KU LEUVEN
FACULTEIT SOCIALE WETENSCHAPPEN MASTER OF SCIENCE IN DE COMMUNICATIEWETENSCHAPPEN
TV kijken en de BMI van kinderen en adolescenten
Een meta-analyse
Promotor : Prof. Dr. J. VAN DEN BULCK Verslaggever : Prof. Dr. S. EGGERMONT
MASTERPROEF aangeboden tot het verkrijgen van de graad van Master of Science in de Communicatiewetenschappen door Laura DE GEYTER
academiejaar 2012-2013
1
KU LEUVEN
FACULTEIT SOCIALE WETENSCHAPPEN MASTER OF SCIENCE IN DE COMMUNICATIEWETENSCHAPPEN
TV kijken en de BMI van kinderen en adolescenten
Een meta-analyse
Promotor : Prof. Dr. J. VAN DEN BULCK Verslaggever : Prof. Dr. S. EGGERMONT
MASTERPROEF aangeboden tot het verkrijgen van de graad van Master of Science in de Communicatiewetenschappen door Laura DE GEYTER
academiejaar 2012-2013
2
Inhoud Lijst van tabellen Lijst van figuren Lijst van afkortingen Voorwoord Inleiding 1. Probleemstelling 1.1 BMI als maat voor overgewicht bij jongeren en volwassenen 1.2 Literatuurstudie 1.2.1 Gezondheidsrisico’s ten gevolge van overgewicht 1.2.2 Mogelijke oorzaken van overgewicht 1.2.3 De rol van televisie 1.2.3.1 Een sedentaire levenswijze 1.2.3.2 Een verlaagde fysieke activiteit 1.2.3.3 De invloed van reclame 1.2.3.4 Conclusie 1.2.4 Bevindingen uit de literatuur 1.2.4.1 Scepticisme 1.2.4.2 Steun voor een mogelijk verband 1.2.4.3 Conclusie op basis van de bestaande literatuur 1.3 Maatschappelijke relevantie 1.4 Hypothese 2. Gebruikte methoden 2.1 Wat is een meta-analyse? 2.2 De meerwaarde van een meta-analyse 2.3 Doorzoeken van wetenschappelijke databanken 2.4 Inclusiecriteria 2.5 Geconsulteerde literatuur en gebruikte software 2.6 Meta-analyse 2.6.1 Invoeren van de data 2.6.2 Fixed-effect versus random-effects modellen 3. Resultaten 3.1 Televisiekijken en de BMI 3.1.1 Steekproefkenmerken 3.1.2 Heterogeniteitstest 3.1.3 Resultaten van de meta-analyse
5 6 7 8 9 11 11 13 13 15 16 17 18 18 19 20 20 21 23 24 25 29 29 31 33 34 36 36 36 38 41 41 41 43 44 3
3.2 Publicatiebias 3.2.1 Funnel Plot 3.2.2 Fail-Safe N 3.2.3 Trim and Fill 3.2.4 Gevoeligheidsanalyse 3.2.5 Publicatiebias: samengevat 3.3 De invloed van mogelijke modererende variabelen 3.3.1 Jongens en meisjes 3.3.2 Kinderen, tieners en adolescenten 3.3.3 Zware versus lichtere televisiekijkers 3.3.4 Cumulatieve meta-analyse 4. Discussie 4.1 Centrale hypothese 4.2 Additionele onderzoeksvragen 4.3 Implicaties van de resultaten 4.4 Beperkingen Algemeen Besluit Referenties
47 49 51 52 54 54 56 57 60 64 67 70 70 71 72 75 77 79
Bijlage 1. Geselecteerde artikels
88
4
Lijst van tabellen Tabel 1. Heterogeniteitstest met de Odds Ratio als uitkomstvariabele (BI: 95%) Tabel 2. Fail-Safe N met de Odds Ratio als uitkomstvariabele (BI: 95%) Tabel 3. Duval & Tweedie’s Trim and Fill met de Odds Ratio als uitkomstvariabele (BI: 95%)
5
44 52 53
Lijst van figuren Figuur 1. Forest Plot: Samenvattende Odds Ratio van de randomeffects meta-analyse (BI: 95%) Figuur 2. Forest Plot: Samenvattende correlatie van de randomeffects meta-analyse (BI: 95%) Figuur 3. Funnel Plot Figuur 4. Forest Plot: Gevoeligheidsanalyse met de Odds Ratio als uitkomstvariabele (BI: 95%) Figuur 5. Forest Plot: Samenvattende Odds Ratio van de randomeffects meta-analyse voor enkel jongens (BI: 95%) Figuur 6. Forest Plot: Samenvattende Odds Ratio van de randomeffects meta-analyse voor enkel meisjes (BI: 95%) Figuur 7. Forest Plot: Samenvattende Odds Ratio van de randomeffects meta-analyse voor enkel kinderen (BI: 95%) Figuur 8. Forest Plot: Samenvattende Odds Ratio van de randomeffects meta-analyse voor enkel tieners (BI: 95%) Figuur 9. Forest Plot: Samenvattende Odds Ratio van de randomeffects meta-analyse voor enkel adolescenten (BI: 95%) Figuur 10: Forest Plot: Samenvattende Odds Ratio van de randomeffects meta-analyse voor de zware kijkers (BI: 95%) Figuur 11: Forest Plot: Samenvattende Odds Ratio van de randomeffects meta-analyse voor de lichte kijkers (BI: 95%) Figuur 12. Forest Plot: Cumulatieve meta-analyse met de Odds Ratio als uitkomstvariabele (BI: 95%)
6
45 46 50 55 58 59 61 62 63 65 66 69
Lijst van afkortingen BI: BMI: CMA: df: H: OR: RQ: TV: WHO: XL:
Betrouwbaarheidsinterval Body Mass Index Comprehensive Meta-Analysis degrees of freedom Hypothese Odds Ratio Research Question Televisie World Health Organization Extra Large
7
Voorwoord Dat deze masterproef tot een goed einde is gekomen, zou nooit gelukt zijn zonder de hulp, steun en het onvoorwaardelijke vertrouwen van veel mensen uit mijn omgeving. In de eerste plaats was er mijn promotor, professor Jan Van den Bulck, die mij in 2011 al zijn volle vertrouwen gaf toen ik met een eigen thesisonderwerp bij hem kwam aankloppen. Zelfs nadat deze masterproef in 2012 bleek vast te lopen, bleef hij me steunen en zocht hij aan het begin van het volgende academiejaar samen met mij naar een nieuw onderwerp. Doorheen het hele proces hielp hij met het zoeken naar oplossingen wanneer er iets misliep, heeft hij verschillende proefversies doorgenomen en heeft hij het voor mij mogelijk gemaakt om als eerste masterproefstudente aan de faculteit Sociale Wetenschappen van de KU Leuven een meta-analyse uit te voeren. Dit extra thesisjaar was echter nooit mogelijk geweest zonder de grenzeloze steun van mijn ouders Lutje en Dirk. Zij zorgden ervoor dat ik probleemloos een jaar langer op kot kon blijven, luisterden geduldig naar mij wanneer ik de behoefte had één en ander eens luidop op een rijtje te zetten en ze gaven me het duwtje in de rug dat af en toe deugd deed. Bedankt voor alles, maar bovenal om non-stop in mij te geloven. Verder wil ik graag mijn ‘kleine’ broer Thomas bedanken, die altijd zijn geduld wist te bewaren wanneer voor mij niets anders op de wereld bestond dan cijfertjes en tabellen. Ook mijn beste vriend Lukas, die letterlijk dag en nacht voor mij klaarstond, verdient hier een plaatsje; net zoals Ginny, Gaël, Lukas, Roel en Jo, die hoogst vermakelijk gezelschap waren tijdens de vier jaar communicatiewetenschappen en er een prachttijd van gemaakt hebben. Ook mag ik Johan Walrave zeker niet vergeten, die mij met statistische raad en daad heeft bijgestaan en zonder wie de data-analyse hoogst waarschijnlijk niet tot een goed einde was gekomen. Ten slotte ook ‘nen dikke merci’ voor Bavo, Bregt, Jens, Lotte, Margot, Nathalie, Nick (Duine), Philippe (Fille), Piet, Sam, Sara, Sarah, Thomas (Dufke) en Thomas (Tokkie) omdat zij elk op hun manier mijn grijze dagen verlichten, de mooie momenten tot epische avonturen verheffen en mijn studententijd er zonder hen helemaal anders had uitgezien. 8
Inleiding Toen Dietz & Gortmaker in 1985 de resultaten van hun onderzoek publiceerden, zorgden ze voor heel wat opschudding. Zij stelden immers zowel cross-sectioneel als longitudinaal een significante associatie vast tussen de tijd die kinderen van 6 tot 11 en van 12 tot 17 jaar oud voor de televisie spendeerden en de kans op overgewicht. Zo nam voor de oudste leeftijdsgroep de kans op obesitas met twee procent toe voor elk uur dat ze dagelijks langer naar de televisie keken en bleven de vastgestelde relaties ongewijzigd wanneer werd gecontroleerd voor een groot aantal potentiële modererende variabelen. De auteurs stelden dan ook dat ‘[d]e consistentie, chronologische volgorde, sterkte en specificiteit van de associaties suggereert dat televisiekijken zwaarlijvigheid kan veroorzaken bij ten minste enkele kinderen en adolescenten’ (Dietz & Gortmaker, 1985, p. 807). In later onderzoek werden deze resultaten echter niet steeds gerepliceerd of werden relatief zwakke correlaties vastgesteld, wat ertoe leidde dat de eerdere conclusie van Dietz & Gortmaker (2004) meermaals in vraag werd gesteld. Deze masterproef heeft als doel om een duidelijker beeld te schetsen van het bestaande onderzoek naar de relatie tussen de twee voornaamste variabelen uit dit domein, namelijk televisiekijken en de BMI van jongeren. Er wordt met behulp van een meta-analyse nagegaan of er sprake is van een statistisch significant effect van televisiekijken op de gewichtsstatus van kinderen en adolescenten op basis van data uit verschillende landen. In de literatuurstudie worden verschillende facetten van de obesitasproblematiek onder de loep genomen en gaan we niet enkel in op de fysieke gevolgen van dit overgewicht, maar kijken we ook naar de emotionele en sociale consequenties op korte en lange termijn. We bekijken bovendien niet alleen de impact van zwaarlijvigheid op het individu, maar gaan daarnaast ook in op wat de obesitasepidemie voor de maatschappij betekent. De geanalyseerde data zijn afkomstig van de Verenigde Staten en van verschillende landen uit Europa, Azië en Oceanië. Ze werden teruggevonden in artikels die dateren van na het pioniersartikel van Dietz & Gortmaker (1985) tot op heden. De gegevens van de bijna 30.000 individuele respondenten worden uiteraard vanuit een communicatiewetenschappelijke invalshoek benaderd en worden geana9
lyseerd met behulp van Comprehensive Meta-Analysis Version 2 (Borenstein, Hedges, Higgins & Rothstein, 2005). Deze masterproef is opgebouwd uit vier delen en behandelt als eerste de probleemstelling. Deze bestaat uit een inleiding tot de materie, gevolgd door een literatuurstudie (waarin de oorzaken en gevolgen van overgewicht, de rol van televisie in dit verhaal en het bewijs uit de bestaande literatuur aan bod komen) en een bespreking van de maatschappelijke relevantie en wordt afgesloten met de centrale hypothese. Ten tweede worden de gebruikte methoden besproken en komen daarbij achtereenvolgens een verantwoording van de keuze voor een meta-analyse, een beschrijving van de dataverzameling en -analyse en de keuze voor een random-effects model aan bod. Vervolgens worden in een derde deel van de tekst de resultaten van de meta-analyse zelf besproken, te beginnen met een beschrijving van de data, een heterogeniteitstest en de resultaten van de analyse. Verder wordt in dit derde gedeelte op verschillende manieren nagegaan of er sprake is van publicatiebias en worden mogelijke modererende variabelen aangehaald. In het vierde en laatste deel, de discussie, worden de resultaten samengevat en worden de beperkingen aangehaald die de praktische uitwerking van deze masterproef op bepaalde punten bemoeilijkt hebben.
10
1. Probleemstelling 1.1 BMI als maat voor overgewicht bij jongeren en volwassenen Voor veel Europeanen zijn de Verenigde Staten het land van president Barack Obama, het land van de vrije wapendracht en het land van cheerleaders en football. Amerika is echter zeker ook het land van de fast-foodketens, van ‘all you can eat’-buffetten en XL-porties en van de bijhorende XL-kledingmaten. Dat dit beeld niet volkomen uit de lucht is gegrepen, bewijzen cijfers van de laatste decennia, waaruit blijkt dat het aantal mensen met overgewicht in de Verenigde Staten tijdens deze periode gestaag is toegenomen. Zo zou volgens een studie van Flegal, Carroll, Ogden & Curtin (2010) 70% van de Amerikaanse volwassenen met overgewicht te kampen hebben en zou de helft van deze groep obees zijn. De gewichtsstatus van mensen wordt in dit soort studies doorgaans bepaald op basis van hun Body Mass Index of BMI, die men bekomt door het gewicht in kilogram te delen door het kwadraat van de lengte, uitgedrukt in meter. In de eerder vermelde studie van Flegal e. a. (2010) definieert men een persoon met een BMI van 25 tot en met 29 als iemand met overgewicht en leiden mensen met een BMI van 30 of hoger aan obesitas. Deze gewichtsgrenzen worden ook door de World Health Organization (WHO) gehanteerd, al wordt op de website van deze organisatie wel opgemerkt dat de Body Mass Index (net als andere indices) zijn beperkingen kent en dus beter niet als enige maat wordt gebruikt om vast te stellen of iemand al dan niet een gezond lichaamsgewicht heeft. Deze index is immers enkel gebaseerd op iemands gewicht en lengte en houdt geen rekening met andere persoonskenmerken, zoals het geslacht en de leeftijd, die eveneens van belang zijn bij de evaluatie van de gezondheid van een individu. Bijgevolg wordt voor kinderen en adolescenten een aangepaste schaal gebruikt met behulp van percentielgrenzen of baseert men zich op het aantal standaardafwijkingen van het gemiddelde om de gewichtsstatus van jongeren vast te stellen (WHO, 2013). Deze aangepaste formules voor de BMI van kinderen en adolescenten zijn vereist aangezien ook in deze leeftijdsgroepen het aantal obese individuen de voorbije twee decennia sterk is toegenomen. Zo zou 12,4% van de kinderen van twee tot vijf jaar oud obees zijn (in 11
verhouding tot 5,0% in de jaren ’80) en zien we in diezelfde periode een stijging van 6,5% naar 17% bij de groep van 6- tot 11-jarigen en van 5,0% naar 17% bij adolescenten tussen 12 en 19 jaar (Boulos, Vikre, Oppenheimer, Chang & Kanarek, 2012). Uit een onderzoek van Lobstein, Baur & Uauy (2004) komen gelijkaardige cijfers naar voren waaruit blijkt dat wereldwijd tien procent van de jongeren tussen 5 en 17 jaar met overgewicht te kampen heeft en dat één vierde van deze jongeren obees is. Het Amerikaanse continent behaalt hier bovendien een verontrustend hoog percentage, aangezien 32% van de jongeren daar te zwaar is en ook daar één op vier uit deze groep (dus acht procent van de totale leeftijdsgroep) aan obesitas leidt. Nog verontrustender dan deze hoge aantallen is de snelheid waarmee ze toenemen: de voorbije drie decennia is de proportie Amerikanen met obesitas tussen 20 en 39 jaar verdubbeld en is deze groep binnen de adolescenten zelfs verdrievoudigd (Boone, GordonLarsen, Adair & Popkin, 2007). Uit een onderzoek naar de prevalentie van obesitas in Europa blijkt dat de situatie er hier echter niet veel rooskleuriger uitziet. Hoewel de proportie obese volwassenen (opnieuw gedefinieerd als individuen met een BMI hoger dan 30) sterk verschilt tussen 29 verschillende landen op het Europese continent, is 4,0% tot 28,3% van de mannen en 6,2% tot 36,5% van de vrouwen obees (Berghöfer, Pischon, Reinhold, Apovian, Sharma & Willich, 2008). Ook de Europese jeugd lijkt een slachtoffer van deze epidemie te zijn: uit cijfers van 2004 komt naar voren dat maar liefst 20% van de jongeren tussen 5 en 17 jaar te zwaar is en dat vijf procent van alle jongeren een BMI heeft die hoger ligt dan het 85ste percentiel en als obees wordt geclassificeerd (Lobstein e.a., 2004). Recentere data (Monasta, Batty, Cattaneo, Lutje, Ronfani, van Lenthe & Brug, 2010) schetsen een gelijkaardig beeld voor kinderen en adolescenten uit Europa: 20% uit deze groep zou aan overgewicht lijden en één derde hiervan (ongeveer zeven procent) wordt als obees geclassificeerd. In een meta-analyse van Goris, Petersen, Stamatakis en Veerman (2009) die data uit zeven verschillende landen vergeleek, werd gekeken naar de proportie jongeren tussen 6 en 11 jaar oud die aan obesitas en overgewicht leden in zeven verschillende landen. De totale percentages voor deze beide groepen bedroegen 26,6% voor jongens en 30,8% voor meisjes uit Australië, respectievelijk 32,2 en 28,9% 12
voor Italië, 19,9 en 23,8% voor Zweden, 14,5 en 15,9% voor Nederland, 23,0 en 27,3% voor Engeland, 29,3% en 26,1% voor Schotland en 32,2 en 34,0% voor de Verenigde Staten. Globaal genomen kunnen we dus stellen dat 15 tot 30% van de jongeren uit deze westerse landen aan overgewicht en (in drie tot tien procent van deze gevallen) aan obesitas leidt. Bovendien lijkt deze trend niet te stagneren en zou de proportie kinderen met overgewicht in bepaalde delen van Europa sinds de jaren ’90 jaarlijks met één procent toenemen (Lobstein e.a., 2004). Men mag dus zonder te overdrijven stellen dat het aantal mensen met overgewicht sinds de jaren ‘80 gestaag is toegenomen en dat hun aantal lijkt te blijven toenemen. Geografisch gezien speelt dit probleem vooral in de geïndustrialiseerde westerse landen, demografisch gezien kent deze problematiek geen grenzen en treft ze zowel jong als oud (Finucane, Stevens, Cowan, Danaei, Lin, Paciorek, Singh, Gutierrez, Lu, Bahalim, Farzadfar, Riley & Ezzati, 2011).
1.2 Literatuurstudie 1.2.1 Gezondheidsrisico’s ten gevolge van overgewicht Dit overtollige lichaamsgewicht dat een groot deel van de bevolking met zich meesleept is bovendien niet onschuldig en heeft een grote impact op de gezondheid omdat het de oorzaak kan zijn van een aanzienlijk aantal niet-overdraagbare aandoeningen. Zo vergroten overgewicht (een BMI tussen 25 en 29) en obesitas (een BMI hoger dan 30) de kans op hart- en vaatziekten, diabetes, aandoeningen van het bewegingsapparaat (musculoskeletale aandoeningen), sommige kankers, zoals borst- en darmkanker (WHO, 16.11.2006) en zorgt overgewicht voor een significante toename in het risico op sterfte (Boulos e.a., 2012; Reilly, Methven, McDowell, Hacking, Alexander, Stewart & Kelnar, 2003). Afgezien van deze lichamelijke kwalen is er ook bewijs dat obesitas bij jongvolwassenen bovendien nefaste economische en sociale gevolgen met zich mee kan brengen (Reilly e.a., 2003). Zo zouden zij minder vaak trouwen, het minder ver schoppen in hun opleiding en zouden ze als volwassene een lager inkomen 13
krijgen, mogelijk ten gevolge van discriminatie in hun persoonlijke en professionele leven (Monasta e.a., 2010). Overgewicht in de kindertijd heeft echter niet enkel de voorgenoemde gevolgen op lange termijn, wanneer men de extra kilo’s als (jong)-volwassen individu met zich mee blijft dragen, maar het kan ook reeds tijdens de kindertijd voor psychologische, sociale en gezondheidsproblemen zorgen (Monasta e.a., 2010). Zo concluderen Reilly e.a. (2003) uit hun review dat obese kinderen een groter risico lopen op psychologische en psychiatrische problemen (zoals een laag zelfbeeld), dat ze meer kans hebben op cardiovasculaire aandoeningen (gelijkaardig aan diegene die bij volwassenen worden aangetroffen), dat ze vaker aan astma leiden, sneller diabetes type 1 zullen ontwikkelen en gemakkelijker ten prooi vallen aan allerlei ontstekingen. Reeds in 1993 bleek bovendien uit onderzoek van Serdula, Ivery, Coates, Freedman, Williamson & Byers dat kinderen met overgewicht een grote kans hebben om met die extra kilo’s opgezadeld te blijven voor de rest van hun verdere leven. Dit werd bevestigd door een meta-analyse van Anderson, Konz, Frederich en Wood (2001) waarin 29 studies werden opgenomen met betrekking tot het behoud van gewichtsverlies over een periode van vijf jaar. Gemiddeld slaagden deze obese individuen erin om slechts drie kilogram van het oorspronkelijke verloren lichaamsgewicht te behouden en bereikten ze op slechts drie procent na opnieuw hun oorspronkelijke gewicht. Hoewel uit het onderzoek van Serdula e.a. (1993) naar voren kwam dat slechts in minder dan de helft van de gevallen obesitas bij volwassenen ‘te wijten is aan’ een obese jeugd, werd in de omgekeerde richting wel een sterke positieve correlatie vastgesteld tussen overgewicht tijdens de kindertijd en op latere momenten in het leven. Zo zou de kans op obesitas als volwassene 2 tot 6,5 maal groter zijn voor individuen die reeds als kind obees waren. Aangezien de kans op succesvol gewichtsverlies voor obese volwassenen bovendien klein is, wordt de basis voor overgewichtgerelateerde gezondheidsaandoeningen dus reeds in de kindertijd gevormd (Serdula e.a., 1993). Uit onderzoek van Boone e.a. (2007) komt een toepasselijk voorbeeld naar voren van de verstrekkende invloed van het gedrag tijdens de jeugd op de gezondheid als volwassene. Daaruit bleek immers dat de individuen die als adolescent tot de zwaarste televisie14
kijkers behoorden de grootste kans hadden op obesitas in hun volwassen leven en dat experimentele manipulaties van de fysieke activiteit weinig tot geen invloed op deze relatie hadden. Bovendien bleef deze relatie quasi ongewijzigd wanneer het televisiekijken als volwassene gereduceerd werd, wat het belang aantoont van een gezonde levensstijl tijdens de kindertijd en de adolescentie. Boulos e.a. (2012) merken deze overdraagbaarheid eveneens op en stellen dan ook correct dat televisiekijken tijdens de jeugd als een voorspeller van de gezondheid in het latere leven kan beschouwd worden.
1.2.2 Mogelijke oorzaken van overgewicht Wanneer overgewicht niet veroorzaakt wordt door endogene factoren, zoals een erfelijke aanleg tot gewichtstoename, lijkt de oorzaak duidelijk te zijn: een verstoorde energiebalans ten gevolge van een onevenwichtige verhouding tussen de inname en het verbruik van calorieën (Davey, 2004; Anderson & Butcher, 2006; Monasta e.a., 2010). Dit onevenwicht kan op zijn beurt echter een enorme hoeveelheid aan (combinaties van) mogelijke oorzaken hebben. Zo proberen Wright & Aronne (2012) voor een overzicht van deze causale factoren te zorgen en hebben ze het over een complex samenspel van genetische, fysiologische, psychologische, sociale, economische, politieke en omgevingsinvloeden dat het toenemende aantal mensen met overgewicht zou kunnen verklaren. Gezien het grote aantal factoren dat aan de basis van de obesitasepidemie ligt en de ondoorzichtige manier waarop deze op elkaar inspelen, is er ook geen eenduidige oplossing voorhanden. Davey (2004) stelt dat gezien wandelen niet langer onze voornaamste transportmethode is, gezien de veranderende aard van de arbeidsmarkt (die steeds minder jobs omvat die veel fysieke activiteit vergen) en het toenemende aantal toestellen die ons beweging besparen, het onze omgeving is die dit toenemende aantal mensen met overgewicht in de hand werkt. Bovendien zijn er volgens hem te veel obstakels (bv. televisie, computergames en de technologische vooruitgang) die het onwaarschijnlijk maken dat mensen spontaan fysiek actiever zullen worden. 15
Bijgevolg is het onze obesogene omgeving die aangepakt moet worden en volgens Davey zijn er drie manieren om dit te doen. Ten eerste stelt hij een vettaks voor die mensen ontmoedigt om vetrijke producten te kopen door de verhoogde aankoopprijs en er tegelijkertijd voor te zorgen dat gezonde voeding relatief goedkoper en dus ook aantrekkelijker wordt. Verder acht hij het noodzakelijk om de reclame-industrie op haar verantwoordelijkheid te wijzen en advertenties voor fast food van de televisie te bannen, stelt hij een massale overheidscampagne voor gezonde voeding voor en zouden bepaalde voedingsmiddelen van duidelijke labels voorzien moeten worden die de consument wijzen op mogelijke gezondheidsrisico’s. Ten slotte is het volgens Davey noodzakelijk dat de portiegroottes van bepaalde voedingswaren gelimiteerd worden, aangezien deze een vertekend beeld geven van de omvang van een normale maaltijd. Het zou ons echter te ver leiden om uitgebreid in te gaan op de mogelijke oplossingen voor dit maatschappelijke probleem en dit behoort ook niet tot het opzet van deze analyse. Bijgevolg wordt in de rest van deze paragraaf een overzicht gegeven van de verschillende mechanismen die de relatie tussen televisiekijken en het stijgende aantal mensen met overgewicht in de populatie kunnen verklaren.
1.2.3 De rol van televisie Boulos e.a. (2012) maken in de eerste plaats een onderscheid tussen factoren die een indirecte invloed uitoefenen op de obesitasepidemie enerzijds, en factoren met een directe invloed anderzijds. Tot de eerste groep behoren onder andere de inhoud van verschillende televisieprogramma’s zoals product placement en het voedsel dat in programma’s gegeten wordt door acteurs, obesitasgerelateerde stereotypes en de impact van realityshows over thema’s als gewichtsverlies. Ook beroemde (televisie)chefs en de enorme boom aan voedselgerelateerde programma’s (zoals bij ons onder andere ‘Dagelijkse Kost’, ‘Goe Gebakken’ en ‘Komen eten’) en het aan bod komen van de overgewichtproblematiek in het nieuws zien zij als mogelijke beïnvloedende elementen. Van groter belang echter zijn de directe invloeden die zij onderscheiden en die in drie grote categorieën kunnen ondergebracht worden. 16
1.2.3.1 Een sedentaire levenswijze De eerste is de sterk sedentaire aard van onze westerse levensstijl die zich vertaalt in twee grote trends die hieruit volgen. Ten eerste kan men een daling van ons energieverbruik vaststellen ten gevolge van de sterk ontwikkelde technologie en verschillende aantrekkelijke vrijetijdsbestedingen die weinig of geen energie vergen, zoals televisiekijken (Chapman, Benedict, Brooks & Schiöth, 2012). Deze beide factoren vormen de kern van de zogenaamde displacement hypothese die stelt dat sedentaire activiteiten zoals televisiekijken en computergames spelen een steeds groter wordend aandeel van onze vrije tijd opeisen en daarbij tijd in beslag nemen die aan fysieke activiteiten zou kunnen besteed worden (Boone e.a., 2007; Boulos e.a., 2012; Jenvey, 2007). Het andere gevolg van die minder actieve levensstijl is een stijging in onze calorie-inname die gepaard gaat met de toegenomen tijd die we spenderen aan televisiekijken (Wright & Aronne, 2012). Uit onderzoek van Wiecha, Peterson, Ludwig, Kim, Sobol, & Gortmaker (2006) bleek immers dat een positieve associatie bestaat tussen televisiekijken en een toename in de consumptie van fast food en energiedense snacks. Een mogelijke verklaring voor deze relatie zien Chapman e.a. (2012) in een tweevoudig mechanisme waarbij televisiekijken enerzijds door middel van conditionering geassocieerd wordt met een voedselbeloning en anderzijds voor een verminderde inhibitie zorgt omdat hiervoor onvoldoende hersenactiviteit beschikbaar is. Deze mechanismen zijn verantwoordelijk voor neurologische en endocriene adaptaties die ervoor zorgen dat de waarde van voedselbeloningen vergroot, wat op zijn beurt voor voedselverslavingen en overgewicht kan zorgen. Boulos e.a. (2012) gaan eveneens uit van de ‘positieve’ invloed van televisiekijken op de calorische consumptie, maar verklaren deze op een andere manier. Volgens hen ligt de oorzaak immers bij het ‘gedachteloos snacken’ ten gevolge van de (te grote) focus op wat er zich op het televisiescherm afspeelt. Dit zorgt er immers voor dat deze externe cues uit de omgeving de interne cues overstemmen waardoor men zich niet langer bewust is van een honger- of verzadigingsgevoel. Onderzoek van Coon & Tucker (2002) toonde aan dat kinderen die meer televisiekijken inderdaad ook meer energiedense voeding tot zich nemen en dit bevestigt dus, 17
ongeacht het specifieke mechanisme dat er verantwoordelijk voor is, de relatie die zowel Chapman e.a. (2012) als Boulos e.a. (2012) veronderstellen.
1.2.3.2 Een verlaagde fysieke activiteit Een tweede directe invloed die Boulos e.a. (2012) onderscheiden is de sterk gedaalde fysieke activiteit die onze westerse levensstijl kenmerkt. We gingen reeds eerder uitgebreid in op de redenering van Davey (2004) die stelt dat de technologische vooruitgang ervoor zorgt dat we steeds minder fysieke beweging nodig hebben om ons comfortabele leven te leiden, dat er steeds minder jobs zijn die om veel lichamelijke activiteit vragen en dat de wagen en het openbare vervoer de nieuwe voornaamste methoden van transport zijn, in plaats van afstanden te voet af te leggen. Bijgevolg daalt het totale dagelijkse energieverbruik door een vermindering van de lichaamsbeweging, wat op zijn beurt een invloed heeft op de verhouding tussen onze opgenomen en verbruikte energie en op die manier overgewicht in de hand kan werken.
1.2.3.3 De invloed van reclame Ten slotte hebben Boulos e.a. (2012) het ook over de rol van de overvloed aan reclame in onze maatschappij, die eten zou stimuleren. Zij halen daarbij meerdere studies aan die aantonen dat een positieve relatie bestaat tussen blootstelling aan reclame op televisie en de keuze voor energiedense (maar voedingswaarde-arme) voeding en overgewicht bij kinderen, adolescenten en volwassenen. Dit wordt bevestigd door Scully, Dixon & Wakefield (2008) die vaststellen dat reclame de voedselvoorkeuren van kinderen beïnvloedt, wat er op zijn beurt voor zorgt dat zij hun ouders trachten te overtuigen om deze producten aan te kopen. Uit onderzoek van Chapman, Nicholas & Supramaniam (2006) bleek dat 81% van alle advertenties die tussen 7 en 21u worden uitgezonden op de Australische commerciële televisiezenders ongezonde voeding zoals fast food en gesuikerde ontbijtgranen, patisserie en frisdranken trachten aan de man te bren18
gen. Bijgevolg zijn het dan ook dit soort voedingsmiddelen die kinderen voornamelijk te zien krijgen. Onderzoek van Schüssler, Kluge, Yassouridis, Dresler, Uhr & Steiger (2012) toonde recent aan dat het zien van beelden van smakelijke voeding de ghreline-concentratie doet toenemen, wat op zijn beurt voor een hongergevoel zorgt. Dit zou betekenen dat de kinderen die met deze reclame geconfronteerd worden – en hier erg ontvankelijk voor zijn – honger krijgen door deze smakelijke afbeeldingen, hun ouders (trachten te) overtuigen om deze voedingswaren van lage nutritionele kwaliteit aan te schaffen en deze vervolgens kunnen consumeren (Jenvey, 2007).
1.2.3.4 Conclusie Het is belangrijk om nogmaals op te merken dat deze drie types directe invloeden elkaar wederzijds beïnvloeden en dat het bijgevolg moeilijk is om in een concreet geval op zoek te gaan naar één duidelijk mechanisme dat de relatie tussen televisiekijken en overgewicht verklaart. Monasta e.a. (2010) halen wel enkele factoren aan die volgens hen een grotere impact hebben op deze relatie, aangezien deze steun krijgen uit kwalitatieve systematische reviews. Zo zou borstvoeding geven een kind beschermen tegen later overgewicht, is er een duidelijk negatief verband vastgesteld wanneer een kind een snelle groei doormaakt op jonge leeftijd, wanneer de moeder rookt en het kind te weinig slaapt en is er een minder uitgesproken (maar significant negatieve) invloed van televisiekijken en een uitgesproken kleine of grote lengte bij de geboorte. Ten slotte dient opgemerkt te worden dat Klesges, Shelton en Klesges zelfs bewijs vonden voor een vertraagd metabolisme bij kinderen tijdens het televisiekijken, maar dat dit resultaat niet gerepliceerd kon worden in latere studies die een gelijksoortig effect probeerden vast te stellen (Anderson & Butcher, 2006). Bijgevolg leek het niet noodzakelijk deze piste uitgebreid te bespreken, aangezien er weinig wetenschappelijke voedingsbodem voor deze piste te vinden is. Jenvey (2007) concludeert dan ook dat de relatie tussen televisiekijken en een verhoogde Body Mass Index niet enkel kan verklaard worden door de displacement hypothese of de rol van reclame in dit verhaal en stelt dan ook dat een combinatie van deze beide mecha19
nismen vermoedelijk dichter bij de realiteit aansluit. Hij suggereert dan ook dat verder onderzoek zich moet concentreren op het complexe samenspel van verschillende factoren die mogelijk aan de basis liggen van overgewicht tijdens de kindertijd en dat de verschillende variabelen die hiertoe bijdragen op een gedetailleerde manier gemeten moeten worden. Samengevat is het dus deze combinatie van indirecte invloeden zoals media-inhouden en directe invloeden waaronder het sterk sedentaire karakter van onze westerse levensstijl, een daling van onze fysieke activiteit en de invloed van reclame die op elkaar inwerken en elk op hun manier bijdragen aan de rol die televisie speelt in de obesitasproblematiek.
1.2.4 Bevindingen uit de literatuur 1.2.4.1 Scepticisme Wanneer we het bewijs uit eerdere studies omtrent dit onderwerp onder de loep nemen, stellen we vast dat er – zoals dat wel vaker het geval is – zowel onderzoekers zijn die overtuigd zijn van het bestaan van een relatie tussen televisiekijken en overgewicht bij kinderen als wetenschappers die het bestaan (of de significantie) van deze associatie in vraag stellen. Chapman e.a. (2012) vermelden reeds in de inleiding van hun meta-analyse dat sommige studies er niet in slagen om bewijs te vinden voor een invloed van televisiekijken op de calorie-inname (o.a. Martin, Coulon, Markward, Greenway & Anton, 2009). In andere studies vindt men weliswaar een verband, maar verschillen de resultaten naargelang het geslacht (Jeffery & French, 1998) of de leeftijd (Sisson, Broyles, Robledo, Boeckman & Leyva, 2011) van de respondenten. Marshall, Biddle, Gorely, Cameron & Murdey (2010) stellen in hun meta-analyse weliswaar een statistisch significant verband vast tussen televisiekijken en de hoeveelheid lichaamsvet enerzijds (Pearson r=0,084; p<0,05) en tussen televisiekijken en de fysieke activiteit anderzijds (Pearson r=-0,129), maar trekken de klinische relevantie van deze resultaten in vraag. De eerste van deze twee relaties impliceert immers dat 99% van de variatie in lichaamsvet door andere factoren dan televisiekijken wordt verklaard. Bijgevolg stel20
len zij dan ook dat een reductie in het aantal uren televisiekijken waarschijnlijk slechts weinig invloed op de BMI zal hebben. Ook met betrekking tot de relatie tussen televisiekijken en obesitas bij kinderen zijn de onderzoeksresultaten niet eenduidig. Uit een overzicht van Anderson & Butcher (2006) blijkt dat het voornamelijk observationele en prospectieve studies (Robinson, Hammer, Killen, Kraemer, Wilson, Hayward & Taylor, 1993; Vandewater, Shim & Caplovitz, 2004) zijn die geen relatie vinden of tot gemengde bevindingen komen.
1.2.4.2 Steun voor een mogelijk verband Uit experimentele studies blijkt echter steeds dat de BMI van kinderen daalt wanneer men hen minder televisie laat kijken. Aangezien het bij deze experimentele onderzoeken om causale verbanden gaat, kan men ondanks de gemengde onderzoeksresultaten toch uitgaan van een negatieve invloed van televisiekijken op de gewichtsstatus van kinderen. Bovendien hoeft een zwakke correlatie niet te impliceren dat er geen relevante resultaten worden gevonden. Wanneer een klein effect immers bij een groot deel van de populatie voorkomt, is de totale impact hiervan op de samenleving relatief groot. Gelet op de prominente rol van televisie in onze westerse samenleving, kunnen we dan ook stellen dat zelfs een beperkt effect van dit medium op onze gezondheid voor significante gevolgen op een grote schaal kan zorgen (Marshall e.a., 2004; Monasta e.a., 2010). De resultaten uit de meta-analyse van Marshall e.a. (2004) zijn echter, ondanks hun geringe omvang, wel statistisch significant. Bovendien verdwijnt het effect van televisiekijken op de fysieke activiteit wanneer een samengestelde mediavariabele wordt gebruikt in plaats van enkel naar het effect van televisie te kijken, wat impliceert dat het effect louter veroorzaakt wordt door televisiekijken en hier geen andere variabelen in het spel zijn. Reeds in 1985 werd door Dietz & Gortmaker in één van de eerste onderzoeken naar dit onderwerp een gelijkaardige relatie vastgesteld toen zij een significante positieve associatie vaststelden tussen televisiekijken en obesitas bij kinderen en adolescenten. Volgens deze studie zou elk extra uur dagelijks televisiekijken de kans op obesitas met twee procent ver21
hogen (Anderson & Butcher, 2006). Ook wat het verband tussen televisiekijken en een verhoogde energie-inname betreft, is er in de literatuur een overaanbod aan bewijs te vinden (Temple, Giacomelli, Kent, Roemmich & Epstein, 2007; Van den Bulck & Van Mierlo, 2004). Uit enkele recente meta-analyses komen eveneens resultaten naar voren die in de richting van een effect wijzen van televisiekijken op overgewicht. Zo komt uit een meta-analyse van 23 artikels (Chapman e.a., 2012) een significante cumulatieve effectgrootte naar voren van televisiekijken op de voedselinname (Cohen’s d=0,2; 95% BI: 0,04-0,37; p<0,05). Een andere meta-analyse (Goris e.a., 2009) brengt aan het licht dat cross-sectionele en longitudinale studies een positief verband aantonen tussen televisiekijken en overgewicht en obesitas tijdens de kindertijd. Een derde meta-analyse (Monasta e.a., 2010) ten slotte, vindt steun in verschillende systematische reviews voor de rol van televisiekijken in de kindertijd als risicofactor op overgewicht. Vele van de studies die in deze meta-analyse werden opgenomen hadden echter een cross-sectioneel design, wat onderzoekers de mogelijkheid om zich uit te spreken over de causaliteit van een relatie ontneemt. Zo kan het immers zijn dat kinderen zwaarlijvig worden omdat ze meer televisiekijken, maar kan anderzijds net dit overgewicht ervoor zorgen dat fysiek actieve vrijetijdsbesteding minder aantrekkelijk wordt, wat ertoe leidt dat deze kinderen gemakkelijker veel televisie zullen kijken. In de meta-analyse van Monasta e.a. (2010) werden echter ook longitudinale studies opgenomen, die een beter zicht geven op causale relaties. Zo stelden Blair, Thompson, Black, Becroft, Clark, Han, Robinson, Waldie, Wild & Mitchell (2007) in een dergelijke studie vast dat sedentaire activiteit een voorspeller was van overgewicht en obesitas. Dit soort bevindingen werd bovendien gerepliceerd in verschillende andere longitudinale studies (Janz, Burns & Levy, 2005; Moore, Gao, Bradlee, Cupples, Sundarajan-Ramamurti, Proctor, Hood, Singer & Ellison, 2003). Ook Scully e.a. (2008) stellen vast dat eerdere studies een positieve relatie suggereren tussen het aantal uren televisiekijken en overgewicht op volwassen leeftijd. Zij baseren zich voor deze conclusie onder andere op cross-sectioneel onderzoek van Cameron, Welborn, Zimmer, Dunstan, Owen, Salmon, Dalton, Jolley & Shaw 22
(2003) uit Australië waarin werd aangetoond dat een sterk effect bestaat van televisiekijken op de BMI en de omtrek van zowel mannen als vrouwen, na correctie voor onder andere fysieke activiteit. Ook Boone e.a. (2007) stellen zowel cross-sectioneel als longitudinaal een positieve associatie vast tussen sedentair gedrag tijdens de adolescentie (gemeten aan de hand van het wekelijkse aantal uren televisie kijken) en obesitas als jongvolwassene. Deze relatie is bovendien sterker dan de tegenovergestelde werking van fysieke activiteit op deze relatie en toont dus het relatief grote effect van televisiekijken aan.
1.2.4.3 Conclusie op basis van de bestaande literatuur Ongeacht de manier waarop televisiekijken zijn invloed op het gewicht van kinderen uitoefent, lijkt het gros van de onderzoekers het erover eens te zijn dat er een verband tussen beide variabelen bestaat. Anderson & Butcher (2006) besluiten dan ook dat het sedentaire televisiekijken sterk lijkt te correleren met overgewicht en obesitas bij kinderen en dat een toename in het aantal uren televisiekijken zich weerspiegelt in een toename van het lichaamsgewicht. Hoewel het onwaarschijnlijk is dat enkel televisiekijken of overdadig computergebruik verantwoordelijk zijn voor het toenemende aantal kinderen en adolescenten met overgewicht, is er wel degelijk wetenschappelijke steun te vinden in de literatuur voor een klein maar significant effect (Marshall e.a., 2004). Bovendien is televisiekijken een zodanig sterk verspreide en cultureel aanvaarde manier om vrije tijd door te brengen, dat de impact op globaal niveau niet mag onderschat worden (Monasta e.a.,2010) en dat interventies op internationaal niveau die zich focussen op televisiekijken wel degelijk een relevante invloed op de obesitasepidemie kunnen uitoefenen.
23
1.3 Maatschappelijke relevantie De gevolgen van dit overgewicht bij kinderen en adolescenten manifesteren zich niet enkel in een vergrote kans op obesitas op latere leeftijd (Serdula e.a., 1993) en de bijhorende mentale en gezondheidsproblemen als kind en als volwassene die reeds eerder werden vermeld (Reilly e.a., 2003; WHO, 16.11.2006). Ze vormen ook een extra belasting van de maatschappij door de verhoogde druk die ze uitoefenen op de gezondheidszorg. De economische gevolgen van obesitas blijven dan ook niet beperkt tot de persoonlijke levenssfeer (Gortmaker, Must, Perrin, Sobol & Dietz, 1993), maar treffen de volledige gemeenschap die in haar geheel voor de kost van dit probleem moet opdraaien. Zo zou obesitas in de Verenigde Staten verantwoordelijk zijn voor 5,5-7,0% van de nationale gezondheidszorgkosten en zou dit percentage in bepaalde andere landen 2,0-3,5% bedragen (Thompson & Wolf, 2001). Von Lengerke & Krauth (2011) wijzen er echter op dat een obese persoon niet noodzakelijk een meerkost voor de verzorgingsstaat hoeft te betekenen, aangezien uit één studie uit hun review bleek dat deze mensen vaak reeds op jongere leeftijd overlijden en ze door deze kortere levensduur minder lang afhankelijk zijn van zorginstanties en bijgevolg minder middelen verbruiken. Hierdoor is de periode waarin zij sterk afhankelijk zijn van de overheid immers minder lang en zorgt dit in sommige gevallen voor een nettobalans die vergelijkbaar is met de kosten van een persoon met een normaal lichaamsgewicht. In deze puur economische vergelijking wordt echter geen rekening gehouden met de enorme druk op de levenskwaliteit van deze individuen (Boulos e.a., 2012). Gezien de fysieke en mentale hinder die mensen met overgewicht in vele gevallen ondervinden, kan men bijgevolg hoogstens spreken van een beperkte meerkost voor de maatschappij, maar kan men met relatieve zekerheid stellen dat er niet enkel met deze economische impact, maar ook met een sociale druk op de samenleving – en bij uitstek op de mensen die aan dit overgewicht leiden zelf – rekening moet gehouden worden. Uit andere onderzoeken die in de review van von Lengerke & Krauth werden opgenomen bleek dan weer dat de extra kost per capita voor obese personen zou kunnen oplopen van €117 tot €1.873 en uit twee Duitse studies kwam naar voren dat de totale kost van de obesitas24
epidemie 0,47 tot 0,61% van het Bruto Binnenlands Product zou bedragen. Uit een studie van Withrow & Alter (2010) blijkt dan ook wederom, net zoals Thompson & Wolf in 2001 reeds aantoonden, dat overgewicht voor een aanzienlijk deel van de nationale medische kosten verantwoordelijk kan zijn. Zij schatten dat wereldwijd tussen 0,7 en 2,8% van de gezondheidsuitgaven aan de medische gevolgen van obesitas wordt gespendeerd. Bovendien zouden mensen met overgewicht volgens hun review tot 30% meer kosten dan vergelijkbare personen met een normaal lichaamsgewicht. Ook uit studies die zich expliciet richten op de medische kosten ten gevolge van overgewicht bij kinderen komen gelijkaardige bevindingen naar voren. Zo zouden kinderen met obesitas onder andere voor hogere kosten zorgen met betrekking tot ambulante ziekenhuisbezoeken, voorschriften voor medicatie en opnames op spoedgevallendiensten (Pelone, Specchia, Veneziano, Capizzi, Bucci, Mancuso, Ricciardi & de Belvis, 2011). Au (2012) stelde op haar beurt vast dat Australische kinderen van vier en vijf jaar oud significant meer financiële input vereisen voor wat de aankoop van geneesmiddelen en het betalen van medische zorgen betreft. Wanneer voor deze groep de totale meerkost in vergelijking met kinderen met een normaal gewicht werd berekend over een periode van vijf jaar, bleken de medische kosten 9,8 miljoen Australische dollar hoger te liggen. Uit dit onderzoek kan men dan ook afleiden dat de financiële gevolgen van overgewicht voor de medische sector zich dus niet pas na enkele decennia laten voelen, maar dat zelfs kinderen uit de eerste graad van de lagere school reeds voor een significante stijging van de kosten verantwoordelijk kunnen zijn.
1.4 Hypothese Het is duidelijk dat het aantal mensen met overgewicht en obesitas wereldwijd de laatste decennia is toegenomen en dat dit niet enkel het geval is voor volwassenen, maar ook voor kinderen en adolescenten. Bovendien is onweerlegbaar bewezen dat overgewicht bij kinderen gepaard gaat met fysieke, sociale en gezondheidsproblemen tijdens de jeugd, maar ook op volwassen leeftijd (Monasta e.a., 2010). 25
Afgezien van het persoonlijke leed dat dit overgewicht met zich meebrengt, vormt het echter ook een meerkost voor de maatschappij. Gezien de verhoogde kans op verschillende niet-overdraagbare aandoeningen (Reilly e.a., 2003; WHO, 16.11.2006), betekent de obesitasepidemie immers een verhoogde druk op de verzorgingsstaat, die voor de kosten opdraait. Hoewel de oorzaak van dit overgewicht duidelijk lijkt te zijn, namelijk een onevenwicht in de energieopname en het energieverbruik (Davey, 2004), liggen er aan de basis een heleboel factoren, die bovendien op ondoorzichtige wijze op elkaar inspelen (Monasta e.a., 2010). Een mogelijke verklaring voor deze verstoorde balans is een afname in de mate van fysieke activiteit en een toename van het sedentaire gedrag. Bepaalde types sedentair gedrag, zoals televisiekijken, videogames spelen en met de computer werken, liggen echter sterker onder vuur dan bijvoorbeeld boeken lezen en worden vaak aangehaald als de oorzaak van het toenemende aantal jongeren met overgewicht (Gortmaker, Must, Sobol, Peterson, Colditz & Dietz, 1996). Foster, Gore & Smith West stelden in 2006 reeds vast dat deze relatie opgaat voor volwassenen en vonden een positieve correlatie tussen het aantal uren dat deze naar de televisie keken en hun gewichtsstatus en ook Bowman (2006) toonde in een epidemiologische studie aan dat 58,9% van de volwassenen in de Verenigde Staten dagelijks meer dan twee uur televisiekijken en dat deze groep een hogere dagelijkse energie-inname heeft en vaker aan overgewicht leidt. Anderson & Butcher (2006) vonden in hun overzicht van de literatuur een gelijkaardige trend terug waarbij experimentele studies lijken aan te tonen dat wanneer kinderen minder televisie mogen kijken, dit een positief effect heeft op hun BMI. Ook uit een metaanalyse van Marshall e.a. (2004) kwam een statistisch significante relatie bij jongeren en adolescenten naar voren tussen televisiekijken en het spelen van video- of computergames enerzijds en het lichaamsgewicht (‘body fatness’) anderzijds. De effectgrootte was, hoewel significant, echter zodanig klein (0.084, wat impliceert dat 99% van de variatie in body fatness door andere factoren dan televisiekijken wordt verklaard) dat de auteurs de klinische relevantie van dit resultaat in vraag stellen. Het is echter vanzelfsprekend dat de relatie tussen sedentair gedrag (zoals televisiekijken) en overgewicht niet enkel kan verklaard worden door de tijd die men besteedt aan 26
televisiekijken (Marshall e.a., 2004). Het doel van deze analyse is echter niet om te berekenen in welke mate televisiekijken de meest schadelijke sedentaire activiteit zou kunnen zijn, maar om na te gaan of er überhaupt een significant verband tussen televisiekijken en overgewicht bestaat. De afhankelijke variabele lichaamsgewicht werd in de verschillende onderzoeken die in de analyse van Marshall e.a. (2004) zijn opgenomen echter niet steeds op dezelfde manier gemeten. In 19 studies baseerde men zich hiervoor op de BMI van de respondenten, in 31 gevallen op huidplooimetingen en in nog twee andere studies werd een andere methode gebruikt om de body fatness vast te stellen. Hoewel zowel de Body Mass Index als het gebruik van huidplooimetingen gevalideerde metingen zijn om iemands gewichtsstatus vast te stellen, lijkt er nog geen meta-analyse te hebben plaatsgevonden waarin enkel wordt gekeken naar studies die het effect van televisiekijken op de BMI van jongeren nagaan. Dit is meteen ook het doel van dit onderzoek: een meta-analyse uitvoeren van studies met als onafhankelijke variabele televisiekijken en als afhankelijke variabele de BMI bij kinderen en adolescenten. Wanneer televisiekijken immers gemeten wordt als het gemiddelde aantal uren op een gemiddelde dag van de week, door de som te maken van vijf gemiddelde weekdagen en twee gemiddelde weekenddagen en dit getal te delen door zeven, bekomen we een relatief betrouwbare weergave van het eigenlijke kijkgedrag. De Body Mass Index, op haar beurt, is van nature een zeer concrete maat die steeds op dezelfde manier berekend wordt en op die manier de nodige consistentie garandeert. Dit vormt meteen het belangrijkste inclusiecriterium voor de artikels die in de meta-analyse opgenomen worden, maar hier wordt later nog op teruggekomen. Op basis van dit overzicht van de literatuur werd volgende hypothese vooropgesteld voor de meta-analyse: H: Er bestaat een significante, positieve relatie tussen televisiekijken en de BMI van kinderen en adolescenten jonger dan 19 jaar.
27
Deze hypothese zal de kern van de meta-analyse vormen en met behulp van Comprehensive Meta-Analysis zal een samenvattende effectgrootte berekend worden die de omvang (en richting) van de relatie tussen beide variabelen zal verduidelijken. Afgezien van de centrale hypothese zullen ook drie onderzoeksvragen aan bod komen die de aard van de relatie tussen televisiekijken en de BMI bij jongeren verder kunnen omschrijven. Het gaar hierbij om drie vragen die elk naar het effect van verschillende mogelijke modererende variabelen peilen, namelijk: RQ1: Is deze associatie sterker (of zwakker) voor jongeren van één van beide geslachten? RQ2: Is deze associatie sterker (of zwakker) voor één (of enkele) van de drie afgebakende leeftijdsgroepen? RQ3: Is deze associatie sterker voor de relatief zwaardere televisiekijkers dan voor de lichtere kijkers?
28
2. Gebruikte methoden 2.1 Wat is een meta-analyse? Het is belangrijk om eerst en vooral te omschrijven wat een metaanalyse precies inhoudt en wat de resultaten ervan kunnen bijdragen aan het – in dit geval reeds uitgebreide – onderzoeksdomein. Rosenfeld (2004) stelt dat men het beste kan uitleggen wat een metaanalyse is door deze te vergelijken met een gelijkaardig onderzoekstype, namelijk de narratieve review. In dit type review selecteert de auteur die artikels uit het onderzoeksveld die hij van belang acht omwille van hun bijdrage aan de literatuur in verband met het onderwerp en zorgt hij voor een kwalitatieve samenvatting van de resultaten. Dit doet de auteur door het aantal statistisch significante studies te vergelijken met het aantal niet-significante studies (Borenstein, Hedges, Higgins & Rothstein, 2011), een proces dat men ‘vote counting’ noemt waarbij de lezer zelf het aantal studies kan tellen dat steun biedt voor een bepaalde hypothese en dit kan afwegen tegen het aantal studies dat ze tegenspreekt (Preiss, 2007). Op basis van die gegevens komt men dan tot een conclusie die als overkoepelende samenvatting van alle opgenomen artikels fungeert (Rosenfeld, 2004). In een meta-analyse gaat het er minder vrijblijvend aan toe en is de auteur verplicht zich aan een a priori vastgelegd stramien te houden dat de verschillende stappen uit de analyse beschrijft. De zoekopdracht gebeurt hier op een minder arbitraire manier en de auteurs zijn dan ook verplicht om de gebruikte databanken, zoektermen en inclusiecriteria te rapporteren, om een eventuele latere reproductie van de zoekopdracht mogelijk te maken. Een meta-analyse test bovendien één of meer concrete hypotheses, in plaats van louter voor een samenvatting van de resultaten te zorgen. Het gaat hier dan ook om een kwantitatieve methode gebaseerd op statistische modellen met een effectgrootte als uiteindelijk resultaat. Het spreekt voor zich dat een meta-analyse minder ruimte voor interpretatie langs de kant van de auteur laat. Zo worden niet die artikels geselecteerd die de auteur (mogelijk omwille van persoonlijke motieven) relevant acht, maar zijn er vooraf vastgelegde inclusiecriteria die bepalen welke artikels opgenomen worden. Ook het res29
pectievelijke belang dat de auteur aan verschillende onderzoeken hecht, speelt bij een meta-analyse geen rol, aangezien er op statistische wijze verschillende gewichten aan de resultaten worden toegekend op basis van de kwaliteit van het betreffende onderzoek. Het resultaat van de meta-analyse is dan ook geen overzicht van wat in de literatuur tot op dat punt aan bewijs verzameld is, maar een statistische schatting van een samenvattende effectgrootte. Een meta-analyse verloopt bijgevolg steeds volgens dezelfde procedure die tien stappen omvat (Rosenfeld, 2004). Ten eerste moet een onderzoeksprotocol worden vastgelegd waarin duidelijk wordt omschreven hoe het verdere verloop van de analyse er zal uitzien. In een tweede stap worden duidelijke criteria vooropgesteld voor de inclusie en exclusie van de artikels. Vervolgens vindt de zoekopdracht plaats, waarbij de zoekstrategie grondig dient gedocumenteerd te worden. Tijdens de vierde stap wordt nagegaan welke van de artikels aan de vooraf gedefinieerde inclusiecriteria voldoen en moet worden bijgehouden welke onderzoeken niet worden opgenomen en wat de reden hiervoor is. Ten vijfde moet de kwaliteit van de geselecteerde artikels worden nagegaan en vervolgens moeten, als zesde stap, de data uit de artikels geëxtraheerd worden met het oog op vooraf bepaalde statistische bewerkingen. Vervolgens vindt de statistische analyse van de data plaats waarbij een schatting van de samenvattende effectgrootte wordt beoogd. Wanneer er te weinig data zijn, de kwaliteit ervan niet voldoende hoog is of ze te heterogeen zijn om samen te vatten, dient in een achtste stap een kwalitatieve samenvatting plaats te vinden. De voorlaatste stap omvat het uitvoeren van een gevoeligheidsanalyse om de robuustheid van de resultaten te testen en na te gaan of er sprake van bias kan zijn. Ten slotte moet de klinische relevantie van de resultaten en de beleidsimplicaties ervan besproken worden. Samenvattend kunnen we de definitie van Fitzmaurice (1999) aanhalen die een meta-analyse omschrijft als ‘(…) een assortiment van statistische procedures om de resultaten van verschillende onafhankelijke studies te combineren’. Deze techniek heeft verschillende voordelen, namelijk de mogelijkheid om een samenvattende effectgrootte te schatten, het vergroten van de statistische macht (‘statistiscal power’) en de veralgemeenbaarheid van de resultaten, de verplichting tot nauwkeurig werken met betrekking tot de methoden, het 30
literatuuronderzoek en het verzamelen van de data en de garantie op een minder subjectief resultaat dan dat van een narratieve review (Delahaye, Landrivon, Ecochard & Colin, 1991). Meta-analyses worden vaak gebruikt om de effectiviteit van medische interventies of medicatie te evalueren, maar zijn eveneens een waardevolle tool om de resultaten van communicatiewetenschappelijke onderzoeken samen te vatten.
2.2 De meerwaarde van een meta-analyse Veel onderzoek uit het communicatiewetenschappelijke onderzoeksdomein heeft betrekking op onderwerpen die de publieke opinie niet onberoerd laten en waarrond zich uitgesproken kampen van believers en non-believers vormen. Eén voorbeeld van dit soort controversiële topics is de mogelijke relatie tussen gewelddadige computergames en de zogenaamde ‘school shootings’. Zo zijn er studies die aantonen dat blootstelling aan gewelddadige videogames zorgt voor een toename in de vijandigheid naar anderen toe, desensitisatie en angst (Anderson, 2004; Funk, Baldacci, Pasold & Baumgardner, 2004). Andere onderzoeken vinden dan weer weinig bewijs voor de hypothese dat het spelen van gewelddadige games zou zorgen voor een toename in agressie en gewelddadig gedrag (Hong, Cho, AllenMearas & Espelage, 2011). Bovendien is er in communicatiewetenschappelijk onderzoek zelden sprake van uitgesproken grote correlaties en wordt de relevantie van resultaten dus, zelfs indien ze statistische significantie bereiken, geregeld in vraag gesteld. Wanneer dan wel degelijk een positief verband tussen twee variabelen wordt vastgesteld, is de beperkte grootte hiervan voor non-believers met betrekking tot het onderwerp vaak een voldoende argument om de resultaten van tafel te vegen en te wijzen op ander onderzoek dat geen (of een negatieve) correlatie vaststelde. Een meta-analyse maakt het echter mogelijk om zowel de resultaten die op een positieve of negatieve relatie wijzen als die de afwezigheid van een relatie suggereren in één statistische analyse op te nemen en uit deze gegevens een samenvattende effectgrootte te berekenen. Hierbij wordt bovendien rekening gehouden met de statistische precisie van de verschillende artikels, waarbij de meer pre31
cieze resultaten een groter gewicht toegekend krijgen en men op die manier een genuanceerd beeld verkrijgt van een onderzoeksdomein met sterk uiteenlopende onderzoeksresultaten. Wanneer men de resultaten van een meta-analyse interpreteert, is het belangrijk om rekening te houden met de aard van de geanalyseerde data en moet men nagaan of deze het mogelijk maken om tot causale conclusies te komen. In het geval van deze masterproef zijn de opgenomen studies cross-sectioneel of longitudinaal van opzet, waardoor ze ‘niveau C’-bewijs opleveren met betrekking tot mogelijke relaties. Er bestaan vier niveaus (namelijk A, B, C en D), waarbij niveau C inhoudt dat de data uit niet-gecontroleerde of nietgerandomiseerde steekproeven, cross-sectionele of prospectieve observationele studies komen. Aangezien enkel data uit gerandomiseerde experimentele of laboratoriumstudies causale conclusies toelaten, maakt ‘niveau C’-bewijs dit niet mogelijk. Het is echter wel zo dat men door logisch redeneren en in combinatie met andere data de waarschijnlijke richting van een relatie kan veronderstellen, maar men kan de causaliteit hiervan dan niet met zekerheid vaststellen (Marshall e.a., 2004). Samengevat is een meta-analyse een meer objectieve (en navolgbare) analysetechniek dan de systematische review en bewijst ze dan ook zeker haar nut met betrekking tot communicatiewetenschappelijke topics. De complexe discussiepunten die aan bod komen in onderzoek naar massamediatheorieën en -processen zullen immers zelden samengevat kunnen worden door middel van een eenvoudige vote count omwille van verschillen tussen de studies wat betreft hun variabelen, populaties en experimenteel design. De auteur moet in het geval van een narratieve review dan ook zelf beslissen welke resultaten zwaarder doorwegen dan andere, wat een zekere mate van subjectiviteit met zich meebrengt. Met behulp van een meta-analyse is het echter mogelijk om empirische bevindingen uit een bepaald domein tegelijkertijd samen te vatten en het begrip ervan te vergroten (Preiss, 2007). Bovendien staan meta-analyses – in tegenstelling tot correlationeel onderzoek – hoog aangeschreven bij wetgevers en beleidsmakers, aangezien deze analyses erin slagen om voor een samenvattende conclusie te zorgen, waar individuele studies er vaak niet in slagen om een uitgesproken bijdrage aan het onderzoeksdomein te leveren (Bryant & Cummins, 2007). Deze techniek is dan 32
ook uitermate geschikt om onderzoeksresultaten samen te vatten die implicaties van een groot publiek belang hebben, zoals de groeiende obesitasproblematiek en de mogelijke rol die televisiekijken daarin speelt (Preiss, 2007).
2.3 Doorzoeken van wetenschappelijke databanken Gezien de beperkte middelen en tijd werd ervoor gekozen om slechts in twee wetenschappelijke databases te zoeken naar relevante artikels. Aangezien Chapman e.a. zich in hun meta-analyse van determinanten van de drang naar voedsel (2012) beperken tot het doorzoeken van slechts één database, namelijk PubMed, leek het verantwoord om eveneens voor deze databank te kiezen en hier bovendien EBSCOhost aan toe te voegen. Gezien het brede arsenaal aan wetenschappelijke domeinen dat door deze tweede database vertegenwoordigd wordt, vormt ze de ideale aanvulling op het eerder medisch georiënteerde PubMed. Aanvankelijk werd gezocht met behulp van relatief brede, uiteenlopende zoektermen om een duidelijk beeld te krijgen van de bestaande literatuur met betrekking tot de relatie tussen televisie kijken, andere sedentaire activiteiten en reclame enerzijds en de BMI, het consumeren van snacks en de kwaliteit van het dieet anderzijds bij zowel kinderen en adolescenten als bij volwassenen. Vervolgens werd een aantal relevante zoektermen geselecteerd en werd gezocht naar artikels die in een meta-analyse zouden kunnen gebruikt worden met behulp van de zoektermen ‘junk food’, ‘advertising and children’, ‘fast food’, ‘advertising’, ‘children’, ‘diet’, ‘television’, ‘food preferences’, ‘food consumption’, ‘Body Mass Index’ en ‘obesity’, die op verschillende manieren met elkaar gecombineerd werden voor deze zoekopdrachten. Voor EBSCOhost leverde dit een totaal van 580 hits op wanneer in alle databases naar artikels uit academische tijdschriften (‘Academic Journals’) gezocht werd naar deze termen in het onderwerp (‘subject’) van het artikel. Na een eerste screening leken 59 van deze artikels mogelijk in aanmerking te komen voor de meta-analyse. Na het doorzoeken van de referentielijsten van deze artikels, kwamen nogmaals 21 mogelijke onderzoekseenheden naar voren. Wanneer 33
dezelfde combinaties van de eerder vermelde zoektermen in PubMed werden ingevoerd en gekeken werd naar het voorkomen hiervan in de titel of het abstract (‘Title/Abstract’) van een artikel, leverde dit in totaal 1.556 hits op. Slechts negen geschikte artikels waren echter niet eerder opgespoord met behulp van EBSCOhost, wat een indicatie is dat de eerste zoekopdracht in deze database grondig werd uitgevoerd. Wanneer de referentielijsten van deze negen artikels werden uitgepluisd, kwamen nog 15 bruikbare titels aan het licht. In totaal werden 68 artikels uit beide databanken geselecteerd en werden, na het doorzoeken van de referentielijsten hiervan, nog 36 eenheden aan deze lijst toegevoegd, wat een totaal van 104 artikels opleverde. Deze waren stuk voor stuk afkomstig uit academische tijdschriften en ze werden gevonden door te zoeken naar het voorkomen van relevante zoektermen in het onderwerp (EBSCOhost) of de titel en het abstract (PubMed) van artikels uit de twee databases. In een volgende stap werd met behulp van enkele inclusiecriteria beslist welke artikels in aanmerking kwamen als onderzoekseenheden voor de uiteindelijke meta-analyse.
2.4 Inclusiecriteria De 104 artikels die uit de verschillende zoekopdrachten naar voren kwamen, werden op hun beurt grondig doorgenomen en op basis van enkele inclusiecriteria werd een definitieve selectie gemaakt van de artikels die als onderzoekseenheden in de meta-analyse zouden opgenomen worden. Ten eerste moesten het stuk voor stuk wetenschappelijke papers uit peer-reviewed academische tijdschriften zijn die in het Engels gepubliceerd werden. Hoewel men kan opmerken dat ook niet-gepubliceerde onderzoeken mogelijk een bijdrage aan het onderzoeksdomein kunnen leveren, zijn deze zeer moeilijk op te sporen aangezien ze niet in (online) databases terug te vinden zijn. Net de strenge criteria waaraan een artikel moet voldoen om in een kwaliteitsvol tijdschrift gepubliceerd te worden, vormen bovendien een zekere garantie voor de betrouwbaarheid van de gerapporteerde data. Bijgevolg leek het aangewezen om de publicatie van een artikel als een kwaliteitscriterium te hanteren. De meta-analyse zal dan ook niet peilen naar de ‘ware’ relatie in de populatie tussen televisiekij34
ken en de BMI bij jongeren, maar zorgt voor een samenvatting van de resultaten uit de literatuur die tot op heden verschenen is omtrent dit onderwerp en die bovendien voor iedereen beschikbaar is. Ten tweede werden enkel artikels opgenomen waarin aan correlationeel onderzoek gedaan werd. Het aantal onderzoeken met een experimenteel opzet was te beperkt en bovendien methodologisch te uiteenlopend om aan voldoende artikels te geraken die sterk genoeg op elkaar leken om er een meta-analyse op te kunnen uitvoeren. Bijgevolg werd voor correlationeel onderzoek geopteerd omdat dit een groter aantal mogelijke artikels opleverde. Er werd reeds eerder ingegaan op de onmogelijkheid om causale conclusies te trekken uit dit soort onderzoek, wat echter niet impliceert dat dit soort studies niet voor inhoudelijk interessante conclusies kan zorgen. Er werd eveneens gekeken naar de voornaamste afhankelijke en onafhankelijke variabelen uit de onderzoeken, aangezien er bruikbare data moesten beschikbaar zijn met betrekking tot de relatie tussen televisiekijken en de BMI van de jongeren. Die studies werden geselecteerd waarin televisiekijken gemeten werd aan de hand van een gemiddeld aantal uren per dag, berekend op basis van de som van het gemiddelde aantal uren op een weekdag (maal vijf) en het gemiddelde aantal uren op een weekenddag (maal twee), gedeeld door zeven dagen. Op die manier bekomt men een maat voor het gemiddelde aantal uren dat iemand televisiekijkt op een gemiddelde dag van de week, onafhankelijk van het tijdstip van de week. De BMI van de jongeren moest op de reguliere manier vastgesteld zijn, namelijk door het lichaamsgewicht in kilogram te delen door de lengte in het kwadraat, uitgedrukt in meter. Er werd bewust gekozen voor twee numerieke maten die gebaseerd zijn op een duidelijke mathematische formule, omdat deze geschikt zijn voor verdere statistische analyse. Bovendien is de BMI een erg gemakkelijk berekenbare maat, die ook door sociale wetenschappers in een vragenlijst kan opgenomen worden. Het uitvoeren van bijvoorbeeld huidplooimetingen daarentegen, vereist een zekere scholing en de resultaten van dit soort metingen zijn dan ook minder gemakkelijk te interpreteren door leken dan de waarden van de Body Mass Index.
35
Ten slotte werden enkel artikels opgenomen waarvan de respondenten niet ouder dan 19 jaar waren, om specifiek het effect van televisiekijken bij jongeren te onderzoeken. Bij het analyseren van deze artikels kan dan nadien mogelijk leeftijd als een modererende variabele gebruikt worden om te kijken of er sprake is van een verschillend effect van televisiekijken op de BMI voor verschillende leeftijdsgroepen. Op basis van deze vier inclusiecriteria werden de oorspronkelijke 104 artikels herleid tot 26 artikels die aan de metaanalyse onderworpen zouden worden.
2.5 Geconsulteerde literatuur en gebruikte software Voor de aanvang van de eigenlijke analyse leek het aangewezen om meer informatie over het doel en de concrete uitvoering van metaanalyses in het algemeen te verzamelen. Het boek ‘Introduction to meta-analysis’ (Borenstein e.a., 2011) werd hierbij als leidraad gebruikt. In dit boek komen alle belangrijke aspecten van een metaanalyse aan bod, waaronder de redenen waarom men een dergelijke analyse zou uitvoeren, de verschillende effectgroottes waarmee men kan werken, het verschil tussen een fixed-effect en een randomeffectsmodel, publicatiebias, subgroepanalyses en vele andere. Om de statistische analyse zelf uit te voeren werd gebruikgemaakt van Comprehensive Meta-Analysis Version 2 (Borenstein e.a., 2005), een programma dat door een team van Amerikaanse en Britse onderzoekers werd ontworpen waartoe ook de auteurs van het geconsulteerde boek behoren.
2.6 Meta-analyse 2.6.1 Invoeren van de data Van de data uit de 26 geselecteerde artikels die voldeden aan de inclusie- en inhoudelijke criteria werden uiteindelijk slechts die van 15 van deze artikels gebruikt. De overige 11 werden uit de analyse weggelaten omdat het formaat van de data niet van de juiste aard was om aan een meta-analyse te onderwerpen (Berkey, Rockett, Field, Gill36
man, Frazier, Camargo & Colditz, 2000; Hancox, Milne & Poulton, 2004; Kaur, Choi, Mayo & Harris, 2003; Proctor, Moore, Gao, Cupples, Bradlee, Hood & Ellison, 2003; Viner & Cole, 2005; Zimmerman & Bell, 2010) of omdat voldoende data eenvoudigweg ontbraken (Andersen, Carlos, Crespo, Bartlett, Cheskin & Pratt, 1998; Barr-Anderson, Larson, Nelson, Neumark-Sztainer & Story, 2009; Bernard, Lavallee, Gray-Donald & Delisle, 1995; Dubois, Farmer, Girard & Peterson, 2008; Müller, Koertzinger, Mast, Langnäse & Grund, 1999). Helaas was het in de praktijk onmogelijk om de auteurs van deze artikels te contacteren en hen om de originele data te vragen en werden bijgevolg de gegevens uit slechts 15 van de 26 onderzoeken opgenomen in de uiteindelijke analyse. In Bijlage 1 vindt men een overzicht terug van de geselecteerde artikels, de databank (of referentielijst) waarin deze werden gevonden, de leeftijd van en het aantal respondenten, de relevante onafhankelijke en afhankelijke variabelen, de gebruikte effectmaat en een korte samenvatting van de belangrijkste resultaten. Vervolgens werd voor elk van deze artikels de beschikbare effectmaat ingegeven in de worksheet van CMA (Comprehensive Meta-Analysis). Voor de meerderheid van de onderzoeken (Crespo, Smit, Troiano, Bartlett, Macena & Andersen, 2001; Gable, Chang & Krull, 2007; Giammattei, Blix, Marshak, Wollitzer & Pettitt, 2003; Hancox & Poulton, 2006; Hanley, Harris, Gittelsohn, Wolever, Saksvig & Zinman, 2000; Hernández, Gortmaker, Colditz, Peterson, Laird & Parra-Cabrera, 1999; Jouret, Ahluwalia, Cristini, Dupuy, Nègre-Pages, Grandjean & Tauber, 2007; Liang, Kuhle & Veugelers, 2009; Sekine, Yamagami, Handa, Saito, Nanri, Kawaminami, Tokui, Yoshida & Kagamimori, 2002; Tanasescu, Ferris, Himmelgreen, Rodriguez & Pérez-Escamilla, 2000) werd de Odds Ratio gebruikt, voor de overige artikels (Buijzen, Bornhof & Schuurman, 2008; DuRant, Baranowski, Johnson & Thompson, 1999; Harrison & Liechty, 2012; Katzmarzyk, Malina, Song & Bouchard, 1998) werd gebruik gemaakt van een correlatiemaat en de bijhorende steekproefgrootte en van één artikel (Grund, Krause, Siewers, Rieckert & Müller, 2001) werden de gemiddelden voor twee groepen en de bijhorende standaardafwijkingen ingegeven.
37
Op basis van deze data kan vervolgens met behulp van CMA een analyse uitgevoerd worden met verschillende mogelijke effectmaten als uitkomstvariabele. In dit geval werd gekozen voor de Odds Ratio omdat deze duidelijk weergeeft of kinderen die meer televisiekijken al dan niet een grotere kans op overgewicht hebben. Ten tweede werd ook de samenvattende correlatie tussen beide variabelen berekend om op die manier vast te stellen of er een significant verband bestaat en hoe groot dit is. De overige blaastesten en analyses worden echter steeds met de Odds Ratio als uitkomstvariabele uitgevoerd, omdat deze maat het beste beeld geeft van hoe televisiekijken de kans op overgewicht kan vergroten. De verschillende studies werden ten slotte op chronologische volgorde ingegeven, wat een cumulatieve meta-analyse achteraf vergemakkelijkt. Op die manier kan nagegaan worden of er een evolutie zit in de samenvattende effectgroottes van de onderzoeken door de jaren heen. Afgezien van kolommen met de verschillende studies en hun resultaten werden nog drie extra kolommen aan de worksheet toegevoegd. Een eerste kolom (‘Subgroup Within Study’) bevat gegevens over de verschillende groepen zwaardere en lichtere televisiekijkers, indien hierover informatie te vinden was in de oorspronkelijke artikels. In de tweede kolom (‘Comparison’) wordt het geslacht van de respondenten weergegeven en een derde (‘Outcome’) bevat informatie over de leeftijd van de jongeren uit de verschillende onderzoeken.
2.6.2 Fixed-effect versus random-effects modellen Een meta-analyse is steeds gebaseerd op een statistisch model dat twee vormen kan aannemen. In het eerste geval, het fixed-effect model, wordt ervan uitgegaan dat er één onderliggende ware effectgrootte is voor alle studies uit de analyse en dat de variaties in geobserveerde effectgroottes louter te wijten zijn aan steekproeffouten. De samenvattende effectgrootte (‘summary effect’) is dan onze schatting van deze waarde die alle studies gemeenschappelijk hebben. Wanneer men van een random-effects model uitgaat, neemt men aan dat de ware effectgrootte kan verschillen tussen de studies onderling. In dat geval is de samenvattende effectgrootte die men na de 38
analyse bekomt het gemiddelde van deze verschillende groottes, waarbij meer gewicht wordt toegekend aan meer precieze studies. De meest realistische veronderstelling is doorgaans dat de ware effectgrootte wel degelijk verschilt tussen verschillende studies, bijvoorbeeld door een verschil in leeftijd, scholingsgraad of geslacht van de respondenten. In het geval van een random-effects model moet er dan ook rekening gehouden worden met twee types variantie: de within-study error (veroorzaakt door verschillende mogelijke soorten meetfouten) en de variantie in het ware effect tussen de studies. Bijgevolg wordt een groter gewicht toegekend aan meer precieze studies om de invloed van beide types variantie te minimaliseren. De keuze voor één van beide modellen heeft zijn implicaties op de gewichten die aan de verschillende opgenomen studies worden toegekend. Onder een fixed-effect model gaat men er immers van uit dat elke studie informatie weergeeft over dezelfde ware effectgrootte en hoeft men dus niet veel belang te hechten aan kleinere studies. In het geval van een random-effects model willen we echter zeker zijn dat alle verschillende waarden voldoende doorwegen, omdat we naar een samenvattende grootte voor deze data op zoek zijn. Bijgevolg zullen de gewichten die aan verschillende studies worden toegekend minder ver uit elkaar liggen. Wanneer men ervan uitgaat dat alle opgenomen studies in feite identiek zijn wat de effectgrootte betreft en men de ware effectgrootte voor die bepaalde populatie wil berekenen zonder die naar de bredere populatie te willen veralgemenen, opteert men best voor een fixed-effect model. Dit is echter een relatief uitzonderlijk scenario en bijgevolg wordt er in de meeste gevallen voor een random-effects model gekozen, waarbij men veronderstelt dat de respondenten uit verschillende studies van elkaar verschillen op bepaalde vlakken en dat dit de resultaten beïnvloed kan hebben. Het doel van dit model is doorgaans om een meer algemene waarde te bekomen die kan gegeneraliseerd worden naar een relatief brede populatie. Wanneer in een meta-analyse gepubliceerde studies worden opgenomen uit verschillende landen en van verschillende tijdstippen, gaat men dan ook best uit van een random-effects model omdat de verschillende steekproeven vaak te sterk van elkaar zullen verschillen om van één ware onderliggende effectgrootte te kunnen uitgaan (Borenstein e.a., 2011, pp. 61-86) 39
In deze meta-analyse zal bijgevolg een random-effects model gehanteerd worden. De opgenomen artikels zijn immers uitgevoerd tussen 1998 en 2012 en bevatten gegevens over jongeren uit een groot aantal landen. Bovendien wordt in sommige studies een onderscheid gemaakt tussen jongens en meisjes, waar anderen dit niet doen en wordt in enkele onderzoeken gecontroleerd voor een aantal mogelijke (en sterk uiteenlopende) variabelen, terwijl dit in andere studies niet gebeurd is. Door van een random-effects model uit te gaan, zullen de waarden van kleinere studies toch nog iets zwaarder doorwegen en zal de samenvattende effectgrootte meer zijn dan een afspiegeling van enkel die studies met een zeer grote steekproef.
40
3. Resultaten 3.1 Televisiekijken en de BMI 3.1.1 Steekproefkenmerken In de meta-analyse werden 15 studies opgenomen die informatie bevatten over de relatie tussen televisiekijken en de BMI van kinderen en adolescenten tussen 2 en 19 jaar oud. In totaal werden in deze studies de gegevens van 28.277 individuele respondenten gerapporteerd. In ongeveer de helft (8/15) van de studies (Crespo e.a., 2001; Grund e.a., 2001; Hancox & Poulton, 2006; Hanley e.a., 2000; Hernandez e.a., 1999; Jouret e.a., 2007; Liang e.a., 2009; Tanasescu e.a., 2000) werd de onafhankelijke variabele, televisiekijken, gemeten aan de hand van het aantal uren per dag. Hierbij werd het aantal uren op een gemiddelde weekdag vermenigvuldigd met vijf, het aantal uren op een gemiddelde weekenddag vermenigvuldigd met twee en fungeerde de som van deze waarden als een indicatie van het gemiddelde aantal uren dat de jongere per week naar de televisie kijkt. Bij 3 van de 15 studies (Buijzen e.a., 2008; Gable e.a., 2007; Harrison & Liechty, 2012) werd dezelfde formule gehanteerd, maar werd de som van de week- en weekenddagen achteraf gedeeld door zeven zodat men opnieuw een gemiddeld aantal uren televisiekijken per dag uitkomt. In twee van de studies (Giammattei e.a., 2003; Sekine e.a., 2002) gebeurde dit door te peilen naar het aantal uren dat de jongeren op een gemiddelde avond door de week naar televisie keken en bij één onderzoek (DuRant e.a., 1999) werd gekeken hoeveel procent van de geobserveerde tijd de kinderen voor de televisie spendeerden. En in nog eens één studie (Katzmarzyk e.a., 1998) ten slotte, werd geregistreerd hoeveel uren per week de jongeren naar televisie keken. De afhankelijke variabele was in elk van de studies de BMI en werd telkens op dezelfde, reguliere manier gemeten. Wat de interpretatie van deze maat betreft, waren wel verschillen op te merken tussen de artikels onderling. Nadat men iemands BMI heeft gemeten, moet immers nog vastgelegd worden vanaf welke BMI men iemand als zwaarlijvig of zelfs obees classificeert. In 4 van de 15 artikels (Buijzen e.a., 2008; DuRant e.a., 1999; Harrison & Liechty, 2012; 41
Katzmarzyk e.a., 1998) werden correlaties gebruikt en was het dus niet noodzakelijk om jongeren al dan niet met overgewicht of obesitas te definiëren omdat hier enkel hun waarde voor de variabele BMI nodig was. In nog eens drie artikels (Hancox & Poulton, 2006; Liang e.a., 2009; Sekine e.a., 2002) rapporteren de auteurs dat ze de leeftijds- en geslachtsspecifieke cut-off points gebruiken (Cole, Bellizzi, Flegal & Dietz, 2000; National Center for Health Statistics, 2010) maar vermelden ze niet expliciet om welke percentielgrenzen dit gaat. Bij 4 van de 15 opgenomen artikels (Giammattei e.a., 2003; Hanley e.a., 2000; Hernandez e.a., 1999; Tanasescu e.a., 2000) wordt de grens voor overgewicht vastgelegd op een BMI ≥ het 85ste percentiel. Bij twee onderzoeken (Grund e.a., 2001; Jouret e.a., 2007) lag deze grens bij het 90ste percentiel en bij de overige twee (Crespo e.a., 2001; Gable e.a., 2007) werd deze grens zelfs tot het 95ste percentiel opgetrokken. In enkele studies kwamen ten slotte ook andere afhankelijke variabelen aan bod, zoals de dagelijkse (al dan niet energiedense) voedselinname, het percentage lichaamsvet en de meer algemene voedingsgewoonten. Deze zijn hier echter niet van belang, aangezien deze niet tot de variabelen uit de centrale hypothese behoren, en er wordt dan ook verder geen aandacht aan besteed. Bijna de helft (45,66% oftewel 12.910 van de 28.277 respondenten) die aan de verschillende onderzoeken deelnamen, was afkomstig uit verschillende delen van de Verenigde Staten en bijna één derde (29,26%) kwam uit Japan. De overige 25,08% van de respondenten was afkomstig uit Canada, Nieuw-Zeeland, Europa en Mexico en maakten respectievelijk 6,38%, 3,38%, 3,14% en 1,58% van de oorspronkelijke steekproef uit. Wanneer we naar de leeftijd van de onderzochte individuen keken, konden we deze globaal in drie grote groepen indelen. De eerste groep, bestaande uit de kinderen van twee tot acht jaar, was met 61,83% (of 17.483 van de 28.277 respondenten) meteen de grootste groep. De tieners, van 8 tot 12 jaar oud, maakten 20,49% van de totale steekproef uit en de adolescenten (11 tot 19 jaar oud) waren verantwoordelijk voor nog eens 14,28%. De overige 3,59% van de respondenten waren moeilijk in één van de drie groepen in te delen, aangezien deze jongeren zich in meerdere categorieën tegelijkertijd bevinden. Zo behoren de 60 respondenten (0,21%) van Grund e.a. (2001) zich met hun 5 tot 11 jaar zowel tot de categorie kinderen als 42
tot die van de tieners en kunnen de 956 deelnemers (3,38%) uit het onderzoek van Hancox & Poulton (2006) die 3 tot 15 jaar oud waren in elk van de drie categorieën ondergebracht worden.
3.1.2 Heterogeniteitstest Om de keuze voor een fixed-effect of random-effects model te vergemakkelijken, kan men nagaan of de ware effectgroottes van de verschillende studies significant van elkaar verschillen door een heterogeniteitstest uit te voeren met behulp van enkele statistische maten op basis van de ware variantie. In het geval van de Q-teststatistiek gaat men uit van de nulhypothese die stelt dat de studies eenzelfde, gedeelde effectgrootte delen. Wanneer de p-waarde kleiner is dan α (doorgaans vastgelegd op 0,05), kan deze nulhypothese verworpen worden en kan men besluiten dat de ware effectgroottes wel degelijk verschillen tussen de studies onderling en moet men dus voor een random-effects model kiezen. Een andere bruikbare maat is I², die aangeeft welke proportie van de geobserveerde variantie reëel is en bijgevolg kan deze index een waarde tussen 0 en 100% kan aannemen. Deze vormt een maat voor de ware heterogeniteit, in verhouding tot de totale geobserveerde dispersie en fungeert dus als een signaal/ruis-ratio (Borenstein e.a., 2011, pp. 105-125). Wanneer we een heterogeniteitstest uitvoeren voor deze data, bedraagt de p-waarde voor de Q-teststatistiek in de veronderstelling van een fixed-effect model 0,000 en kan de nulhypothese bijgevolg verworpen worden. I² bedraagt 82,136 (Tabel 1) wat betekent dat 82,14% van de geobserveerde variantie echte heterogeniteit tussen de verschillende onderzoeksresultaten weerspiegelt. Bijgevolg is het dan ook vanzelfsprekend dat deze data onder de veronderstelling van een random-effects model geanalyseerd moeten worden, aangezien de nulhypothese dat de ware effectgroottes van de verschillende studies dezelfde zijn, verworpen werd.
43
Tabel 1. Heterogeniteitstest met de Odds Ratio als uitkomstvariabele (BI: 95%)
3.1.3 Resultaten van de meta-analyse Voor de meta-analyse werd uitgegaan van een random-effects model waarbij verondersteld wordt dat de verschillen tussen de verschillende steekproeven de resultaten van de studies mogelijk beïnvloed hebben en deze dus niet één ware effectgrootte delen. De heterogeniteitstest bevestigde deze veronderstelling (Q=134,351; df(Q)=24; p<0,001; I²=82,136) en het betrouwbaarheidsinterval voor de metaanalyse werd ingesteld op 95%. In Figuur 1 worden de resultaten van de random-effects metaanalyse weergegeven. De samenvattende Odds Ratio voor de analyse bedraagt 1,702 (p<0,0001) en lijkt dus op een duidelijk positief verband tussen televisiekijken en overgewicht bij kinderen en adolescenten te wijzen. Concreet betekent dit immers dat jongeren die veel televisiekijken 1,5 keer zoveel kans op een te hoge BMI (boven het 85ste percentiel) hebben. Ook het 95% betrouwbaarheidsinterval van deze effectgrootte (1,439-2,014) valt volledig aan de rechterzijde van het centrum van de Forest Plot, wat impliceert dat er minder dan vijf procent kans is dat de ware effectgrootte toch kleiner zou zijn dan 1,439 en dat de kans op een waarde kleiner dan één bijgevolg zeer onwaarschijnlijk is. Wanneer we het significantieniveau op 99% instellen, bevinden de waarden voor de Odds Ratio ≤1 zich bovendien nog steeds niet in het betrouwbaarheidsinterval (1,365-2,123), wat een bevestiging van deze constatatie vormt.
44
Figuur 1. Forest Plot: Samenvattende Odds Ratio voor de random-effects meta-analyse (BI: 95%) Study name
Katzmarzyk (1998) DuRant (1999) Hernandez (1999) Hernandez (1999) Hernandez (1999) Hanley (2000) Hanley (2000) Tanasescu (2000) Crespo (2001) Crespo (2001) Crespo (2001) Crespo (2001) Grund (2001) Sekine (2002) Sekine (2002) Sekine (2002) Giammattei (2003) Hancox (2006) Gable (2007) Jouret (2007) Buijzen (2008) Liang (2009) Liang (2009) Liang (2009) Harrison (2012)
Subgroup within study C omparison Outcome
Blank Blank >3,1 h/d 1-2,1 h/d 2,2-3,1 h/d >5 h/d 3-4 h/d Blank >5 h/d 2 h/d 3 h/d 4 h/d Blank >3 h/d 1-2 h/d 2-3 h/d >2 h/d Blank Blank >1 h/d Blank >5 h/d 1-2 h/d 3-4 h/d Blank
Female Both Both Both Both Both Both Both Female Female Female Female Both Female Female Female Both Female Both Female Both Both Both Both Both
13-15 years old 3-4 years old 9-16 years old 9-16 years old 9-16 years old 10-19 years old 10-19 years old 7-10 years old 8-16 years old 8-16 years old 8-16 years old 8-16 years old 5-11 years old 6-7 years old 6-7 years old 6-7 years old 11-13 years old 11 years old 2-8 years old 4 years old 4-7 years old 10-11 years old 10-11 years old 10-11 years old 2-4 years old
Statistics for each study Odds ratio
Lower limit
U pper limit
1,5503 1,2436 1,8700 1,0700 1,5000 2,5200 1,3900 1,8600 2,5300 1,1800 2,8300 3,8500 2,9819 2,0800 1,5100 1,8100 1,5000 1,5300 1,0300 2,4300 4,6479 2,4200 1,1800 1,5600 1,3879 1,7021
0,8738 2,7508 0,6247 2,4760 1,0501 3,3302 0,4228 2,7079 0,7488 3,0050 1,0610 5,9855 0,6287 3,0734 1,0158 3,4059 1,0082 6,3488 0,7120 1,9556 1,2867 6,2242 1,7510 8,4650 1,1518 7,7196 1,4435 2,9972 1,1777 1,9361 1,3754 2,3820 1,1679 1,9265 0,9577 2,4442 1,0102 1,0502 1,0416 5,6689 2,1557 10,0215 1,5426 3,7964 0,9518 1,4628 1,2074 2,0156 0,9709 1,9842 1,4388 2,0135
Odds ratio and 95% C I R elative weight
Z-Value p-Value
1,4988 0,6206 2,1259 0,1428 1,1438 2,0941 0,8134 2,0107 1,9774 0,6422 2,5869 3,3536 2,2512 3,9293 3,2492 4,2348 3,1755 1,7793 2,9832 2,0543 3,9195 3,8467 1,5098 3,4014 1,7977 6,2031
0,1339 0,5348 0,0335 0,8864 0,2527 0,0363 0,4160 0,0444 0,0480 0,5208 0,0097 0,0008 0,0244 0,0001 0,0012 0,0000 0,0015 0,0752 0,0029 0,0399 0,0001 0,0001 0,1311 0,0007 0,0722 0,0000
3,80 3,18 3,78 2,21 3,15 2,43 2,70 3,62 2,24 4,22 2,73 2,73 2,14 5,15 5,93 5,76 5,92 4,45 6,80 2,49 2,81 4,57 6,13 5,88 5,21 0,1
0,2
0,5
1
Minder vaak overgewicht
2
5
10
Vaker overgewicht
Meta Analysis
45
R elative weight
Figuur 2. Forest Plot: Samenvattende correlatie voor de random-effects meta-analyse (BI: 95%) Study name
Subgroup within study
Comparison
Outcome
Statistics for each study Correlation
Katzmarzyk (1998) DuRant (1999) Hernandez (1999) Hernandez (1999) Hernandez (1999) Hanley (2000) Hanley (2000) Tanasescu (2000) Crespo (2001) Crespo (2001) Crespo (2001) Crespo (2001) Grund (2001) Sekine (2002) Sekine (2002) Sekine (2002) Giammattei (2003) Hancox (2006) Gable (2007) Jouret (2007) Buijzen (2008) Liang (2009) Liang (2009) Liang (2009) Harrison (2012)
Blank Blank >3,1 h/d 1-2,1 h/d 2,2-3,1 h/d >5 h/d 3-4 h/d Blank >5 h/d 2 h/d 3 h/d 4 h/d Blank >3 h/d 1-2 h/d 2-3 h/d >2 h/d Blank Blank >1 h/d Blank >5 h/d 1-2 h/d 3-4 h/d Blank
Female Both Both Both Both Both Both Both Female Female Female Female Both Female Female Female Both Female Both Female Both Both Both Both Both
13-15 years old 3-4 years old 9-16 years old 9-16 years old 9-16 years old 10-19 years old 10-19 years old 7-10 years old 8-16 years old 8-16 years old 8-16 years old 8-16 years old 5-11 years old 6-7 years old 6-7 years old 6-7 years old 11-13 years old 11 years old 2-8 years old 4 years old 4-7 years old 10-11 years old 10-11 years old 10-11 years old 2-4 years old
0,1200 0,0600 0,1700 0,0186 0,1111 0,2469 0,0904 0,1686 0,2479 0,0456 0,2757 0,3483 0,2847 0,1979 0,1129 0,1614 0,1111 0,1164 0,0081 0,2377 0,3900 0,2367 0,0456 0,1217 0,0900 0,1464
Lower limit
-0,0363 -0,1287 0,0149 -0,2329 -0,0786 0,0210 -0,1265 0,0059 0,0075 -0,0932 0,0740 0,1586 0,0449 0,1015 0,0452 0,0879 0,0430 -0,0113 0,0028 0,0156 0,2134 0,1201 -0,0136 0,0521 -0,0079 0,1008
Upper limit
0,2706 0,2445 0,3171 0,2679 0,2930 0,4488 0,2991 0,3227 0,4612 0,1826 0,4557 0,5133 0,4935 0,2906 0,1795 0,2332 0,1782 0,2404 0,0135 0,4376 0,5419 0,3469 0,1044 0,1901 0,1862 0,1914
Z-Value
1,5061 0,6214 2,1467 0,1428 1,1485 2,1382 0,8156 2,0301 2,0195 0,6426 2,6556 3,5000 2,3151 3,9818 3,2632 4,2722 3,1887 1,7874 2,9833 2,0944 4,1385 3,9211 1,5108 3,4183 1,8026 6,2363
Correlation and 95% CI Relative weight
p-Value
0,1321 0,5343 0,0318 0,8864 0,2508 0,0325 0,4147 0,0423 0,0434 0,5205 0,0079 0,0005 0,0206 0,0001 0,0011 0,0000 0,0014 0,0739 0,0029 0,0362 0,0000 0,0001 0,1308 0,0006 0,0714 0,0000
3,78 3,15 3,78 2,20 3,14 2,51 2,69 3,62 2,32 4,16 2,83 2,91 2,29 5,11 5,82 5,68 5,81 4,41 6,65 2,57 3,06 4,59 6,01 5,78 5,13
-1,00
-0,50
0,00
0,50
1,00
Negatief verband Positief verband Meta Analysis
46
Relative weight
De samenvattende correlatie die als resultaat van de meta-analyse naar voren komt, bedraagt 0,146 (p<0,0001) en wijst dus op een significant, maar klein verband tussen televisiekijken en de BMI van kinderen en jongeren (Figuur 2). Het 95% betrouwbaarheidsinterval (0,101-0,191) valt bovendien ook hier volledig aan de positieve zijde van een nuleffect wat de zwakke relatie toch ietwat meer steun verleent. Wanneer we het interval op 99% instellen, is dit bovendien nog steeds het geval en valt de samenvattende correlatie (r=0,146; p<0,0001) nog steeds binnen een positief betrouwbaarheidsinterval (0,086-0,205). Samengevat wijzen dus zowel de samenvattende Odds Ratio als de correlatiewaarde r in de richting van een beperkt – maar statistisch significant – effect van televisiekijken op de BMI en blijft dit effect gelden wanneer we het betrouwbaarheidsinterval van 95 naar 99% verkleinen. Op de concrete implicaties van deze resultaten wordt in punt 4.3 verder in gegaan.
3.2 Publicatiebias Hoewel twee gerenommeerde online databases werden geconsulteerd en er bij het doorzoeken van de tweede, PubMed, niet veel nieuwe artikels meer aan het licht kwamen, is het steeds mogelijk dat niet alle relevante studies van voldoende kwaliteit gevonden werden. Bovendien zorgt de focus op gepubliceerde studies an sich al voor een mogelijke vertekening van de steekproef. Deze bias in de literatuur zou zich op zijn beurt kunnen weerspiegelen in de resultaten van de meta-analyse. In de praktijk is het echter onmogelijk om alle studies op te sporen die voldoen aan de vooropgestelde inclusiecriteria en bijgevolg zullen sommige geschikte onderzoeken niet in de analyse opgenomen zijn. Wanneer er geen gemeenschappelijk kenmerk is dat deze artikels delen dat ervoor zou kunnen zorgen dat ze niet teruggevonden worden, is er geen probleem en zal de uitval toevallig zijn. Als deze ontbrekende studies echter systematisch verschillen van degene die wel werden gelokaliseerd, zal dit voor een vertekende steekproef zorgen. Doorgaans is het immers zo dat studies die een relatief groot effect vinden sneller worden gepubliceerd dan studies die met een kleiner effect op de proppen komen. Bijgevolg zullen het vooral 47
kleine studies met een kleine effectmaat zijn die niet gevonden worden. Studies met een groot effect of met een bovengemiddeld grote steekproef zullen dan ook een groter deel van de gepubliceerde literatuur uitmaken, dit noemt men publicatiebias. Afgezien van het feit dat studies met significante resultaten meer kans maken om gepubliceerd te worden en dat gepubliceerde studies vaker in een meta-analyse worden opgenomen (de publicatie van een onderzoek was één van de inclusiecriteria voor deze meta-analyse), zijn er nog andere mogelijke oorzaken van bias. Zo is er taalbias die ervoor zorgt dat onderzoekers doorgaans met behulp van Engelse zoektermen zoeken, of deze combineren met de eigen moedertaal. Ten tweede is er mogelijk sprake van beschikbaarheidsbias, waarbij studies die gemakkelijk te vinden zijn ook sneller worden opgenomen. Ook kostenbias (goedkope of gratis beschikbare studies), familiariteitsbias (onderzoeken uit de eigen wetenschappelijke discipline) en duplicatiebias (studies met significante resultaten worden vaker meerdere keren gepubliceerd) behoren tot de mogelijkheden. Ten slotte is nog referentiebias mogelijk, aangezien studies met significante resultaten gemakkelijker worden geciteerd door anderen en daarom ook gemakkelijker zullen gevonden worden bij een zoekopdracht (Borenstein e.a., 2011, p. 277-280). Enkele van deze types bias konden in het geval van deze metaanalyse niet vermeden worden, voornamelijk gezien de beperkte tijd die beschikbaar was voor het opsporen van alle relevante artikels. Zo is er mogelijk sprake van taalbias omdat er steeds in het Engels werd gezocht. Aangezien originele onderzoeksresultaten in een andere taal echter moeilijk (correct) te interpreteren zouden zijn en het overgrote deel van de gerenommeerde tijdschriften in het Engels publiceert, leek dit echter geen onverantwoorde zoekstrategie. Beschikbaarheidsbias, op zijn beurt, is relatief moeilijk te vermijden, aangezien dit eenvoudigweg betekent dat de kans groter is dat studies die gemakkelijk te vinden zijn, opgenomen zullen worden. Dat een moeilijk te traceren onderzoek minder kans maakt om in de analyse te belanden is dan ook alleen maar logisch. Van kostenbias zou in deze analyse geen sprake mogen zijn, aangezien de stuiterproxy van de KU Leuven het mogelijk maakt om een groot aantal betalende artikels gratis te consulteren. Door niet enkel in EBSCOhost maar ook in PubMed te zoeken, werd getracht 48
om familiariteitsbias te vermijden door ook een meer medisch georienteerde database aan te spreken. Bovendien werd in EBSCOhost in alle beschikbare databanken gezocht en werden niet enkel de communicatiewetenschappelijke tijdschriften geconsulteerd. Duplicatie- en referentiebias zijn op hun beurt dan weer eerder moeilijk te vermijden aangezien deze ervoor zorgen dat studies met significante resultaten gemakkelijker naar boven zullen komen drijven bij een zoekopdracht. Deze laatste, de referentiebias, hoeft echter niet noodzakelijk schadelijk te zijn, omdat een vaak geciteerd artikel doorgaans ook een artikel van goede kwaliteit is, dat bovendien meestal ook in een gerenommeerd tijdschrift werd gepubliceerd. Eén van de inclusiecriteria was dan ook dat het artikel gepubliceerd moest zijn in een peer reviewed wetenschappelijk tijdschrift, net omdat dit als een zekere kwaliteitsgarantie kan fungeren.
3.2.1 Funnel Plot Een mogelijke methode om publicatiebias op te sporen is het opstellen van een Funnel Plot van de standaardafwijking in verhouding tot de Log Odds Ratio. Met behulp van deze figuur wordt weergegeven hoe de verschillende studies zich over deze twee variabelen verdelen en kan men gemakkelijk visueel vaststellen of er sprake is van asymmetrie en dus mogelijk ook van publicatiebias. In het geval van deze bias zullen er enkele studies in het midden van de Funnel Plot en nog meer studies links onderaan ontbreken. Deze missing values zijn die van de onderzoeken met niet-significante resultaten die niet werden gevonden bij de zoekopdrachten (Borenstein e.a., 2011, pp. 282-284). Wanneer we een Funnel Plot voor deze meta-analyse opstellen, ziet die er als volgt uit:
49
Figuur 3. Funnel Plot met de Odds Ratio als uitkomstvariabele (BI: 95%) Funnel Plot of Standard Error by Log odds ratio 0,0
Standard Error
0,1
0,2
0,3
0,4
0,5 -2,0
-1,5
-1,0
-0,5
0,0
0,5
1,0
1,5
2,0
Log odds ratio
We stellen vast dat er inderdaad een heleboel studies aan de linkerzijde van de Funnel Plot lijken te ontbreken (Figuur 3), waar men de onderzoeken zou kunnen terugvinden met een negatieve Odds Ratio als resultaat. Deze lacune hoeft echter niet noodzakelijk op een vertekening van de steekproef te wijzen, aangezien het ook mogelijk is dat de Funnel Plot er zo uitziet omdat ze een weerspiegeling van de realiteit is. Het is namelijk niet erg aannemelijk dat er artikels zouden zijn die een negatieve correlatie tussen televisiekijken en de BMI van jongeren vaststellen. Hoewel in sommige eerdere studies soms geen relatie tussen beide variabelen werd gevonden, bestaat er geen onderzoek naar het effect van TV kijken op het gewicht dat tot de constatatie komt dat jongeren die meer televisiekijken gemiddeld een lager lichaamsgewicht hebben of minder vaak zwaarlijvig zijn. Bijgevolg ziet de Funnel Plot eruit zoals men op basis van de veronderstelde relatie in de realiteit kan verwachten en hoeven de ontbrekende studies niet noodzakelijk op een slechte steekproef te wijzen. Wanneer we de rechterhelft van de figuur bekijken, zien we ook hier een mogelijke aanwijzing voor bias, die bovendien waarschijnlijker is. Er is immers onderaan een blinde vlek te zien, ter hoogte van de Log Odds Ratio 0,5 en de Standard Error 0,3-0,5. De ontbre50
kende waarden zijn in dit geval die van onderzoeken met een beperkte steekproef en een kleine of gemiddelde Odds Ratio als resultaat. Een mogelijke verklaring voor deze vertekening is dat hier de ‘typische’ publicatiebias speelt waarbij studies met niet-significante of weinig uitgesproken resultaten minder gemakkelijk gepubliceerd worden. Concreet betekent dit dat de Odds Ratio van een studie met een beperkt aantal respondenten hoger moet zijn om evenveel kans op publicatie te maken als een studie met een hogere N. Ook duplicatie- en referentiebias kunnen hiervan de oorzaak vormen, aangezien studies met niet-significante resultaten of – in dit geval – kleine correlaties of Odds Ratio’s als uitkomst minder vaak meermaals gepubliceerd worden en er doorgaans ook minder naar deze resultaten verwezen wordt door andere auteurs, wat ervoor zorgt dat men ze bij een zoekopdracht minder gemakkelijk zal vinden.
3.2.2 Fail-Safe N Met een Funnel Plot kan enkel worden vastgesteld of de kans op publicatiebias reëel is. Bovendien gebeurt dit op een relatief subjectieve manier door de intuïtieve weergave van de data louter op het zicht te interpreteren. Het zou echter een meerwaarde bieden om te kunnen inschatten hoe groot die bias dan wel is en wat de impact ervan is op de resultaten. Met behulp van Rosentahl’s Fail-Safe N kan berekend worden hoeveel additionele studies er zouden moeten gevonden worden en aan de analyse toegevoegd om ervoor te zorgen dat de p-waarde niet langer significant is (Borenstein e.a., 2011, pp. 284-286).
51
Tabel 2. Fail-Safe N met de Odds Ratio als uitkomstvariabele (BI: 95%)
Wanneer we de waarden voor de Fail-Safe N bekijken, kunnen we vaststellen dat dit aantal ontbrekende studies 825 bedraagt (Tabel 2). Hieruit kunnen we afleiden dat het resultaat van onze metaanalyse betrekkelijk stabiel is, gezien het zeer grote aantal onderzoeken dat zou moeten toegevoegd worden om voor een nietsignificante p-waarde te zorgen (p>0,05).
3.2.3 Trim and Fill Wanneer publicatiebias wordt vastgesteld met behulp van een Funnel Plot, is het bovendien mogelijk om te simuleren hoe het resultaat van de meta-analyse er had uitgezien als deze ontbrekende studies wel gelokaliseerd en opgenomen zouden zijn. Dit doet men door in een eerste stap de kleinste studies uit de positieve helft van de Funnel Plot te verwijderen (‘trimming’) en de effectgrootte bij elke stap te herberekenen tot de Funnel Plot symmetrisch is rond de nieuwe effectgrootte. Vervolgens voegt een algoritme de weggelaten studies opnieuw toe aan de analyse en wordt er voor een spiegelbeeld van deze originele onderzoeken gezorgd (‘filling’). Op deze manier bekomt men een schatting van hoe de niet-vertekende effectgrootte er zou uitzien wanneer de ontbrekende studies (met niet-significante
52
resultaten) toch in de analyse zouden opgenomen zijn (Borenstein e.a., 2011, pp. 286-287). Als we Duval & Tweedie’s Trim and Fill toepassen op onze data, levert dit het volgende beeld op: Tabel 3. Duval & Tweedie’s Trim and Fill met de Odds Ratio als uitkomstvariabele (BI: 95%)
Wanneer we de oorspronkelijke effectgrootte (en het bijhorende betrouwbaarheidsinterval) van de meta-analyse vergelijken met de gecorrigeerde effectgrootte, stellen we vast dat onder de veronderstelling van een random-effects model de puntschatting van de samenvattende effectgrootte (‘point estimate’) van 1,702 (95% BI: 1,439-2,014) naar 1,541 (95% BI: 1,318-1,802) verschuift na het trimmen van vijf van de opgenomen studies (Tabel 3). Deze Odds Ratio is nog steeds >1, hoewel ze licht richting één (het eigenlijke nulpunt) verschuift. Ook het betrouwbaarheidsinterval bevindt zich echter nog altijd volledig boven dit nulpunt, waaruit we kunnen concluderen dat kinderen die meer televisiekijken wel degelijk een statistisch significant grotere kans hebben (ongeveer anderhalve keer zoveel) op een verhoogde BMI en overgewicht.
53
3.2.4 Gevoeligheidsanalyse Een laatste manier om de kwaliteit van de steekproef na te gaan is met behulp van een gevoeligheidsanalyse of sensitivity analysis. Hierbij wordt de analyse evenveel keren opnieuw uitgevoerd als er studies in de analyse zijn opgenomen, waarbij telkens één van de onderzoeken uit de analyse wordt weggelaten om te evalueren hoe het schrappen ervan de samenvattende effectgrootte (in dit geval een Odds Ratio) zou beïnvloeden (Borenstein e.a., 2011, pp. 368-369). Wanneer we een gevoeligheidsanalyse uitvoeren voor de huidige data, kunnen we louter visueel reeds vaststellen dat geen enkele opgenomen studie de resultaten op een buitensporig sterke manier beinvloedt (Figuur 4). De samenvattende Odds Ratio’s liggen immers min of meer op een rechte lijn en de bijhorende betrouwbaarheidsintervallen variëren amper in hun omvang. Wanneer we de data erop naslaan, kunnen we dan ook constateren dat de Odds Ratio’s weinig of niet variëren met 1,647 (elimineren van Buijzen e.a., 2008) als laagste waarde en 1,754 (elimineren van Liang e.a., 2009) als hoogste waarde. Ook de ondergrenzen (1,398 bij het weglaten van Buijzen e.a., 2008 tot 1,498 bij het weglaten van Gable e.a., 2007) en bovengrenzen (1,913 bij het weglaten van Gable e.a., 2007 tot 2,107 bij het weglaten van Liang e.a., 2009) van de 95% betrouwbaarheidsintervallen vertonen geen outliers en bijgevolg kunnen we dan ook concluderen dat geen enkele studie een buitensporig groot effect op de veralgemeende Odds Ratio heeft.
3.2.5 Publicatiebias: samengevat De Funnel Plot vertoont op twee plaatsen een duidelijke leegte en geeft op die manier aan dat er mogelijk sprake van een vertekende steekproef is. Het ontbreken van waarden aan de linkerzijde van de figuur is vermoedelijk louter een weerspiegeling van de realiteit, aangezien het eerder onwaarschijnlijk is dat er een negatieve correlatie zou bestaan tussen televisiekijken en de BMI. De tweede blinde vlek, onderaan aan de rechterzijde van de Plot, wijst mogelijk wel op
54
Figuur 4. Forest Plot: Gevoeligheidsanalyse met de Odds Ratio als uitkomstvariabele (BI: 95) Study name
Subgroup within study Comparison Outcome
Statistics with study removed
Odds ratio (95% CI) with study removed
Lower Upper Point limit limit Z-Value p-Value
Katzmarzyk (1998)Blank DuRant (1999) Blank Hernandez (1999) >3,1 h/d Hernandez (1999) 1-2,1 h/d Hernandez (1999) 2,2-3,1 h/d Hanley (2000) >5 h/d Hanley (2000) 3-4 h/d Tanasescu (2000) Blank Crespo (2001) >5 h/d Crespo (2001) 2 h/d Crespo (2001) 3 h/d Crespo (2001) 4 h/d Grund (2001) Blank Sekine (2002) >3 h/d Sekine (2002) 1-2 h/d Sekine (2002) 2-3 h/d Giammattei (2003) >2 h/d Hancox (2006) Blank Gable (2007) Blank Jouret (2007) >1 h/d Buijzen (2008) Blank Liang (2009) >5 h/d Liang (2009) 1-2 h/d Liang (2009) 3-4 h/d Harrison (2012) Blank
Female Both Both Both Both Both Both Both Female Female Female Female Both Female Female Female Both Female Both Female Both Both Both Both Both
13-15 years old 1,7095 3-4 years old 1,7214 9-16 years old 1,6955 9-16 years old 1,7214 9-16 years old 1,7102 10-19 years old 1,6844 10-19 years old 1,7129 7-10 years old 1,6963 8-16 years old 1,6857 8-16 years old 1,7324 8-16 years old 1,6757 8-16 years old 1,6588 5-11 years old 1,6797 6-7 years old 1,6788 6-7 years old 1,7190 6-7 years old 1,6929 11-13 years old 1,7199 11 years old 1,7120 2-8 years old 1,6931 4 years old 1,6856 4-7 years old 1,6465 10-11 years old 1,6677 10-11 years old 1,7541 10-11 years old 1,7142 2-4 years old 1,7246 1,7021
1,4391 1,4493 1,4289 1,4509 1,4405 1,4223 1,4433 1,4296 1,4234 1,4561 1,4160 1,4051 1,4193 1,4178 1,4409 1,4267 1,4415 1,4400 1,4982 1,4231 1,3975 1,4105 1,4603 1,4384 1,4474 1,4388
2,0307 2,0446 2,0119 2,0423 2,0304 1,9948 2,0330 2,0127 1,9964 2,0612 1,9830 1,9584 1,9879 1,9878 2,0508 2,0088 2,0520 2,0355 1,9132 1,9966 1,9398 1,9718 2,1071 2,0430 2,0549 2,0135
6,1029 6,1870 6,0489 6,2280 6,1285 6,0417 6,1580 6,0553 6,0512 6,1984 6,0088 5,9743 6,0347 6,0094 6,0169 6,0317 6,0183 6,0894 8,4412 6,0442 5,9602 5,9841 6,0087 6,0210 6,0957 6,2031
0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,1
0,2
0,5
1
Minder vaak overgewicht
2
5
10
Vaker overgewicht
Meta Analysis
55
een zekere mate van publicatiebias. Deze zou immers een weerspiegeling kunnen zijn van het mechanisme dat ervoor zorgt dat studies met een beperkte steekproef een meer uitgesproken resultaat moeten aantonen om evenveel kans op publicatie te maken als studies die bij een zeer groot aantal respondenten werden uitgevoerd. Op basis van de Fail-Safe N bleek echter dat er maar liefst 825 studies aan de huidige steekproef zouden moeten toegevoegd worden om ervoor te zorgen dat de p-waarde niet lager significant (>0,05) zou zijn. Uit Duval & Tweedie’s Trim and Fill kwam dan weer naar voren dat de effectgrootte van 1,702 naar 1,541 zou verschuiven wanneer vijf van de opgenomen studies verwijderd zouden worden en een nieuwe effectgrootte berekend zou worden waarrond de Funnel Plot symmetrisch is. Uit de gevoeligheidsanalyse ten slotte, kwam naar voren dat er geen studies werden opgenomen die een buitensporig sterke invloed op de samenvattende effectgrootte hebben, wat een indicatie is voor een evenwichtige steekproef. Samengevat is er enige indicatie in de Funnel Plot voor de traditionele publicatiebias, maar zijn de resultaten van de Fail-Safe N, Trim and Fill en de gevoeligheidsanalyse geruststellend en zou de invloed van eventuele ontbrekende resultaten hier niet groot mogen zijn.
3.3 De invloed van mogelijke modererende variabelen Afgezien van het berekenen van een samenvattende Odds Ratio die de gemiddelde effectgrootte over alle studies uit de meta-analyse heen weergeeft, is het ook mogelijk om naar het effect van bepaalde factoren te kijken op dit resultaat. Zo kan men zich onder meer de vraag stellen of er een verschil is tussen de jongens en meisjes uit de steekproef, of hun leeftijd er iets toe doet en of we al dan niet een sterker effect vaststellen bij de zwaardere televisiekijkers. Anderzijds is het ook mogelijk om na te gaan hoe de resultaten van de verschillende onderzoeken door de jaren heen geëvolueerd zijn en of er sprake is van een bepaald patroon. In de volgende paragrafen komen deze mogelijkheden één voor één aan bod.
56
3.3.1 Jongens en meisjes Wanneer we opnieuw een random-effects meta-analyse uitvoeren en daarbij enkel de data voor de mannelijke respondenten gebruiken, bedraagt de samenvattende Odds Ratio 1,351 (95% BI: 1,148-1,590; Figuur 5) op basis van de gegevens uit vijf artikels (Crespo e.a., 2001; Hancox & Poulton, 2006; Jouret e.a., 2007; Katzmarzyk e.a., 1998; Sekine e.a., 2002). Wanneer we dit eveneens doen voor de data van de vrouwelijke respondenten, is de effectgrootte 1,778 (95% BI: 1,504-2,102; Figuur 6). Deze Odds Ratio is gebaseerd op dezelfde vijf artikels en vormt op die manier dus een perfect vergelijkbare maat voor het verschillende effect van TV kijken op de BMI van jongens en meisjes. Het programma (CMA) lijkt echter niet toe te laten om na te gaan in welke mate deze twee Odds Ratio’s statistisch significant van elkaar verschillen en meerdere contactpogingen hieromtrent met de makers van het programma leverden niets op. Op basis van deze gegevens kan dus enkel verondersteld worden dat het effect van televisiekijken groter is bij meisjes. Zij zouden 1,78 keer zoveel kans op overgewicht hebben wanneer ze meer televisiekijken, terwijl dit bij jongens slechts 1,35 keer zoveel zou zijn. Deze bevinding ligt echter wel in de lijn van de resultaten van het onderzoek van Hancox & Poulton (2006), die vaststelden dat de BMI van (en de prevalentie van overgewicht bij) jongeren tussen 3 en 15 jaar oud significant correleerde met het aantal uren dat zij televisiekeken en dat dit effect sterker was voor meisjes dan voor jongens. Dit artikel was overigens één van de 15 opgenomen databronnen van deze meta-analyse, wat bijgevolg kan verklaren waarom we dit verschil tussen jongens en meisjes vaststellen. Wanneer we naar de Forest Plot (Figuur 6) kijken, kunnen we echter vaststellen dat de data van Crespo e.a. (2001) eveneens voor hoge waarden verantwoordelijk zijn. Uit dat onderzoek bleek bovendien dat meisjes minder aan lichaamsbeweging doen dan jongens, wat een mogelijke verklaring voor het verschil tussen de beide geslachten zou kunnen zijn. Deze veronderstelling vindt enige bevestiging in het onderzoek van Tanasescu e.a. (2000)
57
Figuur 5. Forest Plot: Samenvattende Odds Ratio van de random-effects meta-analyse voor enkel jongens (BI: 95%) Study name
Subgroup within study C omparison Outcome
Statistics for each study Odds ratio
Odds ratio and 95% C I
Lower U pper limit limit Z-Value p-Value
R elative weight
Katzmarzyk (1998) Blank
Male
13-15 years old 1,6090 0,9062 2,8569
1,6237
0,1044
7,22
Crespo (2001)
>5 h/d
Male
8-16 years old
2,6300 1,0099 6,8492
1,9801
0,0477
2,79
Crespo (2001)
2 h/d
Male
8-16 years old
1,4000 0,6706 2,9227
0,8960
0,3703
4,58
Crespo (2001)
3 h/d
Male
8-16 years old
1,5700 0,7888 3,1251
1,2843
0,1990
5,19
Crespo (2001)
4 h/d
Male
8-16 years old
1,7200 0,7905 3,7424
1,3673
0,1715
4,14
Sekine (2002)
>3 h/d
Male
6-7 years old
1,2700 0,8659 1,8627
1,2231
0,2213
14,34
Sekine (2002)
1-2 h/d
Male
6-7 years old
1,1000 0,8511 1,4218
0,7280
0,4666
25,42
Sekine (2002)
2-3 h/d
Male
6-7 years old
1,2200 0,9194 1,6189
1,3776
0,1683
22,38
Hancox (2006)
Blank
Male
11 years old
1,3700 0,8695 2,1587
1,3570
0,1748
10,84
Jouret (2007)
>1 h/d
Male
4 years old
3,7600 1,5193 9,3055
2,8645
0,0042
3,09
1,3508 1,1475 1,5902
3,6126
0,0003 0,1
0,2
0,5
1
Minder vaak overgewicht
2
5
R elative weight
10
Vaker overgewicht
Meta Analysis
58
Figuur 6. Forest Plot: Samenvattende correlatie voor de random-effects meta-analyse voor enkel meisjes (BI: 95%) Study name
Subgroup within study C omparison Outcome
Statistics for each study Odds ratio
Odds ratio and 95% C I
Lower U pper limit limit Z-Value p-Value
R elative weight
Katzmarzyk (1998) Blank
Female
13-15 years old 1,5503 0,8738 2,7508
1,4988
0,1339
7,22
Crespo (2001)
>5 h/d
Female
8-16 years old
2,5300 1,0082 6,3488
1,9774
0,0480
3,09
Crespo (2001)
2 h/d
Female
8-16 years old
1,1800 0,7120 1,9556
0,6422
0,5208
8,92
Crespo (2001)
3 h/d
Female
8-16 years old
2,8300 1,2867 6,2242
2,5869
0,0097
4,11
Crespo (2001)
4 h/d
Female
8-16 years old
3,8500 1,7510 8,4650
3,3536
0,0008
4,12
Sekine (2002)
>3 h/d
Female
6-7 years old
2,0800 1,4435 2,9972
3,9293
0,0001
14,59
Sekine (2002)
1-2 h/d
Female
6-7 years old
1,5100 1,1777 1,9361
3,2492
0,0012
23,32
Sekine (2002)
2-3 h/d
Female
6-7 years old
1,8100 1,3754 2,3820
4,2348
0,0000
20,94
Hancox (2006)
Blank
Female
11 years old
1,5300 0,9577 2,4442
1,7793
0,0752
10,07
Jouret (2007)
>1 h/d
Female
4 years old
2,4300 1,0416 5,6689
2,0543
0,0399
3,60
1,7780 1,5043 2,1015
6,7479
0,0000 0,1
0,2
0,5
1
Minder vaak overgewicht
2
5
10
Vaker overgewicht
Meta Analysis
59
R elative weight
waaruit bleek dat televisiekijken statistisch significant (p<0,05) correleerde met lichaamsbeweging bij meisjes. Zowel de data uit meerdere artikels die in de richting van een modererend effect van gender op de relatie tussen televisiekijken en de BMI wijzen, als deze mogelijke verklaring in de vorm van een displacement effect, lijken het vermoeden van een reëel verschil in de populatie te bevestigen.
3.3.2 Kinderen, tieners en adolescenten Het is eveneens interessant om te kijken of er een verschil is tussen de drie afgebakende leeftijdsgroepen uit de meta-analyse en of één (of twee) van deze groepen een sterker effect lijken te ondervinden van televisiekijken dan een andere groep. De samenvattende Odds Ratio voor de groep kinderen (van vijf tot acht jaar) bedraagt 1,572 (95% BI: 1,239-1,993; Figuur 7) en is gebaseerd op de gegevens van ongeveer 62% van de totale steekproef (Buijzen e.a., 2008; DuRant e.a., 1999; Gable e.a., 2007; Hancox &Poulton, 2006; Harrison & Liechty, 2012; Jouret e.a., 2007; Sekine e.a., 2002). Voor de tieners van 8 tot 12 jaar oud (ongeveer 20% van de respondenten, afkomstig uit Buijzen e.a., 2008; Hancox & Poulton, 2006; Katzmarzyk e.a., 1998; Liang e.a., 2009; Tanasescu e.a., 2000) is deze waarde iets kleiner, namelijk 1,513 (95% BI: 1,248-1,834; Figuur 8). De adolescenten (van 11 tot 19 jaar) ten slotte, lijken met een Odds Ratio van 1,498 (95% BI: 1,269-1,768; Figuur 9) nog net iets lager te scoren dan de kinderen en de tieners. De data voor deze groep komen uit Giammattei e.a. (2003), Hancox & Poulton (2006), Hanley e.a. (2000), Hernández e.a. (1999) & Katzmarzyk e.a. (1998) en zijn verantwoordelijk voor ongeveer 15% van de steekproef. Hoewel uit het onderzoek van Buijzen e.a. (2008) naar voren kwam dat de hoeveelheid televisiekijken de beste voorspeller vormde voor overgewicht en dat dit vooral voor jongere kinderen gold, lijken de data uit deze meta-analyse niet meteen op een groot verschil tussen kinderen, tieners en adolescenten te wijzen. Hoewel de kans op overgewicht ten gevolge van televisiekijken lijkt af te nemen naarmate jongeren ouder worden, zijn de verschillen tussen de geobserveerde Odds Ratio’s (respectievelijk 1,572; 1,513 en 1,498 voor de 60
Figuur 7: Forest Plot: Samenvattende Odds Ratio van de random-effects meta-anallyse voor enkel kinderen (BI: 95%) Study name
Subgroup within study C omparison Outcome
Statistics for each study Odds ratio
Lower limit
U pper limit
Odds ratio and 95% C I R elative weight
Z-Value p-Value
DuRant (1999) Blank
Both
3-4 years old 1,2436 0,6247
2,4760
0,6206
0,5348
6,87
Sekine (2002)
>3 h/d
Female
6-7 years old 2,0800 1,4435
2,9972
3,9293
0,0001
11,73
Sekine (2002)
1-2 h/d
Female
6-7 years old 1,5100 1,1777
1,9361
3,2492
0,0012
13,78
Sekine (2002)
2-3 h/d
Female
6-7 years old 1,8100 1,3754
2,3820
4,2348
0,0000
13,34
Hancox (2006) Blank
Female
5 years old
1,2400 1,0395
1,4792
2,3899
0,0169
14,89
Gable (2007)
Blank
Both
2-8 years old 1,0300 1,0102
1,0502
2,9832
0,0029
16,21
Jouret (2007)
>1 h/d
Female
4 years old
5,6689
2,0543
0,0399
5,30
Buijzen (2008)
Blank
Both
4-7 years old 4,6479 2,1557 10,0215
3,9195
0,0001
6,02
Harrison (2012) Blank
Both
2-4 years old 1,3879 0,9709
1,9842
1,7977
0,0722
11,87
1,5715 1,2391
1,9929
3,7288
0,0002
2,4300 1,0416
0,1
0,2
0,5
1
Minder vaak overgewicht
2
5
10
Vaker overgewicht
Meta Analysis
61
R elative weight
Figuur 8. Forest Plot: Samenvattende correlatie voor de random-effects meta-analyse voor enkel tieners (BI: 95%) Study name
Subgroup within study C omparison Outcome
Statistics for each study Odds ratio
Odds ratio and 95% C I
Lower U pper limit limit Z-Value p-Value
R elative weight
Katzmarzyk (1998) Blank
Female
9-12 years old
1,3380 0,7414 2,4144
0,9666
0,3337
Tanasescu (2000) Blank
Both
7-10 years old
1,8600 1,0158 3,4059
2,0107
0,0444
8,13
Hancox (2006)
Blank
Female
11 years old
1,5300 0,9577 2,4442
1,7793
0,0752
11,99
Buijzen (2008)
Blank
Both
8-12 years old
1,3879 0,7366 2,6151
1,0142
0,3105
7,54
Liang (2009)
>5 h/d
Both
10-11 years old 2,4200 1,5426 3,7964
3,8467
0,0001
12,67
Liang (2009)
1-2 h/d
Both
10-11 years old 1,1800 0,9518 1,4628
1,5098
0,1311
27,33
Liang (2009)
3-4 h/d
Both
10-11 years old 1,5600 1,2074 2,0156
3,4014
0,0007
23,89
1,5132 1,2484 1,8341
4,2204
0,0000
R elative weight
8,45
0,1
0,2
0,5
1
Minder vaak overgewicht
2
5
10
Vaker overgewicht
Meta Analysis
62
Figuur 9. Forest Plot: Samenvattende correlatie voor de random-effects meta-analyse voor enkel adolescenten (BI: 95%) Study name
Subgroup within study C omparison Outcome
Statistics for each study Odds ratio
Odds ratio and 95% C I
Lower U pper limit limit Z-Value p-Value
R elative weight
Katzmarzyk (1998) Blank
Female
13-15 years old 1,5503 0,8738 2,7508
1,4988
0,1339
8,36
Hernandez (1999) >3,1 h/d
Both
9-16 years old
1,8700 1,0501 3,3302
2,1259
0,0335
8,26
Hernandez (1999) 1-2,1 h/d
Both
9-16 years old
1,0700 0,4228 2,7079
0,1428
0,8864
3,19
Hernandez (1999) 2,2-3,1 h/d
Both
9-16 years old
1,5000 0,7488 3,0050
1,1438
0,2527
5,70
Hanley (2000)
>5 h/d
Both
10-19 years old 2,5200 1,0610 5,9855
2,0941
0,0363
3,67
Hanley (2000)
3-4 h/d
Both
10-19 years old 1,3900 0,6287 3,0734
0,8134
0,4160
4,37
Giammattei (2003) >2 h/d
Both
11-13 years old 1,5000 1,1679 1,9265
3,1755
0,0015
43,91
Hancox (2006)
Female
13 years old
1,3300 0,9380 1,8859
1,6005
0,1095
22,55
1,4982 1,2693 1,7684
4,7783
0,0000
Blank
0,1
0,2
0,5
1
Minder vaak overgewicht
2
5
10
Vaker overgewicht
Meta Analysis
63
R elative weight
kinderen, tieners en adolescenten) niet groot. Het is echter ook hier onmogelijk om vast te stellen of er al dan niet sprake is van een statistisch significant verschil tussen de drie leeftijdsgroepen. De resultaten van Buijzen e.a. (2008) suggereren dat dit wel degelijk het geval is, maar indien dit zo is, geven de resultaten van deze metaanalyse de indruk dat het in dat geval om een erg beperkt effect gaat.
3.3.3 Zware versus lichtere televisiekijkers In de verschillende artikels die in de meta-analyse werden opgenomen, worden ‘zware’ televisiekijkers op verschillende manieren gedefinieerd. In de zes onderzoeken waarin met een correlatie of een verschil van gemiddelden werd gewerkt (Buijzen e.a., 2008; DuRant e.a., 1999; Grund e.a., 2001; Harrison & Liechty, 2012; Katzmarzyk e.a., 1998; Tanasescu e.a., 2000) was het uiteraard niet nodig om verschillende categorieën televisiekijkers op te stellen. De overige negen artikels werkten met de Odds Ratio als uitkomstvariabele en in zeven hiervan (Crespo e.a., 2001; Giammattei e.a., 2003; Hanley e.a., 2000; Hernández e.a., 1999; Jouret e.a., 2007; Liang e.a., 2009; Sekine e.a., 2002) werden de respondenten wel in meerdere groepen onderverdeeld. Deze opdelingen verschilden echter tussen de artikels onderling en dus was het niet mogelijk om een bestaande indeling van lichte en zware televisiekijkers over te nemen. Bijgevolg werd besloten om, in het geval van een even aantal oorspronkelijke categorieën, de eerste helft als ‘lichte kijkers’ te labelen en de tweede helft als ‘zware kijkers’. Wanneer er sprake was van een oneven aantal categorieën, werd beslist om de middelste als ‘licht’ te labelen wanneer het om ≤2 uur televisie per dag ging. Indien het meer betrof, kreeg deze categorie het label ‘zware kijkers’. Wanneer we eerst en vooral de beschikbare gegevens van de zware kijkers (samengevat >2 uur televisie per dag) onder de loep nemen (Crespo e.a., 2001; Giammattei e.a., 2003; Hanley e.a., 2000; Hernández e.a., 1999; Jouret e.a., 2007; Liang e.a., 2009; Sekine e.a., 2002), bedraagt de samenvattende Odds Ratio voor deze groep 1,817 (95% BI: 1,603-2,060; Figuur 10). Voor de lichte kijkers (≤2 uur dagelijkse TV) bedraagt deze 1,292 (95% BI: 1,109-1,505; Figuur 64
Figuur 10. Forest Plot: Samenvattende correlatie voor de random-effects meta-analyse voor de zware kijkers (BI: 95%) Study name
Subgroup within study C omparison Outcome
Statistics for each study Odds ratio
Odds ratio and 95% C I
Lower U pper limit limit Z-Value p-Value
R elative weight
Hernandez (1999) >3,1 h/d
Both
9-16 years old
1,8700 1,0501 3,3302
2,1259
0,0335
4,57
Hernandez (1999) 2,2-3,1 h/d
Both
9-16 years old
1,5000 0,7488 3,0050
1,1438
0,2527
3,18
Hanley (2000)
>5 h/d
Both
10-19 years old 2,5200 1,0610 5,9855
2,0941
0,0363
2,07
Hanley (2000)
3-4 h/d
Both
10-19 years old 1,3900 0,6287 3,0734
0,8134
0,4160
2,45
Crespo (2001)
>5 h/d
Female
8-16 years old
2,5300 1,0082 6,3488
1,9774
0,0480
1,83
Crespo (2001)
3 h/d
Female
8-16 years old
2,8300 1,2867 6,2242
2,5869
0,0097
2,49
Crespo (2001)
4 h/d
Female
8-16 years old
3,8500 1,7510 8,4650
3,3536
0,0008
2,49
Sekine (2002)
>3 h/d
Female
6-7 years old
2,0800 1,4435 2,9972
3,9293
0,0001
10,92
Sekine (2002)
2-3 h/d
Female
6-7 years old
1,8100 1,3754 2,3820
4,2348
0,0000
18,31
Giammattei (2003)
>2 h/d
Both
11-13 years old 1,5000 1,1679 1,9265
3,1755
0,0015
21,51
Jouret (2007)
>1 h/d
Female
4 years old
2,4300 1,0416 5,6689
2,0543
0,0399
2,16
Liang (2009)
>5 h/d
Both
10-11 years old 2,4200 1,5426 3,7964
3,8467
0,0001
7,37
Liang (2009)
3-4 h/d
Both
10-11 years old 1,5600 1,2074 2,0156
3,4014
0,0007
20,65
1,8168 1,6028 2,0594
9,3379
0,0000 0,1
0,2
0,5
1
Minder vaak overgewicht
2
5
10
Vaker overgewicht
Meta Analysis
65
R elative weight
Figuur 11. Forest Plot: Samenvattende correlatie voor de random-effects meta-analyse voor de lichte kijkers (BI: 95%) Study name
Subgroup within study C omparison Outcome
Statistics for each study Odds ratio
Odds ratio and 95% C I
Lower U pper limit limit Z-Value p-Value
R elative weight
Hernandez (1999) 1-2,1 h/d
Both
9-16 years old
1,0700 0,4228 2,7079 0,1428 0,8864
Crespo (2001)
2 h/d
Female
8-16 years old
1,1800 0,7120 1,9556 0,6422 0,5208
9,13
Sekine (2002)
1-2 h/d
Female
6-7 years old
1,5100 1,1777 1,9361 3,2492 0,0012
37,70
Liang (2009)
1-2 h/d
Both
10-11 years old 1,1800 0,9518 1,4628 1,5098 0,1311
50,47
R elative weight
2,70
1,2915 1,1087 1,5045 3,2852 0,0010
0,1
0,2
0,5
1
Minder vaak overgewicht
2
5
10
Vaker overgewicht
Meta Analysis
66
11). Ook in dit geval is het niet mogelijk om deze twee waarden statistisch met elkaar te vergelijken, maar ze lijken ver genoeg uit elkaar te liggen om van een verschil tussen zwaardere en lichtere televisiekijkers te kunnen uitgaan. Bovendien zou dit effect volledig in de lijn liggen van de resultaten van de algemene meta-analyse, aangezien deze aantoonden dat jongeren die meer televisiekijken een grotere kans (OR=1,702; p<0,0001; 95% BI: 1,439-2,104) op overgewicht hebben en dat er sprake is van een positieve, statistisch significante correlatie tussen deze beide variabelen (r=0,146; p<0,0001; 95% BI: 0,101-0,191). Men kan dus – ondanks het gebrek aan statistisch bewijs – redelijk gerust veronderstellen dat de zwaardere televisiekijkers een groter risico op overgewicht lopen dan de jongeren die maximum twee uur per dag voor de beeldbuis spenderen.
3.3.4 Cumulatieve meta-analyse Bij een cumulatieve meta-analyse wordt de analyse stap voor stap opnieuw uitgevoerd, te beginnen met enkel de eerste studie, en wordt er bij elke stap één volgend artikel toegevoegd. Wanneer men de verschillende studies op basis van een bepaalde factor ordent, bijvoorbeeld op de publicatiedatum, kan men op die manier kijken hoe de effectgrootte (en de precisie ervan) evolueert als een functie van deze factor. Bovendien geeft een cumulatieve meta-analyse niet enkel weer of de effectgrootte varieert, maar ook hoe groot deze shift is. Het is wel belangrijk om op te merken dat dit eerder een weergavemechanisme is dan een echt type analyse. Wanneer we de hypothese willen testen die stelt dat de effectgrootte veranderd is doorheen de tijd, is een subgroepanalyse of metaregressie vereist (Borenstein e.a., 2011, pp. 373-376). Het vaststellen van een dergelijk effect van de publicatiedatum op de uitkomsten binnen het onderzoeksdomein behoort echter niet tot de kern van deze meta-analyse en bijgevolg wordt er geen metaregressie uitgevoerd, aangezien dit ons te ver zou leiden.
67
Wanneer we een cumulatieve meta-analyse uitvoeren voor onze data (Figuur 12), kunnen we constateren dat de resultaten van het meest recente onderzoek naar de relatie tussen televisiekijken en de BMI niet sterk verschillen van die uit de jaren ’90. Het valt wel onmiddellijk op dat de betrouwbaarheidsintervallen (en de bijhorende p-waarden) steeds kleiner worden naarmate meer studies aan de analyse worden toegevoegd, maar dit is een normaal verschijnsel aangezien een analyse gebaseerd op een grotere hoeveelheid data van nature een meer precies resultaat oplevert. Ter hoogte van het onderzoek van Sekine e.a. (2002; OR=1,820; p<0,0001) kunnen we een lichte stijging van de Odds Ratio vaststellen, die gevolg wordt door een lichte daling wanneer het onderzoek van Gable e.a. (2007; OR=1,670; p<0,0001) wordt toegevoegd. Over de hele lijn variëren de Odds Ratio’s niet sterk en manifesteert het verschil tussen de vroegste analyse van Katzmarzyk e.a. (1998; OR=1,550) en de meest recente analyse van Harrison & Liechty (2012; OR=1,702) zich vooral in de kleiner wordende p-waarden (van p=0,134 naar p<0,0001). Dit is echter een logisch gevolg van het toevoegen van additionele data aan de analyse en we kunnen dan ook concluderen dat de Odds Ratio uit recenter onderzoek iets groter is dan die uit het vroegste onderzoek, maar of het hier om een significante toename gaat kan, zoals reeds eerder werd vermeld, op basis van een cumulatieve meta-analyse niet vastgesteld worden.
68
Figuur 12. Forest Plot: Cumulatieve meta-analyse met de Odds Ratio als uitkomstvariabele (BI: 95%) Study name
Subgroup within study C omparison Outcome
C umulative statistics Point
Katzmarzyk (1998) DuRant (1999) Hernandez (1999) Hernandez (1999) Hernandez (1999) Hanley (2000) Hanley (2000) Tanasescu (2000) Crespo (2001) Crespo (2001) Crespo (2001) Crespo (2001) Grund (2001) Sekine (2002) Sekine (2002) Sekine (2002) Giammattei (2003) Hancox (2006) Gable (2007) Jouret (2007) Buijzen (2008) Liang (2009) Liang (2009) Liang (2009) Harrison (2012)
Blank Blank >3,1 h/d 1-2,1 h/d 2,2-3,1 h/d >5 h/d 3-4 h/d Blank >5 h/d 2 h/d 3 h/d 4 h/d Blank >3 h/d 1-2 h/d 2-3 h/d >2 h/d Blank Blank >1 h/d Blank >5 h/d 1-2 h/d 3-4 h/d Blank
Female Both Both Both Both Both Both Both Female Female Female Female Both Female Female Female Both Female Both Female Both Both Both Both Both
13-15 years old 3-4 years old 9-16 years old 9-16 years old 9-16 years old 10-19 years old 10-19 years old 7-10 years old 8-16 years old 8-16 years old 8-16 years old 8-16 years old 5-11 years old 6-7 years old 6-7 years old 6-7 years old 11-13 years old 11 years old 2-8 years old 4 years old 4-7 years old 10-11 years old 10-11 years old 10-11 years old 2-4 years old
1,5503 1,4165 1,5691 1,4960 1,4968 1,5809 1,5585 1,6033 1,6515 1,5561 1,6205 1,7188 1,7625 1,8195 1,7303 1,7349 1,6855 1,6748 1,6704 1,6929 1,7668 1,8022 1,7393 1,7246 1,7021 1,7021
C umulative odds ratio (95% C I)
Lower U pper limit limit Z-Value p-Value
0,8738 0,9117 1,1055 1,0780 1,1128 1,1944 1,1965 1,2584 1,3066 1,2582 1,3199 1,3996 1,4388 1,5242 1,4854 1,5277 1,5042 1,5016 1,3673 1,3885 1,4408 1,4706 1,4476 1,4474 1,4388 1,4388
2,7508 2,2009 2,2271 2,0761 2,0131 2,0926 2,0301 2,0428 2,0874 1,9245 1,9895 2,1107 2,1590 2,1720 2,0155 1,9702 1,8886 1,8680 2,0407 2,0640 2,1664 2,2086 2,0898 2,0549 2,0135 2,0135
1,4988 1,5489 2,5212 2,4094 2,6671 3,2018 3,2899 3,8198 4,1973 4,0780 4,6108 5,1675 5,4738 6,6253 7,0412 8,4892 8,9940 9,2596 5,0224 5,2050 5,4700 5,6776 5,9093 6,0957 6,2031 6,2031
R elative weight
0,1339 0,1214 0,0117 0,0160 0,0077 0,0014 0,0010 0,0001 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
3,80 6,97 10,75 12,96 16,11 18,54 21,24 24,86 27,10 31,31 34,04 36,77 38,91 44,06 49,98 55,74 61,66 66,11 72,91 75,41 78,22 82,79 88,92 94,79 100,00 0,1
0,2
0,5
1
Minder vaak overgewicht
2
5
10
Vaker overgewicht
Meta Analysis
69
R elative weight
4. Discussie 4.1. Centrale hypothese In deze meta-analyse, waarin 15 artikels werden opgenomen die samen goed waren voor 28.277 individuele respondenten, werd een centrale hypothese getest en werd een antwoord gezocht op drie bijkomende onderzoeksvragen. Ten eerste werd een heterogeniteitstest uitgevoerd, waaruit bleek dat er wel degelijk sprake was van reële variantie (I²=82,14) tussen de verschillende onderzoeksresultaten uit de artikels, wat de aanleiding vormde voor het kiezen voor een random-effects meta-analyse. Uit deze analyse kwam een Odds Ratio van 1,702 (p<0,0001; 95% BI: 1,439-2,014) aan het licht. Concreet betekent dit dat kinderen die meer televisiekijken 1,7 keer zoveel kans hebben op overgewicht (een BMI hoger dan de geslachts- en leeftijdsspecifieke percentielgrenzen) dan hun leeftijdsgenoten die minder tijd voor de beeldbuis spenderen. De correlatie tussen beide variabelen (televisiekijken en de BMI), die werd berekend op basis van dezelfde data, bedroeg 0,146 (p<0,0001; 95% BI: 0,086-0,205). Hoewel het hier om een kleine correlatie gaat, was deze – net zoals de Odds Ratio – statistisch significant, zelfs tot op een betrouwbaarheidsniveau van 99%. Wanneer een Funnel Plot werd opgesteld, bleken relatief veel studies te ontbreken aan de linkerzijde en in het centrum van deze figuur, wat een indicatie van publicatiebias kan zijn. Dit kan enerzijds betekenen dat een aantal studies met gelijkaardige resultaten om verschillende mogelijke redenen niet aan het licht gekomen zijn tijdens het doorzoeken van de databanken. Anderzijds kan dit ook een teken zijn van een uitgesproken effect in de populatie, waardoor de resultaten van onderzoek steeds in dezelfde richting wijzen. Uit het berekenen van Rosentahl’s Fail-Safe N bleek echter dat er ruim 825 artikels aan de analyse zouden moeten toegevoegd worden om ervoor te zorgen dat de p-waarden van de bekomen Odds Ratio niet langer significant zouden zijn, wat een geruststellend hoog aantal is. Met behulp van Duval & Tweedie’s Trim and Fill werd ten slotte ook berekend hoe de Odds Ratio er zou uitzien wanneer de – theoretisch – ontbrekende artikels aan de analyse worden toegevoegd. Deze bedroeg dan 1,541 (95% BI: 1,318-1,802) in plaats van 1,702. Dit 70
zou nog steeds op anderhalve keer zoveel kans op overgewicht wijzen voor kinderen die meer televisiekijken. Uit een gevoeligheidsanalyse kwam ten slotte naar voren dat geen van de opgenomen artikels een uitgesproken grote invloed op de uiteindelijke samenvattende Odds Ratio had. Concreet wijzen deze resultaten op een statistisch significant verband tussen televisiekijken en overgewicht bij jongeren. De correlatie tussen deze beide variabelen (r=0,146) lijkt eerder klein te zijn, maar wanneer men naar de bijhorende Odds Ratio (OR=1,702) kijkt, ziet het plaatje er al anders uit. Deze impliceert immers dat kinderen die meer televisiekijken bijna twee keer zoveel kans lopen om zwaarlijvig te zijn. Zelfs indien men uitgaat van de mogelijke aanwezigheid van publicatiebias, bedraagt de samenvattende Odds Ratio nog steeds 1,541. Het is als communicatiewetenschapper niet evident om het klinische belang van een dergelijk verband correct in te schatten, maar het gaat hier wel degelijk om een statistisch significant verband tussen televisiekijken en de BMI dat niet verwaarloosbaar klein lijkt te zijn, wat steun vormt voor de centrale hypothese uit deze metaanalyse.
4.2 Additionele onderzoeksvragen In de Probleemstelling werden eveneens drie onderzoeksvragen geformuleerd die naar de mogelijke invloed van modererende factoren peilden. Met behulp van verschillende bijkomende random-effects meta-analyses werd het effect van deze variabelen op de Odds Ratio nagegaan, al was het niet mogelijk om statistisch significante verschillen tussen de factoren vast te stellen. In de eerste onderzoeksvraag werd gekeken naar een mogelijk effect van gender, dat zich ook in de data leek te manifesteren. Op basis van de resultaten van de random-effects meta-analyse leek de kans op overgewicht ten gevolge van televisiekijken kleiner te zijn bij de mannelijke respondenten (OR=1,351; 95% BI: 1,148-1,590) dan bij de vrouwelijke respondenten (OR=1,778; 95% BI: 1,504-2,102). Deze resultaten liggen bovendien in de lijn van vaststellingen uit eerder onderzoek, wat de waarschijnlijkheid van een reëel verschil in de populatie vergroot. 71
Voor de tweede onderzoeksvraag werd minder steun gevonden in de resultaten van de meta-analyse. Wanneer gekeken werd naar de verschillende kansen op overgewicht in functie van televisiekijken voor kinderen (van twee tot acht), tieners (8 tot 12 jaar oud) en adolescenten (van 11 tot 19 jaar), bedroegen deze respectievelijk 1,572 (95% BI: 1,239-1,993), 1,513 (95% BI: 1,248-1,834) en 1,498 (95% BI: 1,269-1,768). Deze resultaten lijken aan te tonen dat de invloed van televisiekijken op het lichaamsgewicht afneemt naarmate kinderen ouder worden, al zijn de verschillen tussen de Odds Ratio’s relatief beperkt en kon ook hier het verschil niet statistisch getest worden. In de derde onderzoeksvraag, ten slotte, werd gekeken of er een verschil was tussen de lichte (≤2 uur per dag) en de zware televisiekijkers (>2 uur per dag). Indien de resultaten in verband met de centrale hypothese correct zijn, zou hier inderdaad een effect moeten vastgesteld worden, aangezien deze hypothese stelt dat er een significante, positieve relatie bestaat tussen televisiekijken en de BMI van jongeren. De resultaten van de bijkomende meta-analyse leken dan ook in die richting te wijzen met een grotere Odds Ratio (1,802; 95% BI: 1,600-2,030) voor de zware kijkers dan voor de lichtere kijkers (1,292; 95% BI: 1,109-1,505). Het lijkt hier om een relatief groot verschil te gaan, dat bovendien in de lijn ligt van de statistisch significante bevindingen uit de centrale meta-analyse, wat het vermoeden van een effect lijkt te bevestigen.
4.3 Implicaties van de resultaten Het is echter niet enkel noodzakelijk om vast te stellen of er sprake is van een verband, van een effect van modererende variabelen en of dit verband dan wel statistisch significant is. Minstens even belangrijk, en waarschijnlijk van groter publiek belang, zijn de implicaties van een dergelijke relatie. Wanneer we er op basis van de resultaten van de meta-analyse immers vanuit gaan dat er sprake is van een (mogelijk klein) significante positieve relatie tussen de tijd die kinderen spenderen aan televisiekijken en hun lichaamsgewicht, heeft dit verstrekkende gevolgen. 72
Uit de literatuurstudie bleek immers reeds dat het aantal mensen in westerse landen met overgewicht de voorbije decennia sterk is toegenomen, zowel bij jongeren als volwassenen (Finucane e.a., 2011; Flegal e.a., 2010; Monasta e.a., 2010). Davey (2004) ziet het toenemend sedentaire karaker van onze levensstijl, waarvan televisiekijken onontbeerlijk deel lijkt uit te maken, als een belangrijke boosdoener die aan de oorzaak ligt van deze wereldwijde obesitasepidemie. Boulos e.a. (2012) stellen dan ook dat de televisie zowel op een directe als een indirecte manier bijdraagt aan het toenemende aantal zwaarlijvige mensen en halen bewijs uit verschillende onderzoeken aan om deze stelling te ondersteunen. Zo zouden kinderen die meer televisiekijken ook meer energierijke voedingsmiddelen eten (Coon & Tucker, 2002), stelden Scully e.a. (2008) vast dat de voedselvoorkeuren van kinderen niet ongevoelig zijn voor reclame en dat zij op hun beurt de aankopen van hun ouders beïnvloeden en is er in de literatuur zowel bewijs te vinden voor een relatie tussen televisiekijken en een verhoogde energie-inname (Temple, Giacomelli, Kent, Roemmich & Epstein, 2007; Van den Bulck & Van Mierlo, 2004) als tussen dit kijkgedrag en obesitas bij kinderen en adolescenten (Dietz & Gortmaker, 1985). Hoewel deze onderzoeken vaak relatief kleine verbanden tussen televisiekijken en het lichaamsgewicht vaststellen, hoeft dit niet te impliceren dat de gevolgen van dit (mogelijk) minimale effect niet omvangrijk kunnen zijn. Een klein effect dat zich manifesteert bij een groot deel van de bevolking, heeft immers aanzienlijke gevolgen op macroniveau (Marshall e.a., 2004; Monasta e.a., 2010). Uit een onderzoek van Saelens, Sallis, Nader, Broyles, Berry & Taras (2002) bleek dat kinderen en tieners tussen 6 en 12 jaar oud wekelijks 15 tot 30 uur voor de televisie doorbrengen. Bovendien werd ook hier een significante correlatie (r=0,17; p<0,03) vastgesteld tussen televisiekijken en de BMI van de respondenten. Gelet op de populariteit van televisiekijken als invulling voor ongestructureerde tijd, zowel bij jongeren als volwassenen en de aangetoonde relatie met een vergrote kans op overgewicht, zijn dus zelfs de relatief kleine Odds Ratio en de correlatie die uit deze metaanalyse naar voren kwamen een reden tot ongerustheid. Het lijkt er immers sterk op dat deze vrijetijdsbesteding niet zo onschuldig is als men aanvankelijk zou kunnen veronderstellen en dat overdadig veel 73
televisiekijken de obesitasepidemie in de hand kan werken. Dit overgewicht zorgt niet enkel voor een medische meerkost, die door de volledige maatschappij gedragen moet worden (Thompson & Wolf, 2001; Withrow & Alter, 2010), maar laat ook haar sporen na op het individu, dat te kampen kan krijgen met verschillende nietoverdraagbare aandoeningen (Reilly e.a., 2003; WHO, 16.11.2006), psychologische klachten en sociale discriminatie (Monasta e.a., 2010).
74
4.4 Beperkingen De meest prominente beperking bij het schrijven van deze masterproef was ongetwijfeld de beperkte tijd en middelen die onvermijdelijk verbonden zijn met een thesis. Er is immers slechts één academiejaar de tijd om het volledige onderzoek af te ronden en bovendien is er geen onderzoeksbudget of een team van medewerkers beschikbaar. Aangezien een meta-analyse een relatief omvangrijk onderzoekstype is omwille van de erg uitgebreide systematische review van de literatuur en het grondige doorzoeken van alle relevante databanken, hebben deze beperkingen mogelijk enige invloed gehad op de kwaliteit van de meta-analyse. Zoals reeds werd vermeld bij het bespreken van de methodologie, werden slechts twee databanken geconsulteerd bij de zoektocht naar bruikbare artikels die als analysemateriaal zouden kunnen fungeren. Zowel een beperking in de tijd als het feit dat deze screening door één persoon moest gebeuren, lagen hiervoor aan de basis. Hoewel er een andere gepubliceerde meta-analyse werd gevonden die slechts één database had doorzocht (Chapman e.a., 2012) en er doordacht werd geopteerd voor een communicatiewetenschappelijke (EBSCOhost) en meer medisch georiënteerde (PubMed) databank, kan niet gegarandeerd worden dat geen relevante artikels gemist werden die niet in één van deze beide terug te vinden waren. Dat er bij het doorzoeken van PubMed als tweede database echter heel weinig (slechts negen) bruikbare artikels werden gevonden die nog niet bij het doorzoeken van EBSCOhost aan het licht waren gekomen, stelt enigszins gerust dat de datascreening op voldoende grondige wijze gebeurde. Dit gebrek aan tijd zorgde er eveneens voor dat het niet mogelijk was om de auteurs van mogelijk bruikbare artikels te contacteren wanneer voldoende gedetailleerde data ontbraken. Een aantal artikels leek inhoudelijk zeker geschikt voor de meta-analyse, maar bood te weinig statistische data om in de meta-analyse opgenomen te kunnen worden. Zoals reeds eerder werd vermeld, werden 11 geselecteerde onderzoeken alsnog uit de analyse weggelaten omdat de data niet in een bruikbaar formaat gerapporteerd werden of omdat voldoende gedetailleerde data eenvoudigweg ontbraken. Bijgevolg konden dan ook slechts 15 van de oorspronkelijke 26 onderzoeken geanalyseerd worden. Als er meer tijd beschikbaar geweest zou zijn, was het mo75
gelijk geweest om de auteurs te contacteren en om meer gegevens te vragen, al is men ook dan niet zeker dat men de nodige data zal verkrijgen. Een tweede beperking is een gevolg van de aard van de data. De respondenten uit de verschillende onderzoeken verschilden immers met betrekking tot verschillende demografische variabelen zoals hun leeftijd, geslacht en sociale achtergrond. Dit heeft zijn gevolgen voor de veralgemeenbaarheid van de resultaten naar een bredere populatie. Aangezien de analyse echter werd uitgevoerd met behulp van data van een groot aantal (28.277) individuele respondenten én de studies werden uitgevoerd bij gezonde individuen, vergroot dit de mogelijkheid om de conclusies van de analyse te generaliseren. Een derde en laatste beperking was een gevolg van het werken met software (CMA) waarmee niemand aan de faculteit Sociale Wetenschappen vertrouwd is. Dit heeft vooral zijn invloed gehad op de uitwerking van de drie onderzoeksvragen, waarin gekeken werd naar mogelijke effecten van het geslacht en de leeftijd van de respondenten en hun dagelijkse kijkgedrag op de vastgestelde relatie tussen televisiekijken en de BMI. Om dit effect na te gaan, was immers een moderatoranalyse vereist. Hoewel de verschillende stappen voor dit type analyse in de handleiding van het programma beschreven staan, lagen de resultaten niet in lijn van wat op basis van de gebruikte data verwacht kon worden. Er werd verschillende keren contact opgenomen met de makers van het programma, aangezien zij dit zelf voorstellen indien men met vragen zit. Na een eerste antwoord werd er echter geen gehoor meer gegeven aan volgende e-mails, waardoor deze analyses niet op de statistisch meest efficiënte wijze konden uitgevoerd worden. Er werd bijgevolg voor een alternatieve benadering gekozen die toch een voorzichtige interpretatie van het effect van mogelijke modererende variabelen toeliet.
76
Algemeen Besluit In deze masterproef werd de veelbesproken relatie tussen televisiekijken en de BMI van jongeren onder de loep genomen, met als doel het bekomen van een duidelijke, overkoepelende effectmaat die al dan niet op een significant verband tussen beide variabelen zou duiden. In de literatuurstudie werd getracht een duidelijk beeld te krijgen van de omvang van de obesitasepidemie en werd kort geschetst wat de gevolgen van overgewicht als kind (en als volwassene) kunnen zijn en hoe deze een last voor de maatschappij vormen. Uit dit overzicht van de bestaande literatuur kwam ook onweerlegbaar naar voren dat onze voorliefde voor televisiekijken een rol speelt bij de toename van het aantal mensen dat met zwaarlijvigheid te kampen heeft. Hoewel enkele auteurs weinig of geen steun voor een dergelijk verband vonden, toonden een groot aantal onderzoeken zowel correlationeel, longitudinaal en experimenteel als met behulp van metaanalyses aan dat er wel degelijk sprake zou zijn van een significante positieve relatie tussen televisiekijken en overgewicht bij jongeren. Uit de eigen meta-analyse, gebaseerd op data uit 15 geselecteerde artikels, kwam eveneens steun voor dit verband naar voren. Zo bleek dat de kans op overgewicht 1,5 tot 1,7 keer hoger ligt voor kinderen die meer televisiekijken en dat er een statistisch significante correlatie (r=0,146) bestaat tussen TV kijken en de BMI. Bovendien hielden deze resultaten stand wanneer op verschillende manieren voor publicatiebias werd gecontroleerd. De hypothese dat een significante, positieve relatie bestaat tussen televisiekijken en de BMI van kinderen en adolescenten jonger dan 19 jaar werd dus wel degelijk bevestigd door de resultaten van de random-effects meta-analyse. Het was minder vanzelfsprekend om een antwoord te formuleren op de drie onderzoeksvragen, aangezien het niet mogelijk bleek om de statistische significante van verschillen tussen Odds Ratio’s na te gaan. Wanneer men toch een conclusie zou moeten formuleren op basis van de resultaten uit de analyse, lijkt de vastgestelde correlatie sterker te zijn voor meisjes dan voor jongens (RQ1), wat overigens in de lijn ligt van eerdere onderzoeksresultaten. Bovendien neemt het effect van televisiekijken op de BMI schijnbaar af naarmate jongeren opgroeien en lijkt de relatie tussen televisiekijken en overgewicht dus groter te zijn voor kinderen dan voor tieners en adolescenten 77
(RQ2). De resultaten in verband met de derde en laatste onderzoeksvraag ten slotte, liggen in de lijn van de centrale hypothese en lijken erop te wijzen dat het effect van televisiekijken op de BMI sterker is voor de zwaardere kijkers (die meer dan twee uur per dag kijken) dan voor kinderen die daar minder tijd aan besteden (RQ3). Het is echter aangewezen om in eventueel later onderzoek verder op deze modererende variabelen in te gaan en om met behulp van meta-analyses na te gaan hoe de vork precies in de steel zit. De resultaten van de analyse uit deze masterproef tonen aan dat er wel degelijk een verband bestaat tussen de tijd die jongeren voor de beeldbuis spenderen en de kans dat zij aan de obesitasepidemie ten prooi vallen. Hoewel de resultaten relatief kleine waarden opleverden, mogen de implicaties hiervan niet onderschat worden aangezien televisiekijken een zeer populaire vrijetijdsbesteding is. Bovendien kan een klein effect dat op grote schaal plaatsvindt binnen een populatie wel degelijk voor gevolgen op grote schaal zorgen en kan men de maatschappelijke kost en individuele moeilijkheden die met ernstig overgewicht gepaard gaan evenmin negeren. Men kan hier natuurlijk tegenin brengen dat niet enkel de tijd die men met het medium doorbrengt, maar ook de inhoud van de bekeken programma’s een effect kan hebben op het individu. In deze meta-analyse werd enkel rekening gehouden met de doorgebrachte tijd voor de televisie en werd aangetoond dat er effectief een positief verband bestaat tussen televisiekijken en de BMI, los van de mogelijke inhoud van de televisieprogramma’s. Bijgevolg moet bij het opstellen van beleidsmaatregelen in verband met de obesitasproblematiek niet enkel naar de inhoud van bepaalde shows of het mogelijke effect van reclame gekeken worden, maar kan het ook lonen om mensen (zowel jongeren als ouderen) te sensibiliseren met betrekking tot de tijd die ze voor de televisie spenderen.
78
Referenties Andersen, R.E., Carlos, J., Crespo, M.S., Bartlett, S.J., Cheskin, L.J., & Pratt, M. (1998). Relationship of physical activity and television watching with body weight and level of fatness among children. Journal of the American Medical Association, 217(12), pp. 938-942. Anderson, C. (2004). An update on the effects of playing violent video games. Journal of Adolescence, 27(1), pp. 113-122. Anderson, J.W., Konz, E.C., Frederich, R.C., & Wood, C.L. (2001). Long-term weight-loss maintenance: A meta-analysis of US studies. American Journal of Clinical Nutrition, 74(5), pp. 579584. Anderson, P.M., & Butcher, K.E. (2006). Childhood obesity: trends and potential causes. Future Child, 16(1), pp. 19-45. Au, N. (2012). The health care cost implications of overweight and obesity during childhood. Health Services Research, 47(2), pp. 655-676. Barr-Anderson, D.J., Larson, N.I., Nelson, M.C., Neumark-Sztainer, D., & Story, M. (2009). Does television viewing predict dietary intake five years later in high school students and young adults? International Journal of Behavioral Nutrition and Physical Activity, 6(7), pp. 7–15. Berghöfer, A., Pischon, T., Reinhold, T., Apovian, C.M., Sharma, A.M., & Willich, S.N. (2008). Obesity prevalence from a European perspective: a systematic review. BMC Public Health, 8, pp. 200-209. Berkey, C.S., Rockett, H.R.H., Field, A.E., Gillman, M.W., Frazier, A.L., Camargo, C.A., & Colditz, G.A. (2000). Activity, dietary intake, and weight changes in a longitudinal study of preadolescent and adolescent boys and girls. Pediatrics, 105(4), pp. e56e65. Bernard, L., Lavallee, M.A., Gray-Donald, K., & Delisle, H. (1995). Overweight in Cree schoolchildren and adolescents associated with diet, low physical activity, and high television viewing. Journal of the American Dietetic Association, 95(7), pp. 800– 802. 79
Blair, N.J., Thompson, J.M., Black, P.N., Becroft, D.M., Clark, P.M., Han, D.Y., Robinson, E., Waldie, K.E., Wild, C.J., & Mitchell, E.A. (2007). Risk factors for obesity in 7-year-old European children: the Auckland Birthweight Collaborative Study. Archives of Disease in Childhood, 92(10), pp. 866-871. Boone, J.E., Gordon-Larsen, P., Adair, L.S., & Popkin, B.M. (2007). Screen time and physical activity during adolescence: Longitudinal effects on obesity in young adulthood. International Journal of Behavioral Nutrition and Physical Activity, 4(1), pp. 2636. Borenstein, M., Hedges, L.V., Higgins, J.P.T., & Rothstein, H.R. (2005). Comprehensive Meta-Analysis Version 2. Englewood, New Jersey: Biostat. Borenstein, M., Hedges, L.V., Higgins, J.P.T., & Rothstein, H.R. (2011). Introduction to meta-analysis. Chichester: Wiley. Boulos, R., Vikre, E.K., Oppenheimer, S., Chang, H., & Kanarek, R.B. (2012). ObesiTV: How television is influencing the obesity epidemic. Physiology and Behavior, 107(1), pp. 146-153. Bowman, S.A. (2006). Television-viewing characteristics of adults: Correlations to eating practices and overweight and health status. Preventing Chronic Disease, 3(2), p. A38. Bryant, J., & Cummins, R.G. (2007). Traditions of mass media theory and research. In Preiss, R.W., Gayle, B.M., Burrell, N., Allen, M., & Bryannt, J. (eds.), Mass media effects research: Advances through meta-analysis (pp. 1-13). Mahwah, New Jersey & London: Lawrence Erlbaum Associates. Buijzen, M., Bomhof, E., & Schuurman, J. (2008). Explaining the link between television viewing and childhood obesity: a test of three alternative hypotheses. Journal of Children and Media, 2(1), pp. 67-74. Cameron, A.J., Welborn, T.A., Zimmer, P.Z., Dunstan, D.W., Owen, N., Salmon, J., Dalton, M., Jolley, D., & Shaw, J.E. (2003). Overweight and obesity in Australia: The 1999-2000 Australian Diabetes, Obesity and Lifestyle Study. Medical Journal of Australia, 178(9), pp. 427-432. Chapman, K., Nicholas, P., & Supramaniam, R. (2006). How much food advertising is there on Australian television? Health Promotion International, 21(3), pp. 172-180. 80
Chapman, C.D., Benedict, C., Brooks, S.J., & Schiöth, H.B. (2012). Lifestyle determinants of the drive to eat: A meta-analysis. American Journal of Clinical Nutrition, 96(3), pp. 492-497. Cole, T.J., Bellizzi, M.C., Flegal, K.M., & Dietz, W.H. (2000). Establishing a standard definition for child overweight and obesity worldwide: International survey. British Medical Journal, 320(7244), pp. 1240-1243. Coon, K.A., & Tucker, K.L. (2002). Television and children’s consumption patterns: A review of the literature. Minerva Pediatrica, 54(5), pp. 423-436. Crespo, C.J., Smit, E., Troiano, R.P., Bartlett, S.J., Macera, C.A., & Andersen, R.E. (2001). Television watching, energy intake and obesity in US children. Archives of Pediatrics and Adolescent Medicine, 155(3), pp. 360-365. Davey, R.C. (2004). The obesity epidemic: Too much food for thought? British Journal of Sports Medicine, 38(3), pp. 360-363. Delahaye, F., Landrivon, G., Ecochard, R., & Colin, C. (1991). Meta-analysis. Health Policy, 19(2-3), pp. 185-196. Dietz, W.H., & Gortmaker, S.L. (1985). Do we fatten our children at the television set? Obesity and television viewing in children and adolescents. Pediatrics, 75(5), pp. 807-812. Dubois, L., Farmer, A., Girard, M., & Peterson, K. (2008). Social factors and television use during meals and snacks is associated with higher BMI among pre-school children. Public Health Nutrition, 11(12), pp. 1267-1279. DuRant, R.H., Baronowski, T., Johnson, M., & Thompson, W.O. (1994). The relationship among television watching, physical activity, and body composition of young children. Pediatrics, 94(4), pp. 449-455. Finucane, M.M., Stevens, G.A., Cowan, M.J., Danaei, G., Lin, J.K., Paciorek, C.J., Singh, G.M., Gutierrez, H.R., Lu, Y., Bahalim, A.N., Farzadfar, F., Riley, L.M., & Ezzati, M. (2011). National, regional and global trends in body-mass index since 1980: Systematic analysis of health examination surveys and epidemiological studies with 960 country-years and 9.1 million participants. The Lancet, 377(9765), pp. 557-567. Fitzmaurice, G. (1999). Meta-analysis. Nutrition, 15(2), pp. 174-176. 81
Flegal, K.M., Carroll, M.D., Ogden, C.L., & Curtin, L.R. (2010). Prevalence and trends in obesity among US adults, 1999-2008. Journal of the American Medical Association, 303(3), pp. 235241. Foster, J.A., Gore, S.A., & Smith West, D. (2006). Altering TV viewing habits: An unexplored strategy for adult obesity intervention? American Journal of Health Behavior, 30(1), pp. 3-14. Funk, J.B., Baldacci, H.B., Pasold, T., & Baumgardner, J. (2004). Violence exposure in real-life, video games, television, movies, and the internet: Is there desensitization? Journal of Adolescence, 27(1), pp. 23-39. Gable, S., Chang, Y., & Krull, J.L. (2007). Television watching and frequency of family meals are predictive of overweight onset and persistence in a national sample of school-aged children. Journal of the American Dietetic Association, 107(1), pp. 53-61. Giammattei, J., Blix, G., Marshak, H.H., Wollitzer, A.O., & Pettitt, D.J. (2003). Television watching and soft drink consumption: associations with obesity in 11- to 13-year-old schoolchildren. Archives of Pediatrics ad Adolescent Medicine, 157(9), pp. 882886 Goris, J.M., Petersen, S., Stamatakis, E., & Veerman, J.L. (2009). Television food advertising and the prevalence of childhood overweight and obesity: A multicountry comparison. Public Health Nutrition, 13(7), pp. 1003-1012. Gortmaker, S.L., Must, A., Perrin, J.M., Sobol, A.M., & Dietz, W.H. (1993). Social and economic consequences of overweight among adolescents and young adults. New England Journal of Medicine, 329(14), pp. 1008-1012. Gortmaker, S.L., Must, A., Sobol, A.M., Peterson, K., Colditz, G.A., & Dietz, W.H. (1996). Television viewing as a cause of increasing obesity among children in the United States, 1986-1990. Archives of Pediatrics and Adolescent Medicine, 150(4), pp. 356362. Grund, A., Krause, H., Siewers, M., Rieckert, H., & Müller, M.J. (2001). Is TV viewing an index of physical activity and fitness in overweight and normal children? Public Health Nutrition, 4(6), pp. 1245-1251. 82
Hancox, R.J., Milne, B.J., & Poulton, R. (2004). Association between child and adolescent television viewing and adult health: a longitudinal birth cohort study. Lancet, 364(9430), pp. 257262. Hancox, R.J. & Poulton, R. (2006). Watching television is associated with childhood obesity: but is it clinically important? International Journal of Obesity, 30(1), pp. 171–175. Hanley, A.J.G., Harris, S.B., Gittelsohn, J., Wolever, T.M.S., Saksvig, B., Zinman, B. (2000). Overweight among children and adolescents in a Native Canadian community: Prevalence and associated factors. American Journal of Clinical Nutrition, 71(3), pp. 693-700. Harrison, K., & Liechty, J.M. (2012). US Preschoolers' Media Exposure and Dietary Habits: The primacy of television and the limits of parental mediation. Journal Of Children & Media, 6(1), pp. 18-36. Hernández, B., Gortmaker, S.L., Colditz, G.A., Peterson, K.E., Laird, N.M., & Parra-Cabrera, S. (1999). Association of obesity with physical activity, television programs and other forms of video viewing among children in Mexico City. International Journal of Obesity, 23(8), pp. 845-854. Hong, J.S., Cho, H., Allen-Meares, P., & Espelage, D.L. (2011). The social ecology of the Columbine High School shootings. Children and Youth Services Review, 33(6), pp. 861-868. Janz, K.F., Burns, T.L., & Levy, S.M. (2005). Tracking of activity and sedentary behaviors in childhood: The Iowa Bone Development Study. American Journal of Preventive Medicine, 29(3), pp. 171-178. Jeffery, R.W., & French, S.A. (1998). Epidemic obesity in the United States: are fast foods and television viewing contributing? American Journal of Public Health, 88(2), pp. 277-280. Jenvey, V.B. (2007). The Relationship between Television Viewing and Obesity in Young Children: A Review of Existing Explanations. Early Child Development And Care, 177(8), pp. 809-820. Jouret, B., Ahluwalia, N., Cristini, C., Dupuy, M., Nègre-Pages, L., Grandjean, H., & Tauber, M. (2007). Factors associated with overweight in preschool-age children in southwestern France. American Journal Of Clinical Nutrition, 85(6), pp. 1643-1649. 83
Katzmarzyk, P.T., Malina, R.M., Song, T.M.K., & Bouchard, C. (1998). Television viewing, physical activity, and health-related fitness of youth in the Québec Family Study. Journal of Adolescent Health, 23(5), pp. 318-325. Kaur, H., Choi, W.S., Mayo, M.S., & Harris, K.J. (2003). Duration of television watching is associated with increased body mass index. Journal of Pediatrics, 143(4), pp. 506-511. Liang, T., Kuhle, S., & Veugelers, P. (2009). Nutrition and body weights of Canadian children watching television and eating while watching television. Public Health Nutrition, 12(12), pp. 2457-2463. Lobstein, T., Baur, L., & Uauy, R. (2004). Obesity in children and young people: a crisis in public health. Obesity Reviews, 5(Suppl. 1), pp. 4-85. Marshall, S.J., Biddle, S.J. H., Gorely, T., Cameron, N., & Murdey, I. (2004). Relationships between media use, body fatness and physical activity in children and youth: A meta-analysis. International Journal of Obesity, 28(10), pp. 1238-1246. Martin, C.K., Coulon, S.M., Markward, N., Greenway, F.L., & Anton, S.D. (2009). Association between energy intake and television viewing, distractibility, and memory for advertisements. American Journal of Clinical Nutrition, 89(1), pp. 37-44. Monasta, L., Batty, G.D., Cattaneo, A., Lutje, V., Ronfani, L., van Lenthe, F.J., & Brug, J. (2010). Early-life determinants of overweight and obesity: A review of systematic reviews. Obesity Reviews, 11(10), pp. 695-708. Moore, L.L., Gao, D., Bradlee, M.L., Cupples, L.A., SundarajanRamamurti, A., Proctor, M.H., Hood, M.Y., Singer, M.R., & Ellison, R.C. (2003). Does early physical activity predict body fat change throughout childhood? Preventive Medicine, 37(1), pp. 10-17. Müller, M.J., Koertzinger, I., Mast, M., Langnäse, K., & Grund, A. (1999). Physical activity and diet in 5 to 7 years old children. Public Health Nutrition, 2(3a), pp. 443-444. National Center for Health Statistics. (09.09.2010). National Health and Nutrition Examination Survey 2000 CDC Growth Charts: United States. [18.03.2013, Centers for Disease Control and Prevention: http://www. cdc.gov/growthcharts/.] 84
Pelone, F., Specchia, M.L., Veneziano, M.A., Capizzi, S., Bucci, S., Mancuso, A., Ricciadi, W., & de Belvis, A.G. (2011). Economic impact of childhood obesity on health systems: A systematic review. Obesity Reviews, 13(5), pp. 431-440. Preiss, R.W. (2007). Preface. In Preiss, R.W., Gayle, B.M., Burrell, N., Allen, M., & Bryannt, J. (eds.), Mass media effects research: Advances through meta-analysis (pp. ix-xiii). Mahwah, New Jersey & London: Lawrence Erlbaum Associates. Proctor, M.H., Moore, L.L., Gao, D., Cupples, L.A., Bradlee, M.L., Hood, M.Y., & Ellison, R.C. (2003). Television viewing and change in body fat from preschool to early adolescence: The Framingham Children’s Study. International Journal of Obesity, 27(7), pp. 827–33. Reilly, J.J., Methven, E., McDowell, Z.C., Hacking, B., Alexander, D., Stewart, L., & Kelnar, C.J.H. (2003). Health consequences of obesity. Archives of Disease in Childhood, 88(9), pp. 748752. Robinson, T.N., Hammer, L.D., Killen, J.D., Kraemer, H.C., Wilson, D. M., Hayward, C., & Taylor, C.B. (1993). Does television viewing increase obesity and reduce physical activity? Crosssectional and longitudinal analysis among adolescent girls. Pediatrics, 91(2), pp. 273-280. Rosenfeld, R.M. (2004). Meta-analysis. Journal for Oto-RhinoLaryngology and its related specialties, 66(4), pp. 186-195. Saelens, B.E., Sallis, J.F., Nader, P.R., Broyles, S.L., Berry, C.C., & Taras, H.L. (2002). Home environment influences on children’s television watching from early to middle childhood. Journal of Developmental and Behavioral Pediatrics, 23(3), pp. 127-132. Schüssler, P., Kluge, M., Yassouridis, A., Dresler, M., Uhr, M., & Steiger, A. (2012). Ghrelin levels increase after pictures showing food. Obesity, 20(6), pp. 1212-1217. Scully, M., Dixon, H., & Wakefield, M. (2008). Association between commercial television exposure and fast-food consumption among adults. Public Health Nutrition, 12(1), pp. 105-110.
85
Sekine, M., Yamagami, T., Handa, K., Saito, T., Nanri, S., Kawaminami, K., Tokui, N., Yoshida, K., & Kagamimori, S. (2002). A dose-response relationship between short sleeping hours and childhood obesity: Results of the Toyama Birth Cohort Study. Child: Health, Care and Development, 28(2), pp. 163-170. Serdula, M.K., Ivery, D., Coates, R.J., Freedman, D.S., Williamson, D.F., & Byers, T. (1993). Do obese children become obese adults? A review of the literature. Preventive Medicine, 22(2), pp. 167-177. Sisson, S.B., Broyles, S.T., Robledo, C., Boeckman, L., & Leyva, M. (2011). Television viewing and variations in energy intake in adults and children in the USA. Public Health Nutrition, 15(4), pp. 609-617. Tanasescu, M., Ferris, A.M., Himmelgreen, D.A., Rodriguez, N., & Pérez-Escamilla, R. (2000). Biobehavioral factors are associated with obesity in Puerto Rican children. Journal of Nutrition, 130(7), pp. 1734-1742. Temple, J.L., Giacomelli, A.M., Kent, K.M., Roemmich, J.N., & Epstein, L.H. (2007). Television watching increases motivated responding for food and energy intake in children. American Journal of Clinical Nutrition, 85(2), pp. 355-361. Thompson, D., & Wolf, A.M. (2001). The medical-care cost burden of obesity. Obesity Reviews, 2(3), pp. 189-197. Vandewater, E.A., Shim, M., & Caplovitz, A.G. (2004). Linking obesity and activity level with children’s television and video game use. Journal of Adolescence, 27(1), pp. 71-85. Van den Bulck, J;, & Van Mierlo, J. (2004). Energy intake associated with television viewing in adolescents, a cross-sectional study. Appetite, 43(2), pp. 181-184. Viner, R.M. & Cole, T.J. (2005). Television viewing in early childhood predicts adult body mass index. Journal of Pediatrics, 147(4), pp. 429-435. von Lengerke, T., & Krauth, C. (2011). Economic costs of adult obesity: A review of recent European studies with a focus on subgroup-specific costs. Maturitas, 69(3), pp. 220-229.
86
WHO (16.11.2006). What are the consequences of being overweight? [15. 01.2013, WHO: http://www.who.int/features/qa/ 49/en/index.html]. WHO (2013). Nutrition: Body Mass Index - BMI. [10.01.2013, WHO: http://www.euro.who.int/en/what-we-do/healthtopics/ disease-prevention/nutrition/a-healthy-lifestyle/body-massindex-bmi]. Wiecha, J.L., Peterson, K.E., Ludwig, D.S., Kim, J., Sobol, A., & Gortmaker, S.L. (2006). When children eat what they watch: Impact of television viewing on dietary intake in youth. Archives of Pediatrics and Adolescent Medicine, 160(4), pp. 438442. Withrow, D., & Alter, D.A. (2010). The economic burden of obesity worldwide: A systematic review of the direct costs of obesity. Obesity Reviews, 12(2), pp. 131-141. Wright, S.M., & Aronne, L.J. (2012). Causes of obesity. Abdominal Imaging, 37(5), pp. 730-732. Zimmerman, F.J., & Bell, J.F. (2010). Associations of Television Content Type and Obesity in Children. American Journal Of Public Health, 100(2), pp. 334-340.
87
88
