Overvekt hos barn – hvilken betydning har bosted?

Variabler

Kroppsmasseindeks (BMI) ble beregnet fra innsamlede vekt- og høydedata (vekt i kg/høydemeter²). Datamaterialet er korrigert for påkledning. Lett innetøy og tyngre påkledning er det korrigert for – med henholdsvis 100 g og 500 g.

Vi undersøkte BMI som kontinuerlig variabel og andel barn med overvekt som kategorisk variabel. I artikkelen er fokuset på andel med overvekt. Med overvekt menes BMI ≥ 25 etter kjønns- og aldersspesifikke grenseverdier fra International Obesity Task Force (IOTF) (28, 29). Barnets nøyaktige alder ved undersøkelsestidspunktet ble brukt for å plassere barna i alderskategorier for hvert halvår.

Livvidden ble målt midt mellom øverste laterale kant av høyre hoftekam og nedre del av laterale ribbebue og ble inkludert som en kontinuerlig utfallsvariabel.

Urbanitet ble uttrykt ved kommuners sentralitet, bosettingstetthet og antall innbyggere. Etter det vi vet, finnes det ingen alminnelig anerkjente mål på urbanitet i Norge, og vi har valgt disse tre variablene som vi mener gir informasjon om ulike forhold som betegner kommunenes urbanitet.

Sentralitetsvariabelen beskriver kommuners beliggenhet i forhold til et sted med sentrale funksjoner. Den ble beregnet av Statistisk sentralbyrå, og kategoriene var lav, middels og høy sentralitet (30).

Bosettingstetthet og innbyggertall i kommunen ble delt inn i to grupper hver for å skille mellom kommuner med høy og lav bosettingstetthet og høyt og lavt innbyggertall. Vi dikotomiserte variablene for å undersøke forskjeller i overvekt mellom grupper av kommuner med ulik urbanitet fremfor å se på lineære sammenhenger. Bosettingstetthet ble hentet fra Statistisk sentralbyrå og uttrykker den andel av befolkningen i en kommune som bor i tettbygd område. Vi delte kommunene inn i to kategorier avhengig av om de var over eller under medianverdien til bosettingstettheten for alle kommunene. Innbyggertall er det totale antallet innbyggere i hver kommune per 2008 (Statistikkbanken). Også denne variabelen ble dikotomisert. Etter det vi vet, finnes det ingen definerte grenseverdier for hva som i norsk sammenheng er høyt innbyggertall i en kommune, og grensen mellom høyt og lavt innbyggertall ble i studieprotokollen satt ved 10 000.

Sammenhengen mellom sosioøkonomisk status og overvekt hos barn er godt dokumentert (5, 7), og sosioøkonomisk status er en potensielt konfunderende faktor i sammenhengen mellom utfallsvariablene og sentralitet, bosettingstetthet og innbyggertall. Vi inkluderte derfor inntekts- og utdanningsnivå i kommunene i analysene i mangel av slike opplysninger på individnivå. Gjennomsnittlig inntekt i kommunene ble hentet som en kontinuerlig variabel fra Norsk samfunnsvitenskapelig datatjenestes (NSD) kommunedatabase for 2003. Kommuners utdanningsnivå ble hentet som en kontinuerlig variabel fra Statistikkbanken, med tall fra 2008. Kommunenes inntekts- og utdanningsnivå ble dikotomisert avhengig av medianverdiene i de kontinuerlige variablene. Forklaringsvariablene, som var på kommunenivå, ble koblet til hver deltaker ut ifra hvilken kommune deltakerens skole tilhørte.

Statistiske analyser

Barnas alder og de ulike utfallsvariablene med gjennomsnitt og andeler fordelt på kjønn fremgår av e-tabell 1 (27).

Vi undersøkte sammenheng mellom overvekt og kommunevariabler, livvidde og kommunevariabler samt BMI og kommunevariabler. Lineære sammenhenger mellom forklaringsvariablene ble undersøkt med Pearsons korrelasjonskoeffisient. For å undersøke sammenhenger mellom grupper anvendte vi khikvadrattest, t-tester og ANOVA-tester.

De avhengige variablene var både kontinuerlige (livvidde og BMI) og dikotome (BMI over og under 25), og vi brukte lineær og logistisk regresjon. Vi inkluderte de potensielt konfunderende faktorene inntekt og utdanning på kommunenivå samt barnets alder i modellene, uavhengig av om disse var statistisk signifikant assosiert med utfallene i univariable analyser. Det ble tatt høyde for utvalgsmetoden i alle analyser. Vi brukte STATA for å utføre våre statistiske analyser.

Etikk

Undersøkelsen Barns vekst i Norge er godkjent av Regional etisk komité. Elevenes foreldre ga informert skriftlig samtykke til at deres barn deltok.

Korrelasjoner

Det var høy korrelasjon mellom de uavhengige variablene. Sterkest korrelert var bosettingstetthet og inntekt (0,68), sentralitet og antall innbyggere (0,62) og bosettingstetthet og sentralitet (0,57). Lavest korrelasjon var mellom utdanning og antall innbyggere (0,37). Korrelasjonen mellom utdanning og inntekt var 0,43.

Overvekt og kommuneegenskaper

Tabell 2 viser resultater for overvekt. I første tallkolonne viser vi andelen av barna med overvekt i de ulike kategoriene. I univariable analyser fant vi at lav sentralitet eller lavt innbyggertall var statistisk signifikant assosiert med overvekt for begge kjønn. Bosettingstetthet hadde statistisk grensesignifikant sammenheng med overvekt bare hos jenter.

Multippel logistisk regresjon viste at når utdanningsnivå og inntekt i kommunen ble kontrollert for, hadde barn i kommuner med høy sentralitet 34 % mindre odds for overvekt sammenliknet med barn i kommuner med lav sentralitet (OR = 0,66, 95 % KI 0,46 – 0,94). Vi fant samme tendens for bosettingstetthet og innbyggertall, men her var det ikke statistisk signifikante sammenhenger.

Livvidde og kommuneegenskaper

Tabell 3 viser resultater for livvidde. I modellen der utdanning og inntekt i kommunen samt alder var inkludert, var gjennomsnittlig livvidde 0,66 cm lavere i kommuner med høy bosettingstetthet sammenliknet med kommuner med lav bosettingstetthet (95 % KI 0,02 – 1,31). Bosettingstetthet hadde sammenheng med livvidde bare hos jenter (B: – 0,94, 95 % KI –1,77 – –0,11). Sammenhengen mellom livvidde og sentralitet og innbyggertall var ikke statistisk signifikant.

BMI og kommuneegenskaper

Gjennomsnittlig BMI var statistisk signifikant forskjellig i gruppen med lav og høy sentralitet, hhv. 16,99 kg/m² og 16,52 kg/m², lav og høy bosettingstetthet, hhv. 16,77 kg/m² og 16,51 kg/m² og lavt og høyt innbyggertall, hhv. 16,95 kg/m² og 16,57 kg/m² (data ikke vist).

I ujusterte analyser var høy BMI signifikant assosiert med lav sentralitet, lav bosettingstetthet og lavt innbyggertall. I den justerte lineære regresjonsmodellen var sammenhengene ikke lenger signifikante (data ikke vist).

Styrker og svakheter

Vi hadde et representativt utvalg med høy svarprosent, og barna ble objektivt målt. Opplæring av helsesøstrene og kontroll av måleinstrumenter begrenser risikoen for målefeil. Kun 1 % ønsket ikke å delta i studien. Dette reduserer betydningen av mulig seleksjonsskjevhet. At 10 % ikke var til stede på skolen måledagen eller ikke svarte på purring på samtykke, gjør at denne muligheten likevel må holdes åpen. Vi kan ikke utelukke at relevante egenskaper ved barna som ikke var til stede på skolen skiller dem fra barna som var til stede.

Ut ifra denne studien kan vi ikke si noe om årsaker til overvekt, men kun om assosiasjoner mellom forklaringsvariabler og utfall. Vi har ikke sosioøkonomiske data på foreldrene, og har av den grunn kontrollert for utdanning og inntekt på kommunenivå. I oppfølgingen av Barns vekst i Norge som gjennomføres i 2010 og 2012, vil individdata for sosioøkonomi være tilgjengelig.

De uavhengige variablene i analysene hang nøye sammen, og dette gjør modelltilpasning problematisk. Variablene for utdanning og inntekt var imidlertid blant de lavest korrelerte, og vi valgte derfor å inkludere begge variablene i de justerte analysene fordi disse ville gi ulik informasjon om sosioøkonomisk status. Det kan også være ukjente konfunderende variabler vi ikke har kontrollert for.