Die Epidemiologie des öffentlichen Gesundheitswesens kann nicht den Anspruch erheben, den Nutzen von IV in ökologischen Studien zu entdecken, da die frühesten Anwendungen von „Kurvenschiebern“ (Variablen mit IV-Merkmalen) auf die Ökonometrieliteratur in den 1930er Jahren zurückgeführt werden können . In der Tat führte PG Wright IV zur Schätzung der Elastizitäten von Angebot und Nachfrage nach Leinsamen, der Quelle von Leinöl, ein . Für unsere Neubewertung des Wertes ökologischer Assoziationen weisen wir auf die Analogie zwischen einigen ökologischen Variablen und IV hin und postulieren, dass ökologische Analysen nützlich und sinnvoll sind, wenn ökologische Variablen als IV interpretiert werden können, d. H. Als Variable, die mit der individuellen Exposition korreliert oder vorzugsweise eine „Ursache“ ist, deren Assoziation mit dem Ergebnis von Interesse jedoch nicht selbst verwechselt wird, zumindest nicht durch nicht gemessene Variablen (Abbildung 1). Darüber hinaus sollte die instrumentelle Variable das Ergebnis nur über die individuelle Exposition beeinflussen. Das heißt, es sollte keine kausalen Wege zwischen IV und Ergebnis geben, die die Exposition umgehen. Ein epidemiologisches Beispiel, bei dem sich instrumentelle Variablen als nützlich erwiesen haben, ist die „Mendelsche Randomisierung“ (MR) . Zum Beispiel wird der Blutdruck von Personen mit Alkoholaldehyddehydrogenase-Mangelmutationen mit denen ohne solche Mutationen verglichen, da „im Durchschnitt“ Träger dieser Mutation weniger trinken als Nicht-Träger . Beachten Sie, dass in diesem Beispiel durch die Verwendung von MR auch die Messung des individuellen Alkoholkonsums entfällt, was neben einer möglichen Verwechslung durch Verhaltensvariablen ohnehin mit methodischen Problemen behaftet ist . MR wurde jedoch auch fruchtbar verwendet, um eine kausale Wirkung von High-Density-Lipoprotein im Blut auf Herz-Kreislauf-Erkrankungen zu bewerten . Darüber hinaus basiert die Intention-to-Treat-Analyse einer randomisierten kontrollierten Studie im Wesentlichen auf instrumentellen Variablen, da bei einer <100% igen Randomisierung die Zuordnung zur Behandlung nicht identisch mit der tatsächlich erhaltenen Behandlung ist, jedoch nicht von den potenziell störenden Faktoren beeinflusst wird, die die Compliance der einzelnen Behandlungen beeinflussen.

Bemerkenswert ist, dass die Intention-to-Treat-Analyse den durchschnittlichen kausalen Effekt unter den Compliern nicht abschätzt und daher einem „Dilution“ -Bias unterliegt, d. H. einem Bias in Richtung Null aufgrund falsch klassifizierter Exposition. Die Zuweisung der Behandlung ist in der Regel eine gute instrumentelle Variable, wenn durch die Verwendung der Verblindung keine kausalen Zusammenhänge zwischen dem Randomisierungsarm und dem Ergebnis bestehen, die die tatsächliche Behandlung umgehen. Im Rahmen klinischer Studien wurde festgestellt, dass Monotonie eine wesentliche Voraussetzung für die Behandlungszuweisung ist, um eine gute IV zu sein. Grundsätzlich bedeutet Monotonie im Rahmen ökologischer Studien, dass Zuwächse auf ökologischer Ebene nicht zu Abnahmen auf individueller Ebene führen. Angenommen, in stark luftverschmutzten Gebieten bleiben die Menschen so oft in Innenräumen, dass sie weniger Feinstaub ausgesetzt sind als Personen, die in Gebieten mit geringerer Luftverschmutzung leben, dann gibt es keine Monotonie. Linearität ist nicht erforderlich, obwohl nichtlineare Beziehungen in der Analyse eine Herausforderung darstellen können . In der Terminologie der Kausalanalyse randomisierter kontrollierter Studien bedeutet dies, dass es keine „Defiers“ gibt . Diese Idee kann einfach auf andere IVs extrapoliert werden. Im Falle von MR und Alkoholkonsum ist beispielsweise eine Monotonie plausibel, da es unwahrscheinlich ist, dass jemand ohne die Aldehyddehydrogenase-Mangelmutation in der kontrafaktischen Situation, in der er die Mutation trug, einen höheren wöchentlichen Alkoholkonsum gehabt hätte. Im Zusammenhang mit ökologischen Verbänden kann die IV-Idee leicht in Zeitreihenuntersuchungen übersetzt werden, bei denen die Bevölkerung über einen Zeitraum unterschiedlicher ökologischer Exposition, wie Luftverschmutzung oder Einführung spezifischer Rechtsvorschriften, gleich bleibt. Die Monotonie könnte jedoch verletzt werden, wenn die Gesundheitswarnung über die Höhe der Umweltexposition das Verhalten einer Person verändern würde.Ein reizvolles Merkmal der Verwendung einer ökologischen IV ist das Potenzial, Forschungsfragen zu beantworten, die mit alternativen Beobachtungsforschungsdesigns auf individueller Ebene möglicherweise nicht möglich sind. Aus diesem Grund sind ökologische Studien auch in Studien beliebt, in denen Einzelbeobachtungen oft schwer zu erhalten sind . So wurde beispielsweise die Einführung einer gesetzlichen Verpflichtung zum Tragen von Fahrradhelmen als Beispiel für eine Studie über die Auswirkungen des Tragens von (Fahrrad-) Helmen auf das Verletzungsrisiko untersucht. Auf individueller Ebene wird das Tragen von Helmen wahrscheinlich mit Faktoren wie „Vorsicht“ und „Risikobereitschaft“ verwechselt. Eine gesetzliche Helmpflicht hat jedoch kaum Auswirkungen auf „Vorsicht“ oder anderes Verkehrsverhalten, sondern ist ein eigenständiger Grund für das Tragen solcher Helme. Obwohl die Existenz von Defiers (Personen, die aufgrund der Verpflichtung, einen zu tragen, keinen Helm mehr tragen) nicht vollständig ausgeschlossen werden kann, sind sie wahrscheinlich selten.Robinson verfolgte insbesondere einen ökologischen Ansatz, um die Wirksamkeit der Einführung eines obligatorischen Fahrradhelmgesetzes in Australien bei der Verringerung der Morbidität und Mortalität von Radfahrerverletzungen insgesamt zu untersuchen. Robinson nutzte Daten auf Bevölkerungsebene für Krankenhauseinweisungen verletzter Radfahrer und passte aggregierte Umfragedaten zu Helmtrageraten vor dem Gesetz an, erstes Jahr des Gesetzes und zweites Jahr des Gesetzes zu argumentieren, dass Fahrradhelme auf Bevölkerungsebene keine deutlichen Sicherheitsvorteile für Radfahrer bieten. Trotz eines starken Anstiegs der (obligatorischen) Helmnutzung infolge dieser Helmgesetze folgten die Anteile der Radfahrer und Fußgänger, die wegen Kopfverletzungen ins Krankenhaus eingeliefert wurden, einem ähnlichen, rückläufigen Trend. So wie, Robinson führte die beobachtete Verringerung der Radfahrer mit Kopfverletzungen auf die Umsetzung anderer wichtiger Verkehrssicherheitsinitiativen zur gleichen Zeit zurück, wie die Durchsetzung von Geschwindigkeitsbegrenzungen, Gesetze zum Fahren unter Alkoholeinfluss, Behandlung von schwarzen Flecken bei Unfällen, etc. Interessanterweise schien der größte Effekt der Einführung des Fahrradhelmgesetzes das Radfahren zu entmutigen, da die Umfragen vor und nach dem Gesetz zeigten, dass die Zahl der Kinderradfahrer um das 15- und 2,2-fache zurückging als die Zahl der Kinder, die Helme trugen. eine Beobachtung, die die Bedingung zu entkräften scheint, dass eine IV das Ergebnis nur über die Exposition von Interesse beeinflussen sollte. Als weiteres Beispiel hat Alkoholkonsum viele, oft nachteilige Auswirkungen auf die Gesundheit. Auf individueller Ebene ist Alkoholkonsum jedoch mit vielen anderen Verhaltensweisen wie Rauchen und sexueller Risikobereitschaft verbunden, die alle als Störfaktoren wirken können, wenn sie kausal mit einem Gesundheitsergebnis von Interesse zusammenhängen. Einige Interventionen, die den Alkoholkonsum beeinflussen, wie das „natürliche Experiment“ des Verbots von 1920-1933 in den Vereinigten Staaten von Amerika (USA), können Möglichkeiten bieten, diese Verwirrung zu umgehen, und somit als instrumentelle Variablen fungieren. Damit dies gültig ist, ist es jedoch wichtig, dass die Population als (mehr oder weniger) konstant angesehen wird, damit die Konzepte von Complier und Defier Sinn machen. Diese letztere Bedingung würde langfristige Zeitreihen (Jahre, Jahrzehnte) fragwürdig machen.

In anderen ökologischen Kontexten ist dieses Kriterium der Monotonie möglicherweise nicht so einfach anzuwenden; zum Beispiel, wenn wir Regionen A und B mit unterschiedlichen Populationen und unterschiedlichen ökologischen Expositionsniveaus X vergleichen. Ein direkter Vergleich eines Ergebnismaßes y zwischen A und B ist möglicherweise nicht angemessen, da A und B unterschiedliche Niveaus anderer Faktoren C aufweisen können, die y kausal beeinflussen, und daher Störfaktoren oder Effektmodifikatoren sind. Eine weitere Einschränkung von IVs ist, dass sie nur dann etwas über die kausale Wirkung einzelner Expositionen xi auf y aussagen können, wenn wir davon ausgehen, dass die Beziehung zwischen xi und y monoton ist. Daher sollte jede Exposition, die beispielsweise eine U-förmige Beziehung zum Ergebnis hat, vorzugsweise nicht Gegenstand einer ökologischen Analyse sein.

Schätzung

Die Existenz einer ökologischen IV ermöglicht es, die Kausalität des Zusammenhangs zwischen Exposition und Ergebnis festzustellen, auch wenn einzelne Expositionen nicht beobachtet werden, aber die IV für jedes Individuum bekannt ist. Dies ist jedoch nur eine qualitative Schlussfolgerung. Darüber hinaus kann es auch wünschenswert sein, die Stärke der Beziehung zwischen einzelnen Expositionen und dem Ergebnis abzuschätzen. Wenn auch einzelne Expositionen gemessen werden, ist dies entweder mit zweistufigen kleinsten Quadraten der Resteinfügung einfach. In anderen Situationen kann dies eine Herausforderung sein, insbesondere im Zusammenhang mit nichtlinearen Beziehungen.

Luftverschmutzungszeitreihen

Ein Beispiel, in dem eine ökologische Variable die richtigen IV-Eigenschaften zu haben scheint, ist im Fall von zeitlich variierender Luftverschmutzung, wie Feinstaub mit einem aerodynamischen Durchmesser von <10 Mikrometer; PM10. An vielen Orten variieren solche Konzentrationen im Laufe der Zeit beträchtlich und oft schnell (innerhalb von Stunden oder Tagen). Obwohl die gemessenen Durchschnittswerte die individuellen Expositionen möglicherweise nicht genau widerspiegeln, erscheint es plausibel, dass enge Korrelationen bestehen und dass daher die ökologischen Assoziationen verwendet werden können, um den Zusammenhang zwischen Luftverschmutzung und (etwa) Episoden von Asthma-Exazerbation zu untersuchen. Plausible Störfaktoren, wie z.B. die Temperatur, sind messbar und können daher angepasst werden. Da weitgehend die gleichen Individuen in verschiedenen Zeiträumen beobachtet werden, ist das Konzept des Defier leicht zu interpretieren, nämlich. jemand, der in Zeiten hoher Umweltbelastung eine geringere individuelle Exposition aufweist. Natürlich scheinen solche Studien weniger geeignet für Ergebnisse zu sein, die das Ergebnis chronischer kumulativer Expositionen sind, z. B. kardiopulmonale oder krebsbedingte Mortalität wie in der Studie der American Cancer Society .

Geographische Vergleiche

Schwieriger ist der ökologische Vergleich zwischen geographischen Gebieten, beispielsweise zwei Gebieten mit weitgehend unterschiedlichen Luftverschmutzungsgraden (z.B. ländliche Agrarregion versus städtisches Industriegebiet). Da die beiden Populationen unterschiedlich sind, hat das Konzept des „Defier“ nur eine kontrafaktische Interpretation, nämlich. wenn jemand zufällig in dem Gebiet mit den höheren Verschmutzungsgraden gewohnt hätte, hätte er – persönlich – eine geringere Belastung durch Luftverschmutzung (oder umgekehrt). Solche (kontrafaktischen) Individuen sind wahrscheinlich selten, wenn die Bereiche in anderen (relevanten) Aspekten ähnlich sind. Dies kann jedoch nicht immer der Fall sein. Personen mit Asthma, zum Beispiel, können wählen, nicht in Gebieten mit hoher Luftverschmutzung zu leben und sind somit Trotzer. Es gibt keinen Goldstandard-Test, um zu beurteilen, ob geografisch definierte Umweltexpositionen IV-Eigenschaften haben, aber dies muss auf der Grundlage von Sachkenntnissen bewertet werden. Mittlere Einzelexpositionen können manchmal als IVs plausibel sein, manchmal jedoch nicht.

Armut und Gesundheit

Eine ähnliche Situation kann in der viel diskutierten Beziehung zwischen „Reichtum“, „Armut“, „sozialökonomischem Status“, „Beschäftigungsstatus“ und verschiedenen (Gesundheits-) Ergebnissen bestehen. Auf individueller Ebene kann es eine starke Beziehung zwischen Arbeitslosigkeit, sagen wir, und (schlechter) Gesundheit und Mortalität geben, was darauf hindeutet, dass Arbeitslosigkeit ursächlich mit nachteiligen gesundheitlichen Folgen zusammenhängt. Zusätzlich zu Selektionsverzerrungen kann diese Beziehung jedoch durch viele Variablen verwechselt werden, was eine kausale Interpretation fragwürdig machen kann. Arbeitslose können ihren Arbeitsplatz aufgrund einer schlechteren körperlichen und / oder geistigen Gesundheit verloren haben oder weniger sozial anpassungsfähig sein. Eine Wirtschaftskrise oder Depression mit einem schnellen massiven Anstieg der Arbeitslosigkeit kann als IV wirken, und wenn die (spezifische) Mortalität oder Morbidität während solcher Depressionen nicht zunimmt, kann man kausale Interpretationen von Assoziationen auf individualistischer Ebene in Frage stellen. Da es sich weitgehend um dieselben Personen handelt, ist es (zumindest konzeptionell) leicht einzuschätzen, ob es (eine signifikante Anzahl von) Defiers gibt, insbesondere Menschen, die in Zeiten von Depressionen wirtschaftlich profitieren (oder eine Beschäftigung finden). Obwohl solche Individuen existieren können, sind sie wahrscheinlich selten. Wirtschaftliche Depressionen können sich möglicherweise auch auf die Gesundheit auswirken, wenn sie nicht mit Arbeitslosigkeit verbunden sind. Zum Beispiel können die (noch) Beschäftigten während Depressionen Verhaltensweisen vermeiden, die ihre Beschäftigung gefährden würden. Obwohl diese alternativen Kausalwege möglicherweise den Wert von Depressionen als IV ungültig machen könnten, scheint ihre Bedeutung gering zu sein. In ähnlicher Weise können Naturkatastrophen oder andere „natürliche Experimente“ gelegentlich gute instrumentelle Variablen liefern. Ein typisches Beispiel ist der weithin akzeptierte Zusammenhang zwischen Tuberkulose und Armut ; während fast alle Querschnittsstudien diesen Zusammenhang zeigen, führte der rasche Anstieg der Armut in den USA und Europa in den 1930er Jahren nicht zu einem Anstieg der Tuberkulose-Mortalität .Als ein weiteres Beispiel für die Verwendung von IV in Interventions- und nicht Beobachtungsstudien betrachten wir den Zusammenhang zwischen regionalen SARS-Interventionen und der Prävalenz des humanen Immundefizienzvirus (HIV) in Indien. Dies soll Situationen veranschaulichen, in denen ökologische (geografische) Ebenen einer Variablen geeignete IV-Merkmale aufweisen können. In den vier Staaten mit hoher HIV-Prävalenz (Andhra Pradesh, Maharashtra, Karnataka, Tamil Nadu) in Südindien werden Interventionen gegen Sexarbeiterinnen (z. B. Kondomgebrauch, Behandlung sexuell übertragbarer Krankheiten) auf Distriktebene durchgeführt. Auswirkungen der Interventionen auf die HIV-Prävalenz und -inzidenz auf Distriktebene werden auch auf Distriktebene gemessen durch die distriktspezifische HIV-Prävalenz bei jungen (<25 Jahre) vorgeburtliche Pflege Teilnehmer. Die Idee hinter diesen Interventionen ist, dass die Verhinderung der Übertragung (durch Safer-Sex-Praktiken) zwischen Sexarbeiterinnen und ihren Klienten die gesamte HIV-Übertragung reduzieren würde. Diese Interventionen wurden von der Bill and Melinda Gates Foundation in Form des Projekts „Avahan“ stark unterstützt . Die Existenz von Defiers, d. H. Menschen mit einem geringeren Risiko einer HIV-Infektion ohne Intervention, ist unwahrscheinlich, daher erscheint Monotonie plausibel. Grundsätzlich könnte also eine Intervention auf Distriktebene eine gute Lösung sein.