Einflüsse und Effektmodifikation (Interaktionen) in den kurzfristigen Effekten von Immissionspartikeln auf die Gesamtsterblichkeit: Ergebnisse von 29 europäischen Städten innerhalb des APHEA Projekts   15.11.2004 Caren Körber

APHEA 2 – Die Studie 30 europäische Städte (Bukarest, Rumänien aufgrund von 37% fehlender Werte ausgeschlossen) Untersuchungszeitraum umfasste mehr als 5 Jahre (1826 Tage) Gesamtpopulation von 43 Millionen Probanden Benutzt wurden tägliche Messungen von Feinstaubpartikeln (PM) oder Black Smoke (Rußpartikel) Erhoben wurden Konzentrationen von Schwefeldioxid (SO2), Stickstoffdioxid (NO2) und Ozon (O3)

Datengewinnung Messungen durch Messstationen innerhalb eines Überwachungsnetzwerks in jeder Stadt EU Gesetzgebung regelt die Messungen der Luftschadstoffe EU-Direktive für PM10-Messungen nicht angewandt Durchschnitt der täglichen PM-bedingten Sterbefälle nach International Classification of Diseases klassifiziert Einbeziehung der Messstationen, wenn Vollständigkeitskriterien erfüllt

Definition Feinstaubpartikel (PM) und Black Smoke (BS) PM10 repräsentiert Partikel mit aerodynamischen Durchmesser < 10 m Immissionspartikel sind ein Mix von unterschiedlichen physikalischen und chemischen Eigenschaften Hinweise, dass Partikel mit geringem aerodynamischen Durchmesser (10 oder 2.5 m oder kleiner) einen relevanteren Einfluss auf die menschliche Gesundheit haben Konzentration von Rußpartikeln mit einem aerodynamischen Durchmesser von < 4.5 m Relevanter Marker von primären Verbrennungsprodukten In Europa hat Messung von Rußpartikeln eine Lange Tradition und gilt als gebräuchlichster Indikator von Partikeln

Deskription

Deskription Durchschnitt der täglichen Sterbefälle schwankte zwischen 6 und 169 Durchschnitt unter den Älteren Personen (> 65 Jahre) zwischen 4 und 139 Mediane von BS- und PM10-Konzentration zwischen 9 und 64 (BS)und 14 und 166 g/m3 (PM10)

Berechnung der fehlende Werte Fehlender Wert am Tag i im Jahr k von der Messstation j wurde durch den gewichteten Durchschnitt der Werte der anderen Messstationen ersetzt   Mittelwert Tag i im Jahr k über alle Stationen Gesamtmittelwert im Jahr k

Fehlende PM10-Messungen In 10 Städten liegen die PM10-Messungen nicht für den gesamten Zeitraum vor Geschätzt wurden diese Werte durch Regressionsmodell mit Bezug von geordneten PM10-Messungen auf BS (Athen, Krakau) Gesamtschwebepartikelmessungen (Budapest, Erfurt) Prozentsatz der Gesamtschwebeteilchen (basierend auf Messungen für andere Städte)

Unterschiede Confounder und Effekt-Modifikation Confounder sind mit Exposition korreliert Confounder sind selbst Einflussgrößen  „Verschmutzung“ verdeckt den Effekt der Exposition Effekt hängt von der Größe einer Kovariablen ab  Interaktion

Confounder Benutzung von meteorologischen Variablen um Einflussgrößen zu kontrollieren (tägliche Durchschnittstemperatur, relative Feuchtigkeit) Hinzunehmen von Informationen über Grippe-Epidemien und ungewöhnliche Ereignisse wie Hitzewellen Adjustierung des Modells nach Wochentag, Nationalfeiertage, Schulferien, Jahreszeiten und langfristigen Trends Korrelationskoeffizienten für potentielle Einflüsse durch Confounder PM10 – NO2 0.12 – 0.75 PM10 – O3 -0.38 – +0.38 PM10 – SO2 0.14 – 0.78 BS – NO2 0.11 – 0.65 BS – O3 -0.55 – -0.04 BS – SO2 0.41 – 0.77

Effekt-Modifizierer Wesentliche Heterogenität in den Schätzern der Effektparametern beobachtet, daher war es wichtig Informationen über einige Variablen zusammeln, die als Effektmodifizierer vermutet wurden Variablen umfassen „Eigenschaften der Städte“, d.h. ein Wert pro Stadt, der eine bestimmte Situation charakterisiert, wie z.B. Klima und Luftverschmutzungsquellen Potentiellen Interaktionen in vier Kategorien unterteilt

Luftverschmutzungsgrad und Zusammensetzung Beinhaltet: Durchschnittslevel an PM (PM10 und BS) und anderen Schadstoffen für die gesamte Studienperiode das Verhältnis von PM10 und BS zu NO2 Das Verhältnis von PM zu NO2 kennzeichnet den Umfang inwieweit PM verkehrsbedingt ist NO2 hauptsächlich durch Verkehr verursacht Niedrige PM/NO2-Ratio kennzeichnet höheren Anteil von verkehrsverursachten PM

Klimatische Variablen Bisher wird angenommen, dass geschätzter Effekte der Luftverschmutzung durch das Klima modifiziert wird Theorie wird durch saisonale und geographische Unterschiede unterstützt Um Stadtklima zu charakterisieren wurde die mittlere Temperatur und relative Feuchtigkeit über die gesamte Studiendauer aufgezeichnet Mittlere jährliche Tagestemperatur schwankte zwischen 5.9o C in Helsinki und 17.8o C in Athen Mittlere relative Feuchtigkeit schwankte zwischen 48.9% in Marseille und 82.3% in Dublin

Gesundheitsstatus der Bevölkerung Luftverschmutzung beeinträchtigt gewisse Subgruppen der Bevölkerung in größerem Maße Subgruppen sind ältere Personen, die unter chronischen kardio-respiratorischen Krankheiten leiden Indikatoren für die Größe dieser Gruppe sind: die altersadjustierte Sterblichkeitsrate die Lungenkrebssterblichkeitsrate (28 bis 92 Tote/100.000 Personenjahre ) beide für Einwohner/Stadt der Prozentsatz der Personen die älter als 65 Jahre sind (9-21%) die Rauchprävalenz (22 und 55%) Standardisierte jährliche Gesamtzahl der Sterbefälle pro 100.000 Schwankt in Lyon von 579 bis 1231 in Lodz 15 Städten unter 800, in 9 Städten zwischen 800 und 1000 5 Städten über 1000

Geographisches Gebiet Im Vorfeld wurde beobachtet, dass die Größe des Effekts sich in geographischen Gebieten unterscheidet Unterteilung in drei Klassen unterteilt: 1.  Zentraler-Osten: alle Städte der ehemaligen kommunistischen Länder (Budapest, Krakau, Erfurt, Ljubljana, Lodz, Posen, Prag, Teplice, Wroclaw)  2.  Südstaaten: Breitengrad < 45o (Athen, Barcelona, Bilbao, Madrid, Marseille, Rom, Tel Aviv, Valenzia) 3.  Nord-Westen: alle anderen Länder

Auswertung Hierarchisches (Annäherungs-)Modell Schritt 1: 2. Schritt: gefittetes Regressionsmodell für jede Stadt Ermöglicht Kontrolle saisonaler Effekte und möglicher Confounder 2. Schritt: Ergebnisse der Einzelanalysen werden in einem Modell zusammengefasst Ziel: Gesamtschätzer und potentielle Interaktionen

Einzelauswertung der Stadtdaten Ziel: Entwicklung eines Stadtspezifischen Modells für jede Stadt Auswertung durch Verwendung von generalisierten additiven Modellen Erweiterung der GAMs auf Poisson-Regression um nicht-lineare Effekt der Kovariablen zu modellieren Benutzung nicht-parametrischer Loess-Glätter um saisonale Muster und langfristige Trends zu kontrollieren Anwendung von Overdispersion Nutzung von linearen Termen Auswertung auf Tage mit PM10/BS-Konzentration < 150g/m3 begrenzt Eventuell noch Folie mit Regression nach Poisson und Overdispersion

Modellzusammensetzung Modellerweiterung um meteorologische Variablen Beobachtet wurden glättende Funktionen des gleichen Tages und dem Unterschied zu zwei Tagen oder der Unterschied über 0 und 2 Tagen des Tagesdurchschnittstemperatur und relativen Feuchtigkeit Werte des gleichen Tages wurden miteinbezogen Einbeziehung der Wettervariablen und Wahl der Smoothing Parameter wurde unter Minimierung des AIC (=Akaike´s Information Criterion) durchgeführt

Das Grundmodell - GAM Generalisiertes additives Modell f1,...,fp sind unspezifische, unbekannte Funktionen, welche geschätzt werden xi1,...,xip Vektor der Kovariablen der Stadt i kann eine Funktion von originalen Kovariablen, inklusive z.B Interaktionen, sein

Loglineares Poisson-Modell Zielgröße: Y=Anzahl der Todesfälle -> Poisson-Modell exp sichert E(Y)>0, dient der Interpretierbarkeit in multiplikativer Form

Erklärung Dividieren der oberen durch die untere Formel liefert exp(ßk) exp(ßk)-1 ergibt so die prozentuale Zunahme der Todesfälle

Modellerweiterung Aufnahme von Dummy Variablen für: Wochentage Ferientage Ungewöhnliche Ereignisse Tägliche Zahl der Grippefälle Tägliche Zahl der Grippefälle nicht in jeder Stadt verfügbar, daher auf Basis einer sensitiven Auswertung, Kontrolle dieses Effekts durch Dummy Variablen

Zweite Stufe der Auswertung Das hierarchische Modell Dient der quantitativen Zusammenfassung der Einzelanalysen Klärung der Heterogenität Schätzung fester Effekte für gepoolte Regressionskoeffizienten durch gewichtete Regression für stadtspezifische Schätzer von potentiellen Interaktionen Regressionsmodell mit Zufallseffekten, wenn substanzielle Heterogenität zwischen den Ergebnissen der einzelnen Städten verbleibt Varianz zwischen den Schätzern durch die Daten, durch Verwendung der Maximum-Likelihood-Methode nach Berkley et al, geschätzt

Hierarchisches Modell bi=0+ 1z1+2z2+... zi = Vektor der Effekt-modifikationen in einer Stadt = Vektor der Regressions-koeffizienten = Kovarianzmatrix; bestehend aus geschätzten Varianzen der Einzelstädte

Fixed-Effekte Modell Wird benötigt für uni- bzw. multivariate Regressionsmodelle Schätzung von gepoolten fixed-Effekte Regressionskoeffizienten über die gewichtete Regression der stadtspezifischen Schätzer mit den gewichteten potentiellen Interaktionen Gewichtete Interaktionen: Gewichtung besteht aus den Varianzen der Einzelstadtanalyse Dient der Reduzierung der Heterogenität unter den Städten Interaktion aus Stadt mit hoher Varianz bei Einzelauswertung erhält niedrigere Gewichtung Interaktion aus Stadt mit geringer Varianz geht mit einer hohen Gewichtung ein

Zufallseffekte Modell Anwendung wenn Heterogenität zwischen den Städteergebnissen verbleibt Es wird davon ausgegangen, dass die individuellen Koeffizienten ein Sample von unabhängigen Beobachtungen der Normalverteilung sind Mittelwert = Schätzung der gepoolten Zufallseffekte Varianz = Varianz zwischen den Städten

Zweistufiges Modell mit Interaktionen für PM10 Zeigt die resultierende Schätzer für PM10-Effekte einer Stadt, die durch einen Wert der Interaktionen charakterisiert werden. Diese erklären >10% der vorliegende Heterogenität Wert gleich dem 25. (unteren) und 75. (oberen) Percentil der verwendeten Interaktion Unter potentiellen Interaktionen Betrachtung der Schadstoffe: NO2 wichtigste Interaktion Andere Schadstoffe spielen keine Rolle Niedriges Verhältnis PM10 zu NO2 ist verbunden mit höheren PM10-Effekt Gilt auch für Temperatur, Feuchtigkeit, altersstandardisierte Sterblichkeitsrate, die Größe von der Gruppe der Älteren und dem geographischen Gebiet Lungenkrebssterblichkeit, Rauchprävalenz keinen Einfluss Wichtigste Interaktionen jeder Kategorie (NO2-Level, Temperatur, standardisierte Sterblichkeitsrate) wurden mit den anderen in ein zweistufiges Modell mit drei Interaktionen genommen Meiste Heterogenität erklärt und verbleibende wesentlich reduziert

Zweistufiges Modell mit Interaktionen für PM10   Interaktionen ß-Koeffizient Geschätzte Zunahme bei 25. Percentil Geschätzte Zunahme bei 75. Percentil Ko-effizient 95% KI Estimate 24 Std. NO2  0.000199 0.00013 0.00027 0.19 0.00-0.41 0.80 0.67-0.93 PM10/NO2  -0.000056 -0.00001 -0.00002 0.83 -0.76-2.45 0.58 0.44-0.72 24 Std.  Temperatur 0.000466 0.00028 0.00065 0.29 0.16-0.42 0.82 0.69-0.96  rel. Feuchtigkeit -0.000241 -0.0004 -0.00013 0.89 0.74-1.05 0.38 0.19-0.57 Altersstand. jährliche Sterberate per 100.000 -0.000123 -0.0002 -0.0001 0.65-0.95 0.43 0.24-0.62

Ergebnisse für PM10 Geschätzte Zunahme pro 10 g/m3 Zunahme von PM10 der einzelnen Städte schwankt zwischen -0.6% - 1,5% Zunahme der Gesamttodesfälle in Verbindung mit 10 g/m3 Erhöhung der täglichen PM10-Konzentration betrug 0.7% in fixed-Effekte Modell [95% KI: 0.6-0.8%] Bei Modelle mit Zufallseffekten betrug die Erhöhung der Todesrate 0.6% [95% KI:0.4-0.8%]

Scatterplots für PM10

Ergebnisse zweistufige Regression für BS   Interaktionen ß-Koeffizient Geschätzte Zunahme bei 25. Percentil Geschätzte Zunahme bei 75. Percentil Koeffizient 95% KI Estimate 24 Std. NO2  0.000185 0.00009 0.00028 0.26 0.08-0.45 0.73 0.55-0.91 BS/NO2  -0.000046 -0.00001 0.67 0.52-0.82 0.45 0.3-0.6 24 Std.  Temperatur 0.000359 0.00054 0.23 0.03-0.42 0.70 0.53-0.86  rel. Feuchtigkeit -0.000126 -0.00036 -0.00004 0.44 0.30-0.59 0.32 0.13-0.51 Altersstand. jährliche Sterberate per 100.000 -0.000113 -0.00019 0.64 0.48-0.81 0.22-0.55

Ergebnisse zweistufige Regression für BS I Ergebnisse der zweistufigen Regression für die Schätzer der BS-Effekte Geographische Gebiet, NO2-Konzentration und Temperatur wichtigsten Effekt-Modifizierer Im zweistufigen Modell mit 4 Interaktionen erklärt es die meiste Heterogenität

Ergebnisse für BS I Schwankungen je Stadt von –0.2 % bis 1.6% Kombinierte Schätzer für die gleiche Zunahme unter Fixed- Modell betrug 0.5 % [95% KI: 0.4-0.6%] Modell mit Zufallseffekten: 0.6 [95% KI: 0.3-0.8%] Todesfälle unter den Älteren (>65 Jahre) bei Zunahme von BS: Modell mit fixierten Effekten 0.6% [95% KI: 0.5-0.8%] Modell mit Zufallseffekten 0.7% [95% KI: 0.4-0.9%]

Ergebnisse für BS II Für Test auf Sensitivität der obigen Ergebnisse der Schätzer der PM10-Serie fand ein Ausschluss von 10 Städten mit unvollständigen Daten statt Zunahme der kombinierten Schätzer bleibt gleich, d.h. 0.7% Zunahme der Todesfälle war verbunden mit einer Erhöhung von BS um 10 g/m3. Dies gilt für beide Modelle.

Scatterplots für BS

Ergebnisse Zweistufiges Modell Zweistufigen Modell zeigt: Effektparameter der Todesfälle bei den Älteren haben fast identische Muster für BS- und PM10-Effekte mit Koeffizientenänderung an zweiter oder dritten signifikanten Stelle Multivariates zweistufiges Regressionsmodell mit geschätzten Effektparametern von PM und NO2 für jede Stadt als abhängige Variable und durchschnittliche langfristige NO2 –Konzentration als potentielle Interaktion NO2-Höhe blieb als Interaktion nach der Adjustierung nach dem Einfluss der täglichen Schwankungen auf die Parameter der PM-Effekte in jeder Stadt Stadt mit niedriger NO2-Konzentration: Geschätzte adjustierte Zunahme der Sterblichkeit verbunden mit einer 10 g/m3 Zunahme des PM10 von 0.11% auf ( BS: 0.11%) Stadt mit hoher NO2-Konzentration: Zunahme 0.51% ( BS: 0.38%)

2-Schadstoff-Modell Gefittet wurden zudem Modelle mit 2- Schadstoffen Adjustierung nach Confounding-Effekt von SO2, O3 und NO2 CO2-Messungen nicht benutzt, da viele Städte lückenhafte oder keine Messungen aufwiesen Serielle Korrelationen in den Residuen wurde berücksichtigt

Ergebnisse 2-Schadstoffmodell

Ergebnisse für PM10 2-Schadstoffmodell Modell für zwei Schadstoffe kombiniert mit der zweistufigen Regression Adjustiert in Reihenfolge der Einflusseffekte von SO2, O3 und NO2 Adjustierung nach SO2 und O3: Verbindung von PM10 mit der Gesamtsterblichkeit ist nicht wesentlich durch SO2- oder O3- Konzentration beeinflusst Adjustierung nach NO2: Geschätzte kombinierte Zunahme der Sterblichkeit für eine Erhöhung von PM10 um 10 g/m3 wurde von 0.68% auf 0.35% reduziert

Ergebnisse für BS 2-Schadstoffmodell Verbindungen von BS mit der Sterblichkeitsanzahl zeigen eine Beeinflussung durch die Höhe des SO2 und im wesentlichen auch durch die Konzentrationen von NO2 und O3 Adjustierung nach NO2: zeigt Reduzierung der geschätzten Zunahme der Gesamtsterblichkeit in Verbindung mit einer Erhöhung der BS-Konzentration von 10 g/m3 von 0.51% auf 0.26% Adjustiert nach O3: Gesamtsterblichkeit bei gleicher Zunahme der BS-Konzentration stieg von 0.51% auf 0.71%

Schlussfolgerung aus 2-Schadstoffmodell Es lässt sich schließen, dass in allen zweistufigen Modellen eine wesentliche Heterogenität zwischen den nach anderen Schadstoffen adjustierten Koeffizienten für PM10 und BS verbleibt Eine Untersuchung der beobachteten Heterogenität in den Effektschätzern für PM10 und BS wäre sinnvoll, um sie für potentielle Effektmodifikation in der zweiten Stufe der Auswertung in Betracht zu ziehen

Zusammenfassung und Diskussion Es wurden auch andere Schadstoffe gefunden, die potentielle Confounder und Interaktionen für die Verbindung von PM10 auf die Sterblichkeit darstellen Es gibt Indizien auf einen komplexen Prozess von Emissionen, Zweitreaktionen, Ort der Aufstellung der Messgeräte und Messfehler, die in Beziehung zu ihrer Repräsentativität für die Bevölkerung stehen PM10 und BS sind Prediktoren für die täglichen Sterbefälle in Europa, mit ähnlichen Effektschätzer

Kein Hinweis für den Einfluss von SO2 und O3 auf PM10 SO2 kein Confounder bei den BS-Effekten O3 Confounder bei simultaner Kontrolle von O3 auf BS-Effekten Die Wirkung von PM10 und BS ist stark durch NO2 beeinflusst Immissionspartikel haben großen Einfluss auf die Gesundheit

Heterogenität der einzelnen Schätzer der Stadteffekte unterstützt Vermutung, dass die Zusammensetzung der Partikel sich von Ort zu Ort in einer relevanten Art in bezug auf ihren gesundheitlichen Einfluss unterscheidet Höhere Zunahme der Sterbefälle in Gruppen mit Anteil von älteren Personen (>65 Jahre) von 13% (0.77%), als bei Gruppen mit einem geringeren Anteil (0.64%) Wichtigste Prediktor der Effektgröße ist Ratio von PM2.5 zu PM10

Auswirkungen der Ergebnisse Ergebnisse bestätigen die schon früher berichteten Ergebnisse in Europa und den USA über die Größe des Einfluss der Immissionspartikel auf die Gesamtzahl der täglichen Sterbefälle Zeigen die Heterogenität in den PM Effektparametern von unterschiedlichen Städten und reflektieren die reale Interaktion, welche vielleicht durch charakterisierende Faktoren erklärt werden können, wie z.B. den Luftverschmutzungsmix, Klima und Gesundheit der Population Ergebnisse können wichtige Konsequenzen für Schätzungen des Effekts der Luftverschmutzungen auf die Gesundheit in einer spezifischen Population nach sich ziehen und könnten politische Entscheidungen und Entscheidungen des Umweltmanagements beeinflussen