Multilevel analyse van hiërarchische gegevens: methode en toepassing op buurtverschillen in gezondheid en rookgedrag

Veel gegevens in gezondheids(zorg)onderzoek hebben een hierarchische, geneste, structuur waarbij kenmerken op groeps­ niveau alle individuen in die groep bei:nvloeden, bijvoorbeeld een buurtkenmerk de gezondheid van alle inwoners van een buurt. Daardoor kunnen individuele uitkomsten ('afhankelijke variabelen') per groep gecorreleerd zijn. Met multilevel ana­lyse-technieken kunnen gegevens met verschillende hierarchische niveaus ('levels') zodanig worden geanalyseerd dat reke­ning wordt gehouden met deze hierarchie. Als voorbeeld van een dergelijke analyse zijn gegevens geanalyseerd over sociaal­ economische buurtverschillen in gezondheid en rookgedrag. Deze gegeven komen uit een enquete onder 5121 Amsterdam­mers. De resultaten laten zien dat gezondheid en rookgedrag van bewoners van minder welvarende buurten belangrijk slech­ter zijn dan gemiddeld. Deze verschillen hangen echter vooral samen met individuele sociaal-economische kenmerken en niet met buurtgebonden sociaal-economische factoren. Een uitzondering vormt roken en, in mindere mate, langdurige beperkingen; hier zijn buurtgebonden sociaal-economische factoren wel van invloed. Een methodologisch voordeel is met name dat multilevel analyse een in vergelijking met een traditionele analyse meer valide schatting oplevert van de nauwkeu­ righeid waarmee de bijdrage van buurt-gebonden sociaal-economische factoren wordt gemeten