbildning 13
3.2.2 Inkomst 13
3.2.3 Kön och ålder 13
3.2.4 Vikt, Längd och BMI 13
3.2.5 Mätning av covid-19 infektion (alt. infektions period med snarlika symptom) 14
3.3 Studiepopulation 14 3.4 Power analys 15 3.5 Procedur 15 3.6 Begränsningar 15 3.6.1 Etik 15 3.7 Statistik 16
4. Resultat
16 4.1 Bivariata analyser 18 4.1.1 Kategoriska variabler 18 4.1.2 Löpande variabler 195
4.2 Multivariat analys 20
4.2.1 Minst ett symtom 21
5. Diskussion
225.1 Vad betyder resultaten? 22
5.2 Socioekonomisk status 22
5.2.1 Utbildning 22
5.2.2 Inkomst 23
5.3 Oberoende variabler 23
5.3.1 Ålder 24
5.4 Styrkor & Svagheter 24
5.5 Slutsats. 25
Käll- och litteraturförteckning
26Bilagor
31 Bilaga 1; Sök logg 31 Litteratursökning 31 Bilaga 2; SPSS 33 Mann-Whitney Test 33 Logistisk regression 34 Chi- square/Crosstabs 35 Inkomst 35 Utbildning 36 Kön 37 Rökare 38 Astma/Kol 39 Autoimmunsjukdom 40 Cancer 41 Diabetes 42 Hjärt och Kärlsjukdom 43 Hypertoni 44 Bilaga 3 45 G*Power 45 Bilaga 4 45 Data insamling 457
1. Introduktion
SARS-CoV-2 eller covid-19/Corona som det brukar kallas i folkmun har påverkat världen enormt under slutet av 2019, hela 2020 och det pågår än mars 2021. Varje vecka släpper WHO nya uppdateringar i kampen mot viruset. (WHO 2021) Beroende på var i världen man bor och hur sjukvårdssystemet fungerar så kan man drabbas väldigt olika av infektionen.
1.1 Covid-19
I december 2019 utbröt hos flera människor lunginflammation vållat av ett nytt Coronavirus i Wuhan, Kina. Viruset spreds snabbt över Kina och risken för en pandemi var överhängande. Viruset kom initialt efter isolering och undersökning att kallas 2019-nCoV. (Zhou et al. 2020).
Pandemin har utvecklats under relativt kort tid. År 2019 i december Kina, smittades, som nämnts, en mångfald individer av lunginflammation på grund av ett nytt Corona-virus i Wuhan, Kina. Viruset spreds som en löpeld över Kina och orsakade senare en världspandemi idag allmänt känt som Corona. (Zhou et al. 2020) Redan i juni var det 4.3 miljoner bekräftade fall 290 000 döda globalt (Nicola et al, 2020).
SARS-CoV-2 (severe acute respiratory syndrome coronavirus 2) har blivit det officiella namnet av WHO. SARS-CoV-2 sprids lättare än SARS-CoV som låg bakom SARS år 2003. Den rasande farten av nya fall gör det av yttersta prioritet att få kontroll på spridningen av covid-19. (Huang et al. 2020)
Hos individer där sjukdomsförloppet är allvarligt eller resulterar i död förekommer vissa kroniska sjukdomar oftare än väntat; hypertoni, hjärt-kärlsjukdom, diabetes I & II, kraftigt nedsatt njurfunktion CKD stadium 4 och 5, kronisk lungsjukdom med väsentligt minskad lungkapacitet (< 50%) och kronisk leversjukdom med cirrosutveckling. Det är sannolikt att det är förekomsten av underliggande sjukdom som påverkar utgången vid covid-19. Om det finns multipla sjukdomar blir prognosen sämre. Sambandet av sjukdomsutveckling och underliggande sjukdom är dock inte helt kartlagt. Den största riskfaktorn verkar vara ålder. De variabler som angetts som riskfaktorer för allvarlig sjukdom/död i corona kan inte ensamma förklara den skillnaden som finns mellan infekterade personer utan symtom
8 och de som avlider. Andra faktorer som än inte är kartlagda kan också ha betydelse. (Socialstyrelsen 2021.)
Spridning av antal individer som insjuknar och avlider på grund av covid-19 i Stockholm och i andra olika regioner i Sverige uppdateras och redovisas kontinuerligt via Folkhälsomyndigheten (2021). För de flesta som blir drabbade av Corona blir det endast lindriga besvär. De liknas ofta vid en vanlig förkylning. Men vissa blir riktigt sjuka och till med avlider till följd av sviterna av covid -19.
Inkubationstiden är 3-14 dagar med de flesta märker av sina symtom efter 3-5 dagar. I allvarliga fall dröjer det flera veckor eller månader innan man blir återställd igen men för de flesta går infektionen över inom en vecka. Typiska covid-19 symptom är andningsbesvär, nedsatt smak och lukt, halsont, huvudvärk, illamående, värk i muskler och leder samt trötthet. (Huang et al. 2020, 1177 2021a)
1.2 Testning av covid-19
1.2.1 PCR-test & Antikropps-test.
För att ta reda på om man blivit drabbad av covid-19 så kan man gå två vägar. Det första är ett så kallat PCR-test som man tar om man misstänker att man är sjuk.
Testet tas med hjälp av pinne som ser ut som en stor tops. Man gnuggar den i svalget, i näsan och bland saliv ned spottat i ett rör för att fånga upp viruspartiklarna. Provsvaret får man sedan efter några dagar. (Meral Yüce, 2021)
Testet anses ha en god precision. Testet hade en 99% analytisk specificitet när 10 000 personer testades. (Folkhälsomyndigheten, 2020)
Individer kan ha burit på infektionen utan att ens veta om det. Då kan man göra ett antikroppstest. Om man varit sjuk och vill ta reda på om man har antikroppar så måste man ha varit frisk i minst 14 dagar, för att antikropparna ska ha hunnit utvecklas till mätbara nivåer. Antikroppstestet tas genom ett
9
1.3 Covid-19 riskfaktorer
Kön är en viktig aspekt att ta med när det kommer till hälsorelaterade frågor oavsett vad det gäller. I en studie kom fram till att dödligheten var högre hos män trots att förekomsten var detsamma mellan könen. (Jin et al. 2020)
Risken för att bli allvarligt sjuk ökar gradvis med högre ålder. 60-70 åringar har dubbelt så hög risk att bli allvarligt sjuk jämfört med 50-60 åringar. Efter 65 år ökar risken som mest för att bli allvarligt sjuk och därför har gränsen för gruppen äldre som prioriteras för vaccination i februari 2021 sänktes från 70 år till 65 år. (Folkhälsomyndigheten 2021a).
Infektionen som orsakas av covid-19 domineras av symtom på respirationssystemet med även hjärt-och kärlsystemet kan bli allvarligt nedsatt. Därför kan individer med underliggande hjärt- hjärt-och kärlsjukdomar också bli kraftigt påverkade. (Huang, C. et al, 2020)
Hypertoni brukar oftast påverka allvarligheten av de flesta sjukdomar. I en rapport från Socialstyrelsen så kan man se att 38% av de som intensivvårdats har haft hypertoni (högt blodtryck). Men det är troligtvis inte det höga blodtrycket som är avgörande utan den höga åldern. (Hjärt-lungfonden 2021a) Den totala prevalensen av hypertoni i befolkningen är okänd och det är därför osäkert om det finns intensivvårdade covid-91 patienter har en avvikande förekomst och om hypertoni ska anses vara en riskfaktor.
Statistik från Folkhälsomyndigheten visar att 24% av de som vårdas på IVA och 25% av de avlidna hade diabetes. Hos en blandad befolkning är förekomsten mellan 3-5% (Hjärt-lungfonden 2021b). Därför anses diabetes som en riskfaktor.
Vid en cancersjukdom är redan immunförsvaret och kroppen påfrestad. Därmed är det av extra vikt att följa rekommendationer och restriktioner vid cancer för att undvika att bli infekterad av covid-19 och bli allvarligt sjuk. (Al-quteimat et.al 2020)
Anledning till att astma och KOL tagits med är att det finns data som visar att de som vårdas på sjukhus är överrepresenterade. Precis som ovan nämnda riskfaktorer så påverkar covid-19 lungorna och respirationförmågan. (Elissa et al. 2020)
10 Sluta-Röka-Linjen har tagit emot allt fler samtal från oroliga rökare som vill ha hjälp med att sluta röka efter att en studie från Kina släpptes som påvisade att svår sjukdom vid en covidinfektion var högre bland rökare jämfört mot icke rökare. Ser man till den socioekonomiska aspekten så finns det däremot ganska stora skillnader. Exempelvis röker 14 procent av personer med enbart grundskoleutbildning medan andelen rökare är 4 procent i gruppen med eftergymnasial utbildning. Personer födda utanför Sverige röker också till en större andel, framför allt män födda utanför Europa, vilket sannolikhet helt eller delvis kan förklaras av socioekonomiska skillnader. I och med boendesegregationen så kan man även se stora geografiska skillnader av rökning i Stockholms län. Endast 1,7 procent av männen i Österåker röker jämfört med 14% av männen i Rinkeby/ Kista. (Folkhälsoguiden 2021.)
Risken ökar successivt med stigande övervikt och blir tydlig vid fetma, speciellt med BMI 40 och däröver. Fetma och övervikt är enligt rapporter en oberoende riskfaktor för allvarlig
sjukdomsutveckling vid covid-19. (Socialstyrelsen, 2021)
1.4 Covid-19 och socioekonomi
Socioekonomisk status (SES) kan mätas på en rad olika sätt, de vanligaste är utbildning och inkomst (SCB 2020). Den existerande forskningen kring covid-19 och socioekonomi är väldigt begränsad (Hawkins et al. 2020), där ett av de främsta skälen sannolikt är att denna infektion är ett så pass nytt fenomen. SES är kopplat till variationer av en lång rad sjukdomar, såsom diabetes, cancer, övervikt, hjärt- och kärlsjukdomar och metabola syndromet. Orsaken till dessa variationer är sannolikt i stor utsträckning beroende på skillnader i livsstil och miljöfaktorer och i mindre utsträckning kopplat till genetiska faktorer.
I USA fann man att lägre utbildningsnivå och högre andel färgade invånare var starkt associerat med både fall och dödsfall av covid-19. Högre ålder var här även associerad med ökat antal dödsfall orsakat av covid-19. (Hawkins et al. 2020) Även i Colombia fann man att sämre socioekonomi var associerat med högre mortalitet för covid-19 (Cifuentes et al. 2021).
I en svensk studie från CES (Centrum för Epidemiologi och Samhällsmedicin, Region Stockholm) benämner att det som kunnat ses som en förklaring för den påtagliga skillnaden man kunnat se
11 har möjlighet att förklara en hälsoskillnader av denna storlek mellan hela befolkningsgrupper. De har funnit att bland andra så har personer med lägre socioekonomisk status drabbats hårdare av covid-19 (Bartelink et al, 2020)
Holuka et al. (2020) samt Khalatbari-Soltani et al. (2020) nämner att den tidiga forskning som gjorts på covid-19 hittills inte varit fokuserad på socioekonomisk status. Holuka et al. (2020) rapporterar att socioekonomiska data inte har ansetts vara av kliniskt intresse och därför har studier fokuserat mer på baskriterier som exempelvis kön och ålder etc. i syfte att undersöka spridning av covid-19,
riskpopulationer och liknande. I båda nämnda studier lyfts fram att det sannolikt kan finnas ett samband mellan socioekonomi och ökat insjuknande i covid-19-infektion, men att sådan forskning saknas eller är mycket sparsam. Khalatbari-Soltani et al. (2020) nämner exempelvis att samband finns mellan socioekonomisk status och sjukdom generellt samt mortalitet, och att det inte finns någon anledning att tro att detta inte skulle gälla för covid-19.
Holuka et al. (2020) tar även upp preliminära data från pågående forskning som tyder på att det finns en koppling mellan socioekonomisk status och covid-19. Holuka et al. (2020) lyfter fram att trots bristen på data är deras tolkning av tillgängliga data att nuvarande socioekonomisk status och
bostadsområde påverkar sjukligheten av covid-19 snarare än dödligheten. Sammanfattningsvis är data på samband mellan insjuknande och dödlighet på grund av covid-19 begränsad även om det verkar som att mer forskning inom området är på väg och finns ett behov av.
Detta examensarbete genomfördes för att försöka uppdaga ett potentiellt samband mellan socioekonomisk status och covid-19 bland en grupp seniorer i Stockholm och för att se hur ett samband i så fall ser ut. Då covid-19 är ytterst högaktuellt är kunskapen som examensarbetet medför användbar för att skapa en överblick för läget med insjuknandet i och symtom på covid-19 bland en utvald grupp seniorer. Förhoppningen vi hade inför detta arbete var att inhämta kunskaper inom området i ett försök att bidra till insikter som är av värde för eventuella preventiva insatser samt vidare studier.
12 i en amerikansk studie fann man att prevalensen av att inte ha besökt en tandläkare hos vuxna över 20 år de senaste 12 månaderna var dubbelt så stor i fattiga och ohälsosamma områden (Kaielembo et al. 2018). Vidare har visats år 2008 i en befolkningsbaserad epidemiologiskt studie att de som tränar i låg till måttlig frekvens är förknippad med lägre risk för influensa-associerad dödlighet (jämfört med att aldrig eller sällan utföra träning), men att träna ofta visar ingen uppenbar fördel (Wong et al. 2008). Den grupp av seniorer som inkluderades i detta examensarbete utgjordes av de som deltagit i GIHs ledarledda fysiska träningspass två gånger i veckan under åtta veckor minst en gång under de senaste fyra åren.
1.5 Hälsoprojektet
Varje år i årskurs 2 på hälsopedagogprogrammet på GIH så bedrivs hälsoprojektet. Personer som är över ca 60 år är välkomna att söka. Deltagarna får genomföra en mängd olika tester som styrketester, konditionstester, balanstester, minnestester samt svara på livsstilsfrågor och socioekonomiska frågor som utbildningsnivå och inkomst. Mellan för- och eftertester utförs en ledarledd träningsperiod på två månader. (GIH, 2019).
2. Syfte och frågeställning
2.1 Syfte
Syfte med studien var att undersöka om det finns ett samband mellan att insjukna i covid-19 och en individs socioekonomiska status bland seniorer som har deltagit i GIHs hälsoprojekt de senaste fyra åren.
2.2 Frågeställning
➤ Är förekomst av diagnostiserad covid-19 högre bland seniorer med lägre utbildningsnivå? ➤ Är omfattningen av diagnostiserad covid-19 högre bland seniorer med lägre inkomstnivå?
3. Metod
3.1 Retrospektiv okontrollerad longitudinell kohortstudie
Vår studie är en longitudinell, retrospektiv kohortstudie. Vi har använt Hälsoprojektet som baslinje. Sedan har uppföljningen gjorts via telefonintervju. Vår primära faktor vi undersöker är uppskattad självrapporterad inkomst och utbildningsnivå och huvudsakliga utfallet är självrapporterad covid-19
13 smitta. Vi hade tillgång till 1200 personers utbildningsnivå och inkomst från hälsoprojektet och
samlade in resten av data genom korta telefonintervjuer. Möjligtvis att deras inkomst kan ha ändrats. Vi bedömde ändå att vi kan använda dessa data. Genom detta upplägg får vi både in fall och icke-fall från samma grupp.
3.2 Val av metod
Data från Hälsoundersökningarna användes som baslinjedata. Dessa data bestod av utbildningsnivå, inkomst, kön, ålder, vikt, längd och BMI. Vid de uppföljande telefon intervjuerna samlades data in angående eventuell genomgången covid-19-infektion, symtom associerade med covid-19, kroniska sjukdomar, risk beteende,
3.2.1 Utbildning
Deltagarna har fått ange sin högsta utbildningsnivå som kodades: 1= grundskola, 2=gymnasium 3=folkhögskola och 4=Universitet.
3.2.2 Inkomst
På denna fråga fick deltagarna uppskatta sin inkomst. Det kodades 1=låg, 2=mellan och 3=hög. Detta kan vara en svaghet i studien då det är upp till var och en att bedöma vad som är låg, mellan och hög inkomst.
3.2.3 Kön och ålder
Deltagarnas kön noterades, med koderna 1=Man 2=Kvinna. Väldigt rak och tydlig fråga med god säkerhet att kommunicera ett korrekt svar, det som skulle kunna kommenteras är den etiska aspekten med 2010 samt 2020s samhällsutvecklingen och dess effekt kontra svarsalternativen för kön.
För ålder fick deltagarna besvara vilket år de var födda. Ålder uppgavs som år i heltal.
3.2.4 Vikt, Längd och BMI
Deltagarnas kroppsmått vikt och längd uppmättes i samband med förtest ett, två samt eftertest. Med denna data beräknades även deltagarnas BMI.
Detta anser vi vara ett relativt säkert sätt att veta deras kroppsmått, utöver den mänskliga faktorn och att mätningarna utfördes av olika personer så är det främst tiden som påverkar, då datumen för
14 mätningarna varierar från 1 till 4 år tillbaka vilket främst påverkar vikten. För att kontrollera detta så frågade vi även deltagarna om deras längd och vikt vid uppföljningen.
3.2.5 Mätning av covid-19 infektion (alt. infektions period med snarlika symptom)
De deltagare i hälsoprojektet som uppgav att det fått besked om positivt PCR eller AK test ansågs vara fall. Ett problem dock är att om någon av våra kontroller haft en symptomfri infektion så kan vi inte veta det.
Efter det frågade vi om de haft några typiska covid-19-symtom som de i så fall fick uppge vilka symtom de haft och därefter gradera hur illa de varit på en skala mellan 0-3, där 0= Inga symtom, 1=lätt, 2=medel och 3=svår. Gradering utfördes för de vanligaste symtom för covid-19: hosta, feber, andningsbesvär, snuva, nästäppa, halsont, huvudvärk, illamående, nedsatt lukt- och smaksinne samt muskel- och ledvärk. (Se bilaga 4, figur 1)
Efter frågor om symtom så kontrollerade vi emot andra riskfaktorer för covid-19. Vi frågade om hypertoni, hjärt ochkärlsjukdom, diabetes eller pre-diabetes, aktiv eller behandlad cancer, astma/KOL, om de röker samt om de har någon autoimmun sjukdom. I denna studie gjorde vi ingen skillnad på om deltagarna hade diabetes typ 1 eller II då vårt primära fokus var socioekonomi. Detta kodades med 1 och 0. (Se bilaga 4, figur 2)
3.3 Studiepopulation
Seniorer mellan 62 och 91 år som samtliga varit med i GIHs hälsoprojekt och som deltog i
telefonintervjun bildade vår studiepopulation. När de var med i hälsoprojektet så samlades all data in som ut gjorde vår baslinje, bland annat deras inkomst- och utbildningsnivå, som användes i analyserna. När vi kontaktade de tidigare deltagarna via telefon så fick de således besvara om de haft
diagnostiserad eller upplevt symtom på covid-19. Om de haft bekräftat covid-19 eller symtom så fick de även besvara några följdfrågor om hur deras sjukdomssituation sett ut, hur lång duration var och hur svåra symtomen upplevts. Vi hade kontaktuppgifter från 1200 personer och kontaktade dem i den ordning de fanns i registret. Totalt kontaktade vi 383 individer.
15
3.4 Power analys
Vi utförde en poweranalys innan undersökningen startade för att ta reda på vilken hur stor
studiepopulationen behövde vara för att identifiera signifikant resultat och undvika ett så kallat typ 2-fel. Se även figur 1, bilaga 3. Med en oddskvot på 3 och att var fjärde person vi kontaktade skulle ha blivit smittade av covid-19, fick vi fram med denna effektstorlek, antal i en grupp av fall på cirka 43 personer och kontrollgrupp på 173, dvs totalt 216 personer. Med tanken på att försöka säkerställa chansen att hitta en nog mängd fall bestämde vi oss för att söka upp 300 personer. Detta visade sig senare likväl vara för få och i slutligen fick vi tag på sammanlagt 383 personer, varav 26 med diagnostiserad covid-19 fall. Det finns alltså risk för att studien har för låg statistisk
undersökningsstyrka.
3.5 Procedur
Till vårt förfogande hade vi data från hälsoprojektet år 2017, 2018, 2019 och 2020.
Vi började med att kontakta alla deltagare via telefon från 2020 och jobbade oss successivt ner i årtalen. Vi började med att fråga om de, under senaste året, haft bekräftad covid-19, med ett PCR -test eller antikroppstest.
3.6 Begränsningar
3.6.1 EtikEtt etiskt problem vi förberedde oss på att bemöta var om någon närstående svarade till personen vi försökte kontakta och berättade att denne gått bort av covid-19. Lyckligtvis slapp vi detta scenario. Alla deltagare har sedan deras tidigare medverkan godkänt användandet av att deras data kan
sammanställas anonymt på gruppnivå i studenternas forsknings- och utvecklingsarbeten. Vi studenter har även skrivit på sekretess blanketter för ändamålet. Allt sköts efter GDPR och de 8 stegen i GIHs mall för “Personuppgiftsbehandling vid uppsatser” (GIH 2021).
16
3.7 Statistik
Vi använde programmen Excel för att samla in data och SPSS v.26 för våra statistiska analyser. Signifikansnivån sattes till 5%. För beskrivande statistik användes proportioner och medianer (med spridningsmåttet första och tredje kvartil).
Vi genomförde bivariata analyser av skillnader mellan de som haft covid-19 eller covid-19-liknande infektion) och de som inte varit sjuka avseende löpande variabler (ålder, längd vikt, BMI), genom Mann-Whitney test och avseende kategoriska variabler (kön, utbildning, genom ett Chi-två test. Dessa variabler användes därefter som oberoende variabler i en logistisk regression. Oddskvoter (med deras 95% konfidensintervall) för de oberoende variablerna presenterades.
4. Resultat
Av studiepopulationens 383 personer, hade 26 personer under det senaste året testat positivt för covid-19 (PCR eller antikroppstest). Totalt sett var det 159 personer som hade haft minst 1 av symtomen som associeras med covid-19.
Könsfördelningen var 121 män och 262 kvinnor, och åldern var fördelad mellan 62 och 91 år.
Gällande diverse riskfaktorer var det 162 personer (42,3%) som hade hypertoni, 73 personer (19,1%) med hjärt- och kärlsjukdom, 38 personer (9,9%) som hade diabetes eller pre-diabetes i någon form. Utöver dessa var det även 76 personer som hade cancer antingen vid intervjutillfället eller som hade haft det tidigare, 36 personer hade astma eller KOL och 45 personer hade någon autoimmun sjukdom. lägst frekvens hade rökning där endast 7 personer var rökare.
Tabell 1. Fördelning kontroller och fall (covid-19) i studiepopulationen. Procent är avrundat till två decimaler.
Non- Covid-19 Covid-19 Covid 19 av total (%) P-värde Bortfall Kvinnor 247 15 5,7%
17 Män 110 11 9,1% 0,223 0 Hypertoni 153 9 5,6% 0,392 3 Cancer 72 4 5,3% 0,542 3 Hjärt- och kärlsjukdom 70 3 4,1% 0,304 3 Autoimmun sjukdom 43 2 4,4% 0,492 5 Diabetes 37 1 2,6% 0,277 4 Astma/Kol 34 2 5,6% 0,748 3 Rökare 7 0 0% 0,469 3 Total 357 26 6,8% - 0
Tabell 2. Fördelning kontroller och fall (covid-19) i studiepopulationen.
Non- Covid-19 Covid-19 Covid 19 av total (%) P-värde Bortfall Inkomst låg 99 3 2,9% 0,112 23 Inkomst medel 192 20 9,4% Inkomst hög 43 3 6,5% Utbildning grundskola 31 1 3,1% 0,067 34 Utbildning gymnasie 74 1 1,3% Utbildning folkhögskola 12 1 7,7% Utbildning universitet 206 23 10,0% Total 357 26 6,8% - 0
18
4.1 Bivariata analyser
4.1.1 Kategoriska variabler
Ovan i tabell 1 visas data för kön samt de sju riskfaktorernas (rökning, astma/kol, autoimmun sjukdom, cancer, diabetes, hjärt och kärlsjukdom och hypertoni) fördelning samt p-värde för grupperingen covid-19 och non-covid-19. I tabell 2 visas resultat för de socioekonomiska variablerna (inkomst respektive utbildning). För samtliga tio faktorer var skillnaden mellan grupperna covid-19 och Non-covid-19 icke signifikanta. Enda faktorn som var någorlunda nära signifikans var utbildning (0,067).
Tabell 3. Fördelning kontroller och fall (minst ett symtom) i studiepopulationen.
Symtomfri Minst ett symtom
Minst ett symtom av total (%) P-värde Bortfall Män 71 50 41,3% 0,959 0 Kvinnor 153 109 41,6% Hypertoni 94 68 49,0% 0,964 3 Cancer 45 31 40,8% 0,835 3 Hjärt- och kärlsjukdom 42 31 42,5% 0,904 3 Autoimmun sjukdom 23 22 48,9% 0,323 5 Diabetes 21 17 44,7% 0,714 4 Astma/Kol 21 15 41,7% 0,982 3 Rökare 5 2 28,6% 0,473 3 Inkomst låg 64 38 37,3% 0,679 23 Inkomst medel 122 90 42,5% Inkomst hög 27 19 41,3%
19 Utbildning grundskola 21 11 34,4% 0,064 34 Utbildning gymnasium 47 28 37,3% Utbildning folkhögskola 11 2 15,4% Utbildning universitet 122 107 46,7% Total 224 159 41,5% - 0
Ovan i tabell 3 visas för minst ett symtom kontra symtomfri fördelning av variablerna kön samt de sju riskfaktorernas (rökning, astma/kol, autoimmun sjukdom, cancer, diabetes, hjärt och kärlsjukdom och hypertoni) följt av de socioekonomiska variablerna (inkomst och utbildning), samt p-värde.
Återigen ser vi att för samtliga tio faktorer var skillnaden mellan grupperna icke signifikanta. Enda faktorn som var någorlunda nära signifikans var utbildning (p=0,064).
4.1.2 Löpande variabler
Signifikant skillnad (p-värde <0,05) för ålder mellan grupperingarna av personerna med bekräftad covid-19 och de personer utan covid-19. Skillnaden var inte signifikant för någon av de andra variablerna.
Tabell 4. Fördelning kontroller och fall (covid-19) i studiepopulationen.
Covid-19 Non-Covid-19
Medel Standardavvikelse Medel Standardavvikelse P-värde
Ålder 72 4 75 5 0,010*
BMI 25,51 4,81 25,39 3,85 0,818
Längd 1,68 0,11 1,69 0,09 0,504
20 Tabell 5. Fördelning kontroller och fall (minst ett symtom) i studiepopulationen samt
standardavvikelse. *signifikant p-värde (<0,05)
Minst ett symtom Symtomfri
Medel Standardavvikelse Medel Standardavvikelse P-värde
Ålder 74 5 75 5 0,027*
BMI 25,50 3,93 25,33 3,91 0,630
Längd 1,69 0,09 1,69 0,09 0,581
Vikt 73,3 12,8 72,2 14,4 0,299
Resultaten visar att ålder, men inte övriga variabler har en signifikant skillnad mellan grupperingen av personer som haft minst ett symtom och gruppen med de symtomfria personerna. Grupperna var relativt lika gällande de löpande variablerna.
4.2 Multivariat analys
För att identifiera vilka variabler som hade ett oberoende samband med risken för covid-19,
genomförde vi en binär logistisk regression som visar två signifikanta samband, utbildning samt ålder.
Tabell 6. Oddskvot för oberoende samband med risken för covid-19 *Signifikant Covid-19 95% C.I för OR OR Undre Övre Inkomst 1,036 0,500 2,144 Utbildning* 1,962 1,063 3,622 Ålder* 0,909 0,829 0,996 Kön 0,595 0,246 1,438 BMI 1,024 0,920 1,140 Hypertoni 0,855 0,352 2,077 Hjärt- och kärlsjukdom 0,574 0,158 2,085
21
Diabetes 0,462 0,056 3,326
Cancer 0,894 0,285 2,803
Astma/Kol 0,706 0,150 3,326
Autoimmun sjukdom 1,962 0,150 3,622
Multivariabel analys med covid-19 som beroende variabel visade en oddskvot på 1,962 för utbildning (p-värde=0.031). Vilket skulle innebära en ökad risk att drabbas av covid-19 vid ökad utbildningsnivå, 96,2% ökad risk för varje nivå jämfört med den med lägst nivå i studiepopulationen.
Efter att ha tolkat tabell 2 så märktes att förändringen per kategori för utbildning inte verkade linjär, därför valde vi att genomföra ytterligare en logistisk regression med utbildning som kategorisk variabel och med universitet som referens vilket visade att endast gymnasieexamen (p-värde=0,034) var signifikant, med en oddskvot på 0,110 vilket alltså innebär en minskning med 89% när det jämfördes med referensgruppen, universitetsexamen.
Den ursprungliga multivariabel analysen visades även en oddskvot på 0,909 för ålder (p-värde=0.040). Detta innebär en minskad risk att drabbas av covid-19 vid ökad ålder, 9,1% minskad risk för varje år äldre jämfört med den yngsta i studiepopulationen.
4.2.1 Minst ett symtom
För att sedan identifiera vilka variabler som hade ett oberoende samband med risken för symtom associerade med covid-19, genomförde vi en binär logistisk regression som visar endast ett signifikanta samband för ålder.
Tabell 7. Oddskvot för oberoende samband med risken för covid-19 *Signifikant. Symtom associerat med covid-19 95% C.I för OR OR Undre Övre Inkomst 1,041 0,709 1,529 Utbildning 1,229 0,984 1,535
22 Ålder* 0,951 0,907 0,997 Kön 1,002 0,604 1,661 BMI 1,056 0,995 1,120 Hypertoni 0,966 0,602 1,548 Hjärt- och kärlsjukdom 0,983 0,543 1,778 Diabetes 1,256 0,567 2,782 Cancer 1,117 0,630 1,981 Astma/Kol 1,157 0,531 2,522 Autoimmun sjukdom 1,238 0,594 2,582
Multivariabel analys med minst ett covid-19- associerat symtom som beroende variabel visade en oddskvot på 0,951 för ålder (p-värde=0,037). Vilket innebär en minskad risk att drabbas av covid-19 vid ökad ålder, 4,9% minskad risk för varje år äldre jämfört med den yngsta i studiepopulationen.
5. Diskussion
5.1 Vad betyder resultaten?
Syftet med studien var att undersöka om det finns något samband mellan att ha en god socioekonomi och att drabbas av covid-19. Vår hypotes var att det finns ett samband mellan att ha en lägre
socioekonomisk status och att drabbas av covid-19 infektion. Våra resultat visade motsatsen.
5.2 Socioekonomisk status
5.2.1 UtbildningSett till den multivariabla analysen mot enbart diagnostiserad covid-19 sågs att utbildningsnivå hade ett signifikant samband (p-värde 0.031) och med en positiv beta koefficient vilket innebär att med högre utbildningsnivå sågs högre nivå av diagnostiserad covid-19. Detta motsäger den amerikanska studien av Hawkins et al. (2020) som fann man att lägre utbildningsnivå, och även att högre andel färgade invånare, var starkt associerat med både fall och dödsfall av covid-19.
23 studiepopulation framkom istället sambandet mellan att fler smittade av covid-19 ses vid stegrad utbildning, vilket inte överensstämmer med, utan är tvärtom, jämfört med den ovan nämnda studien.
Anledningen till detta skulle kunna vara att de personerna med högre utbildning troligtvis har haft eller fortfarande har mera kvalificerade jobb. Därav kan de ha svårt att distansera sig på samma sätt som de som inte fortfarande yrkesarbetar. Vidare kan man spekulera om man har det bättre ställt ekonomiskt så kan det kanske möjliggöra att långväga utlandlandsresor har gjorts och på så vis blivit smittade. Dock framkom för de studerade seniorerna ingen signifikans skillnad mellan olika inkomstnivåer gentemot nivå av insjuknade i covid-19.
En annan aspekt varför vår studie visade motsatta resultat jämfört med den amerikanska studien av Hawkins et al. (2020) kan vara att situationerna är olika mellan länderna, gällande hur samhälle och sjukvård fungerar.
5.2.2 Inkomst
Utöver utbildning nyttjades även faktorn inkomst för att ge oss en bild av personernas
socioekonomiska status men till skillnad från utbildning såg vi ingen signifikans för detta. Något som kan orsakat detta ligger i frågans struktur, det faktum att den inte hade några mer specifika riktlinjer än låg, medel och hög inkomst graderat 1, 2 samt 3. Vilket gör att svaren är beroende av deltagarnas uppfattning av vad en låg, medel och hög inkomst innefattar vilket är något som kan skifta från person till person, därför kan de ha samma inkomst men skatta olika eller tvärtom.
Annars tros den främsta anledningen vara att studiepopulationen består till störst del av pensionärer med eventuellt något enstaka undantag. Med den vetskapen så förstås det att deras pension är deras huvudsakliga inkomst, pensionen som i jämförelse med arbetslivs inkomster smalnar av och ger oss en mindre spridning.
5.3 Oberoende variabler
Kontrollen för dem oberoende variablerna gjordes för att undvika eventuella confounders även kallat störfaktorer som skulle kunna ge ett resultat som inte stämmer. Exempelvis att vi finner ett samband
24
mellan fall och kontroll som egentligen inte finns då det skulle attribueras till en annan faktor som inte nämnts.
5.3.1 Ålder
Utbildningsnivå var inte den enda signifikanta faktorn i multivariabel-analysen mot diagnostiserad covid-19, även faktorn ålder (p-värde 0,031) var signifikant. Ålder har en negativ beta koefficient vilket tolkas på så sätt att ju äldre personen är (inte blir) så är sannolikheten för covid-19 lägre.
Detta är i motsats till tidigare rapporter som visat att hög ålder är en väl dokumenterad riskfaktor för ökat insjuknande i covid-19 enligt Folkhälsomyndigheten (2021b).
Man kan spekulera om att denna vetskap kan ha medfört att personer i högre seniora åldrar är mer försiktiga och skyddar sig bättre och därför ha kunnat undvika att utsättas för smitta av covid-19 bättre. Vidare bör beaktas att resultaten i denna studie bygger på personer som blivit kontaktade via telefon i samband med datainsamlingen. Det kan vara så att flera personer i de högre åldrarna har blivit smittade men att vi inte kunde nå dem via mobilsamtal vilket gör att de därför saknar synlighet. Något som till viss del styrker denna möjlighet är att, som nämnts ovan enligt Folkhälsomyndighetens rapport (2021b) så lider äldre en ökad risk att bli allvarligt sjuka vid covid-smitta, en risk som fortsatt ökar skarpt i samband med ökad ålder.
5.4 Styrkor & Svagheter
Data är, enligt vår uppfattning, insamlad på ett tillförlitligt sätt och vår baslinje har en mycket solid grund. Studiepopulation består enbart, på gott och ont, av tidigare hälsoprojekt deltagare. Vi har således en avgränsad enhetlig studiegrupp, men resultaten kan inte representera resterande befolkning över 62 år.
I vår studiepopulation har som sagt alla sökt sig självmant till att vara med i hälsoprojektet, och alla är bosatta i Stockholm. Det kan generellt tänkas vara personer som tycker om att röra på sig, träffa folk och hitta på aktiviteter. Detta är faktorer som skulle kunna öka risken att bli smittad av Corona.
25 En annan styrka vi har är att våra huvudvariabler; utbildning och inkomst med högsta sannolikhet, framför allt utbildningsnivå är desamma som när de svarade på enkäten i hälsoprojektet. Oavsett om det var med för ett eller fyra år sedan.
Andra möjligheter för att vår hypotes inte stämde skulle kunna vara: i) De som vet med sig vara i riskgrupp följer rekommendationerna extra mycket och lyckats hålla undvika att bli smittade., ii) De med bättre socioekonomi har kunnat resa mer. Vidare ifall att någon av de vi försökt ringa har avlidit i corona kan vi inte veta.
En svaghet är att den antagna oddskvoten inte uppnåtts vilket innebär att den storlek som beräknats behövas på studiepopulationen inte stämmer, en högre oddskvot visar ett behov av en mindre population, eftersom att den resulterande oddskvoten är lägre än den beräknade så var den behövda populationsstorleken större än vad vi räknat med.
5.5 Slutsats.
Resultaten i denna studie är i motsats till vissa tidigare publikationer. Det vore intressant att fler
framtida studier utförs för att kartlägga samband mellan olika socioekonomiska faktorer och förekomst av covid-19 bland olika grupper av seniorer för att därmed kunna bidra till att förbättra preventiva åtgärder mot denna vitt spridda infektionssjukdom. Vi hoppas att vår studie kan väcka intresse till fortsatt forskning inom området.
26
Käll- och litteraturförteckning
1177. (2021a). (2021-02-23). Covid19- Coronavirus. https://www.1177.se/sjukdomar--besvar/lungor- och-luftvagar/inflammation-och-infektion-ilungor-och-luftror/om-covid-19--coronavirus/covid-19-
coronavirus/?gclid=CjwKCAiAi_D_BRApEiwASslbJ3KrkB_f1UxKAd-md-vIO-dRqge5w8OLQ0tXgdNhzw_Vzqx5HRFIzxoCVwYQAvD_BwE#section-9902 9
1177. (2021b) (2021-02-23). Antikroppstest för dig som är frisk.
https://www.1177.se/Stockholm/sjukdomar--besvar/lungor-och-luftvagar/inflammation-och-infektion-
ilungor-och-luftror/om-covid-19--coronavirus/lamna-prov-och-fa-provsvar-om-covid-19/antikroppstest-for-dig-som-ar-frisk/
Al-Quteimat, O, M., Amer, M, A. (2020) The Impact of the COVID-19 Pandemic on Cancer Patients Am J Clin Oncol 2020;00:000–000. 32304435
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7188063/
Bartelink, V., Tynelius, P., Walander, A., Burström, B., Ponce de Leon, A., Nederby Öhd, J., Hergens, MP., Lager, A. 2020. Socioekonomiska faktorer och covid-19 i Stockholms län. (Rapport 2020:10) Stockholm: Centrum för epidemiologi och samhällsmedicin, Region Stockholm; 2020.
https://ces.sll.se/globalassets/verksamheter/forskning-och-utveckling/centrum-for-epidemiologi-och- samhallsmedicin/folkhalsoguiden/rapporter-och-faktablad/rapport-2020.10-socioekonomiska-faktorer-och-covid-19-i-stockholms-lan_november-2020_.pdf
Cifuentes, MP., Rodriguez-Villamizar, LA., Rojas-Botero, ML., Alvarez-Moreno, CA., Fernandez-Nino, JA. (2021) Socioeconomic inequalities associated with mortality for COVID-19 in Colombia: a cohort nationwide study. J Epidemiol Community Health 2021 Mars 4;jech-2020-216275. doi: 10.1136/jech-2020-216275. https://pubmed.ncbi.nlm.nih.gov/33674459/
Elissa, M. A., Geert, W. J., & Connie, L. Y. (2020). Astma and COVID-19. CMAJ May 19, 2020;192(20) E551; DOI: https://doi.org/10.1503/cmaj.200617
27 Faul, F., Erdfelder, E., Lang, A.-G. & Buchner, A. (2007). G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods, 39, 175-191.
Folkhälsoguiden. (2 mars 2021). Corona pandemin och rökning.
https://www.folkhalsoguiden.se/globalassets/verksamheter/forskning-och-utveckling/centrum-for- epidemiologi-och-samhallsmedicin/folkhalsoguiden/rapporter-och-faktablad/coronapandemin-och-rokning---en-prognos-om-kort--och-langsiktiga-effekter.pdf
Folkhälsomyndigheten. (2020). Användning av PCR för påvisning av pågående covid-19, en teknisk vägledning.
https://www.folkhalsomyndigheten.se/contentassets/b2c3b5f226ac45d0926cf351ea15b0dc/anvandning -pcr-pavisning-pagaende-covid-19.pdf
Folkhälsomyndigheten. (2021a) (1 mars 2021). Information till riskgrupper om covid-19.
https://www.folkhalsomyndigheten.se/smittskydd-beredskap/utbrott/aktuella-utbrott/covid-19/skydda-dig-och-andra/rad-och-information-till-riskgrupper/
Folkhälsomyndigheten. (2021b) (3 mars 2021) Antal fall av covid-19 i Sverige – data till och med föregående dag publiceras varje tisdag-fredag kl. 14:00.
https://experience.arcgis.com/experience/09f821667ce64bf7be6f9f87457ed9aa
GIH. (6 mars 2021). Personuppgiftsbehandling vid uppsatser.
https://www.gih.se/uppsats/gdpr
GIH. (25 april 2019). Om hälsoprojektet.
https://www.gih.se/SAMVERKAN/Traning-och-halsoprojekt/Halsoprojektet/Om-halsoprojektet/
Hawkins, R. B., Charles, E. J., & Mehaffey, J. H. (2020). Socio-economic status and COVID-19-related cases and fatalities. Public health, 189, 129–134. https://doi.org/10.1016/j.puhe.2020.09.016
28 Hjärt-lungfonden. (1 mars 2021) Diabetes riskfaktor vid covid-19 infektion.
https://www.hjart-lungfonden.se/covid19/diabetes-riskfaktor-vid-covid-19-infektion/
Hjärt-lungfonden. (1 mars 2021) Är det blodtrycket eller åldern som avgör risken för covid-19?
https://www.hjart-lungfonden.se/covid19/ar-det-blodtrycket-eller-aldern-som-avgor-risken-for-covid-19/
Holuka, C., Merz, M. P., Fernandes, S. B., Charalambous, E. G., Seal, S. V., Grova, N., & Turner, J. D. (2020). The COVID-19 Pandemic: Does Our Early Life Environment, Life Trajectory and
Socioeconomic Status Determine Disease Susceptibility and Severity?. International journal of molecular sciences, 21;14, 5094. https://doi.org/10.3390/ijms21145094
Huang C, Wang Y, Li X, Ren L, Zhao J, Hu Y, Zhang L, Fan G, Xu J, Gu X, Cheng Z, Yu T, Xia J, Wei Y, Wu W, Xie X, Yin W, Li H, Liu M, Xiao Y, Gao H, Guo L, Xie J, Wang G,
Jiang R, Gao Z, Jin Q, Wang J, Cao B. (2020). Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China. Lancet 395;10223:497-506.
https://www.sciencedirect.com/science/article/pii/S0140673620301835
Jin, J. M., Bai, P., He, W., Wu, F., Liu, X. F., Han, D. M., Liu, S., & Yang, J. K. (2020). Gender Differences in Patients With COVID-19: Focus on Severity and Mortality. Frontiers in public health, 8, 152. https://doi.org/10.3389/fpubh.2020.00152
Kailembo, A., Quinonez, C., Lopez Mitnik, G., A Weintraub, J,. Stewart Williams, J., Preet, R., Lafolla, T., A Dye, B. (2018). Income and wealth as correlates of socioeconomic disparity in dentist visits among adults aged 20 years and over in the United States, 2011-2014. BMC Oral Health, Aug 23;18(1):147. https://pubmed.ncbi.nlm.nih.gov/30139349/
Khalatbari-Soltani, S., Cumming, R. C., Delpierre, C., & Kelly-Irving, M. (2020). Importance of collecting data on socioeconomic determinants from the early stage of the COVID-19 outbreak
29 onwards. Journal of epidemiology and community health, 74(8), 620–623.
https://doi.org/10.1136/jech-2020-214297
Meral Yüce, E. F. (2021). COVID-19 diagnosis -A review of current methods. Biosens Bioelectron .
https://pubmed.ncbi.nlm.nih.gov/33126180/
Nicola, M,. Alsafi, Z,. Sohrabi, C,. Kerwan, A,. Al-Jabir, A,. Iosfidis, C,. Agha, M,. Agha, R,. (2020). The socio-economic implications of the coronavirus pandemic (COVID-19). Int J Surg. Jun;78:185-193. https://pubmed.ncbi.nlm.nih.gov/32305533/
Socialstyrelsen. (2 mars 2021). Uppdatering av tidigare rapport gällande identifiering av riskgrupper som löper störst risk att drabbas av ett särskilt allvarligt sjukdomsförlopp vid insjuknande i covid-19.
https://www.socialstyrelsen.se/globalassets/sharepoint-dokument/dokument-webb/ovrigt/identifiering-av-riskgrupper-covid19.pdf
Statistiska centralbyrån - SCB. (10 december 2020). Socioekonomiskindelning (SEI).
https://www.scb.se/dokumentation/klassifikationer-och-standarder/socioekonomisk-indelning-sei/#:~:text=N%C3%A4r%20man%20redovisar%20statistik%20efter,p%C3%A5%20uppgifter%20om %20individers%20yrken.
Wong C-M,. Lai H-K,. Ou C-Q,. Ho S-Y,. Chan K-P,. Thach T-Q,. et al. (2008) Is Exercise Protective Against Influenza-Associated Mortality? PLOS ONE 3(5): e2108.
https://doi.org/10.1371/journal.pone.0002108
World Health Organization. (2 mars 2021) Coronavirus disease (COVID-19) Weekly Epidemiological Update and Weekly Operational Update.
https://www.who.int/emergencies/diseases/novel-coronavirus-2019/situation-reports
Zhou P,. Yang XL,. Wang XG,. Hu B, Zhang L,. Zhang W,. Si HR,. Zhu Y,. Li B,. Huang CL,. Chen HD,. Chen J, Luo Y, Guo H, Jiang RD,. Liu MQ,. Chen Y, Shen XR, Wang X,. Zheng XS, Zhao K,. Chen QJ, Deng F,. Liu LL,. Yan B,. Zhan FX,. Wang YY, Xiao GF,. Shi ZL. (2020).
30
A pneumonia outbreak associated with a new coronavirus of probable bat origin. Nature. Mar;579(7798):270-273. https://doi.org/10.1038/s41586-020-2012-7
31
Bilagor
Bilaga 1; Sök logg
LitteratursökningI bilagan Litteratursökning ska du återge de sökningar du har gjort för att hitta tidigare forskning inom ditt ämnesområde. Se Uppsatsguiden för exempel på hur bilagan kan fyllas i.
Syfte och frågeställningar:
Vårt syfte är att undersöka om det finns ett samband mellan att insjukna i Covid-19 och en individs socioekonomiska status.
Vilka sökord har du använt?
Ämnesord och synonymer svenska Ämnesord och synonymer engelska
Covid 19 Covid-19, Socioeconomic, Sex,
Cardiovascular disease,
Var och hur har du sökt?
32 PubMed PubMed PubMed PubMed Covid-19 Socioeconomic Sex Covid 19
Cardiovascular disease Covid-19 Covid 19 socioeconomic
Kommentarer
33
Bilaga 2; SPSS
34 Logistisk regression
Covid
35 Chi- square/Crosstabs
36 Utbildning
37 Kön
38 Rökare
39 Astma/Kol
40 Autoimmunsjukdom
41 Cancer
42 Diabetes
43 Hjärt och Kärlsjukdom
44 Hypertoni
45
Bilaga 3
G*Power
Figur 1. Uträkning från G*Power (Faul et al., 2007).
Bilaga 4
Data insamling
Figur 1. Skärmdump från datainsamlingen via telefon. Den första här åskådliggjorda personen som kontaktades
46
