The impact of food environment on diabetes outcomes

Aanvraag voor: Gezondheidsmonitor Volwassenen 2012
Type: Toegang tot databestand
Status: Goedgekeurd
Bestanden:
Gegevens aanvrager
Organisatie: Julius Centrum (JC), University Medical Centre Utrecht (UMCU)
Adres organisatie:

Universiteitsweg 100

3584 CG Utrecht

Aanvraaggegevens
Titel onderzoek: The impact of food environment on diabetes outcomes
Is uw organisatie opdrachtgever voor het onderzoek?
Voert u dit onderzoek uit in samenwerking met andere organisaties, zoals universiteiten en onderzoekinstituten?
Department of Physical Geography, Faculty of Geosciences, Utrecht University,
Department of Human Geography and Spatial Planning, Faculty of Geosciences, Utrecht University,
Netherlands Institute for Risk Assessment Sciences (IRAS)
Rijksinstituut voor Volksgezondheid en Milieu (RIVM)
Omschrijving van onderzoek:
Background
There is a growing need to understand the impact of urban environment on human health (Bai, 2012). Fast – Food Restaurants (FFR) is one of the basic elements of the modern urban landscapes which can affect people’s health by exposing them to unhealthy dietary options. The relation between FFR and health has been examined with various ways. Firstly, the association between FFR density, diet behavior and Body Mass Index (BMI) were studied (Reitzel et al., 2014). Therefore, specific health outcomes were also studied such as the association with Cardiovascular Diseases (CVD) (Bahadoran, Mirmiran, & Azizi, 2015) and diabetes (Alhasan & Eberth, 2016; Mezuk et al., 2016).
Among the number of studies which have been conducted to investigate the impact of FFR on human health and specifically on diabetes outcomes only few of them concern Europe while no research has been done for the Netherlands.

Purpose
Our aim is to investigate associations between fast food restaurant density and diabetes prevalence on individual-level in a national survey in the Netherlands. Moreover, we aim to study if the risk is related to the number of FFR within various distances away from home-addresses.


Research Questions
Is there any association between FFR density and diabetes?
Is the association related to the buffer size (distances between individual home addresses and FFR locations?

Target Population:
All participants in the health monitor 2012.
De gegevens uit de gezondheidsmonitor zullen binnen de beveiligde CBS omgeving, op basis van het versleutelde persoon ID (variabele RINPERSOON) gekoppeld worden aan GBA bestanden en een aantal andere bestanden van het CBS (zie verderop). Gegevens over blootstelling aan luchtverontreiniging, van de Universiteit Utrecht worden hieraan gekoppeld met behulp van het versleuteld woonadres (variabelen RINOBJECTNUMMER en RINADRES). Het (versleuteld) woonadres wordt alleen gebruikt voor deze koppeling.

Analysis
The Monitor dataset will be linked with information on socio-economic status (SES) at a neighborhood level (four-digit postal code). This indicator will be used to represent educational, occupational and economical status of the neighborhood. Furthermore, the data will be linked with the Locatus database which is a company which collects and provides information about retail information (including business addresses) in Europe (https://locatus.com/en/about-locatus/). Several exposure windows can be defined by computing buffers around home addresses. The sizes of the buffers represent the accessibility to FFR. A 100m buffer represents the existence of FFR on the same city-block with the house, a 500m and 1000m buffers represent the FFR density within the neighboring residential area. Both distances are easily reachable on foot and by bike. A larger buffer of 3000m can be also utilized to represent the broader neighboring area which is not easily accessible on foot but by bike and other vehicles. FFR density can be defined as the number of FFR within each network buffer around the individual address.
Having computed the FFR density the statistical analysis follows. By performing a statistical analysis we will study the existence of an association between FFR exposure and diabetes outcomes. The dependent variable is overall individual incident diabetes (1=yes, 0=no) and independent variable is the FFR density. The association will be studied separately for all different buffer sizes and adjusted for possible con-founders; such con-founders can be: individual risk factors, other neighborhood characteristics such as the number of bars and pubs (also obtained from locates) and sport facilities in the neighborhood and air pollution.
Welke onderwerp(en) heeft u voor uw onderzoek nodig?
Ervaren gezondheid, Chronische aandoeningen, Beperkingen, Angst & depressie, Eenzaamheid, Lengte & gewicht, Bewegen, Alcoholgebruik, Roken
Welke achtergrondkenmerken heeft u voor uw onderzoek nodig?
Etniciteit/herkomst, Geografische indicator; GGD niveau, Geografische indicator; gemeentecode, Geografische indicator; postcode, Geslacht, Huishoudsamenstelling, Inkomen, Leeftijd, Opleiding, Werksituatie
Wenst u de gegevens te koppelen aan andere (registratie) bestanden?
CBS-bestanden:
- GBA bestanden (GBAPERSOONTAB, GBABURGERLIJKSTAATBUS, GBAADRESOBJECTBUS)
- IHI (integraal huishoudens inkomen)
- HOOGSTEOPLTAB
- SECMBUS (sociaal economische categorie)
- MEDICIJNTAB

LOCATUS database
ESCAPE air pollution models

Milieudata RIVM en Universiteit Utrecht (bestanden met gegevens over luchtverontreiniging, geluid en groen voor alle adressen in het GBA).

De koppeling tussen CBS bestanden en milieudata van het RIVM is door het RIVM al eerder gedaan in het kader van het project ‘milieugerelateerde sterfte’ (project 7267). Van het CBS is toestemming gekregen om het onderzoek binnen dit project te verbreden naar ‘milieu-gerelateerde sterfte, gezondheid en medische consumptie’. De hierboven genoemde CBS bestanden zijn in dit kader al voor het project ter beschikking gesteld. De koppeling met gegevens van de gezondheidsmonitor willen we graag aan dat project toevoegen.
Op welk geografisch niveau worden de gegevens gepubliceerd?

Waar worden de gegevens gepubliceerd of gerapporteerd?
The results will be published in international scientific journal, conference proceedings and a PhD thesis.
Wat is de verwachte datum van publicatie of rapportage van gegevens (maand-jaar)?
The results will be published in a scientific international journal in June 2018.
December 2019: PhD Thesis
Overige opmerkingen:
Onlangs is een studie naar air pollution en diabetes uitgevoerd met de gezondheidsmonitor data (Nicole Jansen en Maciek Strak). Graag willen we gebruik maken van deze dataset omdat alle variabelen die we nodig hebben er al in zitten en deze set alleen nog verrijkt hoeft te worden met de omgevingsdata. Nicole en Maciek zijn hiermee akkoord (zijn ook betrokken bij de huidige aanvraag).