Starters, stoppers en herstarters. Veranderingen van rook-status in de algemene bevolking
Average rating
Cast your vote
You can rate an item by clicking the amount of stars they wish to award to this item.
When enough users have cast their vote on this item, the average rating will also be shown.
Star rating
Your vote was cast
Thank you for your feedback
Thank you for your feedback
Type
ReportLanguage
nl
Metadata
Show full item recordTitle
Starters, stoppers en herstarters. Veranderingen van rook-status in de algemene bevolkingTranslated Title
Starters, stoppers and restarters. Changes of smoking status in the general populationPubliekssamenvatting
Een zogenaamd 'multi-state transitiemodel' is ontwikkeld, waarmee de veranderingen over de tijd en leeftijd van de aantallen nooit-rokers, rokers en ex-rokers beschreven zijn met behulp van transitiekansen. Dit zijn de kansen voor een nooit-roker om te starten, een roker om te stoppen, en een ex-roker om weer te beginnen. Een belangrijk probleem hierbij was dat in het verleden slechts herhaalde reeksen van cross-sectionele studies beschikbaar waren om deze transitiekansen te schatten. Wij kregen recentelijk de beschikking over gegevensbronnen met retrospectief of prospectief meer meetpunten, die veel geschikter zijn tes (1998-1999), de MORGEN Studie (1993-1997) en de Doetinchem Cohort Studie (1987-1997). In de eerstgenoemde twee studies is gevraagd naar de rook-status bij waarneming en retrospectief naar de rook-status 1 jaar daarvoor, respectievelijk naar de 'rook-events' in het verleden. In de laatstgenoemde studie zijn er twee meetpunten met tussenliggende tijdsperiode van ca. 6 jaar. De toegepaste analysemethoden zijn gebaseerd op de wiskundige vergelijkingen, die aan het model ten grondslag liggen. Op deze wijze zijn de transitiekansen tussen de verschillende rook-klassen geschat. Over het algemeen kwamen de resultaten voor de verschillende bronnen goed overeen. Voor de startkansen werden vrij grote verschillen gevonden. Daarvoor zijn verschillende verklaringen te geven, met name periode-effecten en verschillen tussen gebruik van 1-jaars of 5-jaars leeftijdsspecifieke gegevens. De verschillende berekende stop- en herstartkansen verschilden weinig. De gevonden stopkansen vertoonden een U-vormig verloop over de leeftijd. De gevonden herstartkansen namen vrijwel lineair met de leeftijd af. Hoewel de percentages rokers, ex-rokers en nooit-rokers met name voor hogere leeftijden nogal verschillen tussen mannen en vrouwen, zijn de verschillen tussen de start-, stop- en herstartkansen opvallend klein. Twee algemene conclusies zijn dat in het geval van een determinant met zo grote veranderingen over tijd en leeftijd als roken, transitiemodellen zeer bruikbaar zijn om deze veranderingen te beschrijven, en dat studies met herhaalde meetpunten onontbeerlijk zijn om in dat geval transitiekansen te schatten.<br>A state-transition model has been developed that describes the change in the numbers of never, current and former smokers over time and age. The changes are governed by transition rates: the rate for a never-smoker to start smoking, for a current smoker to stop, and for a former smoker to start again. In the past we only had data available from repeated cross-sectional studies to estimate these transition rates. Recently data became available from studies with prospectively or retrospectively repeated measurements that are better suited to estimate transition rates. These data sets are StiVoRo surveys, the MORGEN Study, and the Doetinchem Cohort Study. The data analysis methods were based on the mathematical equations that underlie the smoking model. In this way the smoking transition rates have been estimated. The differences between the results from the studies were small. The starters are concentrated at the younger ages, the stop smoking rate levels show a U-shaped curve over age, and the restart smoking rate levels decrease almost linearly over age. State-transition models can be very helpful in analysing changes of risk factor levels over time and age. When these changes are large, repeated measurement data are necessary to estimate the transition rates.<br>
Publisher
Rijksinstituut voor Volksgezondheid en Milieu RIVMStichting Volksgezondheid en Roken (StiVoRo)
Sponsors
RIVMCollections