Der Einfluss von Adipositas, BMI und Kalorienaufnahme auf die Lebenserwartung

Eine Aggregatdatenanalyse


Seminararbeit, 2017

24 Seiten, Note: 1,3


Leseprobe

Inhaltsverzeichnis

TABELLENVERZEICHNIS

1 Einleitung

2 Hintergrund, Fragestellung und Hypothese

3 Methodik
3.1 Datengrundlage und Variablenbeschreibung
3.2 Datenaufbereitung
3.3 Datenanalyse

4 Ergebnisse
4.1 Deskription des Datensatzes
4.2 Regressionsergebnisse

5 Diskussion

6 Limitation und Fazit

LITERATURVERZEICHNIS

ANHANG

TABELLENVERZEICHNIS

Tabelle 1: Das Ländersample (n = 165)

Tabelle 2: Regressionsergebnisse

1 Einleitung

Im Zuge des epidemiologischen Wandels, d.h. der Zunahme der Prävalenz nicht übertragbarer Krankheiten bei gleichzeitiger Abnahme von Infektionskrankheiten (Abrahams, Mchiza & Steyn, 2011), gewinnt die Nahrungsaufnahme in Bezug auf die Gesunderhaltung eines Menschen zunehmend an Bedeutung. Denn als ein Risikofaktor für viele sog. „non-communicable Diseases“, wie z.B. Diabetes mellitus Typ 2 oder kardiovaskulärer Krankheiten, sollte die globale Zunahme der Prävalenz von Adipositas besonders negative Auswirkungen auf die Populationsgesundheit vieler Völker haben. Wichtige Indikatoren für die Gesundheit einer Bevölkerung stellen dabei deren altersstandardisierte Mortalitätsrate sowie mittlere Lebenserwartung dar.

Einige Longitudinalstudien konnten in diversen Kohorten bereits Zusammenhänge zwischen der Mortalität und dem BMI (Body Mass Index) bzw. der Fettleibigkeit feststellen. Da es allerdings an Studien mangelt, die derartige Assoziationen auf internationaler Ebene untersuchen, soll diese Arbeit den Einfluss von BMI, Adipositas sowie durchschnittlicher täglicher Pro-Kopf-Kalorienaufnahme auf die Lebenserwartung eines Landes untersuchen.

Zur Erforschung dieser Effekte soll dabei das Verfahren der multiplen linearen Regression Anwendung finden. Dabei werden bereits auf Staatenniveau aggregierte Daten verwendet.

2 Hintergrund, Fragestellung und Hypothese

Die Lebenserwartung bei Geburt, also die Anzahl der, auf statistische Durchschnittswerte basierenden, erwarteten Lebensjahre eines Menschen ist ein weitläufig bekanntes demographisches Maß und ein wichtiger Indikator zur Schätzung der sozioökonomischen Entwicklung einer Region (Mondal et al., 2015). Sie nimmt einen wesentlichen Einfluss auf das individuelle und aggregierte menschliche Verhalten und determiniert u.a. die Fertilität, ökonomisches Wachstum, Investitionen in Humankapital (Bildung etc.) sowie intergenerationale Transfers und reflektiert die Gesundheit und medizinische Versorgung der Bevölkerung eines Landes. Trotz eines weltweiten Anstiegs der Lebenserwartung innerhalb der letzten 50 Jahre, variiert sie, aufgrund unterschiedlicher Lebensbedingungen, zwischen verschiedenen Staaten teilweise sehr stark. Gerade in den Entwicklungsländern haben Bildung, Arzt- und Bevölkerungsdichte, die Nutzung sanitärer Einrichtungen, Bruttonationaleinkommen einen positiven und Fertilitätsrate, HIV-Prävalenz sowie allgemeine und Kindersterblichkeit einen besonders negativen Einfluss auf die Lebenserwartung (ebd.).

Ein ebenso nicht unerheblicher Faktor im Zusammenhang der Lebenserwartung stellt allerdings auch die Ernährung dar, wobei Fehl-, Unter oder Überernährung Risikofaktoren für Krankheit und Tod sein können (Zheng et al., 2014). Sowohl die Kalorienaufnahme als auch der BMI als Surrogat des Ernährungsstatus bilden hierfür wichtige Indikatoren ab. Gerade Übergewicht und Fettleibigkeit stellen einen besonderen Prädiktor für das Risiko an Diabetes und koronaren Herzkrankheiten zu erkranken dar, welche wiederum Mortalität determinieren und somit die Lebenserwartung eines Menschen verkürzen. In Zeiten des epidemiologischen Wandels sollte eine hohe Adipositasquote somit weitreichende negative Folgen für die Lebenserwartung der Bevölkerung eines Landes haben.

Fogel (1993) konstatierte in seiner Arbeit zum Kalorienkonsum zur Zeit des Endes des 18. Jahrhunderts, dass die Abnahme der Mortalitätsrate in England, Frankreich und Schweden zwischen 1775 und 1875 nahezu vollständig auf die Verbesserung des Ernährungsstatus zurückzuführen ist (zit. n. Zheng, 2014).

Das Gros der bisher durchgeführten Studien berichtet einen U- oder J-förmigen Zusammenhang zwischen dem BMI und der Mortalität (Casper, 1995, Cornoni-Huntley et al., 1991, zit. n. Zheng et al., 2014; Tsukamoto & Sano, 1990; Walls, Backholer, Proietto & McNeil, 2012). Dabei stellt Casper (1995) fest, dass die meisten Studien zu dem Ergebnis kommen, dass Individuen mit moderatem Übergewicht besonders resilient sind und tendenziell niedrigere Mortalitätsraten aufweisen (zit. n. Zheng et al., 2014).

Da sowohl Studien, welche den Einfluss der Kalorienaufnahme auf die Lebenserwartung untersuchen, als auch Studien auf Aggregatdatenebene zu diesem Thema rar sind, soll diese Forschungslücke durch die hier vorgestellte Arbeit geschlossen und der Frage nachgegangen werden, ob die bisherigen Befunde auch auf internationaler, aggregierter Ebene sowohl für die Kalorienaufnahme als auch für den BMI zutreffen.

Aufgrund des, bereits angesprochenen, häufig gefundenen u-förmigen Zusammenhangs zwischen BMI und Mortalität lautet die generelle Hypothese dieser Arbeit demnach: Zwischen der abhängigen Variable der Lebenserwartung und den unabhängigen Variablen des BMI, des Anteils an Fettleibigen in einem Land und der durchschnittlichen täglichen Pro-Kopf-Kalorienaufnahme liegt jeweils ein umgekehrt u-förmiger Zusammenhang vor.

Somit sollten sowohl Staaten mit einem besonders niedrigen durchschnittlichen BMI, Adipositasanteil und Kalorienaufnahme als auch Staaten mit einem besonders hohen Wert auf den jeweiligen Variablen eine besonders niedrige Lebenserwartung vorweisen.

3 Methodik

3.1 Datengrundlage und Variablenbeschreibung

Für die Sekundäranalyse der vorliegenden Arbeit wurden insgesamt vier Variablen, welche aus zwei verschiedenen Datenquellen stammen, verwendet. Die Daten dieser Variablen waren bereits auf Länderebene aggregiert und stellen den jeweiligen Mittelwert bzw. Anteil des Jahres 2013 dar. Dies ist das bis dato aktuellste Jahr, aus dem Daten in ausreichendem Umfang für alle eingeflossenen Variablen ausfindig gemacht werden konnten.

Die abhängige Variable bildet die durchschnittliche Lebenserwartung (in Jahren) beider Geschlechter zur Geburt ab und entstammt dem „Global Health Observatory data repository“ der World Health Organization (WHO).[1] Der gleichen Quelle entspringen auch die Daten zum BMI[2] und zum Anteil der Fettleibigen an der erwachsenen Bevölkerung eines Landes[3]. Die Variable zum BMI (Body Mass Index) stellt dabei das mittlere, zur Quadratkörpergröße ins Verhältnis gesetzte, Körpergewicht (in kg/m²), altersstandardisiert und nach Geschlecht stratifiziert, der volljährigen (≥ 18 Jahre) Bevölkerung eines Landes dar, während Letzteres den Anteil der volljährigen Bevölkerung mit Adipositas (BMI ≥ 30 kg/m²), ebenfalls altersstandardisiert und geschlechtsstratifiziert, in Prozent wiedergibt. Des Weiteren flossen Daten zur durchschnittlichen täglichen Pro-Kopf-Kalorienaufnahme (kcal/capita/Tag) beider Geschlechter in die Analyse ein, welche den „Food Balance Sheets“ aus den „FAOSTAT“ der Food and Agriculture Organization of the United Nations (FAO) entnommen wurden[4].

3.2 Datenaufbereitung

Zur Datenaufbereitung wurden alle relevanten Variablen der diversen Datensätze, einschließlich der obligatorischen Ländervariable mit dem Namen des jeweiligen Staates, in eine gemeinsame Excel-Tabelle integriert. Dabei sind alle Beobachtungen mit fehlenden Werten auf mindestens einer der oben genannten Variablen exkludiert worden. Der Einfachheit halber und aufgrund der teilweise großen Geschlechterdifferenzen bzgl. des BMI’s und des Anteils Fettleibiger innerhalb eines Staates[5], fand, unter der Annahme, dass das Geschlechterverhältnis in allen Nationen ungefähr ausgeglichen ist, mittels STATA eine Mittelwertbildung dieser Variablen statt, sodass auch diese „gesamtgeschlechtlich“ in die Analyse Einzug fanden.

3.3 Datenanalyse

Um den Zusammenhang zwischen der Lebenserwartung und allen, bereits oben genannten, unabhängigen Variablen zu untersuchen, wurden sowohl bivariate als auch multiple lineare Regressionsmodelle angewandt. Zur sinnvollen Interpretation der Regressionskonstanten war es dabei notwendig, eine Zentrierung am jeweiligen Mittelwert der Variablen zum BMI, Fettleibigenanteil und zur Kalorienaufnahme vorzunehmen.

Nach einer ersten univariaten, rein deskriptiv statistischen Untersuchung aller Variablen, erfolgte die obligate bivariate Testung der Linearität zwischen der abhängigen Variablen der Lebenserwartung und allen unabhängigen Variablen mittels sog. Scatterplot-Smoother. Während sich ein eindeutig positiver linearer Zusammenhang zwischen der Lebenserwartung und der Kalorienaufnahme abzeichnete, kann sowohl beim BMI als auch bei der Fettleibigkeit von einem kurvilinearen Zusammenhang mit der abhängigen Variable gesprochen werden. So wird im Intervall von 20–25 kg/m² ein leicht u-förmiger Zusammenhang deutlich, welcher sich im Intervall von 25-30 kg/m² umkehrt. Ebenso verhält es sich mit der Fettleibigkeit, deren positiver quadratischer Zusammenhang mit der Lebenserwartung im Intervall von 0-15 % sich zu einem negativen im Intervall von 15-30 % umkehrt. Bei den anschließenden linearen Regressionen zwischen der abhängigen und den unabhängigen Variablen BMI und Fettleibigkeit stellte sich eine Signifikanz der quadrierten Terme beider Variablen heraus, sodass BMI und Fettleibigkeit auch in allen folgenden Regressionsanalysen als quadrierte Variablen eingingen.

Zur Erfüllung aller Blue-Annahmen erfolgte im Anschluss die Testung der Homoskedastizitätsannahme. Bei allen bivariaten Regressionsanalysen stellte sich dabei eine signifikant inkonstante Varianz der Residuen über den Verlauf der unabhängigen Variablen heraus, woraus sich die Notwendigkeit der Anwendung robuster Regressionen ergab.

Nach Testung auf Multikolinearität zwischen den unabhängigen Variablen wurde außerdem eine, bereits vermutete, starke Interkorrelation zwischen dem BMI und der Fettleibigkeit offensichtlich (Variance Inflation Factor [VIF] = 8.32 bzw. 9.58), wodurch sich die voneinander getrennte Analyse beider Variablen in den multiplen Regressionsmodellen bedingt.

Abschließend fand eine Untersuchung einflussreicher Beobachtungen statt. Demnach wurden alle Beobachtungen (also Staaten), welche in den jeweiligen Modellen in mindestens einer der unabhängigen Variablen einen DFBETA-Betrag von > 2/√n aufwiesen und somit, laut Kohler und Kreuter (2012, S. 278), als besonders einflussreich gelten, aus diesen exkludiert[6].

4 Ergebnisse

4.1 Deskription des Datensatzes

Tabelle 1 zeigt die deskriptive Statistik des aufbereiteten Datensatzes auf. Insgesamt wurden 165 Nationen aus allen Kontinenten in die Datenanalyse einbezogen. Darunter befinden sich 39 europäische, 41 asiatische (mit Eingliederung der Türkei und Russischen Föderation), 44 afrikanische, mit Ausnahme von St. Kitts & Nevis alle amerikanischen (34 Länder) sowie sechs ozeanische Staaten und Australien.

Die Lebenserwartung dieser Länder ist, mit einem Mittelwert von 71.3, einem Median von 73.8 und einer Standardabweichung von acht Jahren, deutlich rechtssteil verteilt. Dabei weisen die afrikanischen Staaten Lesotho (52.1 Jahre), Angola (51.1 Jahre), Sierra Leone (50.4 Jahre) und Republik Zentralafrika (49.4 Jahre) die niedrigste Lebenserwartung auf. In Island, Spanien (jeweils 82.4 Jahre), Australien (82.5 Jahre), Schweiz (83 Jahre) und Japan (83.5 Jahre) ist die mittlere Lebenserwartung wiederum besonders hoch.

Die durchschnittliche tägliche Pro-Kopf-Kalorienaufnahme lässt sich dagegen (zwar mit einer etwas geringeren Kurtosis von 2.07) eher als normalverteilt beschreiben und beträgt, bei einer Standardabweichung von 447.3 kcal/capita/Tag, im Mittel 2847.5 kcal/capita/Tag (Median: 2829 kcal/capita/Tag). Auch in dieser Rubrik nehmen die afrikanischen Staaten im Allgemeinen und die Zentralafrikanische Republik im Besonderen, die niedrigsten Werte an[7]. Besonders hoch ist die Energieaufnahme wiederum in den USA (3682 kcal/capita/Tag), der Türkei (3706 kcal/capita/Tag), Belgien (3733 kcal/capita/Tag) und Österreich (3768 kcal/capita/Tag).

Nach Sichtung des Histogramms zum BMI über STATA, lässt sich, mit einem Modus bei ca. 27 kg/m², eine leicht rechtssteile Verteilung desselben feststellen (Schiefe: -.24), wobei der Median mit dem Mittelwert annähernd übereinstimmt (25.95 kg/m² bzw. 25.37 kg/m²; Standardabweichung: 2.09). Während der niedrigste durchschnittliche BMI beider Geschlechter in den Ländern Äthiopien, Timor-Leste (jeweils 20.5 kg/m²), Bangladesch, Madagaskar und Vietnam (jeweils 21.1 kg/m²) noch im Normalbereich liegt (18.5-25 kg/m²), so befindet er sich in Kuwait (29.2 kg/m²), Saint Lucia (29.3 kg/m²) und Kiribati (29.5 kg/m²) an der Grenze zur Fettleibigkeit (30 kg/m²) und übersteigt diese sogar in Samoa (31.9 kg/m²).

Im Gegensatz zum BMI ist die Fettleibigkeit in den Staaten, mit leichter Tendenz zur Rechtsschiefe, eher normalverteilt. Bei einem Modus von ca. 22 % ergibt sich die leichte Rechtsschiefe aus dem Umstand des relativ hohen Anteils an Ländern mit einem Fettleibigenanteil von unter 10 %[8]. Auch in dieser Kategorie erreichen Timor-Leste (1.8 %) und Vietnam (2.3 %) die niedrigsten Werte (gefolgt von Kambodscha mit 2.7 % und Nordkorea mit 2.8 %) und Kuwait (37.5 %), Kiribati (39.5 %) sowie Samoa mit sagenhaften 46.3 % Spitzenwerte.

Kategorisiert man alle Staaten anhand der Mediane der unabhängigen Variablen, so kann man eine durchschnittlich höhere Lebenserwartung, bei gleichermaßen geringerer Varianz dieser, sowohl bei den Ländern mit höherer Kalorienaufnahme als auch bei den Ländern mit höherem BMI und Fettleibigenanteil feststellen. So können bspw. die Staaten mit einer Kalorienaufnahme von > 2829 kcal/capita/Tag im Schnitt eine um knapp neun Jahre höhere Lebenserwartung vorweisen als die Staaten mit einer Kalorienaufnahme ≤ 2829 kcal/capita/Tag, wobei die Standardabweichung vom jeweiligen Mittelwert bei den Ersteren fast 28 % geringer ist (5.46 zu 7.56; siehe Tabelle 1).

Tabelle 1

Das Ländersample (n = 165)

Abbildung in dieser Leseprobe nicht enthalten

Quelle: eigene Darstellung; Angaben gerundet

[...]


[1] http://apps.who.int/gho/data/node.main.688 Abgerufen am 10.08.2017.

[2] http://apps.who.int/gho/data/view.main.CTRY12461?lang=en Abgerufen am 10.08.2017.

[3] http://apps.who.int/gho/data/view.main.CTRY2450A Abgerufen am 10.08.2017.

[4] http://www.fao.org/faostat/en/#data/FBS Abgerufen am 10.08.2017.

Beim Abruf dieser Daten ist darauf zu achten, die richtigen Suchfilter zu setzen (COUNTRIES: Select All; ELEMENTS: Food supply (kcal/capita/day); ITEMS AGGREGATED: Grand Total + (Total); YEARS: 2013).

[5] So betrug bspw. der durchschnittliche BMI der südafrikanischen Männer im Jahre 2013 24.8 kg/m², währenddessen selbiger bei den Südafrikanerinnen einen Wert von 29.2 annahm.

[6] Dies waren 23 Staaten in Modell eins und 27 Staaten in Modell zwei.

[7] Madagaskar: 2052 kcal/capita/Tag; Sambia: 1930 kcal/capita/Tag; Zentralafrikanische Republik: 1879 kcal/capita/Tag

[8] Somit liegt der Schwellenwert des ersten Quartils bei 8.2 %, der Median bei 18.8 % und der Mittelwert bei 17.2 % (Std. Dev.: 8.9 %).

Ende der Leseprobe aus 24 Seiten

Details

Titel
Der Einfluss von Adipositas, BMI und Kalorienaufnahme auf die Lebenserwartung
Untertitel
Eine Aggregatdatenanalyse
Hochschule
Technische Universität Chemnitz  (Institut für Soziologie)
Veranstaltung
Seminar "International vergleichende Gesundheitsforschung"
Note
1,3
Autor
Jahr
2017
Seiten
24
Katalognummer
V413702
ISBN (eBook)
9783668649811
ISBN (Buch)
9783668649828
Dateigröße
556 KB
Sprache
Deutsch
Schlagworte
einfluss, adipositas, kalorienaufnahme, lebenserwartung, eine, aggregatdatenanalyse
Arbeit zitieren
Ralf Leonhardt (Autor:in), 2017, Der Einfluss von Adipositas, BMI und Kalorienaufnahme auf die Lebenserwartung, München, GRIN Verlag, https://www.grin.com/document/413702

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Der Einfluss von Adipositas, BMI und Kalorienaufnahme auf die Lebenserwartung



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden