Es ist ja schon verblüffend, welchen großen Effekt der Sozialstatus (gemessen am Haushaltseinkommen) auf die Lebenserwartung bzw. Mortalität hat – hier demonstriert an RKI Daten. Was auch immer die Gründe sind – es ist wohl die Kombination verhaltenskorrelierter Risikofaktoren, von billiger Nahrung, Alkohol, Rauchen, sportliche Inaktivität, Übergewicht, Stress durch Arbeitslosigkeit, Sozialhilfe oder Niedrigeinkommen – ein Teufelskreis.
Mortalitätsstudien, die den Sozialstatus aber nicht auf individueller Ebene berücksichtigen, sind nicht sonderlich beweiskräftig. Schaut man sich die Supplement Tabelle von Cesaroni 2013 an und plottet hier Sozialstatus, dann gibt es hier enorme Effekte für die nur gruppenweise adjustiert wird (da es eine ökologische Studie ist).
ds = data.frame( matrix(
c(7.4,20.2,23.1,27.3,21.0,
12.6,17.9,21.2,22.6,27.5,
17.8,17.9,19.0,20.0,25.6,
30.9,19.3,19.0,15.6,17.1,
31.2,24.8,17.7,14.4,8.8),
nrow=5, ncol=5, byrow = TRUE),
stringsAsFactors=FALSE)
names(ds) = c("<37","<43","<46","<50","50+")
ds = cbind(stack(ds),rep( c("1 very high", "2 high", "3 medium", "4 low", "5 very low"), 5))
names(ds) = c("pct","NO2","SES")
fill = c("#5F9EA0", "#E1B378")
ggplot(aes(x=NO2,y=pct, fill=SES), data = ds) + geom_col() + clean_theme(base_size = 25) + scale_fill_brewer()
Das Hautproblem der Umweltepidemiologie auf einen Punkt gebracht: die Evidenz der ganzen ökologischen Studien ist gering.
Die neuesten Meta-Analyse von NO2 und Mortalität ist zum Glück nicht ganz so oberflächlich. Was passiert, wenn man die Studien nach Qualität auftrennt – sprich ob sie individuell adjustieren oder nicht?
Das Ergebnis ist eindeutig: Mit individuelle Adjustierung löst sich der NO2 Effekt in Luft auf.
Dazu kommt: die Assoziation ist sehr heterogen zwischen den Studien, sprich sie ist nicht reproduzierbar.
Und das ist die neueste Datenbasis, neuer als REVIHHAAP.