A halandóságot befolyásoló egyéni biológiai és társadalmi-gazdasági tényezők hatásrendszerének vizsgálata

EPID EM IOLÓGIA I TA N U LM Á N YOK

A halandóságot befolyásoló egyéni biológiai és társadalmi-gazdasági tényezők hatásrendszerének vizsgálata BAK ACS MÁRTA 1 ■ VITR AI JÓZSEF2 ■ VÁRHALMI ZOLTÁN3 KAPOSVÁRI CSILLA 2 ■ HERMANN DÓRA 2 ■ KABOS SÁNDOR 3 ■ LÖV ANDRÁS4 1

2

Országos Szakfelügyeleti Módszertani Központ, Budapest EgészségMonitor Kutató és Tanácsadó Nonprofit Közhasznú Kft., Budapest 3 Eötvös Loránd Tudományegyetem Társadalomtudományi Kar, Budapest 4 Pázmány Péter Katolikus Egyetem Bölcsészettudományi Kar, Budapest

Az informált döntéshozatal nemzetközileg egyre elfogadottabb eszköze az egészség-hatáselemzés. A szerzők olyan statisztikai modellek kidolgozásában vettek részt, amelyek segítséget nyújtanak az egészségügyi szektoron belüli és kívüli döntések egészségre kifejtett hatásainak becsléséhez. Logisztikus regresszióval vizsgálták a mortalitást befolyásoló egyéni tényezők közül a nem, az életkor, az iskolázottság és a gazdasági aktivitás halandóságot befolyásoló szerepét az összhalandóságra, a keringési rendszer betegségei és a rosszindulatú daganatok miatti halandóságra. Az eredmények igazolták, hogy az életkorral emelkedő halandóságra a nem, az iskolázottság és a gazdasági aktivitás egyidejűleg úgy hatott, hogy egymás hatását is módosították, közöttük többszörös interakciók voltak. A halandóságot több tényező összetett hatásrendszere befolyásolja, ezért ennek vizsgálatára csakis többváltozós statisztikai módszerek alkalmasak. A közleményben bemutatott modellek kiindulópontjai lehetnek azoknak a kutatásoknak, amelyek az egyéni tényezők mellett térségi társadalmi-gazdasági tényezőket is bevonhatnak az egészség-hatáselemzésekbe. Kulcsszavak: halálozás, epidemiológiai tényezők, kockázatbecslés, statisztikai modellezés

Analysis of associations between mortality and biological and social-economic individual determinants. Health impact assessment is an internationally recognized tool for informed decision-making. The authors participated in building statistical models for assessing the health effects of decisions made inside and outside the health sector. They used logistic regression to investigate the role of individual factors like gender, age, education and economic activity determining the all-cause mortality and diseases of circulatory system and neoplasm as well. The results of statistical modeling proved that gender, education and economic activity modify the effect of age on mortality in multiple interactions. Since several factors have impact simultaneously on mortality, modifying the others’ effects, analyzing these associations only by use of multivariate statistical methods is an adequate approach. Models presented in this article can be starting points for investigations exploring the effects of multiple health-determinants and researches in which also social-economic determinants are included in health impact assessment. Keywords: mortality, epidemiologic factors, risk assessment, models, statistical

(Beérkezett: 2008. október 3.; elfogadva: 2008. november 3.)

Minden társadalmi-gazdasági fejlődés központi ágense az ember [1], ezért az egészség mind az egyén, mind a társadalom számára fontos érték. Egyéni szinten a jó egészség a személyes fejlődés és anyagi biztonság alapja, társadalmi szinten a lakosság egészsége a gazdasági fejlődésnek, az ország versenyképességének az alapfeltétele [2]. A lakosság egészségének javításához nélkülözhetetlenek az egészségügyi és más szektorokban hozott megfelelő döntések. Számos kutatási eredmény alapján ismert, hogy az egészségügyhöz közvetlenül nem kapDOI: 10.1556/OH.2008.28497

EPIDEMIOLÓGIAI TANULMÁNYOK

csolódó szakpolitikák nagyobb hatást gyakorolnak a lakosság egészségi állapotára, mint az egészségügy maga [1, 3]. Az egészség szempontjából az informált döntéshozatal nemzetközileg egyre elfogadottabb eszköze az egészség-hatáselemzés (health impact assessment, HIA), amelynek során a tervezett intézkedések egészségre kifejtett lehetséges hatását mérik fel. Az Európai Unió népegészségügyi akcióprogramjának (2008–2013) egyik fő célkitűzése az egészségről való tudás és információ fejlesztése [4]. A WHO egészségpolitikai stratégiája tartal-

2371

2008

■

149. évfolyam, 50. szám

■

2371–2376.


mazza, hogy 2020-ra minden tagországban ki kell alakítani az egészség-hatáselemzés mechanizmusát, és valamennyi ágazatban fel kell készülni arra, hogy az intézkedések egészségre kifejtett hatása is számon kérhető legyen [5]. Ezekhez a törekvésekhez kapcsolódik az a kutatás1, amely interdiszciplináris ismeretekre épülő, az egészségügyi szektoron belüli és kívüli döntések egészségre kifejtett hatásainak becslésére alkalmas statisztikai modell kidolgozását tűzte ki célul. Külföldi kutatók többszintű statisztikai elemzései [6] összefüggéseket mutattak ki a halandóság és a társadalmi-gazdasági tényezők között, az esetenként ellentmondó eredmények mögött azonban a kutatók olyan átfogó egészségkoncepciót hiányoltak, amelyek külön tudják választani az egészséget befolyásoló tényezők egyéni és populációs szintű hatásait. A bemutatott kutatási eredmények olyan korszerű egészségmodellre épültek, amely az egészség állapotát a biológiai/egyéni, valamint a szűkebb és tágabb értelemben vett környezeti tényezők komplex hatásaival írják le [7]. A kutatás célja, hogy 1. a halandóságot befolyásoló egyéni biológiai és társadalmi-gazdasági tényezőket statisztikai modellbe illesztve vizsgálja, és a magyarországi halandósági adatokon mutassa be a köztük lévő bonyolult összefüggésrendszert; 2. az így kapott statisztikai modellek olyan további elemzésekhez szolgálnak alapul, amelyek a térségi társadalmi-gazdasági tényezők bevonásával még több információt nyújtanak a mortalitást, a morbiditást és az egészséget meghatározó tényezőkről; 3. a statisztikai modell alapján létrehozott szoftver támogatja az egészségügyi hatáselemzések hazai fejlődését és alkalmazásuk elterjedését. A többlépcsős fejlesztési folyamat első elemeként meghatározásra kerültek azok a statisztikai alapmodellek, amelyek a mortalitást befolyásoló egyéni tényezők hatását (kor, nem, iskolázottság, gazdasági aktivitás) írják le. A jelen elemzés célja, hogy többváltozós statisztikai módszer alkalmazásával azonosítsa az összhalandóságot, illetve a betegségspecifikus halandóságot befolyásoló egyéni kockázati tényezőket, egyidejűleg kiszűrve a többi tényező hatását, valamint feltárja az egyéni tényezők között meglévő öszszefüggéseket, interakciókat.

1. ábra

Az egyéni meghatározó tényezők önálló hatása a halandóságra

ismeretlen lakóhelyű elhunytakat is tartalmazó, 85 évesnél idősebb korcsoportot kizártuk az elemzésből, így az életkor következő 5 kategóriás felosztását használtuk: 18–34, 35–44, 45–54, 55–64, 65–84 évesek. Az eredetileg négykategóriás gazdaságiaktivitás-mutatót kétkategóriássá alakítottuk: aktív (beleértve a nyugdíj mellett dolgozókat is) és inaktív (munkanélküli, nyugdíjas és egyéb inaktív) kategóriákat képezve. Az iskolázottság alap-, közép- és felsőfokú kategóriái mellett negyedikként az ismeretlen iskolai végzettségű eseteket kistérségenként a többi változónak megfelelő arányban osztottuk el, azzal a feltételezéssel élve, hogy az ismeretlen iskolai végzettségűek megoszlása megfelel az adott kistérségre jellemző nemi, életkori, iskolázottsági és gazdasági aktivitás szerinti arányoknak. A statisztikai modellezés kimeneti változói (vagyis azok az egészségindikátorok, amelyekre a befolyásoló tényezők hatását vizsgáltuk) az összhalálozás, a keringési rendszer betegségei és a rossz-

Módszer A halandósági és populációs adatokat a Központi Statisztikai Hivatal bocsátotta rendelkezésünkre. Az összhalálozás, a keringési rendszer betegségei (BNO X.: I00-I99) és a rosszindulatú daganatok (BNO X.: C00-C98) miatti halálozási adatokat 2001–2005 évekre kistérségi szinten összevonva elemeztük, a populációs adatok a 2001. évi népszámlálási adatbázisból származnak. A kiindulási adatbázis a magyar felnőtt (18 éves és idősebb) lakosság halandósági és népességi adatait a 168 kistérség * 2 nem * 4 gazdasági aktivitás * 4 iskolázottság * 8 korcsoport szerinti bontásban tartalmazta. A modellezéshez szükséges változók kialakításakor a fiatalok és az idősek esetében összevontuk a korcsoportokat, az 2008 ■ 149. évfolyam, 50. szám

2. ábra

2372

Az életkor és a nem hatása a halandóságra a kéttényezős interakciós modell alapján (É-N)

ORVOSI HETILAP


indulatú daganatos betegségek miatti halálesetszámok voltak. A statisztikai elemzéshez az általánosított lineáris modellt – logit link függvénnyel és negatív binomiális családdal – használtuk. A modellben – ofszetként – figyelembe vettük az egyes cellákra jutó lakosságszámot. A modellezés eredményeként incidenciahányadosokat (IH, angolul incidence rate ratio) nyertünk. Az IH azt mutatja meg, hogy egy tényező hatása önmagában mekkora változást okoz a halálozások számában, másképpen fogalmazva, hányszorosára növeli a halandósági kockázatot. Ha az egyik tényező a másik hatását módosítja, azaz interakció lép fel, a tényezők kombinációjára is külön IH-t számítottunk. A modell kialakításához az interakciókat külön teszteltük. A statisztikailag 1%-os szinten szignifikáns (p < 0,01) interakciókat tartalmazó modellt tekintettük véglegesnek. Az IH 0 és 1 közé eső értékei a halandósági kockázat csökkenését, 1-nél nagyobb értékei pedig növekedését jelentik. Az értelmezhetőség megkönnyítése érdekében az eredményeket mindig egy meghatározott referenciacsoporthoz viszonyítva adtuk meg. A számítások során a nem szignifikáns (p > 0,05) IHértékeket 1-nek vettük, azaz a bemutatott eredmények csak a statisztikailag szignifikáns eredményekre épülnek, ezért ezt a továbbiakban külön nem jelöltük. Az elemzésekhez a STATA 9.0 statisztikai programot használtuk. A statisztikai modell kialakításakor a halandóságot az egészségmodell alapján kiválasztott leginkább befolyásoló tényezők – a nem, az életkor, az iskolázottság és a gazdasági aktivitás – között hatásmódosítást, interakciót feltételeztünk, és így kettős (például kor és nem) és hármas (például nem, iskolázottság és gazdasági aktivitás) kombinációkat építettünk be a modellekbe.

3. ábra

Az életkor, a nem és az iskolázottság hatása a halandóságra a háromtényezős interakciós modell alapján (É-N-I)

4. ábra

Az életkor, a nem és a gazdasági aktivitás hatása a halandóságra a háromtényezős interakciós modell alapján (É-N-G)

5. ábra

Az életkor, a nem, az iskolázottság és a gazdasági aktivitás hatása a halandóságra valamennyi hármas interakció figyelembevételével

Eredmények Abból kiindulva, hogy a vizsgált négy egyéni tényező egymástól függetlenül hat az összhalandóságra, azaz egy-egy tényező hatását a másik három tényező nem módosítja, a statisztikai modellek az 1. ábrán látható incidenciahányadosokat eredményezték. Az egyes kategóriákhoz tartozó IH-k azt jelzik, hogy a referenciakategóriához képest kizárólag a vizsgált tényező hányszorosára növelné a halandóságot az adott kategóriában. Az életkor hatása a legjelentősebb: a 65–84 évesek halandósága 45-szörös volt a 18–34 évesekhez viszonyítva. Figyelemre méltó a 45–54 évesek kissé kiemelkedő halandósági kockázata. A nem hatása jóval kisebb, a férfiak halandósága a nőkhöz képest 1,6-szer volt nagyobb. Az iskolázottság halandóságra kifejtett hatása a nemnél jelentősebb: az alapfokú végzettségűek halandósági kockázata háromszorosa volt a felsőfokú végzettségűekre számítottnak. A gazdasági aktivitás hatása az előző két tényezőnél lényegesen magasabbnak adódott: a halandóság kockázatát csaknem nyolcszorosára növelte az inaktivitás. ORVOSI HETILAP

Mivel az életkor hatása volt a legjelentősebb a halandóságra, a továbbiakban azt vizsgáltuk meg, hogy az életkorhatást vajon módosítja-e – és ha igen, hogyan – a modellbe bevont többi tényező. Elsőként a nem módosító hatását tanulmányoztuk. A 2. ábra jól demonstrálja, hogy a nem az életkor hatását módosította, hiszen a fér-

2373

2008 ■ 149. évfolyam, 50. szám


fiak és nők korcsoportos halandósági kockázata eltér egymástól. E szerint igazolható az életkor és a nem közötti interakció (É-N). Ha azzal a feltételezéssel élünk, hogy a nők és a férfiak a többi vizsgált tényezőben, azaz iskolázottságban és gazdasági aktivitásban nem különböznek egymástól, akkor megállapítható, hogy a férfiak halandósági kockázata minden korcsoportban többszöröse a nőkének. Már az 1. ábrán is látható volt a 45–54 éves korcsoport magasabb halandósági kockázata, ami – figyelembe véve az életkor és a nem interakcióját is – főképp a férfiak magasabb kockázatával magyarázható. A modellezés következő lépésében az életkor és a nem mellé az iskolázottságot vontuk be az elemzésbe. Azt vizsgáltuk, hogy ez a három tényező együtt, egymás hatását módosítva hogyan hat a halandóságra (3. ábra). Az életkor előrehaladtával a halandóság itt is meredeken emelkedett, ugyanakkor az alapfokú végzettségűek halandósági kockázata minden életkori kategóriában meghaladta a magasabb iskolázottságúakét. Szembetűnő, hogy az iskolázottság korcsoportos halandóságra kifejtett hatása a férfiaknál és a nőknél igen eltérően alakult, jelezve a három tényező közötti interakció (É-N-I) modellbe építésének indokoltságát2. Visszautalva az előzőekben már említett 45–54 éves férfiak megemelkedett kockázatára, az ábráról megállapítható, hogy e mögött szinte kizárólag az alapfokú végzettségűek kiemelkedően magas kockázata áll. E korcsoportban az alapfokú végzettségű férfiak halandósága alig kisebb a 20 évvel idősebb, ugyanolyan végzettségű nőkénél! Ugyanakkor az is megfigyelhető, hogy ebben a korcsoportban az alapfokú végzettségű nők halandósági kockázata is megemelkedett, több mint kétszerese a közép- és felsőfokú végzettségűekének. A következő lépésében az életkor és a nem mellett – az iskolázottság helyett – a gazdasági aktivitást szerepeltettük a modellben. Most ennek a három tényezőnek a halandóságra kifejtett együttes hatását elemeztük, feltételezve a közöttük fennálló hármas interakciót (É-N-G). A 4. ábrán jelentős különbségek figyelhetők meg gazdasági aktivitás szerint mindkét nem korcsoportos halandóságában. Jól látszik, hogy a nők halandósága a férfia-

1. táblázat

kénál minden kategóriában jóval kedvezőbb, továbbá hogy az aktivitással összevetve az inaktivitás minden korcsoportban többszörösére emeli a halandóság kockázatát. Ez alapján megállapítható, hogy az életkor, a nem és a gazdasági aktivitás között hármas interakció van, a három tényező egymás hatását módosítja, és befolyásolja a halandósági kockázatot. E modell eredményei szerint a 45–54 évesek kiugró halandóságát az inaktivitás emelte meg, ami mindkét nemnél megfigyelhető. Látható volt, hogy az életkorral és a nemmel együtt az iskolázottság és a gazdasági aktivitás is egymás hatását módosítva befolyásolta a halandóságot. Egyidejűleg három tényező hatását vizsgálva igazoltuk, hogy mindegyik tényező módosítja a másik hatását, azaz közöttük hármas interakciók vannak. A következőkben a négy vizsgált tényező egyidejű hatását elemeztük, és olyan statisztikai modellt alakítottunk ki, amelyben a négy tényező közötti valamennyi hármas interakciót szerepeltettük (É-N-G, É-N-I, É-I-G, N-G-I). Az 5. ábrán a halandósági „mintázatok” összevetése alapján könnyen megállapítható, hogy az életkor hatásán túl az iskolázottság és a gazdasági aktivitás is jelentősen befolyásolja a halandóságot, éspedig eltérően a két nem esetében. E bonyolult hatásrendszer bemutatásához induljunk ki az előzőekben már többször említett 45–54 éves korcsoport magas halandósági kockázatából. Az aktív nőknél ebben a korcsoportban, szemben a másik három csoporttal, nem látható magas IH-érték. Ez az életkor, a nem és a gazdasági aktivitás közötti interakciót jelzi (É-N-G). A férfiaknál jól megfigyelhető, hogy ebben a korcsoportban az alapfokú iskolai végzettség jelentősen megemeli a halandóság kockázatát, ami a nőknél nem tapasztalható. Ez az életkor, a nem és az iskolázottság közötti interakciót jelzi (É-N-I). A 45–54 éveseknél az inaktív alapfokú végzettségűek halandósága magasabb az aktívakkal szemben. Ez az életkor, az iskolázottság és a gazdasági aktivitás közötti interakciót jelzi (É-I-G). A férfiaknál az inaktív alapfokú végzettségűek halandósága – függetlenül az életkortól – jól láthatóan magasabb a másik három csoportban számított halandósági kockázatnál. Ez a nem, a gazdasági aktivitás és az iskolázottság

Az életkor, a nem, az iskolázottság és a gazdasági aktivitás halandóságra kifejtett, incidenciahányadossal (IH) megadott hatása valamennyi hármas interakció figyelembevételével. (Az incidenciahányados-értékek megmutatják, hányszorosával változik az adott kategóriában a halandósági kockázat a referenciakategória kockázatához viszonyítva. Referenciakategória: 18–34 éves felsőfokú végzettségű aktív nők.)


2374

ORVOSI HETILAP


6. ábra

Az életkor, a nem, az iskolázottság és a gazdasági aktivitás hatása a keringési betegségek miatti halandóságra – az életkornem-gazdasági aktivitás, nem-iskolázottság, gazdasági aktivitás-iskolázottság interakciós modell alapján (É-N-G, N-I, I-G)

közötti interakciót jelzi (N-G-I). Az elemzés eredményei igazolták, hogy a halandóságot befolyásoló tényezők vizsgálatakor nemcsak egyszerre kell figyelembe venni az életkor, a nem, az iskolázottság és a gazdasági aktivitás hatását, hanem azt is, hogy az egyes tényezők hatását egyidejűleg módosítja a másik három tényező is. A végső modell alapján számított IH-kat az 1. táblázat tartalmazza. Mivel az IH-kat egyetlen közös referenciához adtuk meg, lehetőség van két tetszőleges kategória közötti IH kiszámítására és ezzel halandósági kockázatuk összevetésére. A fentiekben bemutatott bonyolult hatásrendszer attól függően, hogy összhalálozást vagy betegségspecifikus halandóságot vizsgálunk, más és más lehet. A keringési rendszer betegségei és a rosszindulatú daganatos betegségek miatti halandóság elemzésekor a modell kialakítása az előzőekben bemutatottakhoz hasonlóan történt. Feltételeztük, hogy a négy egyéni tényező egymás hatását módosíthatja, ezért a tényezők hármas interakcióit szerepeltettük a kiindulási modellben. A modellépítés egymást követő lépéseiben a nem szignifikáns interakciókat elhagytuk. A keringési rendszer betegségei miatti halandóságra kialakított modellben szignifikáns hármas interakció csupán az életkor, a nem és a gazdasági aktivitás között volt (É-N-G). A végső modellhez tartozó IH-kat bemutató 6. ábrán megfigyelhető, hogy a korcsoportos halandóság kockázata az inaktívak körében meredekebben emelkedik, mint az aktívakéban, ami a két nem esetén az idősebb korcsoportokban jelentősen különbözik, vagyis ez a három tényező interakcióját jelzi. Az iskolázottság és a nem (N-I), illetve az iskolázottság és a gazdasági aktivitás (I-G) között tapasztaltunk még hatásmódosítást, amely jelentősen befolyásolta a keringési rendszer betegségei miatti halandóság kockázatát. A rosszindulatú daganatos betegségek miatti halandóság vizsgálatakor nem találtunk statisztikailag igazolható eltérést a nemek halandósági kockázatában. Az életkor, az iskolázottság és a gazdasági aktivitás együttes módoORVOSI HETILAP

7. ábra

Az életkor, a nem, az iskolázottság és a gazdasági aktivitás hatása a rosszindulatú daganatos betegségek miatti halandóságra – az életkor-iskolázottság-gazdasági aktivitás, nem-iskolázottság, nem-gazdasági aktivitás interakciós modell alapján (É-I-G, N-I, N-G)

sító hatását (É-I-G) azonban jól szemlélteti a 7. ábra. A keringési betegségeknél kapott eredményekkel ellentétben itt nem az aluliskolázottság jelenti a legmagasabb halandósági kockázatot. Az inaktív középkorúaknál – mindkét nem esetében – a magasabb iskolai végzettség nagyobb kockázattal jár. Ez az életkor, az iskolázottság és a gazdasági aktivitás közötti interakcióra utal.

Megbeszélés Az egészségi állapot, az egészségegyenlőtlenségek jellemzésére számos kutatás és szervezet (EUROSTAT, WHO, OECD) ajánlja és alkalmazza a halandóságot mint indikátort [8, 9]. A hazai egészséghatás-elemzést támogató kutatásunk ezért választotta egyik egészségmutatóként a halandóságot. Az itt ismertetett eredmények – összhangban a korábbi szakirodalmi áttekintésünkben bemutatott külföldi kutatásokkal [6], valamint az azóta megjelent idevágó közleményekkel [10, 11, 12, 13, 14, 15] – igazolták, hogy a halandóságot a különböző egyéni tényezők egyidejűleg, egymás hatását módosítva befolyásolják. Elemzéseink alapján megállapítható, hogy a nők és a férfiak esetében eltérően emelkedett az összhalandóság kockázata az életkor előrehaladtával, vagyis a kor hatását a nem módosította. Ugyanakkor ez az emelkedés a különböző iskolai végzettségű nők, illetve férfiak körében más és más volt, azaz az iskolázottság módosította az előzők hatását. Ugyanezt igazoltuk a gazdasági aktivitásra vonatkozóan is. Tehát ez a négy tényező nemcsak egyidejűleg hatott a halandósági kockázatra, hanem eközben egymás hatását is módosították, interakcióban álltak. Mindezeken túl a keringési rendszer és a daganatos betegségek miatti halandóság esetében a vizsgált tényezőknek az összhalálozástól eltérő hatásait és interakcióit mutattuk ki, ennek hátterében a különböző etiológia állhat. Csak a kutatás során alkalmazott többváltozós sta-

2375



tisztikai eljárások biztosítják a halandóság és az azt befolyásoló tényezők közötti összetett hatásrendszer érvényes következtetésekre vezető vizsgálatát. A statisztikai modellezés segítségével feltárt hatásrendszer részletezettségét jelentősen növelné további egyéni egészségmeghatározó tényezők – mint például családi állapot, foglalkozás – bevonása. Hasonlóan javítaná az elemzések hatékonyságát, ha a kistérségekre aggregált halandósági adatok helyett egyéni halálozási adatok is felhasználhatók lennének. Az ezekhez való hozzáférést azonban a jelenlegi jogszabályi környezet nem támogatja. Az ebben a cikkben tárgyalt statisztikai modellek kiindulópontként szolgálhatnak a hazai egészség-hatáselemzést támogató kutatásoknak, amelyek az e modellekben elemzett egyéni tényezők mellé térségi társadalmi-gazdasági tényezőket is bevonhatnak a vizsgálatokba.

Irodalom [1] Human development report 1990: Concept and measurement of human development. UNDP, 1990. [2] Suhrcke, M., McKee, C. M., Arce, R. S. és mtsai: The contribution of health to the economy in the European Union. European Communities, 2005. [3] Abrahams, D. és mtsai: EPHIA European Policy Health Impact Assess, Health and Consumer Protection DG, 2004. [4] Az Európai Parlament és a Tanács 1350/2007/Ek határozata (2007. október 23.) az egészségügyre vonatkozó második közösségi cselekvési program (2008–2013) létrehozásáról. [5] Health21: the health for all policy framework for the WHO European Region, European Health for All Series; No. 6, WHO, 1999. [6] Bakacs M., Vitrai J.: Hogyan befolyásolják a térségi társadalmigazdasági különbségek a halandóságot? Irodalmi áttekintés. Orv. Hetil., 2008, ??, 1317–1321. [7] Vitrai J., Mihalicza P.: Egészségi állapot. In: Társadalmi riport, 2006. Szerk.: Kolosi T., Tóth I. Gy., Vukovich Gy. TÁRKI, Budapest, 2006, 138–150. [8] Kunst, A. E.: Development of health inequalities indicators for the Eurothine project. Erasmus MC Rotterdam, 2008; http:// ec.euro pa.eu/health/ph_projects/2003/action1/docs/ 2003_1_16_rep3_en.pdf


[9] Joumard, I., André, C., Nicq, C. és mtsai: Health status determinants: lifestyle, environment, health care resources and efficiency. OECD, 2008; http://www.olis.oecd.org/olis/ 2008doc.nsf/LinkTo/NT0000363E/$FILE/JT03249407. PDF [10] Ocana-Riola, R., Saurina, C., Fernandez-Ajuria, A. és mtsai: Area deprivation and mortality in the provincial capital cities of Andalusia and Catalonia (Spain). J. Epidemiol. Commun. Health, 2008, 62, 147–152. [11] Subcommittee on Population Health of the Standing Senate Committee on Social Affairs Science and Technology. Population health policy: issues and options. Senate Subcommittee on Population Health, Canada, 2008. [12] Gee, G. C.: A multilevel analysis of the relationship between institutional and individual racial discrimination and health status. Am. J. Public Health, 2008, 98, S48–S56. [13] Wilkinson, R. G., Pickett, K. E.: Income inequality and socioeconomic gradients in mortality. Am. J. Public Health, 2008, 98, 699–704. [14] Menvielle, G., Kunst, A. E., Stirbu, I. és mtsai: Educational differences in cancer mortality among women and men: a gender pattern that differs across Europe. Br. J. Cancer, 2008, 98, 1012–1020. [15] Turrell, G., Kavanagh, A., Draper G. és mtsa: Do places affect the probability of death in Australia? A multilevel study of area-level disadvantage, individual-level socioeconomic position and allcause mortality, 1998–2000. J. Epidemiol. Commun. Health, 2007, 61, 13–19.

Jegyzetek 1. Ez a közlemény közvetlenül kapcsolódik a TÁRKI Társadalomkutatási Zrt.-ben folyó, „Kvantitatív egészségügyi hatáselemzéseket támogató statisztikai modell kifejlesztése” (HIDEMO Projekt) című, a Jedlik Ányos Program által támogatott kutatáshoz. 2. A hármas interakció szerepeltetése a modellben azt jelenti, hogy egyúttal a három tényező közötti valamennyi kettős interakciót és a tényezők önálló hatását is figyelembe vesszük a halandóság kiszámításakor. Ebben a modellben az É-N-I mellett tehát az É-N, É-I, N-I, É, N, I hatásai játszanak szerepet a halandóság becslésében.

2376

(Bakacs Márta, Budapest, Gyáli út 2–6., 1097 e-mail: bakacsm@fibermail.hu)

ORVOSI HETILAP

A halandóságot befolyásoló egyéni biológiai és társadalmi-gazdasági tényezők hatásrendszerének vizsgálata

Recommend Documents