Kapitel 2

Einflüsse und Effektmodifikation (Interaktionen) in den
kurzfristigen Effekten von Immissionspartikeln auf die
Gesamtsterblichkeit: Ergebnisse von 29 europäischen Städten
innerhalb des APHEA Projekts
Seminar „Statistische Analysen zur Wirkung von Luftschadstoffen“
Dozenten:
Dr. Peters
Prof. Dr. Küchenhoff
Caren Körber
15. November 2004
Inhaltsverzeichnis
1
APHEA Projekt – Die Studie...............................................................3
1.1 Aufbau der Studie ......................................................................4
1.1.1
Datengewinnung........................................................4
1.1.2
Begriffliche Definitionen...........................................5
1.2 Deskription..................................................................................6
1.3 Berechnung der fehlenden Werte................................................7
1.4 Confounder und Effekt-Modifizierer..........................................8
2
Auswertung der Daten.......................................................................11
2.1 Einzelauswertung.......................................................................11
2.2 Gesamtmodell............................................................................13
3
Ergebnisse............................................................................................15
3.1 Zweistufiges Modell..................................................................15
3.1.1
Zweistufiges Modell PM10.......................................15
3.1.2
Zweistufiges Modell BS...........................................16
3.2 2-Schadstoffmodell....................................................................17
3.2.1
2-Schadstoffmodell PM10 mit Interaktionen............18
3.2.2
2-Schadstoff-Modell BS mit Interaktionen...............21
3.2.3
2-Schadstoff-Modell für PM10 und BS.....................23
4
Zusammenfassung und Diskussion....................................................24
5
Auswirkungen der Ergebnisse...........................................................28
Literaturverzeichnis
Kapitel 1
Das APHEA Projekt – Die Studie
Präsentiert werden hier die Vorgehensweisen und Ergebnisse des APHEA 2 Projekts (Air
Pollution and Health: A European Approach). Dieses Projekt befasst sich mit den
kurzfristigen Effekten von Immissionspartikeln auf die Sterblichkeit einer Bevölkerung mit
Betonung auf Interaktionen innerhalb dieses Prozesses.
Während der letzten Jahre zeigten viele durchgeführten epidemiologische Studien den
Einfluss der Konzentration von Feinstaubimmissionen auf die Gesundheit.
Eine
wichtige
Entwicklung
in
der
Untersuchung
von
Gesundheitseffekten
von
Feinstaubpartikeln waren Multicenterstudien, welche ein standarisiertes Protokoll für die
Datenerhebung und Auswertung benutzten. Ein Beispiel für diese Art der Multicenterstudien
stellt das hier vorgestellt APHEA Projekt für Europa und das „Havard-Six-City“- Projekt in
den USA dar. Das Hauptinteresse lag dabei auf potentiellen Faktoren, die Personen mit
erhöhtem Risiko von feinstaubpartikelbedingter Sterblichkeit, Partikeleigenschaften und –
quellen inklusive ihrer Giftigkeit beinhalteten. Ebenso interessierten die potentiellen Einflüsse
durch verschiedene andere Luftschadstoffe. Die Auswirkungen dieser Ergebnisse sind wichtig
für die Überarbeitung der Standards für Luftqualität und –reinhaltung in Europa und den
USA.
Die ersten Multicenterstudien basierten nicht auf ausgedehnten Netzwerken und waren daher
nicht in der Lage Störgrößen und Interaktionen im Gesamten befriedigend zu identifizieren. In
Europa schloss das APHEA Projekt in begrenztem Umfang gravimetrische Messungen von
Partikeln mit ein. Neuere Multicenterstudien basieren auf der „National Morbidity, Mortality
and Air Pollution Study (NMMAPS)“ in den USA und APHEA 2 in Europa. Diese Studien
versuchten die Konsistenz des Zusammenhangs zu beurteilen und stellen sich die Frage der
sensitiven Subpopulationen, Partikeleigenschaften und Einflüsse.
APHEA 2 – DIE STUDIE
4
In APHEA 2 wurde ein ausgedehnter Datensatz verwendet, welcher mehr Städte und mehr
Expositionen beinhaltet als frühere Projekte innerhalb von APHEA. Dieser Datensatz
ermöglicht
im
zweiten
Auswertungsschritt
eine
umfassendere
und
strukturiertere
Herangehensweise, wobei die Rolle von Interaktionen auf die Erklärung der Heterogenität
unter den Städten und Schätzern untersucht wird.
1.1 Aufbau der Studie
Untersucht wurden insgesamt 30 europäische Städte1, wobei in der Untersuchung Bukarest,
Rumänien aufgrund von einer Vielzahl insuffizienter Tage der Feinstaub-Konzentration (37%
fehlende Werte) ausgeschlossen wurde.
Der Untersuchungszeitraum betrug für den Großteil der Städte fünf Jahre, insgesamt 1826
Tage. Die Gesamtpopulation umfasste 43 Millionen Probanden. Zur Auswertung wurden die
täglichen Messungen von Feinstaub- und Rußpartikeln herangezogen. Ebenso fanden
Messungen von mehreren Luftschadstoffen statt. Erhoben wurden dabei die Konzentrationen
von Schwefeldioxid (SO2), Stickstoffdioxid (NO2) und Ozon (O3).
Ein Ziel der APHEA 2 Studie war die Untersuchung, ob eine Erhöhung von Feinstaub- und
Rußpartikeln in der Luft eine Erhöhung der täglichen Sterbezahl verursachen und ob
Einflüsse und Interaktionen existieren, die diese beeinflussen.
1.1.1 Datengewinnung
Die Datengewinnung erfolgte durch Messungen an Überwachungsstationen, welche in jeder
Stadt installiert wurden. Einbezogen wurden die Ergebnisse einer Messstation , wenn
1
Athen, Barcelona, Basel, Bilbao, Birmingham, Budapest, Krakau, Dublin, Erfurt, Geneva, Helsinki, Ljubljana,
Lodz, London, Lyon, Madrid, Marseille, Milan, Paris, Poznan, Prag, Rom, Stockholm, Tel Aviv, Teplice,
Torino, Valencia, Wroclaw, Zürich
APHEA 2 – DIE STUDIE
5
bestimmte vorher festgelegte Vollständigkeitskriterien erfüllt wurden2. Insgesamt wurden die
Tagesdurchschnittskonzentrationen von jedem gemessenen Schadstoff berechnet.
Die Rechtsgrundlagen für diese Überwachungsnetzwerke wurde von der EU geschaffen. Die
EU Gesetzgebung regelt die Messungen der Luftschadstoffe und die meisten zentralosteuropäische Länder versuchen auch diesen Regulierungen zu entsprechen. Dennoch wurde
die neue Direktive für Feinstaubmessungen der EU während dieser Studie nicht angewandt.
Daraus entstand eine höhere Variabilität in den Methoden für die Feinstaubmessungen.
1.1.2 Begriffliche Definitionen
Als Zielvariablen wurden bei den Messungen besonderen Wert auf Daten der Ruß- und
Feinstaubpartikel gelegt. Betrachtete wurden in dieser Studie Feinstaubpartikel (Particular
Matter), die einen aerodynamischen Durchmesser von weniger als 10m (PM10) und ein
Gemisch von primären und sekundären Partikeln aus unterschiedlichen Quellen aufweisen.
Diese haben verschiedene Eigenschaften und einen unterschiedlichen toxischen Grad. PM10Messungen gelten in den USA seit mehr als 20 Jahren und deutlich länger in Europa als
Standard für Feinstaubmessungen. Black Smoke (BS) kennzeichnet die Konzentration von
Rußpartikeln mit einem aerodynamischen Durchmesser von weniger als 4.5m. Die Messung
von Rußpartikeln hat in Europa eine lange Tradition und gilt als gebräuchlichster Indikator für
diese Partikel. Dennoch wurden sie kürzlich durch die Feinstaubmessungen von PM10 ersetzt.
Die Ergebnisse dieser Studie wurden aufgrund der Kontinuität für PM10 und BS angegeben.
Ein weiterer Grund besteht in der Tatsache, dass BS-Expositionen relevanter für
Gesundheitseffekte sind und BS als wichtiger Marker für primäre Verbrennungsprodukte und
kleine Partikel angesehen werden kann. Außerdem sind Rußpartikel spezifischer für
verkehrsbedingten Partikel als PM10, da in den untersuchten Ländern nur minimal privat bzw.
industriell Kohle verbrannt wird.
2
: Katsouyanni, K. et al. Short-term effects of air pollution on health : a European approach using
epidemiologic time series data. The APHEA protocol. J Epidemiol Community Health 1996; 50: S12-S18
APHEA 2 – DIE STUDIE
6
Allgemein wird unter Immissionen die Einwirkung von Luftverunreinigungen, Schadstoffen,
Lärm, Strahlen und ähnlichem verstanden. Immissionspartikel stellen daher ein Mix von
unterschiedlichen physikalischen und chemischen Eigenschaften dar. Durch diese
Besonderheit sind die Effekte von Immissionspartikeln auf die menschliche Gesundheit nicht
vollständig bekannt. Ebenso verbleibt eine Unkenntnis über die Natur der Expositionen und
den damit verbundenen Mechanismus der Einflüsse. Es gibt Hinweise, dass Partikel mit
geringem aerodynamischen Durchmesser, also kleiner als 10 oder 2.5m, einen relevanteren
Einfluss auf die Gesundheit haben.
1.2 Deskription
Table 1 zeigt eine Auswahl der deskriptiven Daten von neun Städten. Angegeben ist dabei die
jeweilige Studiendauer, Einwohnerzahl, Zahl der täglichen Sterbefälle, sowie die Percentile
der 24-Stunden-Konzentrationen der Expositionen PM10 und BS und der Luftschadstoffe
Schwefeldioxid, Ozon und Stickstoffdioxid.
Tabelle 1
Die Zahl der Todesfälle wurde nach den Kodes des „National Classification of Diseases“
klassifiziert (code  800). Bei der deskriptiven Analyse schwankte der Durchschnitt der
APHEA 2 – DIE STUDIE
7
PM-bedingten Sterbefälle (ohne Todesfälle externer Ursache) zwischen 6 und 169 Personen.
Die Anzahl unter den älteren Probanden (> 65 Jahre) lag bei 4 bis 139. Die Mediane von
Black Smoke- bzw. PM10-Konzentration lagen je nach Stadt zwischen 9 und 64 (BS) bzw. 14
und 166 g/m3 und basieren auf dem 2-Tagesdurchschnitt der Messungen.
1.3 Berechnung der fehlenden Werte
Trotz der vor Durchführung der Studie beschlossenen Vollständigkeitskriterien ließen sich
einige fehlende Werte bei den Messstationen nicht vermeiden. Um diese Anzahl zu reduzieren
und um zu viele Missings zu vermeiden, wurden die Werte mit Hilfe der Daten aus allen
Städten und der jeweiligen Stadt geschätzt.
Berechnet wurde der fehlende Wert am Tag i im Jahr k von der Messstation j mit Hilfe der
gewichteten Durchschnittswerte der anderen Messstationen.
 xijk 

x̂ijk  xik  
x
  k 
xik ist der Mittelwert am Tag i im Jahr k über alle Stationen
xk ist der Gesamtmittelwert über alle Tage und Messstationen im Jahr k
In zehn Städten lagen die PM10-Messungen nicht für die komplette Studienperiode vor. Diese
Werte wurden auf drei verschiedene Weisen geschätzt:

Schätzung durch Regressionsmodell, welches den BS-Messungen einen PM10-Wert
zuordnet (Athen, Krakau).

Aufteilung der Gesamtschwebepartikelmessung der jeweiligen Stadt (Budapest,
Erfurt).

Aufteilung nach dem Prozentsatz der Gesamtschwebeteilchen, basierend auf
Messungen der anderen Städte (Basel, Genf, Milano, Rom, Torino, Zürich).
APHEA 2 – DIE STUDIE
8
1.4 Confounder und Effekt-Modifizierer
Confounder oder sogenannte Basiseffekte sind im Allgemeinen Variablen, die mit der
Exposition korreliert sind. Sie stellen selbst eine Einflussgröße auf den zu untersuchenden
Effekt dar. Diese Störgrößen können die interessierenden Variablen beeinflussen und einen
möglichen vorhandenen Effekt überdecken und somit zu einer Verschmutzung bzw.
Verzerrung führen. Daher ist eine Kontrolle der Confounder von besonderer Wichtigkeit.
Bei APHEA 2 wurden die Luftschadstoffe Schwefeldioxid, Stickstoffdioxid und Ozon als
Confounder identifiziert. Die Korrelationen mit den Expositionen PM10 bzw. BS wurden wie
folgt angegeben:
PM10
Korrelationskoeffizient
NO2 (Stickstoffdioxid)
0.12 – 0.75
SO2 (Schwefeldioxid)
-0.38 – +0.38
O3 (Ozon)
0.14 – 0.78
Tabelle 2a: Korrelationskoeffizienten von PM10 Schwankungen entsprechen den Werten der 29 Städte
BS
Korrelationskoeffizient
NO2 (Stickstoffdioxid)
0.11 – 0.65
SO2 (Schwefeldioxid)
-0.55 – -0.04
O3 (Ozon)
0.41 – 0.77
Tabelle 2a: Korrelationskoeffizienten von BS Schwankungen entsprechen den Werten der 29 Städte
Um mögliche Einflussgrößen zu kontrollieren wurden des weiteren meteorologische
Variablen, wie zum Beispiel die tägliche Durchschnittstemperatur und die relative
Feuchtigkeit,
benutzt.
Zusätzlich
fanden
alle
verfügbaren
Informationen
über
Grippeepidemien und ungewöhnliche Ereignisse, wie Hitzewellen, Verwendung. Adjustiert
wurde das Modell nach Wochentag, Nationalfeiertagen, Schulferien, Jahreszeiten und
langfristige Trends.
APHEA 2 – DIE STUDIE
9
Bei Effekt-Modifizierern hängt der Effekt von der Größe einer Kovariable ab. Diese EffektModifizerer gehen bei neueren Methoden als Interaktionen in Regressionsmodelle ein.
Bei APHEA 2 wurde vorausgehend Heterogenität in den Schätzern der Effektparametern
beobachtet. Daher war es besonderes wichtig Informationen über diejenigen Variablen
zusammeln, die als Interaktionen vermutet wurden. Diese Variablen umfassn Eigenschaften
der Städte, d.h. ein Wert pro Stadt, der eine bestimmte Situation charakterisiert, wie z.B.
Klima und Luftverschmutzungsquellen. Die potentiellen Interaktionen für die Informationen
aufgezeichnet wurden sind in folgende vier Kategorien unterteilt:
1. Luftverschmutzungsgrad und Zusammensetzung:
Beinhaltet Durchschnittslevel an PM (PM10 und BS) und anderen Schadstoffen für die
gesamte Studienperiode, sowie das Verhältnis von PM10 und BS zu NO2. Früher galt die
Frage der Größe des Effekts und ob diese entweder vom Expositionsgrad durch NO2 abhängt
oder vom Expositionsgrad durch andere Schadstoffe. Das Verhältnis von PM zu NO2
kennzeichnet den Umfang inwieweit PM verkehrsbedingt ist, da NO2 hauptsächlich durch
Verkehr verursacht wird. Demnach reflektiert eine niedrige PM/NO2-Ratio ein höheres
Verhältnis von verkehrsverursachten PM.
2. Klimatische Variablen:
Es wurde meist davon ausgegangen, dass geschätzte Effekte durch Luftverschmutzung durch
das Klima modifiziert werden. Diese Theorie wird durch saisonale und geographische
Unterschiede, welche vorausgehend beobachtet wurden, unterstützt. Um ein Stadtklima zu
charakterisieren wurde die mittlere Temperatur und relative Feuchtigkeit über die gesamte
Studiendauer aufgezeichnet. Die mittlere jährliche Tagestemperatur betrug demnach zwischen
5.9 o C in Helsinki und 17.8 o C in Athen. Die mittlere relative Feuchtigkeit schwankte
zwischen 48.9% in Marseille und 82.3% in Dublin.
APHEA 2 – DIE STUDIE
10
3. Gesundheitsstatus der Bevölkerung:
Die Luftverschmutzung beeinträchtigt gewisse Subgruppen der Bevölkerung in größerem
Maße. Dazu gehören ältere Personen, die unter chronischen kardiorespiratorischen
Krankheiten leiden. Indikatoren für die Größe dieser Gruppe sind die altersadjustierte
Sterblichkeitsrate und die Lungenkrebssterblichkeitsrate beide für Einwohner/Stadt, sowie der
Prozentsatz der Personen die älter als 65 Jahre sind und die Rauchprävalenz. Die direkt
standardisierte jährliche Gesamtzahl der Sterbefälle pro 100.000 rangiert in den Städten von
579 in Lyon bis 1231 in Lodz. Insgesamt lag die Zahl in 15 Städten unter 800, in 9 Städten
zwischen
800
und
1000
und
in
5
Städten
über
1000.
Die
jährliche
Lungenkrebssterblichkeitsziffer schwankt zwischen 28 bis 92 Tote/100.000 Personenjahre. 921% der Bevölkerung sind älter als 65 Jahre und die Rauchprävalenz schwankt zwischen 22
und 55%.
4. Geographisches Gebiet:
Im Vorfeld wurde schon beobachtet (auf Basis einiger Städte), dass die Größe dieses Effekts
sich in geographischen Gebieten unterscheidet. Die geographischen Gebiete wurden in drei
Klassen unterteilt:
a. Zentraler-Osten: alle Städte der ehemaligen kommunistischen Länder (Budapest,
Krakau, Erfurt, Ljubljana, Lodz, Posen, Prag, Teplice, Wroclaw)
b. Südstaaten: Breitengrad < 45o
(Athen, Barcelona, Bilbao, Madrid, Marseille, Rom, Tel Aviv, Valenzia)
c. Nord-Westen: alle anderen Länder
Alternativ wurde auch eine Unterteilung durch Benutzung von Längen- und Breitengraden
benutzt. Dies beeinflusste aber die Ergebnisse nicht. Eine mögliche Erklärung für diesen
Umstand stellt folgende Tatsache dar: in wärmeren Ländern repräsentieren die außen
angebrachten Messanlagen eher die Durchschnittsexposition der Bevölkerung, da Menschen
dazu tendieren Fenster zu öffnen und mehr Zeit draußen zu verbringen als in kälteren
Gebieten.
AUSWERTUNG DER DATEN
11
Kapitel 2
Auswertung der Daten
Die
Auswertung der
Daten
erfolgte
durch
die
Benutzung eines
hierarchisches
Annäherungsmodells. Diese Vorgehensweise besteht aus zwei Stufen. Die erste Stufe basiert
auf der Analyse der Daten jeder einzelnen Stadt. Die zweite Stufe umfasst die
Zusammenführung der Einzelauswertungen in ein Modell.
2.1
Einzelauswertung
Es wurde eine separate Auswertung der Daten der einzelnen Städte nach vordefinierten
Methoden durchgeführt. Das Ziel war ein stadtspezifisches Regressionsmodell zu entwickeln.
Die Auswertung erfolgte unter der Verwendung von generalisierten adaptiven Modellen mit
Erweiterung auf ein loglineares Poissonmodell um nichtlineare Effekte der Kovariablen zu
modellieren. Benutzt wurden ebenfalls nicht-parametrische Loess-Glätter um saisonale
Muster und langfristige Trends, sowie die Overdispersion der Daten zu kontrollieren.
Overdispersion
bezeichnet
„Elemente
aus
Stichproben
von
Poisson-
oder
Multinomialverteilungen die eine größere Varianz aufweisen als die aus der Verteilung
gegebene. Dies kann infolge einer Verletzung der Unabhängigkeit geschehen sein, wie z.B.
bei einer positiven Korrelation unter den Elementen der Stichprobe. Häufige Ursache für
diesen Umstand ist eine Cluster-Struktur der Stichprobe.3“ Wenn eine größere Varianz in der
Stichprobe existiert als im Modell, nennt man dies Overdispersion, welche „durch das
Multiplizieren der Varianz mit einer Konstanten >1 modelliert wird, wobei  entweder als
bekannt vorausgesetzt wird oder aus der Stichprobe geschätzt werden muss.3“
Eine weite Spanne der Smoothing Parameter über den Gesamtzeitraum entfernte die
grundlegenden Saisonabhängigkeiten aus den Daten. Für diese Auswahl wurden
diagnostische Instrumente inklusive partieller Korrelationplots benutzt. Ebenso fanden Plots
: Toutenburg, H., (2002). Lineare Modelle – Theorie und Anwendung-. (Zweite Auflage). Heidelberg: PhysicaVerlag
3
AUSWERTUNG DER DATEN
12
von Residuen über den Zeitraum Anwendung, um die Glättungsparameter festzulegen. Im
Vorfeld wurde sich dafür entschieden, dass Smoothing Fenster nicht unter 2 Monate zu
wählen, da die Beseitigung kurzfristiger Muster aufgrund der Exposition in der Studie
vermieden werden sollte.
Das Grundmodell bestand aus einem generalisierten additiven Regressionsmodell, welches
die Einzelauswertung der Städte umfasst
E( Yi )  expfi1xi1   fi2 xi2   .... 
wobei fi1,...,fip unspezifische, unbekannte Funktionen sind, welche geschätzt werden. Xi1,...,xip
stellt den Vektor der Kovariablen der Stadt i dar. Dieses können originale Kovariablen,
Interaktionen oder Confounder sein.
Dieses Grundmodell wurde aufgrund der vorliegenden Zähldaten auf ein loglineares
Poissonmodell erweitert:
E( Y)  exp0  1x1  ...  k xk 
Exp bewirkt in diesen Modellen das der Erwartungswert E(Y)>0 und dient der
Interpretierbarkeit in multiplikativer Form.
Nach der Kontrolle von saisonalen und langfristigen Trends wurde das Modell um
meteorologische Variablen erweitert. Beobachtet wurden glättende Funktionen des gleichen
Tages und dem Unterschied zu zwei Tagen bzw. dem Durchschnitt über 0 und 2 Tage der
Tagesdurchschnittstemperatur und relativen Feuchtigkeit. Ebenfalls wurden Werte des
gleichen
Tages
mit
einbezogen.
Die
Wahl
der
Einbeziehung
unterschiedlicher
Wettervariablen und der Smoothing Parameter für diese Variablen wurde nach Kriterien der
Minimierung des AIC (=Akaike´s Information Criterion) durchgeführt.
Zusätzlich wurden Dummy Variablen ins Modell aufgenommen. Diese wurden für
Wochentage, Ferien oder ungewöhnliche Ereignisse erstellt und dienten der Kontrolle des
jeweiligen Einflusses. Beispielsweise waren Informationen über die tägliche Zahl der
Grippefälle nicht in jeder Stadt vorhanden. Es wurde sich für die Kontrolle der Grippefälle
durch Dummy Variablen entschieden, wobei folgende Kodierung vorgenommen wurde:
1 = 7-Tagesdurchschnitt der täglichen respiratorischen Todesfälle > 90. Percentil seiner
Verteilung
0 = sonst
AUSWERTUNG DER DATEN
13
Schließlich wurden auch die Variablen der Luftverschmutzung SO2, NO2 und O3 ins Modell
aufgenommen.
Andere Studien zu der hier zugrunde gelegten Problematik belegen, dass in Gebieten mit
hoher Partikelkonzentration log-tranformierte Messungen am Besten das Verhältnis von
Partikeln zur Sterblichkeit repräsentieren.
Um den zweiten Teil der Analyse zu erleichtern entschied man sich nur für lineare Terme.
Folglich war die Auswertung auf Tage mit einer PM10 bzw. BS – Konzentration von weniger
als 150 g/m3 begrenzt. Im Vorfeld fiel die Entscheidung für die Benutzung des
Durchschnittslag von 0 und 1 für BS- und PM10-Messungen. Es vermeidet zudem potentielle
Verzerrungen, die aus der selektiven Auswahl solcher Lags entstehen, die mit den
Effektschätzern verbunden sind.
Außerdem wurden Modelle mit zwei Schadstoffen gefittet und nach den Confoundingeffekten
von SO2, O3 und NO2 adjustiert. Kohlenstoffmonoxid-Messungen wurden nicht benutzt, da
viele Städte lückenhafte oder keine CO2-Messungen aufwiesen. Serielle Korrelationen
wurden berücksichtigt, und die Autoregressionsterme dem Schlussmodell hinzugefügt.
2.2
Zweite Stufe der Auswertung
Diese zweite Stufe wurde durchgeführt um eine quantitative Zusammenfassung aller
einzelnen Städteergebnisse zu erzielen und, wenn vorhanden, eine Erklärung für die
Heterogenität zwischen den Städten zu finden. Vorausgesetzt wurde, dass der stadtspezifische
Schätzer bi normalverteilt über die Gesamtschätzer ist, wenn man Heterogenität annimmt.
Das verwendete Modell beinhaltet die Modelle der Einzelstadtauswertung:
bi   0  1z1   2 z2  ....
wobei 0 das Mittel der stadtspezifischen Schätzer der Stadt i,
zi der Vektor der Effektmodifikationen der Stadt i,
 der Vektor der Regressionskoeffizienten der Interaktionen und
 die Kovarianz darstellt.
AUSWERTUNG DER DATEN
14
Die Kovarianz beinhaltet die geschätzten Varianzen der Einzelauswertungen.Des weiteren
wurden Fixed-Effekte und Zufallseffekte-Modelle erstellt. Diese Modelle werden für die uniund multivariate Auswertung benötigt. Bei den fixed-Effekte Modell werden Schätzung von
gepoolten fixed-Effekte Regressionskoeffizienten über die gewichtete Regression der
stadtspezifischen Schätzer mit den gewichteten potentiellen Interaktionen benutzt. Gewichtete
Interaktionen bedeutet, die Gewichtung der Interaktionen besteht aus den Varianzen der
Einzelstadtanalyse. Damit soll die Reduzierung der Heterogenität unter den Städten erreicht
werden. Die Interaktion aus einer Stadt mit hoher Varianz bei der Einzelauswertung erhält
niedrigere Gewichtung und die Interaktion aus einer Stadt mit geringer Varianz geht mit einer
hohen Gewichtung ein. Das Modell mit Zufallseffekten findet Anwendung, wenn
Heterogenität zwischen den Städteergebnissen verbleibt. Es wird davon ausgegangen, dass die
individuellen
Koeffizienten
ein
Sample
von
unabhängigen
Beobachtungen
der
Normalverteilung sind, d.h der Mittelwert entspricht den Schätzung der gepoolten
Zufallseffekte und die Varianz ist gleich Varianz zwischen den Städten. Solche hierarchischen
Modelle werden in der Epidemiologie immer wichtiger, können aber auch in einem Modell
dargestellt und berechnet werden. Um die Rolle potenieller Interaktionen zu beobachten
wurden univariate (für das Modell mit einem Schadstoff) und multvariate (für das Modell mit
zwei Schadstoffen) Regressionsmodelle verwendet.
Geschätzt wurde die Varianz zwischen den Schätzern durch die Daten, mit Hilfe einer
Methode, die bei Berkey et al4 beschrieben wird.
4
A random-effects regression model for meta-analysis, Stat Med 1995; 14: 395-411
AUSWERTUNG DER DATEN
15
Kapitel 3
Ergebnisse
3.1
Zweistufiges Modell
3.1.1 Zweistufiges Modell für PM10
Abbildung 1 zeigt die anteilige Zunahme der täglichen Anzahl der Todesfälle in Verbindung
mit einer Zunahme um 10 g/m3 der PM10-Messungen für jede Stadt als gepoolter Schätzer.
Weil hier Heterogenität in den Ergebnissen der einzelnen Städte vorliegt, wurden die
gepoolten Schätzer der Modelle mit Zufalls- und Fixed-Effekten ebenfalls aufgenommen.
Abbildung 1
ERGEBNISSE
16
Die geschätzte Zunahme pro 10 g/m3 Zunahme von PM10 der einzelnen Städte schwankt
zwischen -0.6% - 1,5%.
Die Zunahme der Gesamttodesfälle in Verbindung mit einer 10 g/m3-Erhöhung der täglichen
PM10-Konzentration betrug 0.7% [95% KI: 0.6-0.8%] unter den Modellen mit fixierten
Effekten und unter dem Modell mit Zufallseffekten 0.6% [95% KI:0.4-0.8%].
Die Erhöhung der Todesfälle unter den älteren Probanden (>65 Jahre) bei entsprechender
Zunahme von PM10 um 10 Einheiten betrug im Modell mit fixierten Effekten 0.8% [95% KI:
0.7-0.9%] und im Modell mit Zufallseffekten 0.7% [95% KI: 0.5-1.0%]. Für den Test auf
Sensitivität der obigen Ergebnisse der Schätzer der PM10-Serie fand ein Ausschluss von 10
Städten mit unvollständigen Daten statt, wobei die Zunahme der kombinierten Schätzer gleich
bleibt, d.h. 0.7% Zunahme der Todesfälle war verbunden mit einer Erhöhung von PM10 um 10
g/m3. Dies gilt für beide Modelle.
3.1.2 Zweistufiges Modell für BS
Abbildung 2 zeigt die Einzelstädte mit der gepoolte Zunahme der täglichen Sterbefälle
verbunden mit einer BS Erhöhung von 10 g/m3.. Die Werte für jede Stadt schwanken von
–0.2 % bis 1.6%.
Die Schätzer für die gleiche Zunahme unter dem Modell mit fixierten Effekten betrug 0.5%
[95% KI: 0.4-0.6%] und für das Modell mit Zufallseffekten 0.6% [95% KI: 0.3-0.8%].
Wenn nur die Todesfälle unter den älteren Personen (>65 Jahre) betrachtet wurden, betrugen
die Schätzer für eine Todesfallerhöhung bei einer BS Zunahme um 10 g/m3 im Fixed-Effekte
Modell 0.6 [95% KI: 0.5-0.8%] und für das Modell mit Zufallseffekten 0.7 [95% KI: 0.40.9%].
ERGEBNISSE
17
Abbildung 2
3.2
2-Schadstoffmodell
Hier werden die Ergebnisse des Modells für zwei Schadstoffe kombiniert mit der
zweistufigen Regression dargestellt. Adjustiert wurde in der Reihenfolge der Einflusseffekte
von SO2, O3 und NO2.
Im zweistufigen Modell zeigten die Effektparameter der Todesfälle bei den älteren
Teilnehmern fast identische Muster für BS- und PM10-Effekte. NO2 war ein Confounder bei
der Wirkung von PM10 auf die Sterblichkeit, daher versuchten die Autoren ein multivariates
zweistufiges Regressionsmodell zu entwickeln, mit geschätzten Effektparametern für PM und
NO2 für jede Stadt als abhängige Variable und die durchschnittliche langfristige NO2–
Konzentration als potentieller Effekt-Modifizierer.
ERGEBNISSE
18
Diese Annäherung brachte Ergebnisse für die Anpassung der Effektparameter der PMExpositionsindikatoren (PM10 und BS) durch NO2., dies kam allerdings nach einer
Adjustierung nach den Einflusseffekt von NO2 zustande. Die NO2-Höhe blieb als EffektModifizierer nach der Adjustierung nach dem Einfluss der täglichen Schwankungen auf die
Parameter der PM-Effekte in jeder Stadt im Modell erhalten. Eine Stadt mit niedriger NO2Konzentration wies eine geschätzte adjustierte Zunahme der Sterblichkeit verbunden mit einer
10 g/m3 Zunahme des PM10 von 0.11% auf. In einer Stadt mit hoher NO2-Konzentration
betrug die Zunahme 0.51%. Für BS galt 0.11% und 0.38%.
3.2.1 2-Schadstoffmodell für PM10 mit Interaktionen
Tabelle 3
ERGEBNISSE
19
Tabelle 3 zeigt die Veränderung der PM10 Regressionskoeffizienten und seiner 95% KIs,
wenn die Interaktionen im zweistufigen Modell hinzugenommen werden. Es zeigt auch die
resultierende Schätzer für die PM10-Effekte (d.h. Zunahme der täglichen Gesamttodesfälle per
10 g/m3 Erhöhung der täglichen PM10-Konzentration) einer Stadt, die durch einen Wert der
Effekt-Modifizierer charakterisiert werden. Wenn man die Schadstoffe betrachtete, konnte
NO2 als wichtigste Interaktion erkannt werden. In einer Stadt mit niedriger, längerfristigen,
durchschnittlichen NO2-Konzentration betrug die geschätzte Zunahme für die tägliche
Sterbezahl, verbunden mit einer Zunahme von 10 g/m3 des PM10, 0.19%.
Hingegen war festzustellen, dass in einer Stadt mit hoher NO2-Konzentration die Zunahme
bei 0.8% lag. Die untersuchten anderen Schadstoffe spielten keine Rolle. Das Verhältnis von
PM10 zu NO2 ist ebenfalls von Bedeutung. Eine niedrige Ratio ist verbunden mit einem
höheren PM10-Effekt. Dies folgte auch für Temperatur, Feuchtigkeit, altersstandardisierte
Sterblichkeitsrate, die Größe der Gruppe der Älteren und dem geographischen Gebiet. Die
Lungenkrebssterblichkeit und die Rauchprävalenz hatte jedoch keinen Einfluss. Die besten
Interaktionen jeder Kategorie (NO2-Level, Temperatur, standardisierte Sterblichkeitsrate)
wurden mit den anderen Variablen in ein zweistufiges Modell mit drei Interaktionen
genommen. Dadurch konnte die meiste Heterogenität unter den Städten erklärt und die
verbleibende wesentlich reduziert werden.
Abbildung 3 stellt die Scatter-Plots einzelner Parameter der Städteeffekte für PM10 nach Höhe
der wichtigsten Interaktionen dar.
Es lässt sich feststellen, dass zwischen der 24-Stunden-NO2-Konzentration bzw. der
Temperatur verbunden mit einer Zunahme von PM10 um 10g/m3 ein positiver linearer
Zusammenhang besteht. Zwischen dieser PM10 Zunahme und der relativen Feuchtigkeit
scheint ein negativ linearer Zusammenhang zu existieren.
ERGEBNISSE
Abbildung 3
20
ERGEBNISSE
21
3.2.2 2-Schadstoffmodell für BS mit Interaktionen
In Tabelle 4 sind die Ergebnisse der zweistufigen Regression für die Schätzer der BS-Effekte
dargestellt. Das geographische Gebiet, die NO2-Konzentration und Temperatur waren die
wichtigsten Interaktionen in diesem Modell. Im zweistufigen Modell mit 4 EffektModifizierern (wie oben für PM10 beschrieben, plus dem geographischen Gebiet) erklärt es
die meiste Heterogenität.
Tabelle 4
ERGEBNISSE
22
Abbildung 4 zeigt die Scatter-Plots der Effektparameter für BS in Höhe der wichtigsten
Effekt-Modifizierer.
Abbildung 4
ERGEBNISSE
23
3.2.3 2-Schadstoffmodell für PM10 und BS
Tabelle 2
Tabelle 2 zeigt die gepoolten Schätzer für die Zunahme der Todesfälle für eine Erhöhung von
PM10 und BS um je 10g/m3 . Es zeigt sich, dass die Verbindung von PM10 mit der
Gesamtsterblichkeit nicht wesentlich durch die SO2- oder O3- Konzentration beeinflusst wird.
Im Gegenteil zeigte eine Adjustierung nach NO2, dass die geschätzte kombinierte Zunahme
der Sterblichkeit für eine Erhöhung von PM10 um 10 g/m3 um 48% reduziert wurde.
Verbindungen von BS mit der Sterblichkeitszahl zeigen eine Beeinflussung durch die Höhe
des SO2 und im wesentlichen auch durch die Konzentrationen von NO2 und O3. Wenn eine
Adjustierung nach NO2 vorgenommen wurde reduzierte sich die geschätzte Zunahme der
Gesamtsterblichkeit in Verbindung mit einer Erhöhung der BS-Konzentration von 10 g/m3
von 0.68% auf 0.35%. Bei einer Adjustierung nach O3 steigt die Gesamtsterblichkeit bei
gleicher Zunahme der BS-Konzentration von 0.68% auf 0.74%.
Daraus lässt sich schließen, dass in allen zweistufigen Modellen eine wesentliche
Heterogenität zwischen den nach anderen Schadstoffen adjustierten Koeffizienten für PM10
und BS verbleibt. Eine Untersuchung der beobachteten Heterogenität in den
Effektschätzern für PM10 und BS wäre für die Autoren sinnvoll, um sie für potentielle
Effektmodifikation in der zweiten Stufe der Auswertung in Betracht zu ziehen.
ZUSAMMENFASSUNG UND DISKUSSION
24
Kapitel 4
Zusammenfassung und Diskussion
Die Ergebnisse bestärken die kurzfristigen Effekte von Immissionspartikelkonzentration auf
die tägliche Todeszahl in früheren Studien. Es wurden neue Ergebnisse zu Einflüssen und
Interaktionen einer Vielzahl von Variablen gefunden. Es wurden auch andere Schadstoffe
gefunden, die potentielle Confounder und Interaktionen für die Verbindung von PM10 auf die
Sterblichkeit darstellen. Des weiteren gibt es Indizien auf einen komplexen Prozess von
Emissionen, Zweitreaktionen, Ort der Aufstellung der Messgeräte und Messfehler, die in
Beziehung zu ihrer Repräsentativität für die Bevölkerung stehen. PM10 und BS sind
Prediktoren für die täglichen Sterbefälle in Europa.
Seit den ersten Berichten über Verbindungen zwischen Immissionspartikel und den tägliche
Sterbefälle gab es die Frage über das Potential dieser Effekt, die durch andere Luftschadstoffe
beeinflusst werden. In diesem Modell wurde diese Idee eingearbeitet und Modelle mit zwei
Schadstoffen benutzt. Es ergab keinen Hinweis für den Einfluss von SO2 und O3 auf PM10.
SO2 war kein Confounder bei den BS-Effekten, allerdings stellte sich die O3- Konzentration
als Confounder bei simultaner Kontrolle von O3 auf BS-Effekten dar. Diese Ergebnisse
werden durch ähnliche Erkenntnisse von Schwartz5, bei denen eine Multistädteauswertung
von 10 amerikanischen Städten durchgeführt wurde, bestärkt. Unterschiede in Auswertungen
aus den USA und Europa gründen auf Unterschiede in den relativen Schadstoffquellen in
Europa und US-Städten. In den USA sind wenig Dieselfahrzeuge vorhanden, hingegen stellen
sie in Europa 50% aller Fahrzeuge. Motorfahrzeuge sind in Europa die größte Quelle für diese
Partikel, da sie überwiegend durch NO2 entstehen.
Die Heterogenität der einzelnen Schätzer der Stadteffekte unterstützt die Vermutung, dass die
Zusammensetzung der Partikel sich von Ort zu Ort in einer relevanten Art in bezug auf ihren
gesundheitlichen Einfluss unterscheidet. Ein direkter Weg um die Giftigkeit von Partikeln,
sowie dem spezifischen Aspekt ihrer besonderen Eigenschaften zu untersuchen, liegt darin,
5
Schwartz,J. Assesing confounding, effect modification, and thresholds in the association between ambient
particles and daily deaths. Envirn Health Perspect 2000; 108:563-1383
ZUSAMMENFASSUNG UND DISKUSSION
25
die potentiellen Effekt-Modifizierer der Einflussfaktoren in ihrer Komposition in einer
Vielzahl von Umgebungen zu betrachten. Der umfangreiche Datensatz zu dieser Studie
erlaubt diese Möglichkeit.
Die NO2-Konzentration ist ein wichtiger Effekt-Modifizieren unter den potentiellen EffektModifizierern, die identifiziert wurden. NO2 gilt als Indikator von verkehrsbedingter
Verschmutzung. Je höher die NO2-Konzentration (absolut oder relativ zu PM10), desto höher
der beobachtete Effekt auf die Sterblichkeit. Daraus lässt sich schließen, dass von Verkehr
bzw. Kraftfahrzeugen erzeugte Partikel giftiger sind als Partikel aus anderen Quellen.
Unter anderem fanden die Autoren heraus, dass je höher die altersstandardisierte
Sterblichkeitsrate (d.h. je kürzer die Lebenserwartung) ist , desto kleiner sind die Schätzer des
PM10-Effekts. Eine hohe standardisierte Sterblichkeitsrate bezieht sich auf eine kleine Gruppe
von älteren Personen in dieser Studie und wahrscheinlich auf die Präsenz konkurrierender
Risiken für die gleichen Krankheitsbilder. Hier war dieser Effekt verbunden mit einer kleinen
Gruppe von Personen, die alle zur gleichen anfälligen Population zählen (z.B. solche mit
chronisch respiratorischen Krankheiten), die anfällig für Einflüsse durch PM sind.
AUSWIRKUNGEN DER ERGEBNISSE
26
Kapitel 5
Auswirkungen der Ergebnisse
Diese Ergebnisse verlangen weitere Beobachtungen von BS. Dies wäre für zukünftigen
Studien von bedeutendem Interesse und Wichtigkeit, auch für die Verbindung mit potentiellen
Gesundheitsrisiken. Die Ergebnisse bestätigen die schon früher berichteten Ergebnisse in
Europa und den USA über die Größe des Einflusses der Immissionspartikel auf die
Gesamtzahl der täglichen Sterbefälle. Sie zeigen auch die Heterogenität in den PM
Effektparametern von unterschiedlichen Städten und reflektieren die reale Interaktion, welche
vielleicht durch charakterisierende Faktoren erklärt werden können, wie z.B. den
Luftverschmutzungsmix, Klima und Gesundheit der Population. Diese Ergebnisse können
wichtige Konsequenzen für die Schätzungen des Effekts der Luftverschmutzungen auf die
Gesundheit in einer spezifischen Population nach sich ziehen und könnte politische
Entscheidungen und Entscheidungen des Umweltmanagements beeinflussen.
Literaturverzeichnis
[1] Katsouyanni, K., et al. (2000). Confounding and Effect Modification in the Short-Term
effects of Ambient Particles on Total Mortality: Results from 29 European Cities
within the APHEA 2 Project. Epidemiology September 2001; Vol. 12 No. 5
[2] Toutenburg, H., (2002). Lineare Modelle – Theorie und Anwendung-. (Zweite
Auflage). Heidelberg: Physica-Verlag
[3] Fahrmeir, L., Tutz, G., (1997). Multivariate Statistical Modelling Based on
Generalized Linear Models. (Second Edition). Springer Series in Statistics. Springer
Verlag