Roken→Cijfers & Context→Trends

Aanleiding
Vanwege de decentralisaties in het sociaal domein is steeds meer informatie nodig over gezondheid gerelateerde indicatoren op kleinere geografische niveaus. Daarom heeft het RIVM een model ontwikkeld om cijfers te kunnen berekenen op wijk- en buurtniveau op basis van de Gezondheidsmonitor Volwassenen en Ouderen van GGD’en, CBS en RIVM. Ondanks dat de Gezondheidsmonitor een enorm databestand is, bevat het onvoldoende respondenten om met behulp van weegmethoden cijfers te berekenen voor alle wijken en buurten in Nederland. In 2012 zijn de eerste wijk- en buurtcijfers gepresenteerd. Op basis van de Gezondheidsmonitor 2016 zijn nieuwe cijfers berekend.

Methode
In het kader van de Gezondheidsmonitor zijn via vragenlijsten gegevens over gezondheid en leefstijl verzameld over volwassenen van 19 jaar en ouder. De ruim 457.000 deelnemers aan de Gezondheidsmonitor zijn anoniem in een beveiligde omgeving gekoppeld aan registratiebestanden van het CBS. Deze bestanden bevatten informatie over een reeks achtergrondkenmerken, zoals leeftijd, geslacht, herkomst, huishoudsamenstelling, opleidingsniveau, inkomen en woningtype. Er is een statistisch model gebruikt om de gezondheid en leefstijl te relateren aan deze achtergrondkenmerken. Ook wordt informatie uit de naastgelegen gebieden meegenomen. Door middel van deze relatie is het daarna mogelijk om voor alle volwassenen hun verwachte gezondheid en leefstijl te berekenen. De uitkomsten worden vervolgens gemiddeld over de betreffende wijk of buurt.

Schattingen
De cijfers op wijk- en buurtniveau moeten met voorzichtigheid worden gebruikt. Met het model wordt de werkelijkheid zo goed mogelijk benaderd, maar de cijfers blijven schattingen van de werkelijkheid. Daarom worden de uitkomsten ook als hele cijfers (dus zonder decimalen) gepresenteerd. 
De cijfers uit de Gezondheidsmonitor die zijn verkregen met behulp van weegmethoden zijn echter ook een benadering van de werkelijkheid. De weging is nodig vanwege o.a. selectieve non-respons. Net zoals bij de berekeningen van de wijk- en buurtcijfers zijn de weegfactoren van het CBS ook gebaseerd op achtergrondkenmerken van de respondenten. 

Verschil tussen cijfers
Verschillende GGD’en hebben voor de Gezondheidsmonitor 2016 de steekproef opgehoogd om voldoende respondenten te hebben om cijfers op wijkniveau te kunnen presenteren. Omdat deze cijfers op een andere manier zijn berekend, kunnen ze afwijken van de cijfers die hier worden gepresenteerd. Niet alleen het onderliggende model is anders, ook het aantal achtergrondkenmerken dat wordt gebruikt verschilt; bij de RIVM schattingen wordt meer informatie over de bevolking gebruikt. Over het algemeen leiden de RIVM schattingen tot kleinere verschillen tussen gebieden dan de cijfers die verkregen zijn door middel van weegmethoden. 

Let op: de gepresenteerde gemeentecijfers zijn berekend via de weegmethode van het CBS. De gepresenteerde wijk- en buurtcijfers zijn daardoor niet direct vergelijkbaar met deze gemeentecijfers.

• GGD Amsterdam (gemeente Diemen en Aalsmeer), zie https://www.ggdgezondheidinbeeld.nl/ of neem contact op.
• GGD Brabant Zuidoost, GGD West-Brabant, GGD Hart voor Brabant, zie: https://brabantscan.nl/
• GGD Hart voor Brabant, zie https://www.ggdhvb.nl/onderzoek/nieuws/2018/03/Veel-sociale-participatie...
• GGD Hollands-Midden, zie: https://www.ggdhm.nl/gemeenten/item/gemeenten/mijn-gemeente
• GGD Hollands Noorden, zie https://ggdhn.buurtmonitor.nl/ of neem contact op.
• GGD Kennemerland, zie www.gezondheidsatlaskennemerland.nl.
• GGD Limburg-Noord, zie https://vrln.databank.nl/dashboard of neem contact op.
• Gemeente Utrecht, zie https://www.volksgezondheidsmonitor.nl/ of neem contact op.
• GGD Regio Utrecht (met uitzondering van gemeente Utrecht), zie https://ggdru.buurtmonitor.nl/.

Grote aantallen nodig

Voor het doen van dit soort schattingen zijn grote aantallen respondenten nodig. Het is dus niet zo dat het ontwikkelde model de Gezondheidsmonitors kan vervangen. Hoe meer respondenten er zijn, hoe minder er geschat hoeft te worden en hoe beter de cijfers zijn.

Samenwerking
De cijfers zijn berekend in het kader van het Strategisch Programma RIVM (SPR), een programma voor onderzoek, innovatie en kennisontwikkeling. Een werkgroep van epidemiologen van GGD’en en GGD GHOR NL is er bij betrokken. 

Meer weten?
Een uitgebreide toelichting op de gebruikte methode is beschreven in een artikel (van de Kassteele et al., 2017). Voor de cijfers van 2016 zijn enkele aanpassingen gedaan aan het model.

Voor vragen kunt u contact opnemen met carolien.van.den.brink@rivm.nl.

Gebruikte methode

Het deel van de sterfte aan een ziekte dat toe te wijzen is aan roken, is berekend door gebruik te maken van de PAF (populatie attributieve fractie). Voor het berekenen van de PAF zijn gegevens nodig over de blootstelling en het relatieve risico van de blootstelling. Combinatie van de PAF met doodsoorzaakspecifieke sterfte resulteert in het aandeel van de sterfte dat toegeschreven kan worden aan roken. Voor meer informatie over de methode zie VTV-2018: methoden.

Scenario 1: Het nul-alternatief. Dit is het scenario waarin het huidige overheidsbeleid (jaar 2015) wordt geëvalueerd met gelijkblijvend beleid zonder enige intensivering voor de komende 35 jaar. 

Scenario 2 & 3: Verhoging van accijnzen met 5% of 10% per jaar In deze scenario’s is doorgerekend wat de effecten zijn van 5% en 10% accijnsverhogingen per jaar op de maatschappij. In deze scenario’s is de prijsverhoging vermenigvuldigd met de totale prijselasticiteit van de vraag (-0,4). De helft hiervan (prevalentie-elasticiteit: -0,2) is toegeschreven aan een daling van het aantal rokers. De andere helft (-0,2) wordt toegeschreven aan een daling in de verkoop van sigaretten doordat mensen minder gaan roken maar niet volledig stoppen. Om het effect op de prevalentie van roken te berekenen is daarom met een conservatieve prevalentie-elasticiteit van -0,2 gerekend. Daarnaast zwakt de prevalentie af over tijd. Door de complexiteit van de verschillende modellen is deze precieze afname moeilijk te kwantificeren (o.a. omdat de start/stop/terugval kansen elk jaar aangepast worden aan de prevalentie-elasticiteit en dit weer effect heeft op hiernavolgende jaren).

Scenario 4: Massamediacampagne In dit scenario is doorgerekend wat de gevolgen zijn van een jaarlijkse massa media (overheids-)campagne: dit is het geven van informatie/voorlichting via TV, radio, billboards etc. om roken te ontmoedigen. 

Scenario 5 & 6: Maatregelen WHO-verdrag met 5% en 10% accijns verhoging In dit scenario zijn de gevolgen van de maatregelen bekeken zoals afgesproken in het WHO verdrag, het MPOWER pakket, inclusief een accijnsverhoging van 5% en 10%. Het MPOWER pakket bestaat uit rookverboden, stoppen met roken hulp, massa media campagnes, marketing beperkingen en accijnsverhogingen. Deze scenario’s zijn een combinatie van informatie voorziening/voorlichting, verhoging van accijnzen, en wetgeving. 

Scenario 7: Rookvrije samenleving (prevalentie <5%) In dit scenario zijn de kosten en baten teruggerekend vanaf een gewenst eindpunt, een prevalentie van roken van <5% in 2050. Verder zijn er geen veranderingen in het model aangebracht t.o.v. het nul-alternatief.

Scenario 8: Niemand start meer met roken In dit scenario zijn in het model de kansen dat iemand begint met roken op 0 gezet. Dit scenario laat de gevolgen voor de maatschappij zien wanneer niemand meer zou beginnen met roken vanaf het jaar 2017.

Zie: Maatschappelijke kosten baten analyse van tabaksontmoediging (Maastricht University et al., 2016).

Bij roken verschilt het gemiddelde bij het hoofdstuk 'Cijfers & Context' van het gemiddelde bij het hoofdstuk 'Regionaal & Internationaal'. Dit komt door het gebruik van verschillende bronnen: 

• Gezondheidsenquête/Leefstijlmonitor CBS i.s.m. RIVM, 2016: het percentage respondenten dat de vraag "Rookt u weleens?" beantwoordt met 'ja', inclusief elektronische sigaret
• Gezondheidsmonitor GGD'en, CBS en RIVM, 2016: het percentage respondenten dat de vraag "Rookt u weleens?" beantwoordt met 'ja', exclusief elektronische sigaret

Standaardisatie

De omvang en de leeftijdsverdeling van de bevolking verschillen per regio en land. Daarnaast treden in de loop van de tijd veranderingen op in de omvang en leeftijdsverdeling. Om ziekte- en sterftecijfers van verschillende regio’s en landen, of van opeenvolgende jaren met elkaar te kunnen vergelijken, wordt hier rekening mee gehouden. Daarbij worden de cijfers gecorrigeerd voor deze verschillen of veranderingen in de bevolking. Hierbij wordt uitgegaan van de omvang en de leeftijdsverdeling van een gekozen standaardpopulatie. Dit wordt standaardisatie genoemd.

Indexatie

Vooral bij de weergave van trends in de tijd zijn de trendcijfers vaak geïndexeerd. Een geïndexeerde trend laat ontwikkelingen in de tijd zien ten opzichte van een gekozen basisjaar. Dit gebeurt door de cijfers van alle jaren weer te geven als percentage van het cijfer in een gekozen basisjaar. Het cijfer in het basisjaar is gelijk gesteld aan 100(%). Indexatie maakt zichtbaar hoe groot de percentuele toe- of afname is ten opzichte van dat basisjaar. Door als basisjaar het eerste jaar in de grafiek te kiezen, kun je snel zien wat de verandering over de hele weergegeven periode is en ook of er grote verschillen zijn voor de onderscheiden groepen (mannen en vrouwen bijvoorbeeld).

Indexatie kan ook gebruikt worden voor het weergeven van regionale verschillen. Hierbij wordt het landelijke cijfer bijvoorbeeld gelijk gesteld aan 100(%). Een regionaal cijfer boven of onder de 100 duidt erop dat het respectievelijk hoger of lager is dan het landelijke cijfer. Voorafgaand aan indexatie worden de cijfers vaak gecorrigeerd voor verschillen in samenstelling van de populaties.