Unsicherheitsanalysen im Rahmen der Environmental Burden of Disease Methodik am Beispiel Lärm des VegAS Projektes Johann Popp, Gunnar Paetzelt, Zita Schillmöller CCG Forschungstag 15. Mai 2012
Gliederung Hintergrund Vorhaben Unsicherheitsanlyse Qualitativ Sensitivitätsanalyse Monte Carlo-Simulation Diskussion
I Hintergrund Was ist (Environmental) Burden of Disease (BoD) Burden of Disease Quantifizierung von gesundheitlichen Auswirkungen einer spezifischen Krankheit Charakterisierung durch YLL (Years of Life Lost) und YLD (Years Lived with Disability) Summenmaß: DALYs (Disability Adjusted Life Years) Environmental Burden of Disease Ausmaß der einem Umweltrisikofaktor zuzuschreibenden Krankheitslast
I Hintergrund I Hintergrund Was ist (Environmental)Burden of Disease (BoD) Quelle: Eigene Darstellung nach Prüss-Üstün et al. (2003) und Mathers et al. (2004).
Erkrankungsvorkommen I Hintergrund Wozu Environmental Burden of Disease Quantifizierung der umweltbedingten Krankheitslast Verständnis von Wirkungszusammenhängen Beurteilung der gesundheitlichen Relevanz von (Umwelt-)Risikofaktoren Identifizierung geographischer oder bevölkerungsspezifischer Unterschiede, Überwachung von Trends Identifizierung von Bevölkerungsteilen mit hohem Risiko Standardisierung, Vergleichbarkeit Schätzung zukünftiger Gesundheitsgewinne Informationsquelle für politische Entscheidungen und umwelt- und gesundheitspolitische Maßnahmen ohne Umweltrisikofaktor mit Umweltrisikofaktor (Claßen et al 2010)
I Vorhaben Vorhaben Quantifizierung der Auswirkungen verschiedener Umweltbelastungen auf die Gesundheit der Menschen in Deutschland unter Berücksichtigung der bevölkerungsbezogenen Expositionsermittlung (Verteilungsbasierte Analyse gesundheitlicher Auswirkungen von Umwelt- Stressoren, VegAS) im Umweltforschungsplan 2009 (FKZ: 3709 61 209) Auftraggeber: Umweltbundesamt Laufzeit: 10/2009 03/2012 Claudia Hornberg, Thomas Claßen, Reinhard Samson, Nadine Steckling, Miriam Tobollik, Timothy Mc. Call, Johann Popp, Gunnar Paetzelt, Zita Schillmöller, Michael Schümann, Odile Mekel, Claudia Terschüren, Dirk Wintermeyer, André Conrad
I Vorhaben II Vorhaben a. Feinstaub (Außen- und Innenraumluft; PM 10 und PM 2,5 ), b. Ozon (Außenluft), c. Benzol (Außen- und Innenraumluft), d. Cadmium (über verschiedene Expositionspfade), e. Lärm (Umgebungs- und Freizeitlärm), f. Passivrauch (Environmental tobacco smoke (ETS)), g. Perfluorierte Tenside (PFT).
I Vorhaben EBD-Schätzung Straßenverkehrslärm und Herzinfarkt Exposition Noise Observation and Information Service for Europe (NOISE) Geschätzte mittlere Immission an Hausfassaden in Ballungsräumen und Hot-Spots 2010, L den db(a) Expositions- Wirkungsfunktion OR = 1,629657 0,000613 * L day ² + 0,0000073567346 * L day ³ R² = 0,96 Quelle: Babisch 2006 Endpunkt Inzidenz, Mortalität und Dauer der Krankheit nach Alter und Geschlecht KORA Augsburg, 24-74 Jahre Gesamtbevölkerung & Gesamtmortalität nach Alter und Geschlecht Stat. Bundesamt
I Vorhaben DALY-Berechnung Prävalenz Exp & RR PAR PAR * Inzidenz/Mortalität attr. Inzidenz/Mortalität Attr. Inzidenz/Mortalität * Bevölkerung Attr. (Todes-)Fälle Attr. Todesfälle * Lebenserwartung YLL Exp Attr. Fälle * Dauer * Krankheitsgewicht YLD Exp YLL Exp + YLD Exp = DALY Exp
III Unsicherheitsanalyse Unsicherheiten der Schätzung Szenariounsicherheit Modellunsicherheit Parameterunsicherheit Korrektheit der Berechnungen
III Unsicherheitsanalyse Szenariounsicherheit Lassen sich KORA-Herzinfarktdaten aus Augsburg auf ganz Deutschland übertragen? Herzinfarktmortalität aus der Todesursachenstatistik 2009 und aus KORA 2007/09 Quelle: Eigene Darstellung; Datenquelle: Statistisches Bundesamt (2010b;2011)
III Unsicherheitsanalyse Modellunsicherheit
III Unsicherheitsanalyse Modellunsicherheit
III Unsicherheitsanalyse Parameterunsicherheit Odds Ratios und 95%-Konfidenzintervalle für den Zusammenhang zwischen Straßenlärm und Herzinfarkt (Meta-Analyse aus 5 Kohortenstudien) Quelle: Babisch 2006
III Unsicherheitsanalyse Korrekte Berechnung/Übertragung Quelle: EEA & ETC LUSI 2011, eigene Darstellung
III Unsicherheitsanalyse Qualitative Unsicherheitsanalyse Benennung und Beschreibung der Unsicherheiten und Annahmen für jeden Rechenschritt 38 relevante Unsicherheiten
III Unsicherheitsanalyse Sensitivitätsanalysen Ergebnis mit niedrigsten und höchsten Parameterschätzern berechnen Log-quadratisch: Gompertz: 278 attributable Todesfälle 442 attributable Todesfälle 8 Unsicherheiten
III Unsicherheitsanalyse Monte Carlo-Simulation Verteilungsfunktionen Mehrere Unsicherheiten gleichzeitig Einflussstärke der Unsicherheiten auf das Ergebnis 7 Unsicherheiten
III Unsicherheitsanalyse Monte Carlo-Simulation
III Unsicherheitsanalyse Monte Carlo-Simulation Vorgegebene Verteilungsfunktion
III Unsicherheitsanalyse Monte Carlo-Simulation Simulation, n=1
Monte Carlo-Simulation Simulation, n=10
III Unsicherheitsanalyse Monte Carlo-Simulation Simulation, n=50
Monte Carlo-Simulation Simulation, n=100
Monte Carlo-Simulation Simulation, n=500
III Unsicherheitsanalyse Monte Carlo-Simulation Simulation, n=1000
III Unsicherheitsanalyse Monte Carlo-Simulation Simulation für OR, Mortalität, Inzidenz, Lebenserwartung, Krankheitsdauer, Krankheitsgewicht, n=1000
III Unsicherheitsanalyse Monte Carlo-Simulation Tornadodiagramm
I Ergebnis Ergebnis I Auf Basis zahlreicher Annahmen, die zum Teil weniger empirisch oder theoretisch begründet sind, sondern mehr auf Konvention oder rechentechnischer Notwendigkeit beruhen, sowie ohne Berücksichtigung der identifizierten Unsicherheiten, ergibt sich für Ballungsräume in Deutschland [ ] eine Schätzung von 3.118 DALYs [ ]
I Ergebnis Ergebnis II DALY: 3.118 95%-KI der MC-Simulation: -2.283 9.878 Korrelationen > Rho = 0,1 nur für die EWF 38 relevante Unsicherheiten 8 von 38 Unsicherheiten mit Sensitivitätsanalyse 7 von 38 Unsicherheiten mit Monte Carlo-Simulation
I Diskussion Diskussion I EBD-Modellrechnungen sind vom Prinzip her einfach, in der praktischen Umsetzung aber komplex Unsicherheitsanalysen sind unerlässlich, um die Vertrauenswürdigkeit und Präzision von EBD- Modellrechnungen einzuschätzen Quantitative Verfahren sind nützlich, um das Ausmaß der Unsicherheiten einzuschätzen Nicht alle Unsicherheiten können quantitativ abgeschätzt werden
I Diskussion Diskussion II Unsicherheitsanalysen sollten als integraler Bestandteil von EBD-Modellrechnungen durchgeführt werden Unsicherheitsanalysen sollten eine Kombination qualitativer und quantitativer Verfahren beinhalten
Vielen Dank für Ihre Aufmerksamkeit Aufmerksamkeit! Hochschule für Angewandte Wissenschaften Hamburg (HAW) Fakultät Life Sciences, Freie Hansestadt Hamburg (BGV), Fachabteilung Umwelt und Gesundheit Umweltbundesamt (UBA) Expositionsschätzung, gesundheitsbezogene Indikatoren Landeszentrum Gesundheit Nordrhein-Westfalen (LZG.NRW) WHO Kooperationszentrum für regionale Gesundheitspolitik und Öffentliche Gesundheit, Fachgruppe Innovation in der Gesundheit Universität Bielefeld Fakultät für Gesundheitswissenschaften AG 7 Umwelt & Gesundheit