5 Diskussion

↓45

Das Ziel der European Investigation into Cancer and Nutrition (EPIC) ist die Untersuchung der Beeinflussung des Risikos für chronische Erkrankungen durch Ernährungsfaktoren. Eine solche Untersuchung ist nur unter Berücksichtigung anderer Risikofaktoren – etablierter oder vermuteter – möglich. Da bei Frauen das Risiko für etliche chronische Krankheiten entscheidend durch ihre Reproduktionsgeschichte bestimmt wird, spielen diese Faktoren auch bei der Untersuchung ernährungsbedingter Risikofaktoren eine wesentliche Rolle Hunter et al. (1997).

Bevor diese nicht-ernährungsbezogenen Risikofaktoren allerdings in späteren Risikoanalysen berücksichtigt werden können, ist es notwendig, sich mit Hilfe der deskriptiven Statistik ein Bild von den Verteilungen dieser Faktoren innerhalb der Studienpopulationen und den Zusammenhängen zwischen diesen Faktoren zu machen. Das ist in der vorliegenden Arbeit für die reproduktiven Faktoren der Frauen in den beiden deutschen Kohorten geschehen. Der Schwerpunkt lag dabei auf der Darstellung der aufgrund der unterschiedlichen gesellschaftlichen Hintergründe in Potsdam und Heidelberg zu erwartenden Unterschiede in den Verteilungen und Zusammenhängen der reproduktiven Faktoren.

↓46

In der vorliegenden Arbeit wurde darauf verzichtet, alterskategorieabhängige Darstellungen für Ausbildung bzw. ausbildungsabhängige Darstellungen für Alter zu adjustieren. Da das Ziel in erster Linie war, die Verteilungen der Faktoren und deren Korrelationen untereinander in Potsdam und Heidelberg zu vergleichen, und da die prozentualen Anteile der Ausbildungskategorien in allen Alterskategorien (Tabellen 1.1a und 1.1b) in den beiden Kohorten sehr ähnlich sind, war nicht zu erwarten, daß sich die dargestellten Unterschiede durch Adjustierung für Ausbildung oder Alter relevant verändern würden.

Eine nur dreistufige Ausbildungsvariable wurde trotz der detaillierten Erhebung gewählt, weil nur so erreicht werden konnte, daß die Ausbildung in Potsdam und Heidelberg vergleichbar war. Aufgrund der unterschiedlichen gesellschaftlichen Struktur, in der die Frauen in Potsdam und Heidelberg ihre Ausbildung erhielten, war ein Vergleich der Ausbildung mit einer detaillierteren Ausbildungsvariablen nicht möglich.

5.1 Diskussion der Ergebnisse

In der Übersichtstabelle (Tabelle 1) sind die Unterschiede zwischen den beiden Kohorten bei den Fragen nach der Lebens-und Gesundheitszufriedenheit und bei der Erwerbstätigkeit am auffallendsten. In Potsdam finden sich deutlich weniger Frauen, die angaben, mit dem Leben sehr zufrieden zu sein, dagegen deutlich mehr Frauen, die voll berufstätig (Vollzeit) oder arbeitslos sind. Gegen die Vermutung, daß die niedrigere Lebenszufriedenheit in Potsdam durch die höhere Arbeitslosigkeit zu erklären ist, sprechen die Angaben zur Lebenszufriedenheit aufgeschlüsselt nach der Erwebstätigkeit. In jeder Erwebstätigkeitsgruppe ist die Zufriedenheit in Heidelberg deutlich höher als in Potsdam, und außerdem ist der Unterschied im Anteil der Arbeitslosen auch nicht so erheblich, daß sich dadurch die deutlichen Abweichungen in der Lebenszufriedenheit erklären ließen.

↓47

Die Tabellen 1.2a und 1.2b zeigen, daß in jeder Alterskategorie die Verteilung der Ausbildungsstufen in Potsdam und Heidelberg nur gering von einander abweichen, weshalb, wie bereits erwähnt, auf eine Adjustierung für Alter und Ausbildung verzichtet wurde.

5.1.1 Menstruationsfaktoren

Schon bei der Darstellung in Percentilen zeigt sich, daß sich die vorwiegend biologisch determinierten Faktoren wie „Alter bei Menarche“ und „Dauer bis Zyklus Regelmäßig“ im Gegensatz zu dem vorwiegend gesellschaftlich beeinflußten Faktor „Abstand Menarche-1.Geburt“ in den beiden Kohorten kaum unterscheiden. Das Alter bei Eintritt in die Menopause wurde nicht mit in diese Arbeit aufgenommen, da die Antwortmöglichkeiten, die im Fragebogen auf die entsprechende Frage vorgegeben waren, offenbar ungünstig gewählt waren. Das niedrigste Alter, das auf die Frage „Wie alt waren Sie als Sie Ihre letzte Regelblutung hatten“ angegeben werden konnte, war 45(oder jünger). Diese Angabe wurde in Potsdam von 29,7% und in Heidelberg von 38,6% der Frauen gemacht. Da mit Sicherheit davon auszugehen ist, daß nicht alle diese Frauen die letzte Regelblutung im Alter von genau 45 Jahren hatten und es im Nachhinein nicht mehr möglich war, das genaue Alter zu bestimmen, waren Berechnungen von Mittelwert und Percentilen dieser Variablen nicht sinnvoll.

Um anhand der Regelanamnese zu bestimmen, welche Frauen in der Menopause sind, wurden die im Fragenschema 2.1.1 gezeigten Fragen gestellt. Den Menopausenstatus durch eine Regelanamnese zu erheben, ist auf Grund der Definition (Menopause= Letzte Regelblutung vor mind. 12 Monaten) am naheliegendsten Hahn et al. (1997). Da in den beiden EPIC-Kohorten aber deutlich mehr als 50% der Frauen angeben, Hormone in den Wechseljahren zu nehmen oder genommen zu haben, und die Einnahme dieser Hormone bedeutet, daß die Frauen auch in der Menopause noch Blutungen haben, ist die Bestimmung des Menopausenstatus durch Regelanamnese in diesen Kohorten nur sehr eingeschränkt möglichRockhill et al. (2000). Kroke et al. Kroke et al. (2001) haben mit den Daten der Potsdamer Kohorten unterschiedliche Ansätze zur Bestimmung des Menopausestatus miteinander verglichen und einen sogenannten „Wahrscheinlichkeits-Ansatz“ entwickelt. Dieser Ansatz wurde in der vorliegenden Arbeit nicht verwendet, da die dazu nötigen Informationen teilweise für die Heidelberger Kohorte nicht vorlagen.

↓48

Bei der altersabhängigen Darstellung des Alters bei Menarche (Tabelle und Diagramm 2.2.1) zeigt sich die vielfach beschriebene Entwicklung hin zu einem jüngeren Alter bei Menarche in beiden Kohorten. Allerdings sinkt das Alter nur bis zur Alterskategorie der 1946-50 geborenen und bleibt danach in etwa konstant bei 12,8 - 13 Jahren. Dieses Stagnieren des Trends zu einem jüngeren Alter bei Menarche wurde in den letzten zehn Jahren von verschiedenen Wissenschaftlern beschrieben Wellens et al. (1990). Einige sprechen sogar von einer Umkehrung des Trends Dann undRoberts (1993), was sich anhand der Daten der EPIC-Kohorten aber weder bestätigen noch ablehnen läßt. Da es sich bei den Angaben zum Alter bei Menarche wie bei allen anderen Faktoren, die in dieser Arbeit beschrieben werden, um Selbstangaben handelt, besteht die Möglichkeit, daß die Informationen durch Erinnerungsfehler verfälscht sind Hahn et al. (1997). Es gibt allerdings keinen Grund anzunehmen, daß diese Fehler systematischer Art sind, und nur dann könnte die gezeigte Entwicklung durch Erinnerungsfehler erklärt werden. Auch fragten Damon et al. Damon undBajema (1974) 143 Frauen, deren Alter bei Menarche im Rahmen der Third Havard Growth Study zum Zeitpunkt der Menarche erhoben worden war, nach 39 Jahren erneut nach ihren Alter bei Menarche. Die Autoren fanden, daß 50% der Frauen ihr tatsächliches Alter bei Menarche + 0,5 Jahre angaben und 86% das korrekte Alter + 1,5 Jahre.

Eine ähnlicher Anstieg beim Alter bei Menarche, wie er sich in der Potsdamer Kohorte von der ersten zur zweiten Alterskategorie zeigt, wurde auch in der französischen EPIC-Kohorte gefunden Clavel-Chapelon (2002), und die Autoren hielten es für möglich, daß sich dieser Anstieg des Alters auf Mangelernährung und psychische Faktoren bedingt durch den 2. Weltkrieg zurückführen läßt. Da eine entsprechende Entwicklung zwischen diesen beiden Alterskategorien in der Heidelberger Kohorte jedoch nicht festzustellen ist, könnte es sich möglicherweise auch um ein Artefakt handeln.

Bei der alters- bzw. ausbildungsabhängigen Darstellung des Abstands zwischen Menarche und 1.Geburt zeigen sich ganz erhebliche Unterschiede zwischen Potsdam und Heidelberg. Diese Unterschiede, die auch bei fast allen anderen vorwiegend sozial und gesellschaftlich beeinflußten Faktoren festzustellen sind, lassen sich sicher zum größten Teil auf die unterschiedlichen gesellschaftlichen und politischen Strukturen in der ehemaligen DDR und der BRD zurückführen. In der Potsdamer EPIC-Kohorte lassen sich mögliche Veränderungen, die nach der Wiedervereinigung eingetreten sind, bei den reproduktiven Faktoren fast gar nicht zeigen, da das mittlere Alter der Frauen zum Zeitpunkt der Basisuntersuchung bei 48,7 Jahren lag und daher fast alle reproduktiven Ereignisse bereits vor der politischen Wende 1989 stattgefunden haben.

↓49

Was bei den beiden Darstellungen außer der starken Vergrößerung des Abstandes zwischen Menarche und 1.Geburt in Heidelberg mit abnehmendem Alter der Frauen und des nahezu gleichbleibenden Abstandes über alle Alterskategorien in Potsdam auffällt, ist, daß sich der Abstand bei der ausbildungsabhängigen Darstellung zwar in beiden Kohorten mit höherer Ausbildung vergrößert, diese Vergrößerung aber sehr unterschiedlich groß ist und daß in Heidelberg die Steigerung von der zweiten zur dritten Ausbildungsstufe erheblich größer ist, als von der ersten zur zweiten. Die dritte Ausbildungsstufe nimmt also in Heidelberg eine Sonderstellung ein, die dazu führt, daß die dargestellte Beziehung nicht mehr als linear zu bezeichnen ist. In Potsdam ist es dagegen durchaus zu rechtfertigen, eine lineare Beziehung zu vermuten. Auf diesen Effekt, daß sich in Heidelberg die dritte Ausbildungsstufe deutlich von den anderen beiden abhebt, wird noch mehrfach eingegangen, da er sich fast durchgängig in den ausbildungsabhängigen Darstellungen zeigt.

5.1.2 Generative Faktoren

In den Tabellen 3.1.1-3.1.3 erkennt man, daß sich die Frauen in beiden Kohorten in der mittleren Kinderzahl nur gering unterscheiden (1,8 und 1,6). Anhand der Percentilen läßt sich jedoch bereits feststellen, daß in Heidelberg deutlich mehr Frauen gar keine Kinder haben, und daß mindestens 10% der Frauen ihr erstes Kind mit mindestens 32 Jahren bekommen haben. Während sich aufgrund der Literatur keine klare Aussage darüber treffen läßt, welche Rolle die genaue Anzahl an Kindern für das Brustkrebsrisiko spielt, werden die Tatsache, keine Kinder zu haben und eine hohes (>30 bzw.35 Jahre) Alter bei der ersten Geburt durchgehend als deutlich risikoerhöhende Faktoren beschrieben Albrektsen et al. (1994, Ewertz et al. (1990). Daran wird deutlich, daß sich die beiden Kohorten zwar in den Mittelwerten nicht stark unterscheiden, in den im Hinblick auf das Brustkrebsrisiko besonders interessierenden Untergruppen allerdings erheblich.

In der altersabhängigen Darstellung der mittleren Kinderzahl (Tabelle und Diagramm 3.2.1) zeigt sich, daß der Unterschied zwischen Potsdam und Heidelberg mit abnehmendem Alter der Frauen immer mehr zunimmt, und daß in Heidelberg ein konstanter Rückgang der mittleren Kinderzahl zu beobachten ist, während ein solcher Trend in Potsdam nicht über alle Alterskategorien zu erkennen ist. Da als Ursache dafür wahrscheinlich gesellschaftliche Hingründe angenommen werden können, kann man eine Annäherung der mittleren Kinderzahlen in Ost- und Westdeutschland nach 1989 vermuten, die sich allerdings wie schon erwähnt anhand der EPIC-Daten nicht zeigen läßt.

↓50

Bei dem durchschnittlichen Alter bei erster Geburt je Alterskategorie zeigt sich, wie groß der Unterschied zwischen Potsdam und Heidelberg ist (Tab. u. Diagr. 3.2.3). Dies ist bei den altersabhängigen Darstellungen der oben beschriebenen Untergruppen (Nullipara und Erstgeburt mit über 30) noch auffälliger (Tab. u. Diagr. 3.2.2 +3.2.4). In den ersten drei Alterskategorien ist die Entwicklung in beiden Kohorten noch gleichsinnig. Die Tendenz in diesen Kategorien hin zu einem niedrigeren Alter bei erster Geburt und zu weniger Frauen ohne Kinder ist möglicherweise zunächst durch kriegsbedingte und später durch nachkriegsbedingte Einflüsse zu erklären. Aber während sich in Potsdam dieser Trend fortsetzt oder in etwa konstant bei dem erreichten Wert bleibt, sieht man in Heidelberg einen auffallend steilen Anstieg des Alters. Da die letzte Alterskategorie diesen Anstieg nicht fortsetzt, ist am ehesten damit zu erklären, daß diese Frauen zum Erhebungszeitpunkt zu jung waren und möglicherweise noch Kinder bekommen.

Die ausbildungsabhängige Darstellung der mittleren Kinderzahl zeigt die einzige Entwicklung bei den generativen Faktoren, die in Potsdam und Heidelberg parallel verläuft, wenn auch auf unterschiedlichem Niveau. Daß sich Tendenzen, die bei anderen Darstellungen zu sehen sind, bei der mittleren Kinderzahl nicht oder weniger gut zeigen lassen, läßt sich möglicherweise damit erklären, daß diese Zahl in beiden Kohorten ohnehin niedrig ist und selbst in westlichen Ländern nicht zu erwarten ist, daß die Kinderzahl gegen null tendiert. Daher sind hier aufgrund des niedrigen Ausgangsniveaus möglicherweise keine ausgeprägten Veränderungen zu erwarten.

In Tabelle und Diagramm 3.3.2 zeigt sich erneut, wie schon an anderer Stelle, die Sonderstellung der dritten Ausbildungskategorie in Heidelberg. In Potsdam sieht man eine leichte, konstante Erhöhung des Alters bei erster Geburt mit höherer Ausbildung, während sich dieser Anstieg in Heidelberg von der zweiten zur dritten Kategorie deutlich verstärkt.

↓51

Welche Rolle die Tatsache, ob und wie lange Frauen gestillt haben, für das Risiko an Brustkrebs zu erkranken spielt, läßt sich nach wie vor nicht eindeutig beantworten. Die meisten Autoren gehen aber von einer geringen Risikominderung durch das Stillen aus Bernier et al. (2000) Layde et al. (1989), wobei manche erst bei einer Stilldauer von über 20 Monaten ein vermindertes Risiko feststellen und andere den Effekt abhängig von dem Menopausenstatus der Frau und vom Alter, in dem gestillt wurde, machen Newcomb et al. (1994). Auch wenn der Effekt des Stillens wahrscheinlich nicht sehr groß ist, so sollte er doch in jedem Fall berücksichtigt werden, da in diesem Bereich noch vieles nicht eindeutig zu beantworten ist. Die Tabellen 3.1.2 und 3.1.3 zeigen, daß in beiden Kohorten der Prozentsatz der Frauen, die gestillt haben, mit ca. 80% sehr hoch liegt, daß aber die mittlere Stilldauer mit 13,9 und 11 Wochen ebenfalls in beiden Kohorten relativ kurz ist. Falls also der risikomindernde Effekt tatsächlich erst bei einer sehr langen Stilldauer auftritt, ist es fraglich, ob die Stillpraxis innerhalb der EPIC-Kohorten eine Rolle spielen wird.

In den ausbildungsabhängigen Darstellungen (Tab. u. Diagr. 3.3.3+3.3.4) fällt auf, daß Frauen mit höherer Bildung nicht wie man vielleicht, wenn man davon ausgeht, daß diese Frauen besonders an beruflichem Fortkommen und Unabhängigkeit interessiert sind, vermuten könnte, weniger häufig und weniger lange stillen, sondern genau das Gegenteil der Fall ist. Dieser Zusammenhang ist in Potsdam allerdings nur schwach ausgeprägt, und in Heidelberg wiederum zwischen der zweiten und dritten Ausbildungsstufe besonders stark. Möglicherweise liegt der Grund dafür in einer intensiveren Beschäftigung mit den gesundheitlichen Vorteilen des Stillens für das Kind oder mit der Bedeutung des Stillens für die Mutter-Kind-Beziehung.

Da man davon ausgehen kann, daß die Stillpraxis einer Frau nicht so sehr von ihren eigenen Alter, sondern vielmehr von der gängigen bzw. empfohlenen Stillpraxis des Zeitraumes, in dem sie ihr Kind stillt, bestimmt wird, wurde statt einer Darstellung abhängig vom Geburtsjahr der Mutter eine Darstellung abhängig vom Jahr, in dem das Kind geboren wurde, gewählt (Tab. u. Diagr. 3.4.1+3.4.2). In diesen Darstellungen zeigt sich überraschenderweise in Potsdam und Heidelberg trotz des unterschiedlichen gesellschaftlichen Hintergrundes ein ganz ähnlicher Verlauf. Auch der beim Anteil gestillter Kinder besonders deutliche Knick Anfang bis Mitte der 70er Jahre ist in beiden Kohorten gleichermaßen zu sehen. Daher läßt sich dieser Knick wahrscheinlich nicht mit gesellschaftlichen Veränderungen erklären, sondern die in dieser Zeit aufkommende Diskussion um Schadstoffbelastungen (z.B. DDT) der Muttermilch könnte eine Erklärung dafür bieten.

5.1.3 Hormoneinnahme

↓52

Von allen in dieser Arbeit beschriebenen Faktoren mit Ausnahme des Alters bei Menarche sind sich die Frauen in Potsdam und Heidelberg hinsichtlich der Einnahme von Pille und HRT am ähnlichsten (Tab. 4.1.1). Außerdem fällt bei dem Anteil der Frauen, die Hormone in den Wechseljahren einnehmen oder eingenommen haben (über 55%), auf, daß dieser Prozentsatz sicherlich über dem der Allgemeinbevölkerung liegt. Für eine prospektive Kohortenstudie ist Bevölkerungsrepäsentativität nicht erforderlich. Dieser hohe Prozentsatz spricht lediglich dafür, daß Frauen, die HRT einnehmen eher als andere Frauen bereit sind, an einer Studie wie EPIC teilzunehmen. Da aus der Literatur bekannt ist, daß Frauen, die HRT einnehmen, im Vergleich zur Allgemeinbevölkerung gesünder sind Grodstein (1996, Posthuma et al. (1994, Rodstrom et al. (1999), kann man vermuten, daß dahinter ein erhöhtes Interesse an Gesundheitsfragen steht, was wiederum möglicherweise die erhöhte Teilnahmebereitschaft an einer Studie wie EPIC erklären könnte.

Lediglich in der Dauer der Pilleneinnahme sind in Tabelle 4.1.2 deutlichere Unterschiede zwischen den beiden Kohorten erkennbar. Die durchschnittlich längere Einnahmedauer in Potsdam zeigt sich, mit Ausnahme der ersten, in allen Alterskategorien und nimmt mit jüngerem Alter der Frauen noch zu. Dieser Unterschied läßt sich möglicherweise durch unterschiedliche Selektionsfaktoren in den beiden Kohorten erklären. Möglicherweise wird darin aber auch eine geringere Problematisierung der langfristigen Einnahme von Sexualhormonen in der ehemaligen DDR deutlich. Für die größere Problematisierung in Westdeutschland könnte auch die Abnahme der Dauer der Pilleneinnahme mit höherer Bildung in Heidelberg sprechen. In Potsdam dagegen scheint die Dauer der Pilleneinnahme vom Bildungsstand unbeeinflußt zu sein (Tab. u. Diagr. 4.2.2.2).

Durch den Abbruch der im Rahmen der Women’s Health Initiative Fletcher undColditz (2002) durchgeführten Studie zur Hormonersatztherapie im Juli diesen Jahres, ist das öffentliche Interesse und die Verunsicherung hinsichtlich dieser Therapie noch einmal deutlich angestiegen. Dabei ist neben dem Prozentsatz der Frauen, die HRT in den Wechseljahren einnehmen, vor allem die Dauer der Einnahme von Interesse. Da in beiden deutschen EPIC-Kohorten das durchschnittliche Alter der Teilnehmerinnen bei ca. 49 Jahren liegt, haben die meisten Frauen, die HRT einnehmen, die Einnahme noch nicht beendet. Die Zahlen zur Dauer der Einnahme sind daher nicht sehr aussagekräftig, und auf alters- bzw ausbildungsabhängige Darstellungen wurde in der vorliegenden Arbeit aus diesem Grund verzichtet. In Tabelle 4.3.1 wurde aber die durchschnittliche Einnahmedauer für verschiedene Untergruppen berechnet, um möglicherweise anhand der Frauen, die die Einnahme schon beendet haben, Aussagen über das Einnahmeverhalten in beiden Kohorten treffen zu können.

↓53

Da die mittlere Dauer der Einnahme bei den Frauen nach Beendigung der Einnahme auffallend kurz ist, wurden im nächsten Schritt die Frauen bei der Berechnung ausgeschlossen, die die Einnahme nach weniger als einem Jahr beendet haben. Bei einer Einnahmedauer von unter einem Jahr liegt die Vermutung nahe, daß bei diesen Frauen spezielle Abbruchkriterien vorlagen und man deswegen auch nicht von ihrem Verhalten auf das der gesamten Kohorte schließen kann. Jedoch auch nach Ausschluß dieser Gruppe von Teilnehmerinnen liegt die mittlere Einnahmedauer der Frauen, die die Einnahme bereits beendet haben, noch unter der bisherigen durchschnittlichen Einnahmedauer der Frauen, die noch HRT nehmen. Damit lassen sich keine Aussagen über die erwartete Einnahmedauer der gegenwärtig in Hormonbehandlung stehenden Frauen treffen.

Die Tabellen und Diagramme 4.3.2.1 und 4.3.2.2 machen deutlich, daß sich die beiden Kohorten beim Anteil der Frauen, die Hormone in den Wechseljahren nehmen oder genommen haben, und beim Alter bei Beginn der Einnahme, wie schon bei den entsprechenden Daten für die Pilleneinnahme, kaum voneinander unterscheiden. Diese Ergebnisse sprechen für eine vergleichbare Bereitschaft, HRT einzunehmen, und für eine ähnliches Maß an Verfügbarkeit der Präparate in Potsdam und Heidelberg. Bei der Darstellung des Alters bei Beginn der Einnahme je Alterskategorie lassen die erstaunlich niedrigen Werte in den letzten vier Kategorien keine Rückschlüsse auf das Einnahmeverhalten der gesamten Kohorten zu, da diese Frauen innerhalb ihrer Alterskategorien Ausnahmen darstellen, wie an der sehr niedrigen Anzahl beantworteter Fragen in diesen Kategorien zu erkennen ist. Die Darstellung soll lediglich die auffallenden Ähnlichkeiten zwischen Potsdam und Heidelberg deutlich machen.

Was sich jedoch hinsichtlich der Einnahme von HRT in den beiden Kohorten offenbar unterscheidet, ist der Zusammenhang zwischen Ausbildung und dem Anteil der Frauen, die Hormone in den Wechseljahren einnehmen. In Potsdam steigt dieser Anteil mit höherer Ausbildung deutlich an. Im Gegensatz dazu sieht man in Heidelberg einen solchen Anstieg nur von der ersten zur zweiten Ausbildungsstufe, während er von der zweiten zur dritten Stufe konstant bleibt. Darin zeigt sich zum einen wiederum die Sonderstellung der dritten Ausbildungsstufe in Heidelberg, und zum anderen könnte diese Beobachtung ein weiterer Hinweis auf eine größere Problematisierung der Hormoneinnahme in Heidelberg sein.

↓54

Da sich zwischen den beiden Kohorten bei allen anderen sozial und gesellschaftlich beeinflußten Faktoren deutliche Unterschiede zeigen, ist es überraschend, wie sehr sich die beiden Kohorten bei den Daten zur Pillen- und HRT-Einnahme ähneln. Möglicherweise hat z.B. die Vergrößerung der individuellen Freiheit einer Frau durch die Einnahme der Pille einen größeren Einfluß auf die Entscheidung für oder gegen eine Pilleneinnahme, als gesellschaftliche Faktoren. Damit wäre der limitierende Faktor in erster Linie die Verfügbarkeit der entsprechenden Präparate, die offenbar in beiden Kohorten gleichermaßen gegeben war bzw. ist. Eine solche Vermutung läßt sich aber mit den Daten der beiden EPIC-Kohorten weder belegen noch widerlegen, da dafür repräsentative Daten nötig wären und möglicherweise nur unterschiedliche Selektionsfaktoren in Potsdam und Heidelberg zu dem in dieser Arbeit beschriebenen Bild geführt haben.

Die Stärke einer multizentrischen Langzeitstudie liegt vor allem in der großen Variationsbreite der Expositionen und der unterschiedlichen Auftretenshäufigkeit der interessierenden Krankheit, die mit einem einzelnen Zentrum in der Regel nicht zu erreichen sind, da sich die Personen innerhalb einer bestimmten Region oder Stadt in vielen Bereichen ähneln Kaaks undRiboli (1997). Dies gilt insbesondere auch für die EPIC-Studie, bei deren Konzeption die Wahrung dieser Stärken von entscheidender Bedeutung war Riboli undKaaks (1997). Aufgrund der erheblichen Heterogenität der Ernährungsgewohnheiten und den zum Teil deutlich voneinander abweichenden Inzidenzraten einzelner Krebsarten innerhalb der europäischen Staaten, bietet Europa laut Riboli et al. einen nahezu idealen Raum zur Durchführung einer multizentrischen Langzeitstudie.

Einige Autoren weisen aber darauf hin, daß die Ähnlichkeit der Studienteilnehmer innerhalb eines Zentrums auch zu methodische Problemen bei den Risikoanalysen führt bzw. führen kann Localio et al. (2001) Graubard undKorn (1994) Bohning undSarol (2000, Callahan et al. (1995, Graubard undKorn (1999). Localio et al. sprechen davon, daß die einzelnen Zentren als Cluster angesehen werden sollten, da die Beobachtungen innerhalb eines Zentrum korreliert sind, was dazu führt, daß sie nicht als unabhängig bezeichnet werden können. Da die Unabhängigkeit von Beobachtungen eine Grundannahme hinter den meisten statistischen Methoden ist, dürfen die Daten aus verschiedenen Zentren laut Localio et al.nicht behandelt werden, als bezögen sie sich auf die gleiche Grundpopulation. Wird dieses Problem nicht berücksichtigt, können inkorrekte Schätzungen von p-Werten und Konfidenzintervallen die Folge sein. Deshalb sind Localio et al. der Meinung, daß zentrumsübergreifende Analysen für die Zentren adjustiert werden müssen Localio et al. (2001).

↓55

Durch eine Adjustierung für die Zentren würde man der EPIC-Studie aber auf der andren Seite eine ihrer großen Stärken –die breite Variation in den Expositionen- wieder nehmen, da diese Variationen zwischen den Zentren und nicht innerhalb eines Zentrums bestehen. Diese beiden Überlegungen –sowohl der Einfluß einer Nicht-Adjustierung auf p-Werte und Konfidenzintervalle, als auch der Einfluß einer Adjustierung auf die Variationsbreite von Expositionen- sollten bei späteren Analysen in Betracht gezogen werden. Der Einfluß auf

p-Werte und Konfidenzintervalle wird unter anderem bestimmt durch das Ausmaß der Korrelation bzw. Homogenität innerhalb eines Zentrums. Ein Maß für diese Homogenität ist der sogenannte Design Effect Callahan et al. (1995) Localio et al. (2001).Dieser Design Effect kann für jede einzelne Variable stark unterschiedliche Werte annehmen. Daher ist es möglich, daß in einigen der späteren Analysen nur mit Variablen gearbeitet wird, bei denen der Design Effect keine oder nur eine geringe Rolle spielt. Dann wäre der Einfluß einer Nicht-Adjustierung auf p-Werte und Konfidenzintervalle vernachlässigbar.

Eine weitere Möglichkeit zu überprüfen, ob eine gemeinsame Analyse für mehrere Zentren zusammen durchführbar ist, besteht darin, die Analyse zunächst für jedes Zentrum getrennt durchzuführen. Danach werden dann die Schätzwerte für den Einfluß der einzelnen Variablen auf die Zielgröße in den einzelnen Zentren miteinander verglichen. Denn die Tatsache alleine, daß die Verteilung eines Faktors in den Zentren unterschiedlich ist, muß nicht dazu führen, daß sich die Schätzungen für das mit diesem Faktor verbundene Risiko ebenfalls unterscheiden.

↓56

So muß beispielsweise der deutlich größere Anteil der Nullipara in Heidelberg verglichen mit Potsdam nicht dazu führen, daß das mit Nulliparität verbundene Risiko in den beiden Kohorten unterschiedlich geschätzt wird.

In dieser Arbeit wurde viel Wert auf die Variable „Ausbildung“ und ihren Zusammenhang mit anderen Variablen gelegt. Obwohl die Anteile an den einzelnen Ausbildungsstufen in Potsdam und Heidelberg annähernd gleich sind, zeigt sich, daß die Zusammenhänge zwischen der Ausbildung und anderen Variablen in den beiden Kohorten deutlich unterschiedlich sind. In fast allen Darstellungen zeigt sich in Potsdam ein geringerer Einfluß der Ausbildung auf andere Faktoren. In Heidelberg dagegen fällt auf, daß sich besonders die Personen in der dritten Ausbildungsstufe in fast allen Darstellungen von den anderen Personen abheben. Offenbar verhalten sich Frauen in Heidelberg, die studiert haben deutlich anders als Frauen, die nicht studiert haben. Dieser Zusammenhang läßt sich in Potsdam nicht feststellen.

Für die Variable „Ausbildung“ gelten einige Besonderheiten, da es sich nicht wie beim Alter bei Menarche, das den Beginn der Östrogenproduktion der Ovarien darstellt, um einen Faktor handelt, der biologisch plausibel einen Einfluß auf bestimmte Krankheitsentstehungen hat.

↓57

Im Zusammenhang mit der Brustkrebsentstehung kann von „Ausbildung“ als einer sogenannten Surrogatvariablen gesprochen werde. Obwohl in vielen Studien gezeigt wurde, daß Frauen mit einer höheren Bildung ein erhöhtes Brustkrebsrisiko haben, bedeutet dies in diesem Fall nicht, daß Ausbildung selbst dieses Risiko erhöht. Vielmehr ist es offenbar so, daß in einigen Gesellschaften mit Hilfe der Variablen „Ausbildung“ ein Surrogat von Lebensstilfaktoren und Verhaltensweisen abgebildet werden kann, die zu einer Steigerung des Risikos, an Brustkrebs zu erkranken, führen. Ob eine Variable als Surrogatvariable fungiert oder nicht, hängt von dem Zusammenhang ab, in dem sie erhoben wird. Wenn beispielsweise die Variable „Ausbildung“ im Rahmen einer Untersuchung des sozioökonomischen Status einer Population erhoben wird, ist sie in diesem Fall keine Surrogatvariable, sondern die Ausbildung selbst hat einen plausiblen Einfluß auf die Zielgröße.

Surrogatvariablen haben Vor- und Nachteile bei der Anwendung in epidemiologischen Studien.

Der Vorteil ist, daß es mit Hilfe solcher Variablen möglich ist, Faktoren in die Untersuchung mit einzubeziehen, die man entweder nicht im einzelnen kennt, oder die man ohne diese Variable schlecht oder gar nicht beschreiben bzw. messen kann. So ist z.B. anzunehmen, daß mit Hilfe von „Ausbildung“ auch eine Reihe von psychosozialen Faktoren zumindest teilweise mit abgebildet werden, die sicherlich einen Einfluß auf Krankheitsentstehungen haben, die sich aber selbst kaum oder gar nicht messen lassen.

↓58

Der entscheidende Nachteil von Surrogatvariablen ist aber, daß sie kaum übertragbar sind. Es ist naheliegend anzunehmen, daß das Surrogat von Faktoren, das „Ausbildung“ z.B. in Norwegen abbildet, nicht dasselbe ist, das „Ausbildung“ z.B. in China abbildet. Doch die Ergebnisse dieser Arbeit legen nahe, daß „Ausbildung“ auch in Potsdam und Heidelberg nicht dasselbe abbildet mit der Konsequenz, daß wenn man in einem Modell für Ausbildung kontrolliert, man in Heidelberg für ein anderes Surrogat von Faktoren kontrolliert, als in Potsdam.

Dieses Problem wird auch durch die unter anderem von Localio et al. beschriebenen Methoden zum Umgang mit multizentrischen Studien nicht gelöst. Die Autoren beschreiben zwar ausführlich, wie die Schätzung eines Risikos vom Studiendesign und dem Ausmaß der Homogenität innerhalb eines Zentrums beeinflußt werden kann, diese Beeinflussungen durch ein Zentrum setzen aber voraus, daß ein bestimmter Zusammenhang zwischen z.B. einer Exposition und einer Krankheit besteht, der verfälscht oder verändert werden kann. Ein solcher bestimmter Zusammenhang besteht jedoch für die Variable „Ausbildung“ gerade nicht.

Auf der anderen Seite ist es aber auch kaum oder gar nicht möglich, die Variable „Ausbildung“ durch andere Variablen zu ersetzen, die durch sie mit abgebildet werden, da man, wie bereits beschrieben, nicht alle Faktoren kennt, oder sie eben nicht anders messen kann. Eine andere Möglichkeit könnte darin bestehen, für beide Zentren eine eigene Ausbildungs-Variable zu bilden, um sicherzustellen, nicht mit einer Variable in Potsdam andere Einflußfaktoren abzubilden, als in Heidelberg.


© Die inhaltliche Zusammenstellung und Aufmachung dieser Publikation sowie die elektronische Verarbeitung sind urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung. Das gilt insbesondere für die Vervielfältigung, die Bearbeitung und Einspeicherung und Verarbeitung in elektronische Systeme.
DiML DTD Version 4.0Zertifizierter Dokumentenserver
der Humboldt-Universität zu Berlin
HTML-Version erstellt am:
25.05.2005