LURIC 1,6 1,4 Hazard ratio 1,2 1,0 0,8 MSc. Angela Patricia Moissl angela.moissl@medma.uni-heidelberg.de 0,6 80 100 120 Kaufkraftindex Abbildung 3: Assoziationsanalyse zwischen Kaufkraftindex und Gesamtmortalität in LURIC. (Cox-Regressionsanalyse, der Kaufkraftindex wurde als Restricted Cubic Spline mit drei Knoten modelliert; das 95 %-Konfidenzintervall ist in grau dargestellt) leiden mit steigendem KI (Abbildung 2). Die Odds Ratio (95 %-Konfidenzintervall [KI]) betrug 0,92 (0,87–0,96) pro Zunahme des KI um eine Standardabweichung. In Regionen mit niedrigem KI war auch der Anteil an aktiven Rauchern höher. Hingegen fanden sich keine Assoziationen mit der Prävalenz der koronaren Herzerkrankung, Hypertonus oder chronischer Nierenerkrankung. Des Weiteren untersuchten wir die Assoziation des KI mit der Zehn-Jahres-Mortalität in LURIC. Hier zeigte sich ein abnehmendes Mortalitätsrisiko mit zunehmendem KI, bis zu einem KI von ca. 100 (Abbildung 3). Nach Einteilung der Studienteilnehmer in Quartilen des KI und Adjustierung für das Alter und das Geschlecht der Studienteilnehmer ergaben sich Hazard Ratios (95 %-KI) für die 2., 3. und 4. Quartile von 0,70 (0,44–1,11), 0,83 (0,55–1,26) und 0,58 (0,38–0,90), im Vergleich mit der ersten Quartile. Fazit CONFERENCES Studienteilnehmer, die in Gebieten mit hohem KI wohnten, zeigten in LURIC ein geringeres Risiko an Diabetes mellitus zu leiden und waren seltener aktive Raucher. Dies mag ein Zeichen für einen gesundheitsbewussteren Lebensstil sein und spiegelte sich auch in einer geringeren Mortalitätsrate wider. Referenzen: 1. Lampert T, Mielck A. Gesundheit und soziale Ungleichheit. GGW 2008; Jg. 8, Heft 2: 7–16. 2. Geyer S. Sozialstruktur und Krankheit. Analysen mit Daten der Gesetzlichen Krankenversicherung. Bundesgesundheitsbl Gesundheitsforsch Gesundheitsschutz 2008; 1(10): 1164–72. 3. Lampert T, Kroll LE, Dunkelberg A. Soziale Ungleichheit der Lebenserwartung in Deutschland. Politik Zeitgeschichte 2007; 42: 11–8. 36
THE STORY BEHIND® Die Zeichen der Zeit Michael Kaplan, Edinburgh Er war klein und eher beleibt, seine Bewegungen unbeholfen und fahrig. Vom Alter her lag er deutlich oberhalb von ‚unbestimmt‘ – er hatte tiefe Falten im Gesicht, und die wenigen Haare, die unter seiner roten, wollenen Skimütze hervorlugten, waren dünn und weiß. Und sie hatten ihre ganz eigene Vorstellung davon, wie eine Frisur auszusehen habe.“ Das Bild, das uns der Schriftsteller Douglas Adams hier zeichnet, ist uns allen vertraut. Die am längsten bekannten und am häufigsten beobachteten Biomarker sind Zeichen des Alters: ergrauende Haare, runzlige Haut, rotgeränderte Triefaugen, fehlende Zähne … wir sehen sie bei anderen und fällen sofort ein Urteil, oder wir sehen sie bei uns selbst und erschauern. Aber wie auch andere Biomarker sind die Zeichen des Alterns nur mit dem Zustand assoziiert, den sie uns signalisieren – sie werden nicht direkt durch ihn bestimmt. Manche Menschen ergrauen bereits, da zählen sie kaum 30 Jahre, andere haben noch ein perfektes Gebiss mit über 80 Jahren. Auch sind wir längst nicht so gut darin, das Alter eines Menschen zu schätzen, wie wir glauben: Ältere Gesichter sind schwerer einzuschätzen, ältere Menschen schätzen weniger genau – und wir alle neigen dazu, einen Menschen für jünger zu halten, wenn er glücklich aussieht. Was wir in Wirklichkeit suchen, ist also ein Marker für das funktionelle Alter: Ein Indikator, der uns verrät, wie abgenutzt unser Körper nun tatsächlich ist, unabhängig davon, was uns der Spiegel zeigt. Das Problem ist, es gibt keineswegs zu wenige dieser Marker, sondern viel zu viele. Wir kennen unterschiedliche Marker für die Funktion des Gehirns, der Lunge, des Herzens, der Leber sowie des allgemeinen Stoffwechsels – und alle diese Marker zeigen eine unterschiedliche Signifikanz in der Korrelation mit dem Alter. Wie sollen wir eine Reihenfolge der Wichtigkeit festlegen? Und welche Uhr steuert alle anderen? Eine aktuelle Publikation im Journal Aging beschreibt eine Methode zur Bestimmung des biologischen Alters eines Menschen aus einer Kombination von Biomarkern. Hiermit gelingt es, das Alter der betreffenden Person innerhalb einer Spanne von zehn Jahren mit einer Genauigkeit von mehr als 80 % zu bestimmen. Wie funktioniert die Methode? 1. in vivo? 2. in vitro? 3. in silico? Senden Sie uns Ihre Antwort über unsere Website Unter den richtigen Einsendungen verlosen wir ein connexi-Abonnement 2018. EDUCATION 37
Laden...
Laden...
Laden...
The Paideia Group GmbH
Dammsmühlerstr. 35
13158 Berlin
Tel: +49 (0)30 40303692
Fax: +49 (0)30 40303696
mail@thepaideiagroup.com