Appendix 14. Blootstelling - analyse van covariabelen.doc
Biomerkers van blootstelling Analyse van covariabelen De analyse van covariabelen heeft 2 doelstellingen: 1. Significante covariabelen selecteren om na te gaan welke factoren bijdragen tot de variabiliteit van de blootstellingsmerker. In het analyseplan zijn voor iedere blootstellingsmerker alle mogelijke covariabelen aangeduid. Deze worden eerst getest in een univariate analyse (met blootstellingsmerker als afhankelijke variabele en covariabele als onafhankelijke variabele). Indien het significantie-niveau kleiner is dan 0.10 wordt de covariabele weerhouden. Alle weerhouden covariabelen worden samen getest in een stepwise multipele regressieanalyse waarbij het significantieniveau voor behoud in het model staat op 0.05. De confounders (leeftijd moeder, ooit gerookt en roken tijdens de zwangerschap) worden in het model geforceerd, onafhankelijk van hun significantie-niveau. Vervolgens worden vanuit een multiple regressie-model de R-kwadraten berekend voor voor iedere confounder, voor iedere geselecteerde covariabelen en voor gebied. Eerst wordt het model met enkel de leeftijd van de moeder (= 1e confounder) gefit. Op basis van dit model wordt de R kwadraat waarde voor de leeftijd van de moeder berekend. Vervolgens wordt het rookgedrag (eerst ‘ooit gerookt’, daarna ‘roken tijdens de zwangerschap’) in het model geïntroduceerd. De R kwadraat voor rookgedrag moet dus als volgt geïnterpreteerd worden: hoeveel % van de variabiliteit verklaart het rookgedrag van de moeder na rekening gehouden te hebben met de leeftijd van de moeder. Dan worden één voor één de geïdentificeerde covariabelen in het model opgenomen. Ook deze R kwadraat waarden zijn conditioneel: ze geven het percentage van de variabiliteit weer dat bijkomend verklaard wordt na correctie voor alle andere variabelen die reeds in het model aanwezig waren. Tenslotte wordt gebied toevoegd. De R kwadraat waarde voor gebied geeft dus weer hoeveel gebied extra verklaart na rekening gehouden te hebben met de confounders en de covariabelen.
2. Gebiedsvergelijking na correctie voor confounders en covariabelen. In appendix C worden de blootstellingsmerkers vergeleken tussen de 8 gebieden, na correctie voor vaste confounders, namelijk leeftijd en rookgedrag. De gebiedsvergelijking wordt nu nogmaals herhaald, maar met correctie voor de vaste confounders, samen met de covariabelen die geselecteerd werden in de stepwise regressie-analyse. In de tabellen wordt een overzicht gegeven van 3 analyses: 1. gebiedsvergelijking van ruwe gegevens; 2. gebiedsvergelijking van gegevens na correctie voor vaste confounders; 3. gebiedsvergelijking van gegevens na correctie voor vaste confounders en significante covariabelen.
1
Appendix 14. Blootstelling - analyse van covariabelen.doc
Dioxine-achtige stoffen (Calux) – uitgedrukt per gram vet – ln transformatie
1. Selectie van covariabelen R-square VASTE CONFOUNDERS
leeftijd roken ooit roken zwangerschap COVARIABELEN dierlijk vet GEBIED gebied (a) niet-rokers = rokers > zware rokers (niet significant)
0,0016 0,0023 0,0008 0,0057 0,0618
Richting van associatie Niet lineair Niet lineair (a) Negatief Positief
2. Gebiedsvergelijking met confounders en covariabelen RUW
CONFOUNDERS
Variabelen in model
Gebied
Gebied Leeftijd moeder Pakjaren Roken in zwangerschap
P-waarde voor gebied
<0.001
<0.001
CONFOUNDERS + COVARIABELEN Gebied Leeftijd moeder Pakjaren Roken in zwangerschap Dierlijk vet <0.001
2
Appendix 14. Blootstelling - analyse van covariabelen.doc
SOM VAN PCBs (congeneren 138+153+180) – uitgedrukt per gram vet – ln transformatie 1. Selectie van covariabelen R-square VASTE CONFOUNDERS
COVARIABELEN
GEBIED
leeftijd roken ooit roken zwangerschap BMI kip vette vis lokale zuivel gebied
0,1690 0,0007 0,0028 0,0202 0,0080 0,0043 0,0057 0,1071
Richting van associatie Positief Positief Negatief Negatief Positief Positief Positief
2. Gebiedsvergelijking met confounders en covariabelen RUW
CONFOUNDERS
Variabelen in model
Gebied
Gebied Leeftijd moeder Pakjaren Roken in zwangerschap
P-waarde voor gebied
<0.001
<0.001
CONFOUNDERS + COVARIABELEN Gebied Leeftijd moeder Pakjaren Roken in zwangerschap BMI Kip (g vet) Lokale zuivel Vette vis (g vet) <0.001
3
Appendix 14. Blootstelling - analyse van covariabelen.doc
DDE – uitgedrukt per gram vet – ln transformatie 1. Selectie van covariabelen R-square VASTE CONFOUNDERS
COVARIABELEN
GEBIED
leeftijd roken ooit roken zwangerschap seizoen paling lokale zuivel lokale groente pesticiden beroep laboratoriumwerk pesticiden thuis gebied
0,0510 0,0005 0,0008 0,0188 0,0051 0,0043 0,0243 0,0078 0,0048 0,0056 0,0806
Richting van associatie Positief Niet lineair (a) Negatief Niet lineair (b) Positief Positief Positief Positief Negatief Positief
(a) niet-rokers = rokers < zware rokers (niet significant) (b) hoger in herfst en winter
2. Gebiedsvergelijking met confounders en covariabelen RUW
CONFOUNDERS
Variabelen in model
Gebied
Gebied Leeftijd moeder Pakjaren Roken in zwangerschap
P-waarde voor gebied
<0.001
<0.001
CONFOUNDERS + COVARIABELEN Gebied Leeftijd moeder Pakjaren Roken in zwangerschap Lokale groenten Seizoen Pesticiden op het werk (duur) Gebruik van pesticiden in tuin Paling (g vet) Werken in laboratorium Lokale zuivel <0.001
4
Appendix 14. Blootstelling - analyse van covariabelen.doc
Hexachloorbenzeen (HCB) – uitgedrukt per gram vet – ln transformatie 1. Selectie van covariabelen R-square VASTE CONFOUNDERS
COVARIABELEN
GEBIED
leeftijd roken ooit roken zwangerschap inkomen seizoen lokale groente gebied
0,0280 0,0009 0,0013 0,0093 0,0250 0,0134 0,1358
Richting van associatie Positief Niet lineair (a) Negatief Negatief Niet lineair (b) Positief
(a) lager in niet-rokers en in zware rokers (niet significant) (b) hoger in winter
2. Gebiedsvergelijking met confounders en covariabelen RUW
CONFOUNDERS
Variabelen in model
Gebied
Gebied Leeftijd moeder Pakjaren Roken in zwangerschap
P-waarde voor gebied
<0.001
<0.001
CONFOUNDERS + COVARIABELEN Gebied Leeftijd moeder Pakjaren Roken in zwangerschap Winter Lokale groenten Inkomen <0.001
5
Appendix 14. Blootstelling - analyse van covariabelen.doc
Cadmium (Cd) – ln transformatie 1. Selectie van covariabelen R-qsuare VASTE CONFOUNDERS
leeftijd roken
0.0008 0.0003
COVARIABELEN
seizoen Fruit niet-geschild gebied
0,0256 0,0054 0,0175
GEBIED
Richting van associatie Niet lineair Niet lineair Niet lineair (a) Negatief
(a) hoger in zomer
2. Gebiedsvergelijking met confounders en covariabelen RUW
CONFOUNDERS
Variabelen in model
Gebied
Gebied Leeftijd moeder Pakjaren Roken in zwangerschap
P-waarde voor gebied
0.005
0.0135
CONFOUNDERS + COVARIABELEN Gebied Leeftijd moeder Pakjaren Roken in zwangerschap Fruit niet-geschild Seizoen 0.0088
6
Appendix 14. Blootstelling - analyse van covariabelen.doc
Lood (Pb) – ln transformatie 1. Selectie van covariabelen R-square VASTE CONFOUNDERS
COVARIABELEN GEBIED
leeftijd roken ooit roken zwangerschap verf via hobby gebied
0,0124 0,0008 0,0006 0,0152 0,0083
Richting van associatie Positief Niet lineair (a) Positief Positief
(a) lager in niet-rokers en in zware rokers (niet significant)
2. Gebiedsvergelijking met confounders en covariabelen RUW
CONFOUNDERS
Variabelen in model
Gebied
Gebied Leeftijd moeder Pakjaren Roken in zwangerschap
P-waarde voor gebied
<0.001
<0.001
CONFOUNDERS + COVARIABELEN Gebied Leeftijd moeder Pakjaren Roken in zwangerschap Verf in hobby <0.001
7