Rijksinstituut voor Volksgezondheid en Milieu (RIVM)
Toolkit regionale VTV
Toekomstverkenning

Doortrekken van trends

Beschrijving Bronnen

Beschrijving

Waarom trends doortrekken?

Het is voor het volksgezondheidsbeleid van belang te weten bij hoeveel mensen bepaalde aandoeningen in de toekomst voor zullen komen. Naast het uitvoeren van een demografische prognose is het doortrekken van trends uit het verleden naar de toekomst een methode om de toekomst van de volksgezondheid te verkennen.

Op basis van een analyse van een trend in bijvoorbeeld het vóórkomen van een aandoening in het verleden, bereken je hoe deze aandoening zich in de toekomst ontwikkelt. Hierbij gaan we uit van de aanname dat het verloop van een aandoening in de toekomst hetzelfde is als in het verleden. Het is natuurlijk niet zo dat resultaten uit het verleden garanties geven voor de toekomst maar door een trend goed te analyseren is vaak wel meer te zeggen over het toekomstige verloop van een aandoening.

Waargenomen trend uit het verleden doortrekken naar toekomst

Bij het doortrekken van trends wordt de waargenomen trend uit het verleden doorgetrokken naar de toekomst. Daarbij moeten de trendcijfers eerst gecorrigeerd worden voor effecten ten gevolge van veranderingen in samenstelling en omvang van de bevolking. Daarom worden de trendcijfers gestandaardiseerd. Op de voor demografische variabelen gecorrigeerde trendcijfers wordt vervolgens een trend berekend. Bij het doortrekken van trends voor de landelijke VTV veronderstellen we meestal een lineaire trend (dat wil zeggen dat de jaarlijkse stijging constant is) en bepalen we dus met lineaire regressie de jaarlijkse verandering (richtingscoëfficiënt).

Als de trend niet statistisch significant is, kunnen geen kwantitatieve uitspraken gedaan worden op basis van de regressieanalyse. Is de trend wel statistisch significant, dan is het verantwoord om de regressielijn door te trekken naar de toekomst.

Hou rekening met trends in risicofactoren met grote invloed

Hierbij is het wel zinvol om ook rekening te houden met trends in risicofactoren die grote invloed hebben op de trend die je berekent. Als bijvoorbeeld de prevalentie van diabetes in het verleden is gestegen met als belangrijkste oorzaak een toename van het aantal mensen met overgewicht, en het aantal mensen met overgewicht zal naar verwachting niet verder stijgen, dan zal het aantal mensen met diabetes waarschijnlijk ook niet verder stijgen. Een trendanalyse kan in dit geval een overschatting geven van de omvang van de stijging van diabetes als je hier geen rekening mee houdt. Deze aanpak vraagt om een kwalitatieve analyse, omdat je de invloed van trends in risicofactoren op de trend die je hebt berekend niet kunt kwantificeren.

Welke gegevens zijn nodig voor het doortrekken van trends?

Voor het doortrekken van trends heb je voor demografische variabelen gestandaardiseerde cijfers nodig over het vóórkomen van de te onderzoeken indicator op verschillende tijdstippen in het verleden (bijvoorbeeld de jaarlijkse prevalentie van diabetes mellitus in de periode 1990-2004). De standaardisatie van gegevens is nodig omdat de prevalentie van een aandoening in het verleden deels bepaald is door de samenstelling van de bevolking. Meestal zal het gaan om een standaardisatie naar leeftijd en geslacht. De prevalentie van een ouderdomsziekte als diabetes is bijvoorbeeld onder andere gestegen door de vergrijzing van de bevolking. Om voor bepaalde demografische variabelen te corrigeren, moeten de trendgegevens uitgesplitst zijn naar die demografische variabelen en moet ook de populatie waarop de trendgegevens betrekking hebben, uitgesplitst zijn naar die demografische variabelen.

Opmerkingen en kanttekeningen

  • Als je trendgegevens hebt over een korte periode uit het verleden dan kun je die ook maar over een korte periode doortrekken naar de toekomst. De periode waarover je de trend doortrekt, moet niet veel langer zijn dan de periode waarover je gegevens hebt geanalyseerd.
  • Erg grote stijgingen of dalingen in een relatief korte periode hebben vaak een duidelijke verklaring (bijvoorbeeld door de grotere aandacht voor diabetes mellitus zijn er gedurende een paar jaar veel nieuwe patiënten gediagnosticeerd). Daarom is het niet verstandig om een sterke trend uit het verleden zonder meer door te trekken naar de toekomst. In zo'n geval zou je kunnen overwegen om de trend wel door te trekken, maar er een duidelijke kanttekening bij te plaatsen of de trend niet door te trekken en dit met een noot uit te leggen.

Naar boven


Bronnen

Welke gegevens kunnen worden gebruikt voor het doortrekken van trends?

Voor de prevalentie- of incidentiecijfers van een gezondheidsindicator kun je verschillende bronnen gebruiken, zoals de gezondheidsenquête van de GGD of de landelijke cijfers die in de laatste landelijke VTV zijn gebruikt (zie: ziekten en aandoeningen).

De bron van de bevolkingsgegevens is afhankelijk van de standaardpopulatie die wordt gebruikt in de analyse (zie: demografische prognose).

Ter illustratie

In het bijgevoegde voorbeeld (zie onder deze alinea) is voor de periode 1990-2004 de trend van de prevalentie van diabetes mellitus voor vrouwen geanalyseerd en doorgetrokken naar 2020. De gebruikte cijfers waren al gecorrigeerd voor veranderingen in omvang en leeftijdsamenstelling van de bevolking doordat ze gestandaardiseerd waren naar de Nederlandse bevolking in 1990. De regressieanalyse leverde een significante trend op (p<0,05) en doortrekken van de regressielijn levert een stijging van de prevalentie op van 39,4 in 2005 naar 48,5 per 1.000 vrouwen in 2020. Dit is dus over de periode 2005-2020 een stijging van 23,1% (zie figuur 1).

Zie rekenvoorbeeld doortrekken trends: diabetes

Overgewicht is één van de belangrijkste risicofactoren van diabetes en de prevalentie van overgewicht is in de periode 1990-2003 ongeveer verdubbeld. Naar verwachting zal het aantal personen met overgewicht nog verder toenemen. Het lijkt dus aanemelijk dat de prevalentie van diabetes de komende periode nog verder zal stijgen dan uit de trendanalyse naar voren komt.

Prevalentie van diabetes (per 1.000): waargenomen waarden en (doorgetrokken) regressielijn (1990-2020)
Toolkit regionale VTV, versie 4.10, 16 februari 2015
© RIVM, Bilthoven / Disclaimer.