Kan man leva längre genom att byta tunnelbanestation?

Forskare och tankesmedjor som är verksamma inom det socialmedicinska fältet i bred bemärkelse har under de senaste åren med jämna mellanrum presenterat ett antal rapporter där de har beräknat den förväntade livslängden efter var personer bor i relation till tunnelbanestationer. Första gången jag fick syn på dessa typer av analyser var under 2012 när kulturgeografen James Cheshire presenterade sina analyser av den förväntade livslängden för barn som föddes längst tunnelbanelinjerna i London på sin hemsida Lives on the Line:

Resultaten bjöd inte på några direkta överraskningar – personer som föddes i marginaliserade bostadsområden hade en lägre förväntad medellivslängd än de som föddes i socioekonomiskt välmående bostadsområden. I samband med att analyserna offentliggjordes kommenterade Sir Michael Marmot, professor i epidemiologi och folkhälsovetenskap vid University College London, i en BBC-intervju att det intressanta med fynden var att man kunde se relativt stora lokala skillnader:

”If you want to see a difference in life expectancy between countries of 11 years, you can fly from London to Guatemala,” he said.
”But if you are worried about your carbon footprint, you could just catch the Tube east.

Sedan dess har samma forskargrupp genomfört liknande analyser för Manchester medan andra har fokuserat på Washington och en rad andra amerikanska städer. Bo Burström, professor i socialmedicin vid Karolinska Institutet, har genomfört liknande analyser för Stockholm, vilket DN rapporterade om:

 

Rubriken är självfallet missvisande i det här fallet. Bostadsområdesfaktorer förklarar vanligtvis en tämligen liten andel av variationen (de individuella skillnaderna) i negativa utfall. Det är egentligen uppenbart: den variation som vi ser mellan olika bostadsområden (skillnader i förväntad medellivslängd) kommer att vara betydligt mindre än den variation som vi ser inom bostadsområden (skillnader i förväntad livslängd mellan invånarna). Om din tunnelbanestation kunde ”avslöja” din förväntade livslängd hade hela ditt kvarter haft mer eller mindre samma förväntade livslängd, vilket inte är särskilt sannolikt. Samtidigt visar dessa fynd att beroende på var du bor kommer du och resten av invånarna i ditt kvarter, i genomsnitt, att antingen leva kortare eller längre liv jämfört med invånare i andra kvarter.

En skör tråd

Dessa typer av analyser är bra på så vis att de beskriver hur ohälsan är fördelad mellan olika typer av bostadsområden, eller tunnelbanestationer om man så vill. Problemet är att man hänger på en skör tråd mellan beskrivningar och förklaringar om man försöker att dra några slutsatser enbart på basis av dessa analyser. De data som presenteras förklarar vanligtvis inte varför dessa skillnader har uppstått. En möjlighet är att det finns faktorer i bostadsområdet, eller tunnelbanestationen, som orsakar dessa skillnader. Antagandet här är då att den enda faktorn som skiljer individerna åt vad gäller deras förväntade livslängd är att de bor på olika platser och att de har antingen valt eller hamnat där slumpmässigt.

I BBC-intervjun förklarade Marmot att skillnaderna kunde förklaras av att personer som hade ökade risker för en mängd negativa utfall:

Sir Michael said life expectancy was affected by ”early child development, education, employment and working conditions, having the minimum income to live a healthy life, the environment and the issues of smoking, obesity, drinking and diet”.

Vi vet att samtliga av dessa faktorer, liksom sannolikheten att överhuvudtaget växa upp i marginaliserade bostadsområden, är i betydande grad ärftliga men sådana influenser ignoreras helt (se mitt inlägg om gen-miljökorrelation). Då slumpen implicit antas vara förklaringen till varför människor hamnar i olika bostadsområden antas även överriskerna för att utveckla de problem Marmot anför också vara, i någon grad, kausala. Den logiska följden av detta är således att ett byte av ens tunnelbanestation skulle orsaka en förändring av ens förväntade livslängd.

Påverkar flytt mellan bostadsområden hälsan?

Helsingfors universitet

Ett sätt att titta på hur pass mycket bostadsområden påverkar hälsoutfall är att studera personer som flyttar mellan olika bostadsområden. Epidemiologen Markus Jokela vid Helsingfors universitet har i ett antal studier gjort just detta. Genom att studera samma individer som flyttade mellan olika bostadsområden kunde han kontrollera för samtliga faktorer som inte varierade inom varje enskild individ (genetiskt arv och tidig uppväxtmiljö) för att på så vis försöka få ett bättre mått på hur den socioekonomiska statusen i vuxen ålder påverkade hälsoutfall. Forskningsdesignen som han tillämpar här brukar kallas för en inom-individsdesign då man är främst intresserad av att se huruvida sambanden kvarstår när man jämför samma individer som har blivit exponerade för olika bostadsområden med sig själva över tid.

I en av studierna (1) undersökte Jokela huruvida cirka 20.000 australiensare som hade följts upp i 10 år hade sämre hälsa (självskattad fysisk och psykisk hälsa, rökning och låg fysisk aktivitetsgrad) under perioder då de bodde i relativt sett mer marginaliserade bostadsområden jämfört med perioder då de bodde mer välmående bostadsområden:

Neighborhood disadvantage was associated with poorer self-rated health, mental health, and physical functioning, higher probability of smoking, and less frequent physical activity. However, these associations were almost completely due to between-person differences; the associations were not replicated in within-person analyses that compared the same persons living in different neighborhoods over time. (min kursivering)

Det fanns således inga samband när Jokela hade kontrollerat för individuella riskskillnader (genetik och miljö) att både hamna i socioekonomiskt utsatta bostadsområden och att ha negativa hälsoutfall. För att bli säkrare på att detta inte var en artefakt av datamaterialet som han hade använt sig utav genomförde han en liknande studie med data från Storbritannien – cirka 17.000 britter hade blivit uppföljda mellan 1991-2009 (2):

Neighbourhood deprivation was associated with poorer self-rated health, and with higher psychological distress, functional health limitations and number of health problems. These associations were almost exclusively due to differences between different individuals rather than within-individual variations related to different neighbourhoods.

En annan forskargrupp har därtill replikerat de brittiska fynden ovan med en annan metod (3). Tillsammans visar studierna att det inte tycks finnas några nämnvärda effekter av bostadsområdesflytten på hälsoutfallen. Här bör vi dock vara försiktiga – vilka antaganden bygger inom-individsmodellerna på? Tre saker bör man tänka på främst:

[1] Enbart personer som flyttade är inkluderade i analyserna. För att visa att resultaten kan generaliseras även till de som inte flyttade under studiernas uppföljningar behöver man visa att det inte föreligger några systematiska skillnader grupperna emellan.

[2] Har deltagarna flyttat mellan tillräckligt socioekonomiskt varierade bostadsområden? Om dessa enbart flyttar mellan socioekonomiskt likvärdiga områden kommer några eventuella skillnader inte ha ett starkt förklaringsvärde.

[3] Om det finns en delgrupp av de som flyttar gör det mellan väldigt socioekonomiskt heterogena bostadsområden kommer dessa att driva några eventuella effekter mellan bostadsflytten och hälsoutfallen. Under en period av ekonomisk stabilitet och låg rörlighet på bostadsmarknaden kommer det alltså att vara viktigt att förstå varför sådana typer av individer flyttar som de gör då sådana orsaker också kan förklara deras olikartade hälsoutfall.

Mot bakgrund av det ovanstående ställer jag mig generellt tveksam till användningen av dessa typer av modeller av det som lite slarvigt kan betecknas som normalbefolkningen. Däremot är jag positiv till att använda dem i studier av högriskgrupper där en hög andel har varierade exponeringar och utfall. Exempelvis undersökte vi nyligen huruvida socioekonomiska faktorer förklarade återfallsrisk i våldsbrott bland f.d. fångar som hade släppts ur anstalter mellan 2003-2013. Sambanden försvann när vi kontrollerade för individuella risker för att hamna i låg socioekonomisk status och att återfalla med inom-individsanalyser. Det som var fördelaktigt, rent statistiskt, med denna grupp var att de inte levde stabila liv utan fick av olika skäl ofta byta sysselsättningsstatus och boenden under relativt korta tidsperioder. Den här betydande inom-individsvariationen gjorde att vi kunde utesluta vissa typer av felkällor som skulle vara mer tongivande i analyser av personer som inte hade fått något fängelsestraff.

Vad kan vi lära oss av kommunismens Polen?

Ett sätt att komma runt passiv gen-miljökorrelation vore att låta slumpen avgöra var familjer bor i för typer av bostadsområden, vilket faktiskt är vad de statistiska modellerna vanligtvis antar. Av uppenbara skäl vore detta inte en särskilt bra idé men det implementerades av politiska skäl i kommunismens Polen. En klassisk studie från 1978 i Science utnyttjade denna randomisering för att undersöka hur bostadsdistrikt och skolor påverkade kognitiva testresultat bland över 14,200 barn födda 1963 och boendes i Warszawa under 1974 (4).

Forskarna fann att varken bostadsområden eller skolor förklarade variationen i de kognitiva testerna. Istället fann forskarna starka samband mellan barnens prestationer och deras föräldrars utbildningsnivå och yrkesprestige. Detta stödjer delvis hypotesen om att föräldrar med liknande socioekonomiska förutsättningar tenderar att bo nära varandra och välja specifika skolor för sina barn vilket orsakar de skillnader som man brukar se mellan bostadsområden och skolor. När staten på det här viset tvingar familjer att bosätta sig enligt ett närmast slumpmässigt mönster genom staden kommer barnen som växer upp på samma platser inte att dela några relevanta egenskaper som gör att de får mer likvärdiga resultat på de kognitiva tester. Resultaten replikerades nyligen i en svensk tvillingstudie där man bl.a. hade studerat tvillingar som hade växt upp i olika familjer. Forskarna fann att tvillingen som hade växt upp i en relativt mer marginaliserad familj inte hade lägre IQ sent i livet jämfört med dess tvillingsyskon som hade växt upp i relativt sett mer fördelaktiga förhållanden (5)

 

Sjukdomar orsakar skillnaderna?

Bo Burström diskuterar förtjänstfullt att resultaten även kan tolkas som att personer hamnar i mer marginaliserade bostadsområden till följd av att de blir sjuka och att skillnaderna på så vis skulle delvis reflektera sådana effekter. Han tar specifikt upp psykossjukdomar:

När det gäller psykos är det vanligare att utsatta grupper som drabbas av en psykos tappar jobb och socialt nätverk och driver nedåt på den sociala skalan. De blir hänvisade till att bo i de här områdena, säger Bo Burström.

Självfallet stämmer detta. Vi har i en omfattande studie studerat varför individer med psykossjukdomen schizofreni hamnar i socioekonomiskt marginaliserade områden i hela den svenska befolkningen som hade minst ett syskon (hel-/halvsyskon) (6). Vi fann att patienter med schizofreni hade en tämligen liten överrisk att bo i socioekonomiskt utsatta bostadsområden men att effekten inte var i linje med en kausal (orsaks-)tolkning. Istället kunde sambanden förklaras med att de ärftliga faktorer som ökade personernas risker att få sjukdomen också ökade deras risker att bo i det utsatta bostadsområdet. Det som var extra spännande med den här studien var att vi kunde visa med DNA-baserade metoder att personer som bodde i mer marginaliserade bostadsområden bar i högre utsträckning på genvarianter (enbaspolymorfier) som är associerade med schizofreni. Detta innebär mer konkret att patienter diagnosticerade med schizofreni men även deras icke-diagnosticerade syskon har i genomsnitt högre grader av symptom (exempelvis psykoserfarenheter, reducerade kognitiva förmågor och språkproblem) som gör att de har svårare att etablera sig på arbetsmarknaden och därmed även ha en stabil position på bostadsmarknaden. Att efter bästa förmåga behandla dessa typer av symptom skulle därför kunna reducera deras överrisker att bo i marginaliserade bostadsområden.

Sammanfattning
Tunnelbanekartor med förväntade medellivslängder säger oss en del om hur ohälsan fördelar sig genom staden. Man kan dock inte dra slutsatsen att tunnelbanestationen eller bostadsområdet som man bor i skulle per automatik orsaka dessa skillnader utan att utsätta den hypotesen för en ordentlig prövning. De tillgängliga studierna på området visar att det finns en mängd olika felkällor och att ingen enskild metod kommer att ge oss svaren. De visar därtill att det finns ett starkt stöd för betydande selektionseffekter, nämligen att personer med relativt sett högre risker för att dö tidigare antingen hamnar i (genom sina föräldrar) eller sorterar aktivt in sig själva i marginaliserade bostadsområden över tid. De eventuellt kvarvarande kausala effekterna av bostadsområdet eller tunnelbanestationen bör därför rimligen vara tämligen marginella. För att förstå dessa mekanismer bättre krävs det dock att forskare som är verksamma inom dessa fält tillämpar genetiskt informativa studier för att kunna isolera de kausala miljöeffekterna genom att kontrollera för ärftliga faktorer, vilket sker i en väldigt liten omfattning i dagsläget.

En fråga man kan fundera på är hur pass stora skillnader mellan bostadsområden i medellivslängd som är rimliga att observera givet att vi inte är biologiskt konstanta och inte väljer var vi bor slumpmässigt.

2 Comments

Kommentera