Appendix 7. Statistisch analyseplan.doc
Vlaams Humaan Biomonitoringsprogramma Milieu & Gezondheid (2002-2006) – Monitoring voor actie
Statistisch Analyse Plan: deelstudie pasgeborenen Het Vlaams Humaan Biomonitoringsprogramma wordt uitgevoerd in opdracht van de Vlaamse Overheid door het Steunpunt Milieu en Gezondheid Juni 2005
Appendix 7. Statistisch analyseplan.doc
1
Doelstelling ......................................................................................................................... 4
2
Referentiewaarden .............................................................................................................. 4
3
Statistische technieken......................................................................................................... 5 3.1
Exploratieve en voorbereidende verwerkingen................................................................ 5
3.1.1
Beschrijving van de populaties in de verschillende onderzoeksgebieden ........................ 5
3.1.2
Beschrijvende statistiek voor de merkers.................................................................... 5
3.1.3
Totalen ................................................................................................................... 5
3.1.4
Interpretatie van ruwe gegevens............................................................................... 6
3.1.5
Datareductie............................................................................................................ 6
3.1.6
Datamining ............................................................................................................. 7
3.2 3.2.1 3.3
Inferentiële Statistiek ................................................................................................... 7 (Niet-gecorrigeerde) gebiedsvergelijkingen (onderzoekshypothesen 1 en 2).................. 7 Regressie .................................................................................................................... 8
3.3.1
Eenvoudige Regressie .............................................................................................. 8
3.3.2
Meervoudig Regressie ............................................................................................ 10
3.4
Gebiedsverschillen voor de continue merkers ............................................................... 11
3.4.1
Response .............................................................................................................. 11
3.4.2
Gecorrigeerde gemiddelden .................................................................................... 11
3.4.3
Gebiedsverschillen ................................................................................................. 13
3.4.4
Verschillen tussen de gebieden ............................................................................... 13
3.5
Gebiedsverschillen voor de binaire merkers .................................................................. 13
3.5.1
Gecorrigeerde proporties ........................................................................................ 13
3.5.2
Gebiedsverschillen ................................................................................................. 14
3.5.3
Verschillen tussen de gebieden ............................................................................... 14
3.6
Andere verklarende parameters .................................................................................. 15
3.6.1
Confounding.......................................................................................................... 15
3.6.2
Andere covariaten.................................................................................................. 15
3.7
Modelbouw ............................................................................................................... 16
3.7.1
Selectie van een goed model. ................................................................................. 16
3.7.2
Multicollineariteit.................................................................................................... 16
3.7.3
Modelvalidatie ....................................................................................................... 16
3.8
Meervoudig toetsen ................................................................................................... 16
3.9
Model met meerdere blootstellingsmerkers .................................................................. 16
4
Dosis-effect relaties ........................................................................................................... 17
5
Bijkomende verwerkingen .................................................................................................. 17
6
5.1
Het industriegebied.................................................................................................... 17
5.2
Verbrandingsovens .................................................................................................... 18
5.3
Percentiel 90 ............................................................................................................. 18
Indicatoren ....................................................................................................................... 19
Appendix 7. Statistisch analyseplan.doc
7
6.1
Blootstellingsmerkers ................................................................................................. 19
6.2
Effectmerkers pasgeborenen....................................................................................... 19
6.3
Effectmerkers moeder ................................................................................................ 20
Covariaten en confounders ................................................................................................. 22 7.1
Confounders.............................................................................................................. 22
7.2
Covariaten ................................................................................................................ 23
7.3
Samengestelde covariaten .......................................................................................... 23
7.4
Covariaten voor de blootstellingsmerkers ..................................................................... 31
7.5
Covariaten voor de effectmerkers................................................................................ 33
Effectmerkers luchtwegklachten & allergie bij moeder .................................................................. 33 Effectmerkers fertiliteit moeder................................................................................................... 35 Effectmerkers kind..................................................................................................................... 37 8
Blootstellings-effect relaties ................................................................................................ 39 Motivatie voor de te onderzoeken effectmerkers en blootstellingsmerkers (relaties merkers van blootstelling en effect) ........................................................................................................... 40 Dioxineachtige stoffen........................................................................................................ 42 PCBs ................................................................................................................................ 45 Gechloreerde pesticiden ..................................................................................................... 47 Lood................................................................................................................................. 49 Cadmium .......................................................................................................................... 52
9
Voorstelling van de resultaten............................................................................................. 54
3
Appendix 7. Statistisch analyseplan.doc
Het analyseplan specificeert de voornaamste onderzoeksvragen en bevat een verantwoording voor de gekozen statistische methodologie. Eerst geven we een overzicht van de verschillende statistische technieken die gebruikt zullen worden. Vervolgens beschrijven we de gekozen indicatoren voor de blootstellings- en effectmerkers en de covariaten.
1
DOELSTELLING
De labodata en de vragenlijsten zullen geïntegreerd verwerkt worden met als doeleinde de volgende a-priori opgestelde onderzoekshypothesen te bestuderen: 1. Gebiedsvergelijking van de blootstellingmerkers in Vlaanderen: dioxineachtige stoffen, PCBs, gechloreerde pesticiden, lood en cadmium. 2. Gebiedsvergelijking van de effectmerkers in Vlaanderen: astma, allergie, infecties en fertiliteit als effectmerkers voor de moeder en APGAR score, biometrie en schildklierfunctie als effectmerkers voor de pasgeborene. 3. Verband blootstelling- en effectmerkers bij de moeders en de pasgeborenen (‘dosis-effect relatie’).
2
REFERENTIEWAARDEN
De gemiddelde waarden van de blootstellingmerkers van de 8 gebieden worden niet enkel met elkaar vergeleken maar ook met een vergelijkingswaarde. Als vergelijkings- of referentiewaarde werd een waarde berekend die een beeld geeft van de gemiddelde blootstelling van de 8 onderzoeksgebieden in de studie opgenomen. De waarde is representatief voor de noemer van de 8 gebieden doordat het een gewogen gemiddelde van de 8 gebieden is; waarbij het gewicht van elk gebied in de berekening van dit gemiddelde evenredig is met de grootte van het gebied uitgedrukt in bevolkingsaantallen.
Dit gemiddelde is dus geen maat voor de gemiddelde blootstelling van een
inwoner in Vlaanderen daar de 8 onderzoeksgebieden slechts 20% van Vlaanderen bedekken. Verder is het maar een vergelijkingswaarde. Het is niet zo dat waarden boven deze referentiewaarde duiden op een vervuild gebied; en omgekeerd kunnen waarden onder deze referentiewaarden nog steeds relatief hoog zijn.
4
Appendix 7. Statistisch analyseplan.doc
STATISTISCHE TECHNIEKEN
3
De statistische verwerkingen kunnen in twee groepen ondergebracht worden. I.
Exploratieve en voorbereidende verwerkingen
II.
Hypothese toetsen
EXPLORATIEVE EN VOORBEREIDENDE VERWERKINGEN
3.1 3.1.1
Beschrijving van de populaties in de verschillende onderzoeksgebieden
De onderzoekspopulaties van de verschillende gebieden worden beschreven naar o.a. leeftijd van de moeder,
geslacht
van
het
kind,
rookgedrag
van
de
moeder,
socio-economische
status,
voedingsgewoonten en verkeersblootstelling van de moeder. Het is belangrijk om een zicht te hebben op eventuele verschillen in de onderzoekspopulaties daar deze aan de basis kunnen liggen van verschillen waargenomen in effectmerkers en blootstellingmerkers.
3.1.2
Beschrijvende statistiek voor de merkers
Samenvattende statistieken en grafische presentaties zullen gebruikt worden om de blootstelling- en effectmerkers te beschrijven. De gekozen statistiek en figuur wordt bepaald door het type merker: continue, ordinaal of binair. Categorische merker Samenvattende statistiek
Proportie, tabel
Continue merker Gemiddelde, standaard deviatie, mediaan, interkwartiel range
Figuur
3.1.3
Staafdiagram, taartdiagram
Boxplot,
Totalen
De samenvattende ruwe statistieken worden gepresenteerd voor elk van de onderzoeksgebieden afzonderlijk. Verder worden er nog 3 totalen berekend: ¾
Een (ongewogen) studiegemiddelde: het ongewogen gemiddelde van alle beschikbare metingen. Het belang van elk gebied in dit gemiddelde is evenredig met het aantal stalen van het gebied in de studie. Dus de gebieden waar er veel metingen plaats vonden bepalen dit gemiddelde sterker dan de gebieden waar er relatief weinig metingen waren. 5
Appendix 7. Statistisch analyseplan.doc
¾
Een gewogen totaal gemiddelde, waarbij het gewicht van elk gebied in de berekening van dit totaal gemiddelde evenredig is met het aantal inwoners in het gebied (op populatieniveau). Daar het belang van elk gebied evenredig is met de grootte van het gebied (volgens bevolkingsaantal) is dit gemiddelde een maat voor de blootstelling waar een inwoner van de 8 onderzoeksgebieden gemiddeld aan blootgesteld is. Merken we nogmaals op dat er niet in heel Vlaanderen bloedstalen werden afgenomen. Het gemiddelde is dus niet de gemiddelde blootstelling voor een Vlaming.
Dit gemiddelde is
de referentiewaarde zoals die in Sectie 2 werd geïntroduceerd.
Een gewogen totaal gemiddelde, waarbij elk gebied even belangrijk is. Gebieden met
¾
minder stalen krijgen dus een gewicht groter dan 1; en gebieden met meer stalen krijgen een gewicht kleiner dan 1.
3.1.4
Interpretatie van ruwe gegevens
De interpretatie van deze ruwe gegevens moet voorzichtig gebeuren en steeds goed gekaderd worden; vandaar dat de ruwe gegevens steeds naast de ‘gecorrigeerde’ data geplaatst zullen worden. Statistisch significante verschillen tussen de gebieden kunnen immers mogelijks verklaard worden door verschillen in de samenstelling van de populatie van de onderzoeksgebieden (bijv. verschillen in leeftijdsverdeling,…). Een vlot haalbare vorm van correctie is stratificatie. Per onderzoeksgebied worden de gegevens dan apart voorgesteld voor verschillende strata bijvoorbeeld de leeftijd van de moeder in klassen van 5 jaar. Maar een grondiger correctie voor verscheidene parameters gelijktijdig, (o.a. leeftijd en roken) kan uitgevoerd worden via een regressie analyse (Sectie 3.3). Laatst vernoemde techniek werd in deze studie toegepast.
3.1.5
Datareductie
Bij een datareductieprobleem wordt o.a. de vraag gesteld of variabelen die onderling correleren kunnen worden gesynthetiseerd door een beperkt aantal variabelen. Principale componentenanalyse (PCA) is één van de klassieke multivariate technieken die hiervoor aangewend wordt. Deze techniek zal toegepast worden op de set van onafhankelijke variabelen en confounders. Door middel van de PCA kan de dimensionaliteit van deze set van variabelen verkleind worden. De luiken met betrekking tot verkeer, arbeid en hobby’s uit de algemene vragenlijst zullen aan een PCA onderworpen worden. Indien uit deze verwerkingen blijkt dat de PCA componenten een substantieel deel van de variabiliteit in de oorspronkelijke parameters verklaren en een logische interpretatie hebben, zullen ze in de verdere analyses meegenomen worden. Anders worden de oorspronkelijke vragen behouden.
6
Appendix 7. Statistisch analyseplan.doc
3.1.6
Datamining
Datamining kan gedefinieerd worden als het proces van het zoeken naar impliciete, voorheen onbekende en potentieel bruikbare informatie uit zeer grote databases door gebruik te maken van efficiënte 'kennis-zoeksystemen'. Specifiek zullen classificatie- en regressiebomen aangewend worden om relaties, structuren en interacties te ontdekken. Daar dit een niet-parametrische techniek is moeten er geen assumpties over de response variabele gemaakt worden. Ook de vorm van de relatie (lineair, kwadratisch,...) moet niet gespecificeerd worden. Bovendien wordt er op een elegante manier om gegaan met ontbrekende gegevens. Voor elke merker zal een boom ontwikkeld worden.
INFERENTIËLE STATISTIEK
3.2
Bij
de
keuze
van
de
aangewezen
statistische
techniek
om
de
eerder
geformuleerde
onderzoekshypothesen te onderzoeken, dient er rekening gehouden te worden met het opzet van de studie, type gegevens en de doeleinde van de verwerkingen. We bespreken hier de consequenties van het type gegevens en het doeleinde van de verwerking.
3.2.1 -
(Niet-gecorrigeerde) gebiedsvergelijkingen (onderzoekshypothesen 1 en 2)
Vergelijken van de onderzoeksgebieden voor continue gegevens: o
Indien de gegevens binnen elk onderzoeksgebied (bij benadering) normaal verdeeld zijn (boxplots, histogram, Shapiro Wilk test,…) en indien de varianties voor elke onderzoeksgebied gelijk zijn (Levene-test) kunnen parametrische methoden toegepast worden: variantie analyse (ANOVA).
o
Indien de ruwe gegevens niet aan deze voorwaarden voldoen kan men gebruik maken van een transformatie. Er zal geopteerd worden voor een natuurlijke logaritmische transformatie daar deze ook vaak in de literatuur gebruikt wordt voor dit type blootstellingmerkers.
o
Anders moet een niet-parametrische methode uitgevoerd worden: Kruskall-Wallis
test.
-
Vergelijken van de onderzoeksgebieden voor ordinale/binaire gegevens: o
Voor het vergelijken van proporties tussen de onderzoeksgebieden zal de Chikwadraat toets gebruikt worden.
o
Indien meer dan 80% van de cellen in de kruistabel een verwachte celfrequentie van minder dan 5 heeft, zal Fisher’s Exact test gebruikt worden. Omwille van de grote steekproeven is dit praktisch niet haalbaar zijn.
7
Appendix 7. Statistisch analyseplan.doc
De interpretatie van deze resultaten moet voorzichtig gebeuren. Statistisch significante verschillen tussen de gebieden kunnen mogelijks verklaard worden door verschillen in de samenstelling van de populatie van de onderzoeksgebieden (bijv. verschillen in leeftijdsverdeling). Tal van factoren waaronder leeftijd, geslacht, levensstijlfactoren, beroep, sociaal-economische status,... kunnen een invloed hebben op de gezondheid en op de biomerkers. Deze factoren kunnen verschillen tussen de onderzochte gebieden. Wanneer deze risicofactoren de bestudeerde relatie vertekenen, worden ze ‘verstorende’ variabelen genoemd (zie Sectie 3.6.1) Bij vergelijking van de merkers tussen de gebieden evenals bij de blootsteling-effectrelaties moet rekening gehouden worden met deze confounding factoren. Meervoudige regressie technieken zullen aangewend worden om dit te onderzoeken (zie Sectie 3.3).
REGRESSIE
3.3
Meervoudige regressie technieken zullen gebruikt worden om de afhankelijkheid van de uitkomstparameter met twee of meer variabelen gelijktijdig te onderzoeken. Deze technieken kunnen dus toegepast worden om: 1. de relatie tussen enerzijds een effectmerker (of blootstellingsmerker) en anderzijds het onderzoeksgebied
en
andere
verklarende
parameters
te
onderzoeken
(onderzoekshypothese 1 en 2). 2. de relatie tussen enerzijds een blootstellingsmerker en anderzijds een effectmerker te onderzoeken (onderzoekshypothese 3).
3.3.1
Eenvoudige Regressie
In een eerste fase van de verwerkingen worden regressiemodellen met slechts één parameter als verklarende parameter gefit (enkelvoudige regressies), namelijk het gebied. Voor het opstellen van de relatie voor een continue merker (blootstelling- of effectmerker) maken we gebruik van lineaire
regressie modellen. Indien de gegevens (bij benadering) niet normaal verdeeld zijn zal gebruik gemaakt worden van een natuurlijke log-transformatie. Indien de merker een binaire merker is, worden logistische regressie modellen gebruikt.
a) Lineaire regressie Regressie-analyse is een techniek die gebruikt wordt om het verband te bestuderen tussen een respons stochastische veranderlijke Y en een regressor veranderlijke (onafhankelijke veranderlijke) x. Het verband dat bestudeerd wordt is een functioneel verband. Dit wil zeggen dat het verband
8
Appendix 7. Statistisch analyseplan.doc
vastgelegd wordt door een wiskundige functie f(x). Deze functie beschrijft hoe de gemiddelde response varieert met x: E(Yx) = f(x) De meest eenvoudig situatie is deze waarbij f een lineaire functie is: f(x)= α+β x. Dus E(Yx) = α+β x We spreken van enkelvoudige regressie omdat we slechts één regressor variabele meenemen. De waarden van α en β worden geschat door middel van het criterium der kleinste kwadraten. Deze methode berust er op dat men hiermee de meest nauwkeurige te verwachte verandering van de respons-variabele Y kan schatten, bij een zekere constante waarde van de onafhankelijke x-variabele. Indien we veronderstellen dat de Ei~N(0,σ2), met andere woorden dat de storingstermen normaal verdeeld zijn met gemiddelde 0 en met dezelfde variantie, dan kunnen betrouwbaarheidsintervallen voor β opgesteld worden; en kunnen hypothesen getoetst worden. -
Is β = 0 dan is sprake van een monotone horizontale lijn, evenwijdig met de X-as. Er is dus
geen verband tussen X en Y. -
Is β < 0 dan is sprake van een omgekeerd evenredig (dalend) X,Y verband.
-
Is β > 0 dan is sprake van een evenredig (stijgend) X,Y verband.
b) Logistische regressie Indien de response binair is werkt men met kansverhoudingen, die meestal met het Engelse woord odds wordt aangeduid. De odds is de verhouding tussen de fracties bij twee mogelijke uitkomsten. Als
p de kans op de eerste uitkomst is, dan is 1− p de kans op de tweede uitkomst en is de ODDS = p/(1− p) Bij logistische regressie zijn we geïnteresseerd in het modelleren van de kans p in termen van de verklarende variabele x. We zouden dit kunnen proberen met de relatie p = α + βx. Helaas is dit geen goed model. Zolang β ≠ 0 geven zeer hoge of lage waarden van x voor α + βx een waarde die niet in overeenstemming is met het gegeven dat 0 ≤ p ≤ 1. De bij logistische regressie gekozen oplossing voor dit probleem is het transformeren van de kansverhouding p/(1 − p) met behulp van de natuurlijke logaritme. We gebruiken voor deze transformatie de term logaritmische kansverhouding of log odds. Deze modelleren we als een lineaire functie van de verklarende variabele: Log[p/(1 − p)] = α + βx De helling in dit logistische regressiemodel is het verschil tussen de log(ODDS) voor een eenheid toename in x (dus bijvoorbeeld het verschil tussen de log(ODDS) van x en x+1). De interpretatie van de resultaten in termen van de helling van de regressielijn is moeilijk. Gewoonlijk wordt een transformatie toegepast die de situatie verduidelijkt. Met enige algebra kan worden aangetoond dat
9
Appendix 7. Statistisch analyseplan.doc
ODDSx+1 / ODDSx = eβ. De transformatie eβ maakt de logaritme ongedaan en transformeert de helling van de regressielijn tot een odds-ratio. Dit betekent dat de kansverhouding voor x+1 kan worden berekend door de kansverhouding voor x met de odds-ratio te vermenigvuldigen. Merk op dat het type regressie model bepaald wordt de response parameter en niet de verklarende parameter. Bij het bestuderen van de relatie tussen de blootstelling- en effectmerkers kan een merker in het ene model de rol van een response parameter hebben terwijl in een ander model dezelfde merker als covariaat wordt opgenomen.
De interpretatie van deze eenvoudige regressie modelen moet uiterst voorzichtig gebeuren. Verscheidene onafhankelijke variabelen kunnen immers gelijktijdig een invloed uitoefenen op de merker. Statistisch significante relaties tussen bijvoorbeeld een blootstellingmerker en een gebied 1 kunnen mogelijk verklaard worden door verschillen in de samenstelling van de populatie verschillen in leeftijdsverdeling,…).
(bijv.
Meervoudige regressie technieken zullen aangewend worden om
dit te onderzoeken.
3.3.2
Meervoudig Regressie
Bij meervoudige (multipele) regressie komt er méér dan een onafhankelijke variabele in het model voor. Met meervoudige regressie heeft men dus de mogelijkheid om het effect van één onafhankelijke variabele op een afhankelijke variabele Y te bestuderen, terwijl men de overige variabelen gefixeerd (constant) houdt. De algemene vergelijking voor de meervoudige regressie luidt: E(Yx) = α+β1 x1 + β2 x2 +β3 x3 voor lineaire regressie log(p/(1 − p) =α+β1 x1 + β2 x2 +β3 x3 voor logistische regressie β1 geeft het effect van X1 op Y (op p indien logistische regressie), na correctie voor X2 en X3.
Uiteraard is het niet mogelijk om de relatie tussen de merkers en alle opgemeten/bevraagde parameters te bestuderen. Voorafgaand aan de verwerkingen dient men voor elke merker te specificeren welke onafhankelijke variabelen nog in het model worden opgenomen. Deze keuze is gebaseerd op literatuuronderzoek en discussies tijdens de veldwerkcommitévergaderingen. We verwijzen naar Secties 7, 0 en 0 voor een overzicht.
1
De theoretische uitleg is in termen van een continue verklarende parameter, maar dit model kan eenvoudig toegepast worden
voor een nominale parameters zoals gebied; door middel van het gebruik van dummy variabelen.
10
Appendix 7. Statistisch analyseplan.doc
Bovenstaande modellen kunnen gebruikt worden om gemiddelden en kansen te voorspellen. Op basis van de verzamelde data schat men de parameters in het model (α, β1, β2, β3,…). Vervolgens kan men door middel van deze parameter-schatters een voorspelling doen voor de gemiddelde waarden van Y (of de kans p) voor specifieke waarden van
x1 , x2 en x3. Indien bijvoorbeeld x1 de leeftijd van de
moeder is, x2 het aantal sigaretten gemiddeld dagelijks gerookt voor de zwangerschap en x3 het aantal sigaretten dagelijks gerookt tijdens de zwangerschap dan kan men voor elke combinatie van x1, x2 en x3 de gemiddelde verwachtte waarde van Y berekenen. Gemiddelden voor de blootstellingmerkers die zo bekomen worden op basis van een meervoudige regressie model waar naast het gebied ook de leeftijd en actief rookgedrag voor en tijdens de zwangerschap opgenomen zijn, noemen we gecorrigeerde gemiddelden.
3.4 3.4.1
GEBIEDSVERSCHILLEN VOOR DE CONTINUE MERKERS
Response
De blootstellingmerkers worden volgens de natuurlijke logaritmische functie getransformeerd. Deze getransformeerde gegevens worden in de regressie modellen als response variabelen gebruikt. De reden hiervoor is dat de oorspronkelijke gegevens niet normaal verdeeld zijn.
3.4.2
Gecorrigeerde gemiddelden
Met gecorrigeerde gegevens bedoelen we dat we gemiddelden/proporties per gebied berekenen waarbij we rekening houden de samenstelling van het gebied. In feite voorspellen we het gemiddelde (de proportie) dat we in een bepaald gebied verwachten voor een bepaalde moeder. En dit doen we voor elk gebied voor dezelfde moeder. M.a.w. de verschillen die we dan nog tussen de gebieden zien, kunnen niet te wijten zijn aan verschillen in de populaties van de gebieden. Merk op dat dit niet helemaal correct is; we corrigeren immers slecht voor enkele populatiekenmerken. De factoren waarvoor we corrigeren verschillen van merker tot merker (zie hiervoor sectie 7). Voor de blootstellingmerkers corrigeren we steeds voor de leeftijd van de moeder en het actief rookgedrag voor en tijdens de zwangerschap van de moeder. De gecorrigeerde gemiddelden worden bekomen op basis van een meervoudig regressie model waar vier parameters als verklarende variabelen zijn opgenomen: -
Leeftijd: in 5 klassen.
-
Pakjaren = totaal aantal sigaretten ooit gerookt (berekend op basis van gemiddelden): in 3 klassen.
-
Roker tijdens zwangerschap : ja/nee.
Het aandeel vrouwen dat tijdens de zwangerschap
rookt is gelukkig laag. Maar hierdoor hebben we niet zoveel informatie over de relatie tussen de blootstellingmerker en het aantal sigaretten dat dagelijks gerookt wordt tijdens de
11
Appendix 7. Statistisch analyseplan.doc
zwangerschap. Vandaar dat er gekozen werd om de parameter als een binaire parameter in het model op te nemen. -
Gebied
Door leeftijd van de moeder en pakjaren niet als een continue parameter op te nemen in het model is de vorm van de relatie tussen leeftijd (pakjaren) en de blootstellingmerker niet echt een aandachtspunt. Anders zou voor elke blootstellingmerker de relatie (lineair, kwadratisch,…) tussen de leeftijd van de moeder en pakjaren afzonderlijk bestudeerd moeten worden. Vervolgens wordt op basis van dit model, per gebied, het gemiddelde van de blootstellingmerker voorspeld voor een populatie met volgende samenstelling: Leeftijd moeder
%
< 25 jaar
16
25-29
39
30-34
36
35-39
8
40-45
1
Roken voor zwangerschap (pakjaren) Nooit gerookt
65,3
Minder dan dagelijks 1 pakje en dit gedurende 5 jaren ( totaal minder dan 36500 sigaretten)
18,2
Meer dan dagelijks 1 pakje en dit gedurende 5 jaren ( totaal >= 36500 sigaretten)
16,4
Roken tijdens zwangerschap Ja
16,1
Nee
83,9
Verschillen tussen de gebieden zijn dus niet meer te wijten aan verschillen in leeftijdsverdeling en rookgedrag. Voor alle blootstellingmerkers worden de gemiddelden, en 95% betrouwbaarheidsintervallen gepresenteerd. Er zijn tabellen voor de gemiddelden op de natuurlijke logaritmische schaal en de oorspronkelijke schaal (na transformatie via de exponentiele functie van de gemiddelden bekomen op basis van het model voor de natuurlijke logaritmische data). Het 95% betrouwbaarheidsinterval werd bekomen als: Gemiddelde +- t(.0975, n-1) STDERR We kozen ervoor om de percentiel van de t-verdeling te gebruiken (en niet 1.96) omdat dit voor de kleine gebieden toch een verschil maakt.
12
Appendix 7. Statistisch analyseplan.doc
3.4.3
Gebiedsverschillen
Om te toetsen of er een verschil is tussen de 8 gebieden, na rekening te houden met effecten van leeftijd en het actief rookgedrag voor en tijdens de zwangerschap werd gekeken naar de significantie van ‘gebied’ in het multiple model (op basis van een F - test).
Indien we volgens deze toets de nul
hypothese niet mogen verwerpen (m.a.w we besluiten dat er geen verschil is tussen de 8 gebieden) dan zijn de vergelijkingen met enerzijds het laagste gebied en anderzijds met ‘de referentiewaarde’ niet aan de orde (tenzij exploratief en hypothese genererend).
3.4.4
Verschillen tussen de gebieden
Indien de F test voor het gebied in het meervoudig regressie model hierboven besproken statistisch significant is op het 5% significantieniveau wordt er verder nagegaan of volgende vergelijkingen statistisch significant zijn: -
De gemiddelde waarde van elk gebied wordt vergeleken met de waarde van het gebied met de laagste gemiddelde waarde.
-
De gemiddelde waarde van elk gebied wordt vergeleken met de referentiewaarde. De referentiewaarde is dus een gewogen gemiddelde van de gebieden; gewogen naar bevolkingsaantal (zie Sectie 2).
De significanties van deze verschillen worden alle bepaald op basis van het meervoudige regressie model hierboven beschreven. Contrasten werden hiervoor gebruikt. Om het verschil tussen gebied x en ‘vlaanderen’ te toetsen werd het contrast berekend tussen enerzijds gebied x en anderzijds een combinatie van alle gebieden. In deze combinatie van de 8 gebieden is het belang van het gebied evenredig met het aantal inwoners in het gebied. De vergelijking tussen gebied x en het laagste gebied is een eenzijdige vergelijking.
3.5 3.5.1
GEBIEDSVERSCHILLEN VOOR DE BINAIRE MERKERS
Gecorrigeerde proporties
Voor de binaire merkers worden per gebied, proporties en 95% betrouwbaarheidsintervallen gepresenteerd. Het betrouwbaarheidsinterval werd bekomen op basis van een logistisch regressie model met als verklarende parameters de confounders en de parameter gebied.
De confounders
verschillen van merker tot merker (zie Sectie 7). De voorspelde proportie is de kans op het effect (bijv. astma) voor een gemiddelde moeder/bevalling. Hiermee bedoelen we dat indien bijv. leeftijd van de moeder als confounder in het model is opgenomen dat dan de predictie gedaan wordt voor een moeder met een leeftijd gelijk aan de gemiddelde leeftijd van alle moeders in de studie. Indien 13
Appendix 7. Statistisch analyseplan.doc
bijvoorbeeld wijze van bevalling (vaginaal of niet) als confounder is opgenomen wordt de predictie gedaan voor een bevalling die 0.90% vaginaal is. Dit omdat 90% van de bevallingen in de studie vaginaal waren. Uiteraard bestaat zo een moeder/bevalling niet; maar het is een fictieve moeder/bevalling die ons toestaat om proporties over de verschillende gebieden te vergelijken.
3.5.2
Gebiedsverschillen
Om te toetsen of er een verschil is tussen de 8 gebieden, na rekening te houden met confounding effecten, werd gekeken naar de significantie van ‘gebied’ in het meervoudig logistisch regressie model (op basis van een type III chikwadraat test).
3.5.3
Verschillen tussen de gebieden
Indien de chikwadraat test voor het gebied in het meervoudig regressie model hierboven besproken statistisch significant is op het 5% significantieniveau wordt er verder nagegaan of volgende vergelijkingen statistisch significant zijn: -
De kans op een effect van elk gebied wordt vergeleken met de waarde van het laagste gebied.
-
De kans op een effect voor elk gebied wordt vergeleken met de referentiewaarde. Deze referentiewaarde is een gewogen kans van de gebieden; gewogen naar bevolkingsaantal.
De berekening is analoog als deze van het populatie gewogen
gemiddelde (sectie 2); maar nu is het dus een kans. De significanties van deze verschillen worden alle bepaald op basis van het meervoudige regressie model hierboven beschreven. Contrasten werden hiervoor gebruikt. Om het verschil tussen gebied x en ‘vlaanderen’ te toetsen werd het contrast berekend tussen enerzijds gebied x en anderzijds een combinatie van alle gebieden. In deze combinatie van de 8 gebieden is het belang van het gebied evenredig met het aantal inwoners in het gebied. De vergelijking tussen gebied x en het laagste gebied is een eenzijdige vergelijking. De verschillen tussen gebieden worden in termen van odds-ratios en de bijbehorende 95% betrouwbaarheidsintervallen gepresenteerd (referentie gebied is ofwel het laagste gebied of wel het populatie gewogen ‘gebied’ afhankelijk van de gemaakte vergelijking).
14
Appendix 7. Statistisch analyseplan.doc
ANDERE VERKLARENDE PARAMETERS
3.6 3.6.1
Confounding
Zoals reeds aangehaald kunnen tal van factoren waaronder leeftijd, geslacht, levensstijlfactoren, beroep, sociaal-economische status,... een invloed hebben op de gezondheid en op de biomerkers. Deze factoren kunnen verschillen tussen de onderzochte gebieden. Wanneer deze risicofactoren de bestudeerde relatie verteken, worden ze ‘verstorende’ variabelen genoemd. Bij vergelijking van de merkers tussen de gebieden evenals bij de blootsteling-effectrelaties moet rekening gehouden worden met deze confounding factoren. Een confounder heeft de volgende kenmerken: •
een confounder is een bekende en belangrijke risicofactor voor de ziekte/betreffende gezondheidseffect
•
een confounder is geassocieerd met de blootstelling
•
een confounder wordt niet beïnvloed door de blootstelling of door de ziekte (geen intermediare stap in het oorzakelijk pad).
Men kan niet testen of een verklarende parameter een confouder is, enerzijds omwille van statistisch vermogen en anderzijds omdat confounding een systematische (niet random) fout is. De verklarende parameters opgelijst in Secties 7, 0 en 0 spelen niet allemaal dezelfde rol in de verwerkingen. De belangrijkste risicofactoren (confounders) zullen consequent in de modellen verrekend worden, onafhankelijk van hun significantieniveau (zie Sectie 7).
3.6.2
Andere covariaten
Voor alle overige covariaten wordt de volgende procedure gevolgd:
-
Voor elke verklarende parameter opgelijst in tabellen XX wordt een eenvoudig regressie model gefit.
-
Alle verklarende parameters significant op het 0.10 procent significantie niveau worden, tezamen met de confounders, in een meervoudig regressie model opgenomen.
-
Voor elke uitkomstparameter (blootstellingsmerker of effectmerker) wordt vervolgens een zo ‘zuinig’ mogelijk model gebouwd door middel van een stapsgewijze selectieprocedure (zie Sectie7). De confounders blijven echter steeds in het model. Enkel de verklarende parameters significant op het 0.05 procent significantieniveau blijven in het model.
-
Vervolgens wordt aan het vereenvoudigde model de parameter gebied toegevoegd. De significantie van het gebied werd bestudeerd in dit model.
15
Appendix 7. Statistisch analyseplan.doc
3.7 3.7.1
MODELBOUW
Selectie van een goed model.
Uit de verzameling van kandidaat regressoren (covariaten) willen we een deelverzameling kiezen die het beste de variabiliteit in de uitkomstparameter verklaart. Helaas is er geen éénduidig antwoord op de vraag wat de ‘beste’ deelverzameling is. Er zijn verschillende criteria en die leiden niet noodzakelijk tot dezelfde conclusie. We opteren voor gebruik van automatische selectie procedures. De stapsgewijze procedure zal toegepast worden. De methode waarbij alle mogelijke regressiemodellen vergeleken worden (bijv de R-square of Cp,...) is omwille van het groot aantal verklarende parameters niet aangewezen. Toepassing van automatische selectieprocedures moet wel voorzichtig gebeuren; er dient bijv. opgelet te worden dat de hoofdeffecten in het model opgenomen zijn indien de interactieterm significant is.
3.7.2
Multicollineariteit
Men spreekt van multicollineariteit indien de onafhankelijke variabelen onderling gecorreleerd zijn. Multicollineariteit heeft een effect op de interpretatie en het gebruik van een gefit regressie model. De techniek van Variance Inflation Factors (VIF) zal toegepast worden om dit probleem te onderzoeken.
3.7.3
Modelvalidatie
Indien beschikbaar zullen de resultaten vergeleken worden met theoretische verwachtingen en empirische resultaten. In een tweede verwerkingsfase zal cross-validatie gebruikt worden om het regressiemodel te valideren. Bij cross-validatie wordt de dataset in twee sets verdeeld. De eerste, model-building, set wordt gebruikt om het model te ontwikkelen. De tweede set, validatie of predictie set, wordt als onafhankelijke data gebruikt om de predictieve waarde van het geselecteerde model te bestuderen.
3.8
MEERVOUDIG TOETSEN
Enkel indien de globale vergelijking van de onderzoeksgebieden statistisch significant is op het 5% significantieniveau, zullen verschillen met het laagste onderzoeksgebieden en de gewogen referentiewaarde op hun significantie getest worden. Door deze twee-traps-procedure toe te passen is het niet nodig bij deze vergelijkingen te corrigeren voor de type I fout.
3.9
MODEL MET MEERDERE BLOOTSTELLINGSMERKERS
Om het effect van het samenspel van de verschillende blootstellingsmerkers op een effectmerker in beeld te brengen worden in een tweede verwerkingsfaze meervoudige regressie modellen opgesteld
16
Appendix 7. Statistisch analyseplan.doc
die alle blootstellingmerkers bevatten. Dit model wordt vervolgens vereenvoudigd met de procedure voordien beschreven.
DOSIS-EFFECT RELATIES
4
Een
dosis-effect
relatie
geeft
de
samenhang
tussen
een
effectmerker
(effect)
en
een
blootstellingmerkers (dosis) weer. Een argumentatie voor de onderzochte verbanden is opgenomen in Sectie 8 Om deze verbanden te kwantificeren wordt gebruik gemaakt van lineaire regressiemodellen voor continue effectmerker en logistische regressiemodellen voor binaire effectmerkers. Elk model bevat steeds de confounders die reeds eerder geïdentificeerd werden voor de effectmerker; daarnaast is ook de blootstellingmerker opgenomen in het model. Om de functionele vorm van de blootstellingmerker in het model te onderzoeken wordt vertrokken van een model waar de blootstellingmerker in zijn kubische vorm wordt opgenomen. Vervolgens wordt de functionele vorm van de blootstellingmerker vereenvoudigd (kwadratisch of lineair). Hoofdeffecten van gebied en interacties tussen gebied en de blootstellingmerker worden niet beschouwd. Dit betekent dat we veronderstellen dat de relatie tussen de effectmerker en de blootstellingmerker in de 8 gebieden hetzelfde is. De blootstellingmerkers worden in hun logaritmisch getransformeerde vorm mee genomen. Hierdoor is de interpretatie van het effect van de blootstellingmerker in het model niet eenvoudig. Indien de functionele vorm van de blootstellingmerker x lineair is dan ziet het model er zo uit voor een binaire effectmerker (ci zijn de confounders): log(p/(1 − p) = α + β ln (x) + γ1 c1 + γ2 c2 +… De odds na een verdubbeling van de waarde van de blootstellingmerker x; is gelijk aan [eβ]ln(2) keer de odds. Dus de odds voor 2*x is gelijk aan [eβ]ln(2) keer de odds voor x.
BIJKOMENDE VERWERKINGEN
5 5.1
HET INDUSTRIEGEBIED
Het industriegebied omvat enerzijds het Antwerps havengebied en de Gentse kanaalzone. In de verwerkingen voorzien in dit analyseplan worden de gegevens van beide havengebieden steeds als één onderzoeksgebied verwerkt en gepresenteerd. Beide gebieden hebben echter sterk verschillende industriële activiteiten. Er valt dus te argumenteren dat het industriegebied niet echt een ‘type-
17
Appendix 7. Statistisch analyseplan.doc
‘gebied’. Vandaar dat er voor de blootstellingmerkers ad hoc en exploratief verwerkingen gepresenteerd worden waarbij de havengebieden gesplitst en afzonderlijk verwerkt worden. Op basis van een regressie en door middel van contrasten worden identieke hypothesen onderzocht als voordien. Er werd met andere woorden nagegaan of er een statistisch significant verschil is tussen het havengebied (afzonderlijk voor Gents en Antwerps havengebied) en het laagste gebied; en het gewogen populatiegemiddelde.
Merk op dat het model wat gebruikt wordt bijna volledig identiek is
aan dat beschreven in Sectie 3.4. Het enige verschil is dat er nu negen in plaats van 8 gebieden beschouwd worden. Dit betekent wel dat ook de effecten van leeftijd en het effect van het actief rookgedrag van de moeder kunnen veranderen. Anderzijds werd het havengebied gesplitst in twee gebieden elk met een eigen gewicht in de berekening van het populatie gewogen gemiddelde. Dit gemiddelde kan hierdoor verschillen van het gemiddelde bekomen op basis van 8 gebieden. Verder worden nog volgende bijkomende hypothesen onderzocht: -
Is er een verschil tussen de twee industriegebieden?
-
Is er een verschil tussen de Gentse kanaalzone en de Gente agglomeratie?
-
Is er een verschil tussen de Antwerpse haven en de Antwerpse agglomeratie?
Ook hiervoor wordt er gebruik gemaakt van contrasten.
5.2
VERBRANDINGSOVENS
Het aantal stalen in het gebied van de verbrandingsovens is veel lager dan geanticipeerd; namelijk 25 in plaats van 200. De resultaten voor dit gebied zijn hierdoor uiteraard zeer onnauwkeurig; wat zich vertaalt in grote standaardfouten op het gemiddelde en brede betrouwbaarheidsintervallen. Bovendien komen meer dan de helft van de moeders van het gebied verbrandingsovens uit Menen. De stalen zijn ook niet representatief voor het gebied verbrandingsovens. Indien de steekproef opnieuw gedaan zou worden is het mogelijk dat de resultaten (zelfs in Menen) in de andere richting gaan. Anderzijds viel op de gemiddelden voor de moeders in het verbrandingsovengebied; en in Menen relatief hoge waarden hadden. Daarom dat ook dit gebied in twee werd opgesplitst om zo een beeld te krijgen van de 14 moeders uit Menen. Op basis van regressie modellen werd een gemiddelde waarde en 95% betrouwbaarheidsinterval voor elke blootstellingmerker berekend voor een moeder met kenmerken zoals beschreven in Sectie3.4.2; en dit indien deze moeder in Menen zou wonen of niet-Menen. Merken we nogmaals op dat deze resultaten zeker niet veralgemeenbaar zijn.
5.3
PERCENTIEL 90
Er werd niet enkel gekeken naar het gemiddelde van de blootstellingmerkers, maar aanvullend ook naar de 90ste percentiel. Op basis van quantiel regressie werd een populatie gewogen 90ste percentiel 18
Appendix 7. Statistisch analyseplan.doc
berekend; volledig analoog aan het populatie gewogen gemiddelde voor de 8 gebieden. Verder werd op basis van de quantiel regressie nagegaan of de 90ste percentiel van de 8 gebieden statistisch significant is. Indien dit het geval is werd nagegaan of de 90ste percentiel van gebied x significant verschilt van de populatie gewogen percentiel; en significant hoger is dat de 90ste percentiel van het laagste gebied. De procedure QUANTREG in SAS is nog experimenteel en niet zo flexibel als de REG procedure. Vandaar dat er ook gebruik gemaakt werd logistische regressies. Voor elke meting werd bepaald of ze boven of onder de populatie gewogen 90ste percentiel viel. Hierdoor werden de continue blootstellingmerkers dus binair gemaakt. Vervolgens werd door middel van logistische regressies per gebied de kans geschat dat de merker boven de P90 referentie waarde valt. Indien het betrouwbaarheidsinterval volledig rechts van de waarde 10 ligt besluiten we dat er in het gebied relatief meer verhoogde waarnemingen zijn.
INDICATOREN
6
De volgende indicatoren voor blootstelling en effecten zullen in de analyses opgenomen worden.
BLOOTSTELLINGSMERKERS
6.1 -
dioxineachtige stoffen o
-
-
-
PCB merkers o
PCB merker 138 (ng/g vet)
o
PCB merker 153 (ng/g vet)
o
PCB merker 180 (ng/g vet)
o
Som van PCB merkers 138, 153 en 180 (ng/g vet)
Pesticiden o
HCB (ng/g vet)
o
DDE (ng/g vet)
Zware metalen o
Cadmium (μg/L)
o
Lood (μg/L)
EFFECTMERKERS PASGEBORENEN
6.2 -
Calux assay (pg CALUX-TEQ/g vet)
Biometrie (kindfiches) o
Lengte (cm)
o
Gewicht (g)
o
Hoofdomtrek (cm)
19
Appendix 7. Statistisch analyseplan.doc
-
Zwangerschapsduur (kindfiches): enkel indien spontane bevalling o
Zwangerschapsduur (weken)
o
Preterme geboorte: zwangerschapsduur < 37 weken. OPM: definitie vroeggeboorte: Studiecentrum Perinatale Epidemiologie (SPE): < 37 weken; ad term :>= 37 weken).
-
APGAR score (uit gegevens kindfiches): o
APGAR score 10 minuten na de bevalling. Ontbrekende 'Apgar 10 minuten' aanvullen met cijfer '10', indien Apgar na 1 en/of 5 minuten wel gekend. Apgar niet gebruiken bij vroeggeboorte (prematuur < 37 weken).
o -
Thyroïd Stimulerend Hormoon o
TSH bepaald in navelstrengbloed (mIU/L).
o
TSH van hielprik (mIU/L): uit gegevens van Centra voor Metabole Aandoeningen.
EFFECTMERKERS MOEDER
6.3 -
APGAR binair: score 10 of minder dan 10
Astma (uit algemene vragenlijst). De vragen uit de algemene vragenlijst worden gecombineerd tot een indicator voor:
o Huidig astma 'Current asthma': defnitie volgens European Community Health Respiratory Survey, (ECHRS): positief, indien positief geantwoord op één van volgende vragen: • Laatste 12 m astma aanvallen (vraag 50) • Laatste 12 m geneesmiddelen voor astma (vraag 51) • Laatste 12 m wakker geworden door aanval van kortademigheid (vraag 47) of wakker geworden door piepen/fluiten in de borstkas (vraag 46) o
‘Doctor diagnosed’ astma Positief, indien positief geantwoord op volgende vraag: • Ooit astma gehad (vraag 49)
o Ooit astma Positief, indien positief geantwoord op één van volgende vragen: • Laatste 12 m astma aanvallen (vraag 50) • Laatste 12 m geneesmiddelen voor astma (vraag 51) • Laatste 12 m wakker geworden door aanval van kortademigheid (vraag 47) of wakker geworden door piepen/fluiten in de borstkas (vraag 46) • Laatste 12 m last van piepen of fluiten in borstkas (vraag 44) gecombineerd met: kortademigheid (vraag 44au) én voorkomen buiten periode van verkoudheid (vraag 44bu) • Ooit astma gehad (vraag 49)
20
Appendix 7. Statistisch analyseplan.doc
• Ooit beklemming of piepende ademhaling op het werk (vraag 57) • Hoesten, piepende ademhaling, kortademigheid bij contact met huisdieren (vraag 60) -
Allergie (uit algemene vragenlijst)
o Hooikoorts Positief, indien positief geantwoord op één van volgende vragen: • Enige vorm van neusallergie/hooikoorts (vraag 52) • Laatste 12 m geneesmiddelen tegen hooikoorts, neusklachten (vraag 53)
o Voedselallergie Positief, indien positief geantwoord op één van volgende vragen: • Laatste 12 m allergie voor voedsel, geneesmiddelen of insectenbeten (vraag 54)
o Huidallergie • Laatste 12 m eczeem gehad (vraag 55)
o Dierenallergie Positief, indien positief geantwoord op één van volgende vragen: • Last van niezen/tranende ogen bij contact met huisdieren (vraag 59) • Hoesten, piepende ademhaling, kortademigheid bij contact met huisdieren (vraag 60) • Ooit huisdier weggedaan omdat allergisch (vraag 61) -
Infecties tijdens zwangerschap
o Luchtweginfecties: griep, infectie bovenste luchtwegen, longen (vraag 31) -
Fertiliteit (uit algemene vragenlijst) o
Tijd tot zwangerschap (time to pregnancy) Van huidige zwangerschap, enkel indien zwangerschap van eerste kind
o
Zwangerschapsstimulatie Heeft moeder ooit een behandeling ondergaan om zwanger te worden?
o Miskraam Voor alle zwangerschappen samen: is er ooit een miskraam of abortus op medische indicatie geweest (geboorte van kind vooraleer het levensvatbaar is)? Parameter op basis van vragenlijst:
•
dood geboren < 22 weken (vraag 62a/b/c…2-2)
•
spontane miskraam of abortus op medische indicatie (vraag 62a/b/c/….2-3).
OPM: Definitie van levensvatbaar is variabel: Angelsaksische landen: geboorte kind bij < 28 weken; Nederland: geboorte kind bij < 16 weken, SPE: geboorte kind < 22 weken 2 .
2
Definitie Studiecentrum Perinatale Epidemiologie (SPE): geboorte = geboorte van één kind, levend of
dood van >= 500 gram of van >= 22 weken. Zijn gewicht en de zwangerschapsduur onbekend dan geldt een lengte van >= 25 cm als criterium. 21
Appendix 7. Statistisch analyseplan.doc
COVARIATEN EN CONFOUNDERS
7
CONFOUNDERS
7.1
Confounders worden in de statistische modellen mee opgenomen om te corrigeren voor factoren die het onderzoek naar gebiedsverschillen in biomerkers of de relatie tussen blootstellings- en effectmerkers kunnen verstoren. Deze confounders zullen consequent in de modellen opgenomen worden onafhankelijk van hun significantieniveau. Voor de blootstellingsmerkers zijn de confounders:
leeftijd van de moeder (in 5 klassen)
roken tijdens de zwangerschap (ja/neen)
roken vóór de zwangerschap (aantal pakjaren; in 3 klassen)
Voor de effectmerkers zullen volgende confounders worden meegenomen in de modellen:
Effectmerker
Confounders
Effectmerkers pasgeborenen Lengte kind
Geslacht kind Roken tijdens de zwangerschap (ja/neen) Leeftijd moeder Lengte moeder Lengte vader Pariteit Zwangerschapsduur
Gewicht kind
Geslacht kind Roken tijdens de zwangerschap (ja/neen) Leeftijd moeder Gewicht moeder Pariteit Zwangerschapsduur Meerlingzwangerschap
Schedelomtrek kind
Geslacht kind Roken tijdens de zwangerschap (ja/neen) Leeftijd moeder Pariteit Zwangerschapsduur Meerlingzwangerschap
Zwangerschapsduur; preterme geboorte
Roken tijdens de zwangerschap (ja/neen) Leeftijd moeder Complicaties tijdens zwangerschap Meerlingzwangerschap
APGAR 10 min (score of binair)
Small for gestational age Meerlingzwangerschap Aard bevalling (vaginaal vs. keizersnede)
22
Appendix 7. Statistisch analyseplan.doc
Effectmerker
Confounders
TSH in navelstrengbloed
Small for gestational age Zwangerschapsduur Aard bevalling (vaginaal vs. keizersnede)
Effectmerkers moeder Astma (huidig, doctor diagnosed, ooit)
Familiaal astma Roken vóór de zwangerschap (pakjaren)
Hooikoorts
Roken vóór de zwangerschap (pakjaren)
Voedselallergie
/
Huidallergie
/
Dierenallergie
/
Luchtweginfecties
Roken vóór de zwangerschap (pakjaren)
Tijd tot zwangerschap
Leeftijd moeder bij eerste zwangerschap Roken vóór eerste zwangerschap (pakjaren)
Zwangerschapsstimulatie
Leeftijd moeder Roken vóór de zwangerschap (pakjaren)
Aantal miskramen
Leeftijd moeder Roken vóór de zwangerschap (pakjaren) Pariteit
7.2
COVARIATEN
Covariaten zijn invloedsparameters die niet vooraf gedefinieerd werden als confouders en welke bij gebiedsvergelijkingen in het model worden gefit indien ze significant zijn. Het grootste gedeelte van de gegevens werd bekomen op basis van antwoorden in vragenlijsten bestemd voor de deelnemers.
7.3
SAMENGESTELDE COVARIATEN
De vragenlijsten voor de deelnemers bevatten een aantal luiken met heel wat vragen. Sommige van die vragen werden gecombineerd tot één of meerdere samengestelde parameters voor: A. Blootstelling via beroep
Codering ‘aantal maanden’ uit vraag 3 en 4: < 6 maanden:
score 3 maanden
6 maanden – 1 jaar:
score 9 maanden
1-5 jaar:
score 36 maanden
> 5 jaar:
score 60 maanden
23
Appendix 7. Statistisch analyseplan.doc
Overzicht van de beroepssectoren en blootstellingen van vraag 3 en 4, met bijbehorende indicatie van contacten met vervuilende stoffen: S: Solventen H: Gehalogeneerde koolwaterstoffen M: Zware metalen P: Polycyclische aromatische koolwaterstoffen (PAKs)
Tabel a: Overzicht van beroepssectoren uit vraag 3 en overeenkomstige blootstelling aan vervuilende stoffen Gewerkt in
Telt voor blootstelling aan
Textielnijverheid S, H Chemische of petroleumindustrie S, H Metaalverwerkende nijverheid M, P Rubber of plastic nijverheid S, H Houtverwerkende nijverheid S, H Papierindustrie S, H Bouwindustrie S, H Tuinbouw H Andere landbouwsector H Auto-industrie of garage P, S Afvalverwerking P, S, H, M Laboratorium S, H S: solventen; H: gehalogeneerde koolwaterstoffen; P: polycyclische aromatische koolwaterstoffen (PAKs); M: zware metalen
Tabel b Overzicht van inhoud van vraag 4 en overeenkomstige blootstelling aan vervuilende stoffen Beroepshalve contact met
Telt voor blootstelling aan
Carosserie voertuigen S Chemische sterilisatie S, H Contact met reinigingsmiddelen S, H Contatct met pesticiden of houtbewaarmiddelen S, H Contact met kleurstoffen of verven S, H Contact met oplosmiddelen S Contact met uitlaatgassen P Contact met benzinedampen S Contact met haarverzorgingsproducten S, H Contact met droogkuisproducten S, H S: solventen; H: gehalogeneerde koolwaterstoffen; P: polycyclische aromatische koolwaterstoffen (PAKs); M: zware metalen
Samenstelling van de variabelen: - ‘Aantal maanden gewerkt in bepaalde sector…’: Voor alle sectoren vermeld in vraag 3 (zie tabel a): tel aantal maanden gewerkt in bepaalde sector als arbeider of laborante op. Voor codering aantal maanden zie tabellen boven. - ‘Aantal maanden gewerkt met…’: Solventen (S): Neen: nooit gewerkt met = 0. Ja: als positief geantwoord op één van de vragen 3, 4 : ‘sectoren’ of ‘contact met…’(zie tabel a,b) waarbij “S” vermeld staat. Of als ja-antwoord op vraag 6! Tel aantal maanden 24
Appendix 7. Statistisch analyseplan.doc
gewerkt met “S” van vraag 3 op (codering zie boven). Doe hetzelfde voor vraag 4. Neem het maximum van beide aantal maanden. Let op! Niet de som, wel de hoogste van beide waarden. Let op: Indien nergens “S” werd aangeduid én op vraag 6 toch “ja” werd geantwoord dan telt dit voor 12 maanden. Indien wel ergens “S “ werd aangeduid én op vraag 6 “ja” werd geantwoord (12 maanden) dan wordt maximum van deze aantallen maanden genomen. Gehalogeneerde koolwaterstoffen (H): Neen: nooit gewerkt met = 0. Ja: als positief op één van de vragen 3, 4 : ‘sectoren’ of ‘contact met…’(zie tabel a,b) waarbij “H” vermeld staat. Tel aantal maanden gewerkt met “H” van vraag 3 op (codering zie boven). Doe hetzelfde voor vraag 4. Neem het maximum van beide aantal maanden (= Niet de som, wel de hoogste van beide waarden). Zware metalen (M): Neen: nooit gewerkt met = 0. Ja: als positief op één van de vragen 3, 4 : ‘sectoren’ of ‘contact met…’(zie tabel a,b) waarbij “M” vermeld staat. Tel aantal maanden gewerkt met “M” van vraag 3 op (codering zie boven). Doe hetzelfde voor vraag 4. Neem het maximum van beide aantal maanden (= Niet de som, wel de hoogste van beide waarden). PAKs (P): Neen: nooit gewerkt met = 0. Ja: als positief op één van de vragen 3, 4 : ‘sectoren’ of ‘contact met…’(zie tabel a,b) waarbij “M” vermeld staat. Tel aantal maanden gewerkt met “P” van vraag 3 op (codering zie boven). Doe hetzelfde voor vraag 4. Neem het maximum van beide aantal maanden. (=Niet de som, wel de hoogste van beide waarden). - ‘Laboratoriumwerk’ (ja/neen): ja, indien ergens “laborante” aangekruist in vraag 3. B. Blootstelling via hobby’s Vraag 16 Hobbyblootstelling aan solventen (S) (Ja/neen): ja, indien ergens ja geantwoord op item ‘S’ (zie tabel onderaan) Hobbyblootstelling aan gehalogeneerde koolwaterstoffen (H) (Ja/neen): ja, indien ergens ja geantwoord op item ‘H’ (zie tabel) Hobbyblootstelling aan PAKs (P) (Ja/neen): ja, indien ergens ja geantwoord op item ‘P’ (zie tabel) Via hobby meer dan 1 uur per week blootstelling aan Verf of kleurstoffen Pesticiden of houtbewaarmiddelen Uitlaatgassen: carting, motorcross,… Oplosmiddelen: tinner, lijm,.. Reinigingsmiddelen
Telt voor blootstelling aan S S, H P S S, H
S: solventen; H: gehalogeneerde koolwaterstoffen; P: polycyclische aromatische koolwaterstoffen (PAKs); M: zware metalen
C. Pesticidengebruik …via beroep (vraag 3 en 4) (ja/neen): ja, indien ‘werken in tuinbouw’ OF werken in ‘andere landbouwsector’ OF ‘Contact met pesticiden of houtbewaarmiddelen’ ….via beroep (aantal maanden): aantal maanden ‘werken in tuinbouw’ OF werken in ‘andere landbouwsector’ OF ‘Contact met pesticiden of houtbewaarmiddelen’
25
Appendix 7. Statistisch analyseplan.doc
…in huis (vraag 15) (semiquantitatief -> aantal maal per maand): Aantal maal per maand gebruik van pesticide in huis (in zomerperiode) dagelijks meerdere malen per week eenmaal per week meerdere malen per maand éénmaal per maand of minder nooit
Aantal maal per maand: codering 30 20 8 3 1 0
….bij hobby (vraag 16) (ja/neen) ….in tuin (categorisch): 0= neen, 1= indien ja bij vraag 39.2 en 2 = indien uzelf sproeit/strooit bij vraag 39.3 D. Verkeer - ‘Aantal minuten (of uren) in verkeer per week’: = [minuten op weg op werkdag (vraag19) x aantal werkdagen (vraag 10)] + [minuten op weg op vrije dag (vraag 19) x [7-aantal werkdagen]] !!met minuten op weg = te voet+ per fiets in stedelijke omgeving + auto,bus,tram(vraag 19) - matig-druk verkeer in buurt van woning: Matig-druk verkeer < 50 m van woning (ja/neen): ja, indien verkeerslicht of rond punt op minder dan 50 m of indien ‘druk verkeer’ minder dan 50 m. Matig-druk verkeer 50-100 m van woning (ja/neen): ja, indien verkeerslicht of rond punt op 50-100 m of indien ‘druk verkeer’ op 50-100m. Matig-druk verkeer >100 m van woning (ja/neen): ja, indien verkeerslicht of rond punt op >100 m of indien ‘druk verkeer’ op >100m. - Autobus/vrachtverkeer op minder dan 50 m van woning (vraag 20): aantal per dag: Aantal bussen/vrachtwagens per dag
Aantal: codering veronderstelling dag = 12h (overdag)
Minder dan 1 per uur
6
Meer dan 1 per uur
24
Meer dan 1 per kwartier
48
Meer dan 1 per 5 minuten
144
E) Voeding in algemene vragenlijst - huidige voedingsgewoonte (vraag 36):
geen vlees (ja/neen), ja =geen vlees, wel vis,.... vegetariër(ja/neen), ja = geen vlees, geen vis, wel zuivel veganist (ja/neen), ja = geen vlees, geen vis, geen eieren, geen kaas-of melkproducten excl. zuivel (ja/neen), ja = geen vlees, geen vis, enkel eieren, kaas of zuivelproducten
26
Appendix 7. Statistisch analyseplan.doc
- aantal maanden…. geen vlees: zie 1 (huidige voedingsgewoonte) én combineren met vraag 37. Aantal maanden dat ze die huidige voedingsgewoonte hebben in een periode van voorbije 5 jaar. vegetariër: zie 1 (huidige voedingsgewoonte) én combineren met vraag 37. Aantal maanden dat ze die huidige voedingsgewoonte hebben in een periode van voorbije 5 jaar. veganist: zie 1 (huidige voedingsgewoonte) én combineren met vraag 37. Aantal maanden dat ze die huidige voedingsgewoonte hebben in een periode van voorbije 5 jaar. excl. zuivel: zie 1 (huidige voedingsgewoonte) én combineren met vraag 37. Aantal maanden dat ze die huidige voedingsgewoonte hebben in een periode van voorbije 5 jaar. - lokale voeding lokale voeding (ja/neen)= lokale groenten OF lokaal fruit OF lokaal vlees OF lokale zuivel Lokale groenten (ja/neen): ja = ergens groente aangeduid bij ‘eigen kweek groenten’ (vraag 39) of ‘lokale kweker groenten’ (vraag 40). Idem voor: lokaal fruit, vlees, zuivel Aantal geconsumeerde soorten lokale groenten: per geconsumeerd soort groente 1 erbij tellen. Idem voor fruit, vlees, zuivel Lokaal-Cadveg: eten van lokale groenten met potentiële aanwezigheid van cadmium: o
Lokaal-cadveg3: aantal lokale groenten aangekruist van volgende reeks: andijvie, sla, veldsla, spinazie, knolselder, aardappelen.
o Lokaal-cadveg2: aantal lokale groenten aangekruist van volgende reeks: aardbei, bloemkool, prei, radijs, schorseneren, ui, witloof, wortelen.
Lokaal-loodveg: eten van lokale groenten met potentiële aanwezigheid van lood: aantal lokale groenten aangekruist van volgende reeks: sla, veldsla, spinazie, andijvie.
- Eten van zelfgevangen zoetwatervis (vraag 41) neen: neen ingevuld, of ja ingevuld en enkel zeevis aangekruist ja: zoetwatervis uit rivier of uit vijver aangekruist F) Voedingsparameters uit voedingsvragenlijsten ZUIVEL KAAS (kaasV): inname in g vet / dag van alle kaas (dierlijk): b5kaasINv + t3kaasINv MELK (melkV): inname in g vet / dag van alle melk (dierlijk): b1meINv + r1kmINv + r1crINv + r1meINv + r2meINv + r2chINv DIERLIJK SMEERVET en BAK&BRAADvet (smbaDV): inname in g vet / dag van alle dierlijke smeervet en bak en braadvet (dus: boter) PLANTAARDIG SMEERVET en BAK&BRAADvet (smbaPV): inname in g vet / dag van alle plantaardige smeervet en bak en braadvet (dus: margarine, minarine, olie) ZUIVEL (zuivelV): inname in g vet / dag van alle zuivel (dierlijk: dit is kaas, (choco-) (karne-) melk, melkproducten, yoghurt en pudding, boter, ijs, geen ei!) (b5kaasINv + t3kaasINv + r2zuivelINv + eiV + b1meINv + b1yoINv + r1kmINv + r1crINv + r1meINv)
EI EI (eiV): inname in g vet / dag van alle ei (dierlijk) = b8eiINv + w1eiINv
27
Appendix 7. Statistisch analyseplan.doc
VIS VIS (visV): inname in g vet / dag van alle vis (dierlijk + plantaardig vet) (b7vsINv + b7gsINv + b7gaINv + b7vbINv + b7rvINv + b7moINv + b7haINv + b7anINv + w3kaINv + w3maINv + w3paINv + w3zaINv + w3stINv + w3buINv + w3gaINv + w3moINv + w3vbINv + w3rvINv + w3moiINv + w3haINv + w3vsINv + w3gsINv + w3anINv) y VIS dierlijk vet (visDV): inname in g vet / dag van alle vis (voornamelijk dierlijk: de saus van vissalade en garnaalsalade is eruit; de olie die eventueel bij de vis in blik zit, werd er niet uitgehaald). b7visINdv + w3visINdv y VETTE VIS (vetvisV): inname in g vet / dag van alle vette vis (voornamelijk dierlijk, behalve vis in blik) (b7vbINv + b7rvINv + b7haINv + w3maINv + w3paINv + w3zaINv + w3vbINv + w3rvINv + w3haINv) y PALING (palingV): inname in g vet / dag van alle paling (enkel dierlijk) (broodmaaltijd + warme maaltijd) y MOSSEL (mosselV): inname in g vet / dag van alle mosselen (enkel dierlijk) (b7moINv + w3moINv + w3moiINv) VLEES y VLEES (vleesV): inname in g vet / dag van alle vlees (dierlijk en plantaardig vet) (b6vleesINv + w4vleesINv + t3vleesINv) y VLEES dierlijk vet (vleesDV): inname in g vet / dag van alle vlees (enkel dierlijk vet) (b6vleesINdv + w4vleesINdv + t3vleesINdv + t1vlINv + t1kiINdv + t1ptINdv + t1pzINdv) y KIP (kipV): inname in g vet / dag van alle kip (enkel dierlijk) (b6kiINv + w4kiINv + w4kioINv + t1kiINdv) y LEVER (leverV): inname in g vet / dag van alle lever (enkel dierlijk) (b6leINv + w4leINv + t3leINv)
SAUS y sausV: inname in g vet / dag van alle saus (b9sausINv + w5sausINv + t2sausINv) y sausDV: inname in g vet / dag van alle saus (enkel dierlijk vet) (b9sausINdv + w5sausINdv + t2sausINdv) (jus niet inbegrepen)
VETGROEPEN TOTAAL y DIERLIJK VET (Dvet): inname in g vet / dag van alle dierlijk vet: dit is: zuivel (kaas, melk, boter), vlees, vis, ei, dierlijk vet in sauzen (geen koekjes, geen chips, geen brood) (kaasV + sausDV + vleesDV + visDV + eiV + bsmeerDV + wbakvetDV + r1kmINv + r1crINv + r1meINv + r2zuivelINv + r4slINv) y PLANTAARDIG VET (Pvet): inname in g vet / dag van alle plantaardig vet: dit is: plantaardig vet in sauzen, olie en margarines (voor smeren, bakken, braden en frituren -> geen koekjes, geen chips, geen brood) (sausPV + vleesPV + visPV + bsmeerPV + wbakvetPV)
y TOTAAL VET (Tvet): inname in g vet / dag van alle vet: som van dierlijk en plantaardig vet + het
vet uit de open vragen (de "andere kaas", "ander vlees", ...) + vet uit koffiekoeken + vet uit gebak + vet uit frieten en gefrituurde dingen (dit zit niet bij de afzonderlijke omdat aard van bv. frituurvet
28
Appendix 7. Statistisch analyseplan.doc
niet gekend) (kaasV + aardV + sausV + visV + eiV + vleesV + melkV + bsmeerV + b2kofINvm + b2kofINvz + wbakvetV + t1algINv + r2zuivelINv + r3gebakINv + r4slINv)
GRANEN, BROOD, AARDAPPELEN
y BROOD: inname in g voedingsmiddel / dag van alle brood (wit, bruin, volkoren, rozijn, suikerbrood, pistolet, piccolo, beschuit, koffiekoeken) (b2wbvINz + b2wbvIN + b2rsINz + b2rsIN + b2ppINz + b2ppIN + b2besINz + b2besIN + b2kofINm + b2kofINz)
y GRANEN: inname in g voedingsmiddel / dag van alle granen (= brood + ontbijtgranen) y AARDAPPELEN (aard): inname in g voedingsmiddel / dag van alle aardappelen en aardappelproducten (gekookte, gebakken aardappelen, puree, frieten en kroketten)
GROENTEN
y greenveg: inname in g voedingsmiddel / dag van groene groenten (bloemkool, rode kool, brocoli, spruiten, salade, andijvie, spinazie, witloof, erwten, bonen)
y cannedGFD: inname in g voedingsmiddel / dag van groenten fruit én drank uit blik: soep, tomaat, erwtjes, erwtjes en worteltjes, wortel, bonen, andijvie, asperges, champignons, knolselder, mais, paprika, rode biet, rode kool, schorseneren, spinazie, spruiten uit blik. (lood-blootstelling).
y cadveg2: inname in g voedingsmiddel / dag van aardbei, bloemkool, prei, radijs, schorseneren, ui, witloof, wortelen
y cadveg3: inname in g voedingsmiddel / dag van aardappelen, andijvie, sla, veldsla, spinazie, knolselder
y lood: inname in g voedingsmiddel / dag van salade, spinazie, andijvie en rode wijn (er wordt een relatie met blootstelling aan lood verwacht).
FRUIT
y fruitfresh: inname in g voedingsmiddel / dag van vers fruit (appelsien, appel, peer, banaan, kersen, perzik/nectarine, pruim)
y fruitpeel: inname in g voedingsmiddel / dag van niet geschild fruit (appel, peer, perzik / nectarine) y fruitproduct: inname in g voedingsmiddel / dag van fruit producten (peer, perzik / nectarine, ananas, aardbei, druiven, kersen, kiwi, mandarijn, meloen en pruim uit blik, rozijnen) y cannedFG: inname in g voedingsmiddel van fruit en groenten uit blik (fruit product + cannedveg; zonder rozijnen)
y GFpest: alle vers fruit, alle verse groenten, granen (ontbijtgranen en brood) en aardappelen. G) Roken 'aantal pakjaren ooit' :continue variabele: ooit roken (vraag 33): neen=0; indien ja, dan: aantal jaren (a33b,c) x aantal sigaretten (a33a) 'aantal sigaretten per dag tijdens zwangerschap': continue variabele: roken tijdens zw (vraag 34): neen=0; indien ja, dan: aantal aantal sigaretten (a34c)
29
Appendix 7. Statistisch analyseplan.doc
H) Infectie tijdens zwangerschap Indien gebruikt als covariabele bij de effectmerkers ‘duur van zwangerschap’, ‘biometrie van kind’: 'Enige vorm van infectie' (vraag 32): positief antwoord op één van deelvragen omtrent: oorontsteking, griep, infectie bovenste luchtwegen, longen, blaas, urineleiders, appendix, huid, dunne/dikke darm. I) Pariteit moeder SPE definitie: aantal bevallingen/verlossingen boven 22 weken zwangerschap (alternatief > 500 g geboortegewicht). -> Parameter op basis van vragenlijst: levend geboren (vraag 62a/b/c...2-1) én dood geboren > 22 weken (vraag 62a/b/c...2-2) -> indien aantal weken niet ingevuld, wordt verondersteld dat > 22 weken zwangerschap was. Huidige zwangerschap telt ook mee: indien geboortejaar van huidige bevalling niet voorkomt (niet is ingevuld): 1 erbij tellen!
J) 'Small for gestational age' (SGA) ‘Small for gestational age’ (SGA) is een term die gebruikt wordt voor baby’s kleiner of lichter dan normale gewicht voor het aantal weken zwangerschap. SGA baby’s hebben een geboortegewicht lager dan 10de percentiel (P10)van baby’s van zelfde leeftijd (dus kleiner dan 90 % van alle baby’s van zelfde leeftijd). OPM: SGA babies may appear physically and neurologically mature but are smaller than other babies of the same gestational age. SGA babies may be proportionately small (equally small all over) or they may be of normal length and size but have lower weight and body mass. SGA babies may be premature (born before 37 weeks of pregnancy), full term (37 to 41 weeks), or postterm (after 42 weeks of pregnancy).'
Binair (ja/neen): nagaan bij elk van pasgeborenen of ze onder of boven de P10 zitten van groeicurves. Aantal weken zwangerschap 30 31 32 33 34 35 36 37 38 39 40
P10 gewicht (kg) 0,8 kg 1 1,3 1,35 1,5 1,7 1.9 2 2,2 2,4 2,5
K) Gewichtstoename of -afname laatste 5 jaar Vraag 26: Continue variabele: neen= 0; ja:som maken van alle kg’s toename en afname.
30
Appendix 7. Statistisch analyseplan.doc
L) Ouderdom woning: Oude woning? neen: woning jonger dan 40 jaar ja: woning ouder dan 40 jaar M) Socio-economische status Hoogste opleidingsgraad van man en vrouw: max nemen van beide partners Inkomen per persoon in huishouden = gezinsinkomen/aantal personen in huishouden
7.4
COVARIATEN VOOR DE BLOOTSTELLINGSMERKERS
De parameters in de volgende tabel zullen als covariabelen van de blootstellingsmerkers getest worden. Indien ze significant gerelateerd zijn aan de blootstellingsmerker, zal er in de gebiedsvergelijking gecorrigeerd worden voor deze factoren. De vaste confounders worden in de tabel
Cadmium
pesticiden
Gechloreerde
Merker PCBs
Lood
Persoonskenmerken Leeftijd moeder BMI moeder Gewichtstoename of -afname laatste 5 jaar Pilgebruik ooit: ja/neen Pariteit Aantal weken borstvoeding gegeven (alle kinderen samen) Concentratie serum ferritine (ijzerstatus) Hoogste opleiding in het gezin (man of vrouw) Gezinsinkomen Roken Actief roken: pakjaren Uren passief roken/dag laatste 5 jaar Actief roken tijdens zwangerschap: aantal sigaretten/dag Uren passief roken/dag tijdens zwangerschap Beroep Aantal maanden gewerkt in: Textielnijverheid Chemische of petroleumindustrie Metaalverwerkende nijverheid Rubber of plastic nijverheid Houtverwerkende nijverheid Papierindustrie Bouwindustrie Tuinbouw Andere landbouwsector Auto-industrie of garage
stoffen
Dioxineachtige
aangeduid in het blauw.
X
X
X X
X X X X X
X X X
X X X X
X X X X
X X X X
X
X
X
X
X X X X X X
X X X X X X
X X X X X X
X X
X X
X X X X
X X X X
X
X X
X
X X X X X X
31
X
X
X
X
pesticiden
Cadmium
X
Gechloreerde
Merker PCBs
X X
Lood
Afvalverwerking Laboratorium Beroepshalve contact met: Solventen Gehalogeneerde KWS PAKs Zware metalen Labowerk (0/1) Wonen Oude woning (> 40 jaar) Aard huisverwarming: houtkachel, kolenkachel Seizoen Hobbyblootstelling aan: verf of kleurstoffen uitlaatgassen oplosmiddelen reinigingsmiddelen Pesticidengebruik: via beroep, in huis, bij hobby, in tuin Verkeer Aantal uren per week in het verkeer Matig tot druk verkeer in omgeving woning (< 50 m) Autobus/vrachtwagenverkeer op < 50 m Afstand wonen-werk Genotype (indien beschikbaar) Voeding Vegetariër, veganist Gebruik van lokale groenten, fruit (0/1) Gebruik van lokaal vlees, zuivel, ei (0/1) Eten van zelfgevangen zoetwatervis Niet geschild fruit Groenten, fruit uit blik Alle producten die dierlijk vet bevatten: vlees, kaas, melk, boter, vis, vette vis, mossel, paling, saus, .. Alle producten die resten van pesticiden kunnen bevatten: verse groenten, vers fruit, granen, aardappelen Totale vetinname (berekend) Dierlijke vetinname (berekend) Plantaardige vetinname (berekend) Cadmiumrijke groenten (cadveg2 en 3) Loodbevattende groenten (loodveg) 1/0 = ja/neen uitkomst; blauw = confounder
stoffen
Dioxineachtige
Appendix 7. Statistisch analyseplan.doc
X
X X
X X
X
X X
X X
X X X
X
X
X
X
X
X
X X X X
X X X X
X X
X
X X
X X
X
X
X
X X
X X
X
X
X X X X X X X
X
X
X X X
32
Appendix 7. Statistisch analyseplan.doc
7.5
COVARIATEN VOOR DE EFFECTMERKERS
De parameters in de volgende tabel zullen als covariabelen van de effectmerkers getest worden. Indien ze significant gerelateerd zijn aan het effect, zal er in de gebiedsvergelijking gecorrigeerd worden voor deze factoren. De vaste confounders worden in de tabel aangeduid in het blauw.
‘Doctor diagnosed’ asthma
Ooit astmaklachten
Luchtweginfecties
Hooikoorts (neusallergie)
Voedsel, geneesmiddelen of insecten-allergie
Huidallergie
Dierenallergie
Kenmerken zwangerschap Aard bevalling (vaginaal/keizersnede) Meerling Pariteit Geslacht kind Zwangerschapsduur Small for gestational age (SGA) Borstvoeding gegeven (ooit) Complicaties tijdens zwangerschap Infecties tijdens zwangerschap Diabetes tijdens zwangerschap Gebruik voedingssupplementen Vitaminen Foliumzuur Ijzer Persoonskenmerken moeder Leeftijd moeder Lengte moeder Gewicht moeder Gewichtstoename of -afname BMI moeder Alcoholgebruik voor zwangerschap Alcoholgebruik tijdens zwangerschap Hoogste opleiding (vrouw of man) Inkomen van het gezin Familiaal voorkomen van astma Roken Actief roken: pakjaren Passief roken laatste 5 jaar Actief roken tijdens zwangerschap Passief roken tijdens zwangerschap Wonen Oude woning (> 40 j)
Huidig astma (volgens ECHRS vragenlijst)
Effectmerkers luchtwegklachten & allergie bij moeder
X
X
X
X
X
X
X
X
X X X
X X X
X X X
X X
X X
X X
X X X X
X X
X X
X X
X X
X X
X X
X X
X X
X X
33
X
X
X X X X X X X X X X X X
X X X X
X X X X X X X X X X X X
X X X X X X X X X X X X
X X X X X X X X X X X X
X
X
X
X
X
X
X
X
X X X X
X X X X
X X X X
X X X X
X
X X
X
X X X X
Dierenallergie
Huidallergie
X X X X
Voedsel, geneesmiddelen of insecten-allergie
X X X X
Hooikoorts (neusallergie)
Ooit astmaklachten
X X X X
Luchtweginfecties
‘Doctor diagnosed’ asthma
Verbouwings- en/of schilderwerken Woonomstandigheden: schimmels,… Aard verrwarming: hout-, kolenkachel Contact met huisdieren Seizoen Beroep Aantal maanden gewerkt in: Textielnijverheid Chemische of petroleumindustrie Metaalverwerkende nijverheid Rubber of plastic nijverheid Houtverwerkende nijverheid Papierindustrie Bouwindustrie Tuinbouw Andere landbouwsector Auto-industrie of garage Afvalverwerking Laboratorium Beroepshalve contact met: Solventen gehalogeneerde KWS PAKs zware metalen - Labowerk (ja/neen) Hobbyblootstelling aan: Solventen Gehalogeneerde KWS PAKS Hobby met blootstelling aan: verf of kleurstoffen uitlaatgassen oplosmiddelen reinigingsmiddelen Pesticidengebruik: beroep, thuis,… Verkeer Aantal uren per week in het verkeer Matig-druk verkeer <50 m van woning Autobus/vrachtwagens <50 m woning Afstand wonen-werk Genotype (indien beschikbaar)
Huidig astma (volgens ECHRS vragenlijst)
Appendix 7. Statistisch analyseplan.doc
X
X
X
X
X X X X
blauw = confounder
34
Appendix 7. Statistisch analyseplan.doc
Kenmerken zwangerschap Aard bevalling (vaginaal/keizersnede) Meerling Pariteit Geslacht kind Zwangerschapsduur Small for gestational age (SGA) Borstvoeding gegeven (ooit) Complicaties tijdens zwangerschap Infecties tijdens zwangerschap Diabetes tijdens zwangerschap Gebruik voedingssupplementen tijdens zwangerschap Vitaminen Foliumzuur Ijzer Persoonskenmerken moeder Leeftijd moeder Leeftijd moeder bij eerste zwangerschap Lengte moeder Gewicht moeder Gewichtstoename of -afname BMI moeder Alcoholgebruik voor zwangerschap Alcoholgebruik tijdens zwangerschap Hoogste opleiding (vrouw of man) Inkomen van het gezin Familiaal voorkomen van astma Aantal dagen per week werken Onderworpen aan geneeskundig onderzoek op werk Aantal jaren pilgebruik bij eerste zwangerschap Aantal jaren pilgebruik bij eerste miskraam Roken Actief roken: pakjaren Passief roken laatste 5 jaar Actief roken tijdens zwangerschap Passief roken tijdens zwangerschap Wonen Oude woning (> 40 j) Verbouwings- en/of schilderwerken Woonomstandigheden: schimmels,… Aard verrwarming: hout-, kolenkachel
Miskraam
Fertiliteitsbehandeling
Tijd tot de zwangerschap (eerste kindje)
Effectmerkers fertiliteit moeder
X
X
X
X
X
X X X X X X
X
X X
X X
X X X
X X
X X X X
X X X
X X
X X X X
X
35
Contact met huisdieren Seizoen Beroep Aantal maanden gewerkt in: Textielnijverheid Chemische of petroleumindustrie Metaalverwerkende nijverheid Rubber of plastic nijverheid Houtverwerkende nijverheid Papierindustrie Bouwindustrie Tuinbouw Andere landbouwsector Auto-industrie of garage Afvalverwerking Laboratorium Beroepshalve contact met: Solventen Gehalogeneerde KWS PAKs Zware metalen - Labowerk (ja/neen) Hobbyblootstelling aan: Solventen Gehalogeneerde KWS PAKS Hobby met blootstelling aan: verf of kleurstoffen uitlaatgassen oplosmiddelen reinigingsmiddelen Pesticidengebruik: beroep, thuis, hobby, tuin Verkeer Aantal uren per week in het verkeer Matig tot druk verkeer in omgeving woning (< 50 m) Autobus/vrachtwagenverkeer op < 50 m Afstand wonen-werk Genotype (indien beschikbaar)
Miskraam
Fertiliteitsbehandeling
Tijd tot de zwangerschap (eerste kindje)
Appendix 7. Statistisch analyseplan.doc
X
X
X
X
X X X X X X X X X X X X
X
X
X
X
X
X X
X
X
X
X X X X
X X X
X X
blauw = confounder
36
Appendix 7. Statistisch analyseplan.doc
Zwangerschapsduur (bij spontane bevalling)
X X X X X
X X X
X X X
X X X
X X X
TSH in navelstrengbloed
Schedelomtrek baby
X X X
X X X X
Apgar score (10 minuten)
Gewicht baby
Kenmerken zwangerschap Aard bevalling (vaginaal/keizersnede) Meerling Pariteit Geslacht baby Zwangerschapsduur Small for gestational age (SGA) Borstvoeding gegeven (ooit) Complicaties tijdens zwangerschap Infecties tijdens zwangerschap Diabetes tijdens zwangerschap Gebruik voedingssupplementen Vitaminen Foliumzuur Ijzer Persoonskenmerken moeder Leeftijd moeder Lengte moeder Gewicht moeder Gewichtstoename of -afname BMI moeder Alcoholgebruik voor zwangerschap Alcoholgebruik tijdens zwangerschap Hoogste opleiding (vrouw of man) Inkomen van het gezin Familiaal voorkomen van astma Aantal dagen per week werken Roken Actief roken: pakjaren Passief roken laatste 5 jaar Actief roken tijdens zwangerschap Passief roken tijdens zwangerschap Wonen Oude woning (> 40 j) Verbouwings- en/of schilderwerken Woonomstandigheden: schimmels,… Aard verrwarming: hout-, kolenkachel
Lengte baby
Effectmerkers kind
X X
X
X X
X X
X X X
X
X X
X
X
X
X
X X X X
X
X X
X X X X
X X
X X X
X X
X X X X X
X X X X
X X X X
X X X X
37
Contact met huisdieren Seizoen Beroep Aantal maanden gewerkt in: Textielnijverheid Chemische of petroleumindustrie Metaalverwerkende nijverheid Rubber of plastic nijverheid Houtverwerkende nijverheid Papierindustrie Bouwindustrie Tuinbouw Andere landbouwsector Auto-industrie of garage Afvalverwerking Laboratorium Beroepshalve contact met: Solventen gehalogeneerde KWS PAKs zware metalen - Labowerk (ja/neen) Hobbyblootstelling aan: Solventen Gehalogeneerde KWS PAKS Hobby met blootstelling aan: verf of kleurstoffen uitlaatgassen oplosmiddelen reinigingsmiddelen Pesticidengebruik: beroep, thuis, … Verkeer Aantal uren per week in het verkeer Matig-druk verkeer <50 m van woning Autobus/vrachtwagens < 50 m van woning Afstand wonen-werk Genotype (indien beschikbaar) Lengte vader
X
TSH in navelstrengbloed
X
X X X X X X X X X X X X
X
X
X
Apgar score (10 minuten)
Zwangerschapsduur (bij spontane bevalling)
Schedelomtrek baby
Gewicht baby
Lengte baby
Appendix 7. Statistisch analyseplan.doc
X X
X
X X X X X
X X
X X
blauw = confounder
38
Appendix 7. Statistisch analyseplan.doc
BLOOTSTELLINGS-EFFECT RELATIES
8
De volgende verbanden tussen de blootstellingmerkers bepaald in navelstrengbloed en de effectmerkers (bij de moeders en de pasgeborenen) zullen onderzocht worden: Verklarende variabele
Response variabele
blootstellingsmerker
effectmerker
Moeder
Dioxineachtige stoffen PCBs
Luchtwegklachten
Gechloreerde pesticiden: DDE, Hexachlorobenzeen
Allergie
(HCB)
Infecties
Lood
Fertiliteit
Cadmium
Pasgeborene Apgarscore Biometrie TSH
Alle relaties tussen een blootstellingmerker uit de linkerkolom en een effectmerker uit de rechterkolom van bovenstaande tabel zullen onderzocht worden. onderzoekshypotheses wordt
Een motivatie voor elk van deze
in de volgende paragraaf gegeven. In de verwerkingen worden alle
relaties bestudeerd. Bij de interpretatie van de gegevens zal het vertrouwen in de gevonden relaties groter zijn indien deze reeds in de literatuur beschreven werden. In onderstaande tabel staat in kleurcode een gradatie gegeven van de mate waarin de relaties reeds beschreven zijn in de literatuur: Rood:
Reeds beschreven in humaan epidemiologisch onderzoek
Geel:
Indirecte aanwijzingen via dierproeven en in-vitro studies
Blauw:
Hypothetisch verband
Appendix 7. Statistisch analyseplan.doc
Pb
Cd
PCB /
DDE /
dioxine
HCB
KIND Biometrie Apgar TSH
MOEDER Allergie Fertiliteit
MOTIVATIE VOOR DE TE ONDERZOEKEN EFFECTMERKERS EN BLOOTSTELLINGSMERKERS (RELATIES MERKERS VAN BLOOTSTELLING EN EFFECT) Bij het nagaan van de relatie tussen blootstelling-en effectmerkers spelen interacties tussen blootstellingsparameters omdat toxische stoffen vaak dezelfde aangrijpingspunten hebben. Dioxinen, PCBs en gechloreerde pesticiden behoren tot de PHAHs (polyhalogenated aromatic hydrocarbons) en werken vaak in op dezelfde hormoonreceptoren, transportmechanismen en/of metabole enzymen. Anderzijds is er een heel gamma van PCBs en dioxinen waardoor individuele congeneren soms tegenovergestelde effecten kunnen hebben, bv. oestrogene en anti-oestrogene effecten. Ook de zware metalen lood en cadmium komen vaak samen voor en hebben – omwille van overeenkomsten in chemische structuur – vaak vergelijkbare effecten. In dit literatuuroverzicht is getracht om aan de hand van resultaten van proefdierstudies en in vitro onderzoek een mechanistische uitleg te geven voor effecten van de diverse polluenten. Deze studies zijn meestal goed gecontroleerd (bijv. effecten van specifieke component in specifieke dosissen) en laten dus toe om causale verbanden te beschrijven. Extrapolatie naar de mens is echter niet altijd voor de hand liggend. Daarom worden ook epidemiologische studies beschreven. Deze stellen ons in staat om trends in de mens te beschrijven en kwantitatieve analyses te doen. Een nadeel is dat het om nietgecontroleerde omstandigheden gaat en dat men dus nooit een causaal verband kan aantonen.
Bij de relaties tussen blootstelling- en effectmerkers spelen interacties tussen effecten: effecten zijn onderling nauw met elkaar verbonden via neuro-endocriene interacties.
40
Appendix 7. Statistisch analyseplan.doc
Vele effecten verlopen via cellulaire en hormonale mechanismen waarbij de verstoring van één systeem gevolgen kan hebben voor verschillende organen. Verstoring van het schildkliermetabolisme kan bijv. leiden tot afwijkingen in de groei, de neurologische ontwikkeling en de immunologische respons (infecties, allergieën). Effecten op sex steroïden zullen de vruchtbaarheid beïnvloeden, maar spelen ook een rol in de groei, het immunologisch systeem en het schildkliermetabolisme. Dit literatuuroverzicht heeft niet de ambitie om een volledige discussie te geven van iedere dosiseffect relatie. Ook het uitvoeren van een meta-analyse ligt buiten het opzet van dit document. Het doel is een beknopt overzicht te geven van de meest gangbare hypothesen die momenteel in de literatuur te vinden zijn over de te bestuderen dosis-effect curves en dit ter motivatie van de opname van iedere individuele relatie in het statistisch analyseplan. Een grondige en kritische literatuurstudie zal nog volgen voor die relaties die significant blijken te zijn. Voor het opstellen van deze referentielijst werd een literatuursearch gedaan in PubMed met de respectievelijke polluenten en effecten als zoektermen. Voor iedere dosis-effect curve werden twee aspecten behandeld: 1) Epidemiologisch onderzoek bij de mens. Voor de selectie van de referenties werden een aantal criteria gevolgd: * prioriteiten qua studiegroep: I. II. III. IV.
studies studies studies studies
bij bij bij bij
pasgeborenen; kinderen of adolescenten; volwassenen (algemene bevolking); beroepscategorieën, accidentele vervuiling.
* prioriteiten qua regio: I. studies in België; II. studies in Westerse landen; III. studies in alle andere landen. * prioriteiten qua tijdsperiode: I. studies van de laatste 8 jaar (1996-2004); II. uitbreiding van periode: enkel indien er te weinig bruikbare gegevens waren na 1996; III. in sommige gevallen (bv. relatie dioxine – TSH in de Nederlandse borstvoedingsstudie) werden ook oudere studies aangehaald omdat ze van groot internationaal belang zijn en/of omdat ze zeer toepasselijk zijn op de huidige studie. Op basis van deze criteria werd een referentielijst opgesteld die beperkt werd tot 3 à 4 referenties per dosis-effect curve. Deze referenties werden kort besproken in de tekst.
2) Mechanistische uitleg. Op basis van proefdierenstudies en in vitro onderzoek werd getracht om mogelijke verklaringen te geven voor bevindingen uit epidemiologische studies. Hierbij werden geen referenties toegevoegd, maar werd enkel een beknopte samenvatting gegeven in de tekst.
41
Appendix 7. Statistisch analyseplan.doc
Dioxineachtige stoffen Dioxinen – luchtwegklachten, allergie, infecties Dioxinen werken immunosuppressief. Zowel in dierexperimenten als in humane in vitro gekweekte lymphocyten werd aangetoond dat dioxine (TCDD) de productie van immunoglobulines remt en een direct effect heeft op de hematopoietische stamcelproductie en de differentiatie van B- en T-cellen. Zowel bij proefdieren als bij dieren die in het wild leven stelde men een hogere incidentie en ernstiger verloop van infecties vast na blootstelling aan dioxinen. Ook in epidemiologisch onderzoek bij de algemene bevolking werd een associatie gevonden tussen dioxine en een verminderde weerstand tegen infecties. Verder werd vastgesteld dat er minder kans was op het voorkomen van allergieën. Referenties: ten Tusscher GW, Steerenberg PA, van Loveren H, Vos JG, von dem Borne AE, Westra M, van der Slikke JW, Olie K, Pluim HJ, Koppe JG. Persistent hematologic and immunologic disturbances in 8year-old Dutch children associated with perinatal dioxin exposure. Environ Health Perspect 2003;111:1519-23. Van Den Heuvel RL, Koppen G, Staessen JA, Den Hond E, Verheyen G, Nawrot TS, Roels HA, Vlietinck R, Schoeters GE. Immunologic biomarkers in relation to exposure markers of PCBs and dioxins in Flemish adolescents (Belgium). Environ Health Perspect 2002;110: 595-600. Baccarelli A, Mocarelli P, Patterson DG, Bonzini M, Pesatori AC, Caporaso N, Landi MT. Immunologic effects of dioxin: new results from Seveso and comparison with other studies. Environm Health Perspect 2002;110:1169-73.
Dioxinen – fertiliteit Proefdierenstudies hebben vooral effecten van dioxinen aangetoond op de prenatale ontwikkeling. Disruptie van het steroid hormoonsysteem tijdens het foetale leven heeft gevolgen tijdens het volwassen leven: abnormale ontwikkeling van de geslachtsorganen (zowel mannelijke als vrouwelijke), verminderde spermaproductie en verhoogde kans op tumoren (prostaat en testis bij de man, ovaria bij de vrouw). Mogelijke mechanismen zijn verstoringen van receptor-gemedieerde effecten (zowel met de oestrogeen receptor als met de androgeen receptor) en interferentie met transport proteïnen (bv. SHBG, sex hormone binding globulin). In epidemiologische studies werd dioxineblootstelling bij mannen in verband gebracht met verminderde spermatogenese, verhoogde incidentie van cryptorchidisme en testiskanker (antiandrogene effecten). Bij vrouwen werd dioxine geassocieerd met een langere menstruele cyclus en tragere borstontwikkeling tijdens de puberteit (anti-oestrogene effecten). 42
Appendix 7. Statistisch analyseplan.doc
Referenties: Eskenazi B, Warner M, Mocarelli P, Samuels S, Needham LL, Patterson DG Jr, Lippman S, Vercellini P, Gerthoux PM, Brambilla P, Olive D. Serum dioxin concentrations and menstrual cycle characteristics. Am J Epidemiol. 2002;156(4):383-92. Den Hond E, Roels HA, Hoppenbrouwers K, Nawrot T, Thijs L, Vandermeulen C, Winneke G, Vanderschueren D, Staessen JA. Sexual maturation in relation to polychlorinated aromatic hydrocarbons:
Sharpe
and
Skakkebaek's
hypothesis
revisited.
Environ
Health
Perspect.
2002;110(8):771-6. Safe SH. Endocrine disruptors and human health – Is there a problem. An update. Environ Health Perspect 2000;108:487-93.
Dioxinen – apgar Uit in vitro studies met cellijnen en uit proefdieronderzoek blijkt dat dioxinen via het metabolisme van schildklierhormonen en sex steroïden de neurologische ontwikkeling kunnen beïnvloeden. Bij ratten leidde dit tot een verminderde motorische activiteit en tot een trager leerproces. In epidemiologische studies worden bij jonge kinderen neurologische effecten (lager IQ, verminderde motorische ontwikkeling, e.d.) van dioxinen aangetoond. Slechts 1 studie rapporteert neonatale neurologische effecten. Referentie: Huisman M, Koopman-Esseboom C, Fidler V, Hadders-Algra M, van der Paauw CG, Tuinstra LG, Weisglas-Kuperus N, Sauer PJ, Touwen BC, Boersma ER. Perinatal exposure to polychlorinated biphenyls and dioxins and its effect on neonatal neurological development. Early Hum Dev. 1995;41(2):111-27.
Dioxinen – biometrie Proefdierenstudies hebben aangetoond dat blootstelling aan dioxine kan leiden tot prematuriteit en verlaagd geboortegewicht. Een mogelijke mechanisme is de verstoring van het thyroid metabolisme, dat de groei en ontwikkeling regelt. In epidemiologische studies werden trends gevonden voor een associatie tussen blootstelling aan dioxine bij de moeder en een verminderd geboortegewicht van de baby, maar de resultaten waren niet significant. Mogelijk is de mate waarin gecorrigeerd wordt voor verstorende factoren en de colineariteit met andere polluenten van groot belang in deze studies.
43
Appendix 7. Statistisch analyseplan.doc
Referenties: Eskenazi B, Mocarelli P, Warner M, Chee WY, Gerthoux PM, Samuels S, Needham LL, Patterson DG Jr. Maternal serum dioxin levels and birth outcomes in women of Seveso, Italy. Environ Health Perspect. 2003;111(7):947-53. Vartiainen T, Jaakkola JJ, Saarikoski S, Tuomisto J. Birth weight and sex of children and the correlation to the body burden of PCDDs/PCDFs and PCBs of the mother. Environ Health Perspect. 1998;106(2):61-6.
Dioxinen – TSH De schildklierhormonen T3 en T4 zijn nodig voor de stofwisseling en voor groei en rijping van hersenen en beenderen. De concentratie T3/T4 in het plasma wordt geregeld door productie van het TSH via een negatief feedbacksysteem. In proefdieronderzoek leidt blootstelling aan dioxine tot een uitgesproken daling van T4, een lichte daling van T3 en een stijging van TSH. Mogelijke mechanismen zijn een directe binding of blokkering van de thyroxine receptor of het induceren van een autoimmuun proces (bv. via de aanmaak van thyroid peroxidase antibodies (TPO-Ab)). Bij moeders met hogere dioxinen in het serum werden lagere T3/T4 concentraties en hogere TSH concentraties vastgesteld. Een hogere dioxine belasting bij de moeder was ook geassocieerd met een lager T3/T4 en hoger TSH bij de baby vlak na de geboorte (eerste weken, niet meer na 2 jaar). Referenties: Koopman-Esseboom C, Morse DC, Weisglas-Kuperus N, Lutkeschipholt IJ, Van der Paauw CG, Tuinstra LG, Brouwer A, Sauer PJ. Effects of dioxins and polychlorinated biphenyls on thyroid hormone status of pregnant women and their infants. Pediatr Res. 1994;36(4):468-73. Sauer PJ, Huisman M, Koopman-Esseboom C, Morse DC, Smits-van Prooije AE, van de Berg KJ, Tuinstra LG, van der Paauw CG, Boersma ER, Weisglas-Kuperus N, et al. Effects of polychlorinated biphenyls (PCBs) and dioxins on growth and development. Hum Exp Toxicol. 1994;13(12):900-6. Pluim HJ, de Vijlder JJ, Olie K, Kok JH, Vulsma T, van Tijn DA, van der Slikke JW, Koppe JG. Effects of pre- and postnatal exposure to chlorinated dioxins and furans on human neonatal thyroid hormone concentrations. Environ Health Perspect. 1993;101(6):504-8.
44
Appendix 7. Statistisch analyseplan.doc
PCBs PCBs – luchtwegklachten, allergie, infecties Meest gangbare hypothese is dat PCBs immunosuppressief werken, wat resulteert in minder weerstand tegen infecties en minder kans op allergieën. Twee voorbeelden van goedgedocumenteerde epidemiologische studies bij kinderen zijn een studie bij Eskimo (Inuit) kinderen in Canada en een longitudinale multi-center studie bij kinderen in Nederland. Voor uitleg en mechanismen: zie dioxinen. Referenties: Weisglas-Kuperus N, Vreugdenhil HJ, Mulder PG. Immunological effects of environmental exposure to polychlorinated biphenyls and dioxins in Dutch school children. Toxicol Lett. 2004;149:281-5. Dallaire F, Dewailly E, Muckle G, Vezina C, Jacobson SW, Jacobson JL, Ayotte P. Acute infections and environmental exposure to organochlorines in Inuit infants from Nunavik. Environ Health Perspect. 2004;112(14):1359-65. Heilmann C, Grandjean P, Weihe P. Decreased childhood vaccine response in children exposed to PCBs from maternal seafood diet. Organohalogen Comp 2003;63:397-400. Weisglas-Kuperus N, Patandin S, Berbers GA, Sas TC, Mulder PG, Sauer PJ, Hooijkaas H. Immunologic effects of background exposure to polychlorinated biphenyls and dioxins in Dutch preschool children. Environ Health Perspect. 2000;108:1203-7.
PCBs – fertiliteit PCBs worden zowel met oestrogene als met anti-oestrogene effecten geassocieerd, en dit zowel in proefdierenstudies als in epidemiologische studies. De ‘oestrogene potentie’ lijkt af te hangen van het aantal chlooratomen: minder gechloreerde PCBs hebben sterkere oestrogene effecten. Mogelijke mechanismen zijn binding met de hormoonreceptor of verstoring van de transportproteïnen. Referenties: Den Hond E, Roels HA, Hoppenbrouwers K, Nawrot T, Thijs L, Vandermeulen C, Winneke G, Vanderschueren D, Staessen JA. Sexual maturation in relation to polychlorinated aromatic hydrocarbons: Sharpe and Skakkebaek's hypothesis revisited. Environ Health Perspect 2002;110:7716. Axmon A, Rylander L, Stromberg U, Hagmar L. Time to pregnancy and infertility among women with a high
intake
of
fish
contaminated
with
persistent
organochlorine
compounds.
Scand J Work Environ Health 2000;26:199-206.
45
Appendix 7. Statistisch analyseplan.doc
Mendola P, Buck GM, Sever LE, Zielezny M, Vena JE. Consumption of PCB-contaminated freshwater fish and shortened menstrual cycle length. Am J Epidemiol 1997;146:955-60.
PCBs – apgar Dioxineachtige PCBs werken in op de neurologische ontwikkeling via het thyroid en sex steroid metabolisme. Niet-dioxineachtige PCBs verlagen het dopamine gehalte in de hersenen via een direct effect op de neurale cellen. De effecten van dioxineachtige PCBs zijn enkel actief tijdens de ontwikkelingsfase terwijl niet-dioxineachtige PCBs zowel bij kinderen als volwassenen werkzaam zijn. Er zijn heel wat studies die neurologische effecten (IQ, motorische ontwikkeling, reflexen…) van PCBs bij jonge kinderen aantonen. Referentielijst is beperkt tot neonatale neurologische effecten. Referenties: Stewart P, Reihman J, Lonky E, Darvill T, Pagano J. Prenatal PCB exposure and neonatal behavioral assessment scale (NBAS) performance. Neurotoxicol Teratol. 2000 Jan-Feb;22(1):21-9. Rogan WJ, Gladen BC, McKinney JD, Carreras N, Hardy P, Thullen J, Tinglestad J, Tully M. Neonatal effects of transplacental exposure to PCBs and DDE. J Pediatr. 1986;109(2):335-41.
PCBs – biometrie In epidemiologische studies werden significante associaties gevonden tussen blootstelling aan PCBs bij de moeder en prematuriteit of een verminderd geboortegewicht bij de baby, zowel in sterk vervuilde gebieden als in de algemene bevolking. Mogelijk mechanisme: via thyroid systeem (zie dioxinen). Referenties: Baibergenova A, Kudyakov R, Zdeb M, Carpenter DO. Low birth weight and residential proximity to PCB-contaminated waste sites. Environ Health Perspect. 2003;111(10):1352-7. Lackmann GM, Angerer J, Salzberger U, Tollner U. Influence of maternal age and duration of pregnancy on serum concentrations of polychlorinated biphenyls and hexachlorobenzene in full-term neonates. Biol Neonate. 1999;76(4):214-9. Patandin S, Koopman-Esseboom C, de Ridder MA, Weisglas-Kuperus N, Sauer PJ. Effects of environmental exposure to polychlorinated biphenyls and dioxins on birth size and growth in Dutch children. Pediatr Res. 1998;44(4):538-45. Rylander L, Stromberg U, Dyremark E, Ostman C, Nilsson-Ehle P, Hagmar L. Polychlorinated biphenyls in blood plasma among Swedish female fish consumers in relation to low birth weight. Am J Epidemiol. 1998;147(5):493-502.
46
Appendix 7. Statistisch analyseplan.doc
PCBs – TSH Effecten van PCBs op het thyroid metabolisme zijn analoog aan die van dioxinen, namelijk hoger TSH en lager T3/T4. Men neemt aan dat PCBs ingrijpen via dezelfde mechnismen als dioxinen, namelijk competitie of blokkering van de thyroxine receptor of het induceren van een auto-immuun proces (bv. via de aanmaak van thyroid peroxidase antibodies (TPO-Ab)). Referenties: Osius N, Karmaus W, Kruse H, Witten J. Exposure to polychlorinated biphenyls and levels of thyroid hormones in children. Environ Health Perspect. 1999;107(10):843-9. Nagayama J, Okamura K, Iida T, Hirakawa H, Matsueda T, Tsuji H, Hasegawa M, Sato K, Ma HY, Yanagawa T, Igarashi H, Fukushige J, Watanabe T. Postnatal exposure to chlorinated dioxins and related chemicals on thyroid hormone status in Japanese breast-fed infants. Chemosphere. 1998;37(912):1789-93. Koopman-Esseboom C, Morse DC, Weisglas-Kuperus N, Lutkeschipholt IJ, Van der Paauw CG, Tuinstra LG, Brouwer A, Sauer PJ. Effects of dioxins and polychlorinated biphenyls on thyroid hormone status of pregnant women and their infants. Pediatr Res. 1994;36(4):468-73.
Gechloreerde pesticiden Algemeen: Problemen die zich stellen bij studies naar de gezondheidseffecten van pesticiden zijn de heterogeniteit van pesticiden en het feit dat pesticiden vaak samen voorkomen met dioxinen en PCBs.
Pesticiden – luchtwegklachten, allergie, infecties Blootstelling aan pesticiden werd in epidemiologische studies geassocieerd met verhoogde prevalentie van astma en exceem en een grotere vatbaarheid voor oorinfecties. Literatuur: Salam MT, Li YF, Langholz B, Gilliland FD; Children's Health Study. Early-life environmental risk factors for asthma: findings from the Children's Health Study. Environ Health Perspect. 2004;112(6):760-5. Karmaus W, Kuehr J, Kruse H. Infections and atopic disorders in childhood and organochlorine exposure. Arch Environ Health. 2001 Nov-Dec;56(6):485-92.
47
Appendix 7. Statistisch analyseplan.doc
Dewailly E, Ayotte P, Bruneau S, Gingras S, Belles-Isles M, Roy R. Susceptibility to infections and immune status in Inuit infants exposed to organochlorines. Environ Health Perspect. 2000;108(3):20511.
Pesticiden – fertiliteit Pesticiden worden zowel met mannelijke als met vrouwelijke vruchtbaarheidsproblemen in verband gebracht. Literatuur: Cohn BA, Cirillo PM, Wolff MS, Schwingl PJ, Cohen RD, Sholtz RI, Ferrara A, Christianson RE, van den Berg BJ, Siiteri PK. DDT and DDE exposure in mothers and time to pregnancy in daughters. Lancet. 2003;361(9376):2205-6. Greenlee AR, Arbuckle TE, Chyou PH. Risk factors for female infertility in an agricultural region. Epidemiology. 2003 Jul;14(4):429-36. Curtis KM, Savitz DA, Weinberg CR, Arbuckle TE. The effect of pesticide exposure on time to pregnancy. Epidemiology. 1999 Mar;10(2):112-7. de Cock J, Westveer K, Heederik D, te Velde E, van Kooij R. Time to pregnancy and occupational exposure to pesticides in fruit growers in The Netherlands. Occup Environ Med. 1994;51(10):693-9. Whorton MD, Krauss RM, Marshall S, Milby TH. Infertility in male pesticide workers. Lancet 1977;2:1259-61.
Pesticiden – apgar Slechts 1 studie gevonden over neonatale neurologische effecten van DDE. Rogan WJ, Gladen BC, McKinney JD, Carreras N, Hardy P, Thullen J, Tinglestad J, Tully M. Neonatal effects of transplacental exposure to PCBs and DDE. J Pediatr. 1986;109(2):335-41.
Pesticiden – biometrie Blootstelling aan pesticiden is geassocieerd met prematuriteit en met lager geboortegewicht. Literatuur: Siddiqui MK, Srivastava S, Srivastava SP, Mehrotra PK, Mathur N, Tandon I. Persistent chlorinated pesticides and intra-uterine foetal growth retardation: a possible association. Int Arch Occup Environ Health. 2003;76(1):75-80.
48
Appendix 7. Statistisch analyseplan.doc
Lackmann GM. Polychlorinated biphenyls and hexachlorobenzene in full-term neonates. Reference values updated. Biol Neonate. 2002;81(2):82-5. Lackmann GM, Angerer J, Salzberger U, Tollner U. Influence of maternal age and duration of pregnancy on serum concentrations of polychlorinated biphenyls and hexachlorobenzene in full-term neonates. Biol Neonate. 1999;76(4):214-9.
Pesticiden – TSH Weinig duidelijke studies die een associatie vonden tussen blootstelling aan pesticiden en schildkliermetabolisme, enkel aanwijzingen. Literatuur: Langer P, Kocan A, Tajtakova M, Petrik J, Chovancova J, Drobna B, Jursa S, Pavuk M, Koska J, Trnovec T, Sebokova E, Klimes I. Possible effects of polychlorinated biphenyls and organochlorinated pesticides on the thyroid after long-term exposure to heavy environmental pollution. J Occup Environ Med. 2003;45(5):526-32. Rathore M, Bhatnagar P, Mathur D, Saxena GN. Burden of organochlorine pesticides in blood and its effect on thyroid hormones in women. Sci Total Environ. 2002;295(1-3):207-15.
Lood Lood – luchtwegklachten, allergie, infecties Zowel bij proefdieren als in humaan epidemiologisch onderzoek werd blootstelling aan lood geassocieerd met verhoogde productie van immunoglobulines (Ig), interleukines en een daling van interferon-gamma. De ontwikkeling van allergische symptomen wordt dikwijks voorafgegaan door een verhoging van IgE.
Literatuur: Dietert RR, Lee JE, Hussain I, Piepenbrink M. Developmental immunotoxicology of lead. Toxicol Appl Pharmacol. 2004;198(2):86-94. Sarasua SM, Vogt RF, Henderson LO, Jones PA, Lybarger JA. Serum immunoglobulins and lymphocyte subset distributions in children and adults living in communities assessed for lead and cadmium exposure. J Toxicol Environ Health A. 2000;60(1):1-15.
49
Appendix 7. Statistisch analyseplan.doc
Lutz PM, Wilson TJ, Ireland J, Jones AL, Gorman JS, Gale NL, Johnson JC, Hewett JE.
Elevated
immunoglobulin E (IgE) levels in children with exposure to environmental lead. Toxicology. 1999;134(1):63-78.
Lood – fertiliteit Een verminderde vruchtbaarheid werd vastgesteld bij mannen die professioneel blootgesteld zijn aan lood (arbeiders, veel contact met verkeer). Het mechanisme is nog onduidelijk maar een rechtstreeks effect van lood op de spermaproductie is mogelijk aangezien lood de bloed-testis barrière kan overschrijden. In meerdere studies (o.a. IVF studies) werd vastgesteld dat hogere lood concentraties in sperma geassocieerd zijn met verminderde sperma motiliteit en verminderde vruchtbaarheid. Hormoonverstoring is ook een mogelijk mechanisme voor de verminderde vruchtbaarheid van lood: bij ratten die blootgesteld zijn aan lood werden lagere bloedspiegels van androgenen gedetecteerd. Recent
zijn
er
enkele
studies
die
een
negatieve
associatie
vonden
tussen
lood
en
puberteitsontwikkeling bij meisjes. Literatuur: Selevan SG, Rice DC, Hogan KA, Euling SY, Pfahles-Hutchens A, Bethel J. Blood lead concentration and delayed puberty in girls. N Engl J Med. 2003;348(16):1527-36. Wu T, Buck GM, Mendola P. Blood lead levels and sexual maturation in U.S. girls: the Third National Health and Nutrition Examination Survey, 1988-1994. Environ Health Perspect. 2003;111(5):737-41. De Rosa M, Zarrilli S, Paesano L, Carbone U, Boggia B, Petretta M, Maisto A, Cimmino F, Puca G, Colao A, Lombardi G. Traffic pollutants affect fertility in men. Hum Reprod. 2003;18(5):1055-61. Gennart JP, Buchet JP, Roels H, Ghyselen P, Ceulemans E, Lauwerys R. Fertility of male workers exposed to cadmium, lead, or manganese. Am J Epidemiol. 1992;135(11):1208-19.
Lood – apgar Lood gaat doorheen de placenta en kan ook de bloed-hersenbarrière passeren. Proefdierenonderzoek suggereert als mogelijk mechanisme voor de neurologische effecten van lood een direct effect op de synthese van neurotransmitters, met name acetylcholine en dopamine. In epidemiologisch onderzoek werden associaties gerapporteerd tussen bloed lood van de moeder en neurologische ontwikkeling van de pasgeborenen (Neurological Soft Sign Scale, gehoortest), maar deze associaties zijn zeer zwak. Bij oudere kinderen zijn er verschillende studies die consistente negatieve effecten van lood beschreven op het IQ. Deze effecten zijn gedeeltelijk onomkeerbaar en er is waarschijnlijk geen kritische drempelwaarde.
50
Appendix 7. Statistisch analyseplan.doc
Literatuur: Canfield RL, Henderson CR Jr, Cory-Slechta DA, Cox C, Jusko TA, Lanphear BP. Intellectual impairment in children with blood lead concentrations below 10 microg per deciliter. N Engl J Med. 2003;348:1517-26. Gomaa A, Hu H, Bellinger D, Schwartz J, Tsaih SW, Gonzalez-Cossio T, Schnaas L, Peterson K, Aro A, Hernandez-Avila M. Maternal bone lead as an independent risk factor for fetal neurotoxicity: a prospective study. Pediatrics. 2002;110:110-8. Ernhart CB, Wolf AW, Kennard MJ, Erhard P, Filipovich HF, Sokol RJ. Intrauterine exposure to low levels of lead: the status of the neonate. Arch Environ Health. 1986;41(5):287-91. Schwartz J, Otto D. Blood lead, hearing thresholds, and neurobehavioral development in children and youth. Arch Environ Health. 1987;42(3):153-60.
Lood – biometrie Negatieve correlatie tussen bloed lood bij de moeder en geboortegewicht van de baby werd consistent vastgesteld. Mogelijke mechanismen zijn effecten van lood op de secretie van insulin-like growth factor of groeihormoon (proefdieronderzoek). Literatuur: Srivastava S, Mehrotra PK, Srivastava SP, Tandon I, Siddiqui MK. Blood lead and zinc in pregnant women and their offspring in intrauterine growth retardation cases. J Anal Toxicol. 2001;25(6):461-5. Osman K, Akesson A, Berglund M, Bremme K, Schutz A, Ask K, Vahter M. Toxic and essential elements in placentas of Swedish women. Clin Biochem. 2000;33(2):131-8. Odland JO, Nieboer E, Romanova N, Thomassen Y, Lund E. Blood lead and cadmium and birth weight among sub-arctic and arctic populations of Norway and Russia. Acta Obstet Gynecol Scand. 1999;78(10):852-60.
Lood – TSH Effect van lood op schildkliermetabolisme werd gerapporteerd bij arbeiders. Geen studies bij kinderen gevonden. Mogelijke mechanismen zijn stoornissen in het transport van schildklierhormonen (binding aan proteïnen). Literatuur: Singh B, Chandran V, Bandhu HK, Mittal BR, Bhattacharya A, Jindal SK, Varma S. Impact of lead exposure on pituitary-thyroid axis in humans. Biometals. 2000;13(2):187-92.
51
Appendix 7. Statistisch analyseplan.doc
Lopez CM, Pineiro AE, Nunez N, Avagnina AM, Villaamil EC, Roses OE. Thyroid hormone changes in males exposed to lead in the Buenos Aires area (Argentina). Pharmacol Res. 2000;42:599-602.
Cadmium Cadmium – luchtwegklachten, allergie, infecties Cadmium wordt beschreven als immunotoxisch (zowel suppressie als activering van het immuunsysteem zijn beschreven). De werking van cadmium verloopt mogelijk via de secretie van immunoglobulines en interleukines. Literatuur: Heinrich J, Frye C, Holscher B, Meyer I, Pitz M, Cyrys J, Schneller H, Wjst M, Wichmann HE. [Environmental surveys in the areas of Bitterfeld, Hettstedt and a comparative area in 1992-2000] Gesundheitswesen. 2002;64(12):675-82. Ritz B, Heinrich J, Wjst M, Wichmann E, Krause C. Effect of cadmium body burden on immune response of school children. Arch Environ Health. 1998;53(4):272-80. Gavett SH, Haykal-Coates N, Copeland LB, Heinrich J, Gilmour MI. Metal composition of ambient PM2.5 influences severity of allergic airways disease in mice. Environ Health Perspect. 2003;111(12):1471-7.
Cadmium – fertiliteit Studies met humane cellijnen tonen aan dat cadmium ‘androgeenachtige’ effecten kan hebben. Dit verklaart mogelijke associaties met prostaatkanker. Verder werd cadmium in verband gebracht met een verhoogde kans op onvruchtbaarheid bij de man, maar de co-lineariteit met lood is vaak erg groot. Literatuur: Johnson MD, Kenney N, Stoica A, Hilakivi-Clarke L, Singh B, Chepko G, Clarke R, Sholler PF, Lirio AA, Foss C, Reiter R, Trock B, Paik S, Martin MB. Cadmium mimics the in vivo effects of estrogen in the uterus and mammary gland. Nat Med. 2003;9(8):1081-4. Ye J, Wang S, Barger M, Castranova V, Shi X. Activation of androgen response element by cadmium: a potential
mechanism
for
a
carcinogenic
effect
of
cadmium
in
the
prostate.
J Environ Pathol Toxicol Oncol. 2000;19(3):275-80.
52
Appendix 7. Statistisch analyseplan.doc
Pant N, Upadhyay G, Pandey S, Mathur N, Saxena DK, Srivastava SP. Lead and cadmium concentration in the seminal plasma of men in the general population: correlation with sperm quality. Reprod Toxicol. 2003;17(4):447-50. Telisman S, Cvitkovic P, Jurasovic J, Pizent A, Gavella M, Rocic B. Semen quality and reproductive endocrine function in relation to biomarkers of lead, cadmium, zinc, and copper in men. Environ Health Perspect. 2000;108(1):45-53. Cadmium – apgar In proefdieronderzoek werden een aantal mechanismen gesuggereerd voor een neurotoxisch effect van cadmium: directe interactie met neuronen (competitie met Ca2+ kanalen); inductie van histopathologische schade door productie van vrije radicalen; interferentie met het Zn-metabolisme waardoor methallothioneine niet normaal kan functioneren.. In één epidemiologische studie werd een negatieve associatie gevonden tussen cadmium en de apgarscore. Literatuur: Mokhtar G, Hossny E, el-Awady M, Zekry M. In utero exposure to cadmium pollution in Cairo and Giza governorates of Egypt. East Mediterr Health J. 2002;8(2-3):254-60.
Cadmium – biometrie Cadmium werd geassocieerde met verhoogde kans op vroeggeboorte en/of lager geboortegewicht van de baby. Aangezien cadmium slechts in beperkte mate de placenta passeert, zullen de effecten via de placenta of de baarmoeder verlopen. Mogelijke mechanismen zijn effecten op de progesterone synthese door de placenta (Cd als endogene disruptor van de endogene oestrogenen) of een stimulatie van de Cageïnduceerde contracties van de baarmoeder. Literatuur: Nishijo M, Nakagawa H, Honda R, Tanebe K, Saito S, Teranishi H, Tawara K. Effects of maternal exposure to cadmium on pregnancy outcome and breast milk. Occup Environ Med. 2002;59:394-6. Salpietro CD, Gangemi S, Minciullo PL, Briuglia S, Merlino MV, Stelitano A, Cristani M, Trombetta D, Saija A. Cadmium concentration in maternal and cord blood and infant birth weight: a study on healthy non-smoking women. J Perinat Med. 2002;30:395-9. Laudanski T, Sipowicz M, Modzelewski P, Bolinski J, Szamatowicz J, Razniewska G, Akerlund M. Influence of high lead and cadmium soil content on human reproductive outcome. Int J Gynaecol Obstet. 1991;36:309-15.
53
Appendix 7. Statistisch analyseplan.doc
Cadmium – TSH Veel studies die een effect van cadmium op de schildklierhormonen aantonen in proefdieren, maar weinig studies in de algemene bevolking. Mogelijk mechanisme: cadmium verstoort hormoonproductie ter hoogte van hypothalamus. Literatuur: Osius N, Karmaus W, Kruse H, Witten J. Exposure to polychlorinated biphenyls and levels of thyroid hormones in children. Environ Health Perspect. 1999;107(10):843-9. Lafuente A, Esquifino AI. Cadmium effects on hypothalamic activity and pituitary hormone secretion in the male. Toxicol Lett. 1999;110(3):209-18.
9
VOORSTELLING VAN DE RESULTATEN
De resultaten van de statistische verwerkingen zullen in begrijpbare besluiten samengevat worden. Indien mogelijk worden de resultaten grafisch voorgesteld. We denken in het bijzonder aan de Classificatie en Regressie bomen en kaarten van de ruimtelijke analyses (2de verwerkingsfase). De regressieanalyses worden in tabellen samengevat: R2 , schatter(s) voor effect(en) (gemiddelde of odss ratio) en standaard deviaties.
54