Opracowanie statystyczne na podstawie badania UK Biobank
Celem jest statystyczna interpretacja wyników prospektywnego badania kohortowego UK Biobank opublikowanego w czasopiśmie Clinical Gastroenterology and Hepatology. Analiza objęła 354 957 uczestników, a mediana obserwacji wyniosła 13 lat.
Uwaga interpretacyjna: jest to badanie obserwacyjne. Opisuje ono związek między deklarowanym spożyciem kawy a wynikami dotyczącymi zdrowia wątroby. Samo w sobie nie dowodzi, że picie kawy jest przyczyną zmniejszenia częstości chorób wątroby lub zgonów.
| Element | Charakterystyka |
|---|---|
| Projekt | Prospektywne badanie kohortowe |
| Populacja | Uczestnicy UK Biobank |
| Liczebność | 354 957 osób |
| Czas obserwacji | Mediana: 13 lat |
| Ekspozycja | Deklarowane dzienne spożycie kawy |
| Grupa odniesienia | Osoby niepijące kawy |
| Analizowana kategoria | Co najmniej 5 filiżanek kawy dziennie |
| Punkty końcowe | Marskość wątroby, rak wątrobowokomórkowy, zgon związany z chorobą wątroby |
| Dodatkowe analizy | MRI wątroby u 28 961 osób oraz analiza proteomiczna w podgrupie uczestników |
W badaniu porównywano kategorie deklarowanego spożycia kawy z grupą osób niepijących kawy. Przedstawione niżej wyniki dla kategorii co najmniej pięciu filiżanek dziennie są skorygowanymi współczynnikami hazardu (hazard ratio, HR), a nie ilorazami ryzyka skumulowanego (risk ratio, RR).
W publikacji podano następujące skorygowane współczynniki hazardu dla osób pijących co najmniej pięć filiżanek kawy dziennie względem osób niepijących kawy:
\[ \mathrm{Niższy\ hazard\ (\%)} = (1 - HR) \times 100\% \]
wyniki <- tibble(
punkt_koncowy = c(
"Marskość wątroby",
"Rak wątrobowokomórkowy",
"Zgon związany z chorobą wątroby"
),
hr = c(0.68, 0.53, 0.58),
ci_dolne = c(0.58, 0.34, 0.45),
ci_gorne = c(0.79, 0.83, 0.74)
) |>
mutate(
nizszy_hazard_proc = (1 - hr) * 100,
hr_tekst = sprintf("%.2f", hr),
ci_tekst = sprintf("%.2f–%.2f", ci_dolne, ci_gorne),
nizszy_hazard_tekst = percent(nizszy_hazard_proc / 100, accuracy = 1)
)wyniki |>
transmute(
`Punkt końcowy` = punkt_koncowy,
`HR` = hr_tekst,
`95% CI` = ci_tekst,
`Niższy hazard względem grupy odniesienia` = nizszy_hazard_tekst
) |>
gt() |>
cols_align(align = "center", columns = everything()) |>
tab_source_note(
source_note = "Źródło: Kim i wsp., Coffee Consumption and Improved Liver Outcomes: Clinical, Imaging, and Proteomic Evidence From the UK Biobank, Clinical Gastroenterology and Hepatology (2026), doi:10.1016/j.cgh.2026.04.035."
)| Punkt końcowy | HR | 95% CI | Niższy hazard względem grupy odniesienia |
|---|---|---|---|
| Marskość wątroby | 0.68 | 0.58–0.79 | 32% |
| Rak wątrobowokomórkowy | 0.53 | 0.34–0.83 | 47% |
| Zgon związany z chorobą wątroby | 0.58 | 0.45–0.74 | 42% |
| Źródło: Kim i wsp., Coffee Consumption and Improved Liver Outcomes: Clinical, Imaging, and Proteomic Evidence From the UK Biobank, Clinical Gastroenterology and Hepatology (2026), doi:10.1016/j.cgh.2026.04.035. | |||
Dla marskości oszacowano (HR = 0,68), co odpowiada 32% niższemu hazardowi. Dla raka wątrobowokomórkowego (HR = 0,53), czyli 47% niższemu hazardowi, a dla zgonu związanego z chorobą wątroby (HR = 0,58), czyli 42% niższemu hazardowi. Wszystkie przedstawione 95-procentowe przedziały ufności leżą poniżej wartości 1, co wskazuje na zgodność wyników z obserwowanym niższym hazardem w tej kategorii spożycia.
wykres_redukcja <- ggplot(
wyniki,
aes(x = reorder(punkt_koncowy, nizszy_hazard_proc), y = nizszy_hazard_proc)
) +
geom_col(fill = "#2C7FB8", width = 0.65) +
geom_text(
aes(label = paste0(round(nizszy_hazard_proc), "%")),
vjust = -0.4,
size = 5,
fontface = "bold"
) +
coord_cartesian(ylim = c(20, 55)) +
labs(
x = NULL,
y = "Niższy oszacowany hazard (%)"
) +
theme(
panel.grid.major.x = element_blank(),
panel.grid.minor = element_blank(),
axis.text.x = element_text(size = 10)
)
print(wykres_redukcja)
Największą różnicę względną oszacowano dla raka wątrobowokomórkowego: (HR = 0,53), czyli 47% niższy hazard względem osób niepijących kawy. Wynik ten nie oznacza jednak, że dokładnie o 47% zmniejszyło się indywidualne, bezwzględne prawdopodobieństwo zachorowania.
wykres_hr <- ggplot(
wyniki,
aes(x = hr, y = reorder(punkt_koncowy, hr))
) +
geom_vline(xintercept = 1, linetype = "dashed", colour = "grey45") +
geom_errorbarh(
aes(xmin = ci_dolne, xmax = ci_gorne),
height = 0.18,
linewidth = 1,
colour = "#80B1D3"
) +
geom_point(size = 4, colour = "#08519C") +
geom_text(
aes(label = paste0("HR = ", hr_tekst, " (95% CI: ", ci_tekst, ")")),
nudge_y = 0.2,
size = 3.7
) +
coord_cartesian(xlim = c(0.2, 1.12), clip = "off") +
labs(
x = "Współczynnik hazardu (HR)",
y = NULL
) +
theme(
panel.grid.major.y = element_blank(),
panel.grid.minor = element_blank(),
plot.margin = margin(5.5, 115, 5.5, 5.5)
)
print(wykres_hr)
Wartość (HR = 1) oznaczałaby brak różnicy w oszacowanym hazardzie względem grupy odniesienia. Wartości mniejsze od 1 wskazują na niższy hazard zdarzenia w grupie pijącej kawę. Przykładowo (HR = 0,53) dla raka wątrobowokomórkowego oznacza, że w modelu statystycznym oszacowany hazard był równy 53% hazardu w grupie osób niepijących kawy.
HR nie jest bezpośrednio ryzykiem skumulowanym ani różnicą ryzyka. Z tego powodu przedstawionych wyników nie należy przeliczać na liczbę przypadków na 100 000 osób poprzez proste mnożenie hipotetycznego ryzyka bazowego przez HR.
Do obliczenia ryzyka bezwzględnego, różnicy ryzyka lub liczby zdarzeń możliwych do przypisania ekspozycji potrzebne byłyby między innymi: częstości zdarzeń w określonym horyzoncie czasu, dane o cenzorowaniu oraz wyniki analiz przeżycia lub skumulowane funkcje zachorowalności. Same wartości HR i przedziały ufności nie wystarczają do takiego wyliczenia.
Dlatego nie przedstawiono hipotetycznej tabeli „przypadków po ekspozycji”. Taka ilustracja mogłaby być odebrana jako oszacowanie rzeczywistego ryzyka bezwzględnego, choć publikacja raportuje przede wszystkim wyniki modeli czasu do zdarzenia.
U 28 961 uczestników wykonano badania MRI wątroby. Większe spożycie kawy współwystępowało z niższą zawartością tłuszczu w wątrobie, niższą zawartością żelaza oraz korzystniejszym wynikiem iron-corrected T1, wskaźnika MRI związanego z fibroinflammation, czyli procesami zapalnymi i włóknieniem.
Analizy proteomiczne stanowiły dodatkowe źródło danych biologicznych. Obserwowane zależności między większym spożyciem kawy a korzystniejszymi markerami związanymi ze zdrowiem wątroby wspierają spójność wyników, ale nie przesądzają o biologicznym mechanizmie ani o przyczynowości związku.
flowchart LR
A[Deklarowane spożycie kawy] --> B[Modele porównujące z osobami niepijącymi]
B --> C[Marskość wątroby]
B --> D[Rak wątrobowokomórkowy]
B --> E[Zgon związany z chorobą wątroby]
F[Czynniki zakłócające: m.in. dieta, alkohol, palenie, aktywność, zdrowie] -. mogą wpływać na obserwowany związek .-> B
G[Badanie obserwacyjne] -. nie dowodzi przyczynowości .-> Bflowchart LR
A[Deklarowane spożycie kawy] --> B[Modele porównujące z osobami niepijącymi]
B --> C[Marskość wątroby]
B --> D[Rak wątrobowokomórkowy]
B --> E[Zgon związany z chorobą wątroby]
F[Czynniki zakłócające: m.in. dieta, alkohol, palenie, aktywność, zdrowie] -. mogą wpływać na obserwowany związek .-> B
G[Badanie obserwacyjne] -. nie dowodzi przyczynowości .-> B
Kim HS, Rezaee-Zavareh MS, Wang Y, Attia AM, Kwak M, Burm S, Celtik D, Legaspi D, Khattab O, Kim N i wsp. (2026). Coffee Consumption and Improved Liver Outcomes: Clinical, Imaging, and Proteomic Evidence From the UK Biobank. Clinical Gastroenterology and Hepatology. doi:10.1016/j.cgh.2026.04.035. https://www.cghjournal.org/article/S1542-3565%2826%2900404-0/abstract
Medonet (2026, 3 września). “Zapraszam na kawę”. Już wiadomo, jak to wpływa na wątrobę. https://www.medonet.pl/zdrowie/zdrowie-dla-kazdego/pij-nawet-kilka-filizanek-kawy-dziennie-pobudza-i-dziala-zbawiennie-na-watrobe/mfc9pj3