Weiter zum Dokument
Willkommen bei StudocuLogge dich ein, um Zugang zu den besten Studienressourcen zu erhalten.
Gastbenutzer(in)
0Follower
Hochladen
StartseiteMeine BibliothekKI fragen
  • Du hast noch keine neuen Elemente.
Meine Bibliothek
  • Du hast noch keine Kurse.
  • Du hast noch keine Bücher.
  • Du hast noch keine Studylists.

Zusammenfassung Ernährungsepidemiologie

Vorlesungsfolien und Notizen dazu
Kurs

Ernährungsepidemiologie (BONN105)

14 Dokumente
Studierenden haben 14 Dokumente in diesem Kurs geteilt
Hochgeladen von:
LL
Leonie Lämmle
Rheinische Friedrich-Wilhelms-Universität Bonn
0Follower
47Uploads
18upvotes

Kommentare

Bitte logge dich ein oder registriere dich, um Kommentare zu posten.

Was Studierende auch interessant finden

Ähnliche Dokumente

Text Vorschau

Wintersemester 2019/

Prof. Dr. Ute Nöthlings

Zusammenfassung

Ernährungsepidemiologie

1. Einführung/ Wiederholung

Quantitative Maßzahlen:

 Erkrankungshäufigkeit (Morbidität) o Prävalenz  Momentane Zahl der Erkrankten  Wahrscheinlichkeit (in Prozent angegeben) o Inzidenz  Zahl der Neuerkrankungen in einem Zeitraum  Sterblichkeit (Mortalität) o Mortalitätsraten

Unterschiede Inzidenz / Prävalenz:
INZIDENZ PRÄVALENZ

ZÄHLER Anzahl der Neuerkrankungen in einem definierten Zeitraum

Anzahl der bereits existierenden Krankheitsfälle zu einem bestimmten Zeitpunkt NENNER Risikopopulation Risikopopulation FOKUS  Ob es sich bei dem Ergebnis um eine Neuerkrankung handelt  Zeitpunkt des Krankheitsbeginns

 Anwesenheit oder Abwesenheit einer Krankheit  Beliebiger Zeitraum  eher „Momentaufnahme“ in der Zeit ANWENDUNG  Drückt Erkrankungsrisiko aus  Wichtigste Maßzahl für akute Erkrankungen/ Störungen  Anwendung auch für chronische Krh  Nützliche Maßzahl im ZsmH mit Ursachenstudien

 Schätzt Wahrscheinlichkeit, mit der die betreffende Population zum Untersuchungszeitpunkt erkrankt sein wird  Nützlich für Untersuchungen zur Belastung durch chronische Krh und ihren Auswirkungen auf das Gesundheitswesen

Prävalenz:

= Anzahl der Erkrankten in der Gesamtpopulation

 Zu einem bestimmten Zeitpunkt (= Punktprävalenz) o Z. für Typ 2 Diabetes (keine „Saisonkrankheit“)  In einer bestimmten Zeitperiode (= Periodenprävalenz) o Z. für Grippe („Saisonkrankheiten“)

Inzidenz:

= Anzahl neuer Erkrankungen in einer festgelegten Population in einer bestimmten Zeitperiode

 Kumulative Inzidenz: o Werte zwischen 0 und 1 (Wahrscheinlichkeiten) o Reflektiert Faktoren, welche mit der Entstehung der Erkrankung zusammenhängen, nicht jedoch mit dem Verlauf oder Überleben o Spiegelt Erkrankungsrisiko wider (z. 10 pro 100 / 30 pro 100)

Beobachtungszeiten:

Zur Berechnung der kumulativen Inzidenz muss jede Person für die Zeitperiode vollständig beobachtet worden sein

 Unterschiedliche Beobachtungszeiten? o Z. späterer Einschluss in Studie oder frühere Beendigung der Studie o „competing risks“ (Konkurrierende Ereignisse)  = z. Tod durch Autounfall (nicht durch Krankheit), Lost to follow-up

Inzidenzdichte:

= Rate des Auftretens neuer Fälle relativ zur Größe der Population und zurzeit unter Risiko für jede Person in einer Population

 Gesamt-Personenzeit unter Risiko für ein Zeitintervall aus der Summe der individuellen Personenzeiten unter Risiko  Z. 1500 Personen über 3 Jahre beobachtet: Gesamt-Personenzeit von 4500 Jahren  Für dynamische Studienpopulationen (z. Kohorten)  Abhängig von der Zeit

Studientypen:

Fall-Kontroll-Studien:

 Retrospektiv  in die Vergangenheit gerichtet  Rekrutierung einer Studienpopulation hinsichtlich ihres Erkrankungsstatus, d. Erkrankte (Fälle) und Personen ohne diese Erkrankung (Kontrollen)  Einteilung der Fälle und Kontrollen nach ihrer in der Vergangenheit liegenden Exposition  Frage: waren Personen mit der interessierenden Erkrankung häufiger (oder weniger häufig) einer bestimmten Exposition ausgesetzt als Personen ohne diese Erkrankung?

 Matching: o Auswahl von Kontrollen zur gezielten Übereinstimmung bestimmter Merkmale zwischen Fällen und Kontrollen  Z. gleiches Alter, gleiche Verteilung von Geschlechtern o 1 Fall: X Kontrollen (Power bei 1 zu 3 am besten) o Kontrolle von anderen Einflussfaktoren  Nested case-control studies (eingebettete Fall-Kontroll-Studien): o Fälle und Kontrollen aus einer Kohortenstudie „gezogen“ o Effektives Design für Analysen, welche Biomarker verwenden  Risikoschätzung:  Vierfeldertafel

o Vergleich der Chancen (Odds) der Exposition unter den Fällen (A/C) mit derjenigen unter den Kontrollen (B/D)  Chancenverhältnis = Odds Ratio

 Odds ratio: o Werte von 0 bis unendlich (üblich bis 7) o OR = 1  Vorkommen der Erkrankung steht in keinem Zusammenhang mit dem Expositionsfaktor

o OR > 1  es besteht ein positiver ZsmH zw. dem Vorkommen der Erkrankung und dem Expositionsfaktor  Z. Rauchen und Lungenkrebs  OR = 7 o OR < 1  es besteht ein inverser (gegenläufiger) ZsmH zw. dem Vorkommen der Erkrankung und dem Expositionsfaktor

Interventionsstudien:

 Prinzip: o Effekte einer bestimmten Maßnahme (Intervention) werden unter kontrollierten, d. vorher genau festgelegten Bedingungen, beobachtet o Studienpopulation wird in einer Behandlungs- (Interventions-)gruppe und Placebogruppe eingeteilt o Randomisierung der Studienpopulation für Gruppeneinteilung

 Vorteile: o Direkte Kontrolle: Untersucher bestimmt den Einflussfaktor einschließlich Dosierung, Zeitpunkt, Dauer, Art der Applikation  Nachteile: o Kostenintensiv o Ethische Überlegungen (zu Anwendung, aber auch Unterlassung einer Intervention) o „feasability“  Studientyp ungeeignet

Querschnittsstudien:

 weder pro-/noch retrospektiv, ein genauer Zeitpunkt

Ökologische Studien/ Korrelationsstudien:

 aggregierte Daten, nicht auf Individuum zuzuordnen

Fehlerquellen in epidemiologischen Studien:

Bei der Erfassung der Häufigkeit einer Krankheit (oder anderer Zielgröße):

 Zufallsfehler (z. Vergessen von Daten, Falscheintragung von Daten)  Stichprobenumfang  Systematische Fehler (Bias)  Störgrößen (Confounder)  Validität  Ethische Aspekte

 Störgröße  Kann bekannt oder unbekannt sein  Liegt „confounding“ vor, kann eine Beziehung zwischen einer Exposition und einem Outcome ganz oder teilweise durch die Wirkung einer dritten Größe erklärt werden o Z.: Tod – Alter  Unterschied Confounding – Bias: o Confounding: entsteht durch das komplexe Zusammenspiel verschiedener Expositionen und der Erkrankung o Bias: ist hauptsächlich auf Studiendurchführung/ Studien-TN zurückzuführen

Bedingungen für Confounder:
  1. Die Größe muss selbst in Abwesenheit von der interessierenden Exposition mit der Erkrankung assoziiert sein (ursächlich).
  2. Die Größe muss mit der interessierenden Exposition assoziiert sein (nicht kausal).
  3. Die Größe darf kein Zwischenschritt in der kausalen Kette zw. Exposition und Outcome sein.
Möglichkeiten zur Kontrolle von
Confounding:

Ebene Methode Studiendesign Randomisierung Restriktion Studiendesign und Analyse Matching (z. bei Fall-Kontroll-Studien; z. nach Alter) Analyse Stratifizierung (auf Confounder-Menge achten) Multivariate Analysestrategien (besser bei mehreren Confoundern)

Grundlegender Gedanke:

 Ein Faktor kann nur als Confounder wirken, wenn er sich zwischen den Studiengruppen unterscheidet  Tritt der Faktor in en Studiengruppen gleichermaßen auf (z. gleich häufig), kann er nicht mehr als Confounder wirken

Randomisierung:

 Anwendbar in Interventionsstudien  Sehr effektiv (vorausgesetzt Studienpopulation ist groß genug)  führt zu gleicher Verteilung von bekannten und unbekannten (!) Faktoren

Restriktion:

 Begrenzung der Studienteilnahme auf Personen, welche sich in Bezug auf den Confoundern nicht unterscheiden (z. nur Männer, wenn Geschlecht ein potenzieller Confounder ist)  Problematisch: o Reduziert Zahl möglicher Studien-TN o „Restconfounding“: kann auftreten, wenn Confounder nicht vollständig eliminiert ist o Schränkt Generalisierbarkeit ein

o Verhindert die Untersuchung der Assoziationen in den unterschiedlichen Ausprägungen des Confounders (z. bei Männern und Frauen)

Matching:

 Auswahl der Studienteilnehmer so, dass potenzielle Confounder über die Studiengruppen gleich verteilt sind  Große Studien  1:1 matching am effektivsten (statistisch)  Kleine Studien  R:1  mehr als eine Kontrolle pro Fall, um ausreichend statistische Power zu erreichen  Problematisch: o Schwierig/ kostenintensiv Studien-TN mit den gesuchten Kriterien zu finden (z. unpraktikabel in großen Kohortenstudien) o Schwieriger je mehr potenzielle Confounder berücksichtigt werden sollen o Assoziation mit Confoundern kann nicht untersucht werden

Stratifizierung:

 Kontrolle von Confounding in der Analyse  Einteilung der Studienpopulation in homogene Gruppen (Bsp. Männer, Frauen)  Berechnung der Assoziation in diesen Gruppen; verschiedene Möglichkeiten zur Kombination der einzelnen Risikoschätzer zu einem „adjustierten“ Risikoschätzer (pooling)  Problematisch bei gleichzeitiger Kontrolle vieler potenzieller Confounder

Multivariate Analyse:

 Gleichzeitige Kontrolle vieler potenzieller Confounder  Mathematisches Modell, welches die Assoziation zwischen Exposition und Outcome beschreibt und potenzielle Confounder einschließt  Modell abhängig vom Studiendesign, Art der Variablen, Art der Assoziation

Einfache lineare Regression:

 Y = a + bX o a: Achsenabschnitt o b: Steigung/ Regressionskoeffizient o Y: abhängige Variable o X: unabhängige Variable

Multiple Regression

 Y = a + b1X1 + b2X2 + ..  n: Anzahl der unabhängigen Variablen  X1, ..: unabhängige Variablen ( inklusive potenzielle Confounder)  b1..: Regressionskoeffizienten

2. Ernährung als Exposition

Was ist „Ernährung“?

 Je nachdem, was untersucht wird, muss Erhebung auch anders erfolgen / anderes Studiendesign ausgewählt werden  Ernährungsmuster o Klar definierter Begriff  Z. spezielle Diät (Mediterrane Ernährung, ...)

Verteilung von Nährstoffen:
Bisher...

 .. viel mit Nährstoffen geforscht o Z. Beta-Carotin gegen Lungenkrebs  Datenbanken weit entwickelt o Nährstoff-Datenbank  Z. wieviel Beta-Carotin ist in einer rohen Karotte?  Über Nicht-Nährstoffe ist weniger bekannt  Datenbanken entstehen langsam, z. für Carotinoide, Polyphenole, Trans-Fettsäuren o Schwierig, da Nährstoffe schwanken aufgrund von Bio/ anderer Herstellpraxis/...

Nährstoffe vs. LM:

 Beschreibung der Ernährung bisher häufig in Form von Nährstoffen o Kann direkt in Beziehung zu unserem Wissen über Biologie gesetzt werden  Z. Beta-Carotin vs. Wurzelgemüse o Chemische Struktur muss bekannt sein, um als Supplement hergestellt werden o Gesamtaufnahme eines Nährstoffes basiert auf der Zufuhr von verschiedenen LM: starker Hypothesentest o Gibt eine Möglichkeit, Daten zu explorieren, wenn eine klare Hypothese zu einem Nährstoff fehlt o Kann Hypothesen generieren o LM werden nicht komplett durch Nährstoffe repräsentiert  Nährstoffe sind unterschiedlich gut zu messen o Nährstoffdatenbanken sind möglicherweise nicht „gut“ genug o Direkter Bezug zu Ernährungsempfehlungen  Studien zur Prävention von Krankheiten mit Ernährungsempfehlungen auf LM-Ebene

Epidemiologische Analysen können beides betrachten:

 Beziehung auf Nährstoff- und LM-Ebene: o Z. Untersuchung von Lycopin & Prostatakrebs: Lycopin als Nährstoff vs. Tomatensoße o Wahrscheinlichkeit geringer, dass tatsächliche Beziehung übersehen wird o Stärkung der Annahme, dass Kausalität vorliegt

Analysen auf LM-Ebene:

 Können aufgrund komplexer Zusammenhänge (reziproke Auswahl von LM) schwierig sein  Auswertungen auf Ebene von LM-Gruppen wäre möglich  Berechnung der Nährstoffzufuhr durch spezifische LM wäre möglich  Ernährungsmusteranalyse wäre möglich

Maximale Information...

.. erreicht, wenn Analysen auf

 Nährstoffebene  LM-Ebene  LM-Gruppenebene  Und Ebene von Ernährungsmustern durchgeführt werden können  In Praxis selten umgesetzt; bei Hypothese die sich auch einzelnen Nährstoff bezieht

Berechnung der Nährstoffzufuhr

 Verknüpfung der Ernährungserhebung mit einer Nährstoffdatenbank (Bundes-LM-Schlüssel = generische DB)  In fast jeder ernährungsepidemiologischen Studie werden Ergebnisse mit Nährstoffzufuhr adjustiert  Annahme: Nährstoffgehalt des LM ist konstant  Bsp.: ß-Carotin und Selen o Selen hängt von Anbaubedingungen ab  nicht konstant

Nährstoffdatenbanken

 Umfassend o Zur Berechnung von Nährstoffzufuhren auf Basis von „open ended“ Ernährungserhebungsinstrumenten  Angepasst o Zur Berechnung von Nährstoffzufuhren auf Basis von Ernährungsfragebögen mit begrenzter Item-Anzahl  Z. Erhebung von Salat  5 verschiedene Salate

Übliche Ernährung:

 Gibt es generelle Gewohnheiten in einer Bevölkerung? Eigene Gewohnheiten?  Habituelle Ernährung ist für die meisten Studien die konzeptionell interessierende Exposition im Gegensatz zur Ernährung an nur spezifischen Tagen o Besondere Tage, wie z. Weihnachten werden außer Acht gelassen  Tägliche Variation in der Ernährung muss verstanden werden, um habituelle Ernährung erfassen zu können  Ernährungsweisen gekennzeichnet durch tägliche Variation auf Basis eines zugrunde liegenden stabilen Musters  Faktoren wie Wochentag/ Jahreszeit können systematischen Einfluss haben, aber größte Teil der Variation in Ernährung einer Person unterliegt keinem offensichtlichen Muster

Variation in der Ernährung:

 Zufällig: o Durch wahre Variation (Unterschiede) in den verzehrten LM  Systematisch: o Ist auf Messfehler zurückzuführen

Verteilung der durchschnittlichen täglichen Aufnahme für Kalorien, Gesamt-Fett und Vitamin A

 wenn man von vielen Personen die Tageszufuhr misst, sollte die Verteilung so sein, dass die individuellen Gewohnheiten nicht mehr ins Gewicht fallen

 Mittelwert und Standardabweichung der Verteilung der Nährstoffzufuhr ergibt sich aus den täglichen Zufuhren pro Person

 In Realität ist die Zufuhr pro Person pro Tag aber nicht erfassbar

Erfassung verschiedener Tage:

Graphik:

Effekt der Erhebung eines Tages, 7 Tage oder 28 Tage pro Individuum auf die erfasste Verteilung von Fett und Vitamin A Aufnahme

 bei vielen Tagen ist die Streuung nicht so groß  Um interpersonelle Unterschiede abschätzen zu können, sollte man bei 24h Recall mehrere Erfassungen machen

Intra- und interindividuelle
Variationsquellen:

 Intra: Variation bei einer einzelnen Person  Inter: Variation unter verschiedenen Personen

Erhebungstage:

Zeitintervall:  Zeitintervall zw. Erhebungstagen kann zur within-person variation beitragen  Wenn Erhebungstage aufeinander folgten war within-person variation geringer als bei Abständen von einigen Monaten  Wenn Erhebungstage nahe beieinander liegen, war die Ernährung nicht unabhängig o In Studien Tage mit Abstand wählen!

Anzahl:  Habituelle Ernährung kann nur schlecht durch Erhebung der LM-Zufuhr eines einzelnen Tages ermittelt werden  Durchschnitt über mehrere Tage verbessert Schätzung

 Notwendige Anzahl ist abhängig von der gewünschten Schätzgenauigkeit (Präzision) und der Variabilität des Nährstoffes, der gemessen werden soll

Um mit einer 40% Wahrscheinlichkeit den wahren Wert der Aufnahme von Vitamin A zu erhalten, benötigt man 26 Tage. Für den Gesamten-Fett- Verzehr nur 4 Tage.

 Wenn nur wenige Tage erfasst sind, kann habituelle Ernährung einer Person leicht misklassifiziert werden  Within-Person Variation (zufällige Abweichungen von der üblichen Ernährungsweise nach oben/unten)  Regressionskoeffizienten, Korrelationskoeffizienten und Relative Risiken werden verfälscht  Eine Assoziation wird meist abgeschwächt

24h-Erinnerungsprotokolle und Ernährungsprotokolle:

 Wenn mehrere Erhebungstage erfasst werden (z. 6 Tage/ Person in 12 Monaten) kann mit diesen Methoden übliche Ernährung auch für Kohortenstudien geschätzt werden  Erhebung mehrerer Tage möglich, aber sehr schwierig  Werden meist zur Erfassung der Validität eines FFQ erhoben  Werden häufig verwendet, wenn Nährstoffzufuhr mit z. Ernährungsempfehlungen verglichen werden sollen  Ermöglichen große Flexibilität bei Datenanalyse (Gruppierung von LM oder Analyse mit einzelnen LM u.)  Analysen können Mahlzeitenverhalten beinhalten  Erfassung von einem Tag bei einer großen Anzahl an TN ermöglicht Schätzung des Mittelwertes  Mehrere Tage notwendig, um die Verteilung zu schätzen, z. zur Abschätzung der Anzahl von Personen, die eine Empfehlung nicht erreichen o Z. NHANES-Studie:  In-person 24-h- dietary recall  LM-Gruppen von der USDA Food Patterns Equivalent Database  Verbindung der Daten aus 24-h-Recall mit Datenbank, um zu prüfen, ob Empfehlungen erfüllt werden

FFQ:

 Methode, habituelle Ernährung zu erfassen  Am weitesten etablierten Instrument für die Erfassung der Ernährung  Können für spezifische LM designt sein oder für die gesamte Ernährung

Kumulatives R 2 und Prozentsatz der Nährstoffe, der nach der Anzahl der Lebensmittel, die im Nährstoffindex enthalten sind, berechnet wird.

 Gegenüberstellung der Erklärung der Variation und Anteil an Zufuhr des nachgefragten Stoffes o Z. Vitamin A:  Bei 10 LM sind ca. 90% der Varianz abgedeckt, aber nur ein Anteil der Zufuhr von 65%

Graphik:

Variation in der Nahrungsaufnahme erklärt durch die Häufigkeit des Konsums

 Welches LM trägt mehr zur Varianz bei?  Overall: 84% werden über Häufigkeit erklärt und nicht über die Portionsgröße

 eine Population unterscheidet sich eher in der Häufigkeit in der LM verzehrt werden, als in der Portionsgröße

Take home message:  FFQ bestehen aus einer LM-Liste und einer Häufigkeitsskala  Die LM-Liste kann so erstellt werden, dass sie die Variation in der Zufuhr an Nährstoffen und LM abbildet  Portionsgrößen tragen in großen Gruppen weniger zu Erklärung der Variation bei

Güte:

 Können FFQ die wahre Ernährung messen?  Nein!  Wie gut sind sie?  Reproduzierbarkeit und Validität

Ebenen:  Studien zur Validität und Reproduzierbarkeit sind auf vier Ebenen sinnvoll: o Lebensmittel o Lebensmittelgruppen o Nährstoffe o Ernährungsmuster

Methoden, FFQ zu evaluieren:

  1. Mittelwertvergleiche o mit externen Daten (anderen Studiendaten z. NHANES) o Mit internen Vergleichsdaten, die mit Hilfe eines anderen Instrumentes bei den gleichen Personen erhoben wurden o Nachteil:  keine Informationen darüber, ob Personen gut unterschieden werden können mit Hilfe des Instrumentes  wichtige LM können trotzdem vergessen werden

  2. Anteil der Lebensmittel an der Gesamtaufnahme, die in den Fragebogen aufgenommen wurden (Anteil an Zufuhr) o Nachteil: keine Aussage über Güte zur Unterscheidung von Studienteilnehmern

  3. Reproduzierbarkeit o Wenn FFQ nochmal eingesetzt wird, wird dann das gleiche gemessen unter gleichen Bedingungen? o Korrelationskoeffizienten sind eher niedrige Zahlen vertreten (normal gewünschte Werte wie 0 nicht erreichbar) o Reproduzierbarkeit nimmt mit Erhöhung der Jahre ab  Periodeneffekte sollten nicht unterschätzt werden! ( Ist Instrument noch zeitgemäß?)

  4. Validität (Vergleich mit unabhängigem Standard) o Misst Fragebogen das, was gemessen werden soll?  Vergleich mit Biomarker/ anderen Ernährungserhebungsmethoden (=Referenzstudie)  Kurzzeitmessungen, wie z. my o Korrellationskoeffizienten auch niedrig o Beispiel: Nurses Health Study  Compressed questionnaire 1980 und 1981  Dazwischen 4 einwöchige Ernährungs-tagebücher o Vergleich Ergebnis zweiter Fragebogen mit Mittelwert der Ernährungstagebücher

  5. Vergleich mit biochemischen Indikatoren: o Concentration Biomarker  z. Betacarotin im Blut o Recovery Biomarker  Findet man quantitativ wieder, z. Proteinzufuhr – Ausscheidung von Stickstoff im Urin

Ziele von Validierungsstudien:
  1. Messung von inter-individueller Variation
  2. Qualitative Dokumentation, dass eine Methode tatsächliche Unterschiede in der Ernährung zw. Personen auch erfassen kann
  3. Kalibrierung zu einem wahren absoluten Wert
  4. Quantifizierung von Messfehlern, sodass Effektmaße korrigiert werden können

Studienpopulation für Validierungsstudien:

 Idealerweise randomisierte Stichprobe der Population der eigentlichen Studie

Vergleichsmethode:

 Ernährungsprotokoll / 24-h-Erinnerungsprotokoll / Biomarker für spezifische Fragestellungen

Studienpopulation und Wiederholungstage:

 Anzahl der TN geschätzt, z. o Um Korrelationskoeffizienten einer bestimmten Höhe zu schätzen (n=110) o Um relative Risiken zu korrigieren (n= 150 – 200)  Wiederholungstage: o Größte Effektivität bei 2 – 5 Wiederholungen/ Person  Wenn weniger Wiederholungstage erfasst werden, muss die Anzahl der Studien-TN erhöht werden

Erfassung von nur einem Tag:

 Kann nicht die inter-personelle Variation erfassen  Keine Möglichkeit, Unterschiede zw. Personen zu erfassen  Bietet Möglichkeit für eine Kalibrierung

3. Ernährungsmuster

Lernziele:

 Idee und Konzept von Ernährungsmustern erklären können  Verschiedene Methoden zur Herleitung von Ernährungsmustern beschreiben und voneinander abgrenzen können  Beispiele für Ernährungsmuster in der Ernährungsepidemiologie benennen können

Ernährung als Exposition:

Exposition (unabhängige Größe)  Endpunkt/Outcome (abhängige Größe)

 Ernährung: Nährstoff-/ Lebensmittelebene/ Ebene von Ernährungsmustern

Historischer Hintergrund:

 In epidemiologischer Forschung wurde lange Zeit der Zusammenhang zw. der Aufnahme einzelner LM / Nährstoffe und der Entstehung chronischer Krankheiten untersucht

Grenzen Nährstoff- bzw. LM-basierter Analysen:

 Einzelne Nährstoffe/ LM könnten nur Marker für einen Effekt anderer sein  Interkorrelationen machen Separierung von Einzeleffekten oft unmöglich o Z. Vitamin C in Ernährung (Zitronen/ Sauerkraut/ ...)  Einzeleffekte können zu klein zum Nachweis sein o  Gesamteffekt könnte erst für einen Endpunkt klinisch relevant sein  Gesamteffekt könnte anders sein als die Summe der Einzeleffekte (Interaktionen zw. Inhaltsstoffen)

Einordnung von
Ernährungsmustern:

 Ernährungsmuster sind assoziiert mit bestimmten LM-(Gruppen) und dadurch assoziiert mit bestimmten Nährstoffen o Wobei Nährstoffe in vielen verschiedenen LM enthalten sind  Überschneidungen

Was sind Ernährungsmuster?

 Kombinationen von verzehrten LM (&Getränken)  Bildung einer komplexen Ernährungsvariable  Berücksichtigt alle/ zumindest mehrere LM gleichzeitig  umfassendere Beschreibung der Ernährungsweise

Vorteile von Ernährungsmustern:

 Berücksichtigung v. Interaktionen/ Synergien v. Nährstoffen/LM  Kombinationen v. LM/Nährstoffen sind evtl. Stärker mit Zielgröße assoziiert als einzelne Komponenten  Näher an Praxis  direkt relevant für lebensmittelbezogene Erkrankungen

Beispiele von Ernährungsmustern:

 Mediterrane Ernährung  hoher Verzehr an Gemüse, Obst, Hülsenfrüchte, pflanzlichen Ölen (v. Olivenöl), (Rot)Wein, Milchprodukten, Geflügel  „Western Pantern“ / „westliche Ernährung“  rotes Fleisch und Fleischprodukte, raffiniertes Getreide, tierische Fette, Softdrinks

Methoden zur Mustererkennung:

Mustererhebungsmethoden : A) Erzeugung von Mustervariablen (Scores) B) Gruppierung von Personen nach Ernährungsweisen (Clustern)

War dieses Dokument hilfreich?

Zusammenfassung Ernährungsepidemiologie

Kurs: Ernährungsepidemiologie (BONN105)

14 Dokumente
Studierenden haben 14 Dokumente in diesem Kurs geteilt

Universität: Rheinische Friedrich-Wilhelms-Universität Bonn

War dieses Dokument hilfreich?
Wintersemester 2019/2020
Prof. Dr. Ute Nöthlings
Zusammenfassung
Ernährungsepidemiologie
1. Einführung/ Wiederholung
Quantitative Maßzahlen:
Erkrankungshäufigkeit (Morbidität)
oPrävalenz
Momentane Zahl der Erkrankten
Wahrscheinlichkeit (in Prozent angegeben)
oInzidenz
Zahl der Neuerkrankungen in einem Zeitraum
Sterblichkeit (Mortalität)
oMortalitätsraten
Unterschiede Inzidenz / Prävalenz:
INZIDENZ PRÄVALENZ
ZÄHLER Anzahl der Neuerkrankungen in
einem definierten Zeitraum
Anzahl der bereits existierenden
Krankheitsfälle zu einem bestimmten
Zeitpunkt
NENNER Risikopopulation Risikopopulation
FOKUS Ob es sich bei dem Ergebnis
um eine Neuerkrankung
handelt
Zeitpunkt des
Krankheitsbeginns
Anwesenheit oder Abwesenheit
einer Krankheit
Beliebiger Zeitraum
eher „Momentaufnahme“ in der
Zeit
ANWENDUNG Drückt Erkrankungsrisiko aus
Wichtigste Maßzahl für
akute Erkrankungen/
Störungen
Anwendung auch für
chronische Krh
Nützliche Maßzahl im ZsmH
mit Ursachenstudien
Schätzt Wahrscheinlichkeit, mit
der die betreffende Population
zum Untersuchungszeitpunkt
erkrankt sein wird
Nützlich für Untersuchungen zur
Belastung durch chronische Krh
und ihren Auswirkungen auf das
Gesundheitswesen
Prävalenz:
= Anzahl der Erkrankten in der Gesamtpopulation
Zu einem bestimmten Zeitpunkt (=
Punktprävalenz)
oZ.B. für Typ 2 Diabetes (keine
„Saisonkrankheit“)
In einer bestimmten Zeitperiode (= Periodenprävalenz)
oZ.B. für Grippe („Saisonkrankheiten“)

Was Studierende auch interessant finden

Ähnliche Dokumente