Door Loes Crielaard, die hieronder haar dissertatie samenvat.
Samengevat proefschrift: Adapting to the social environment that we create together: How complexity science changes the way we understand health inequalities
De relatie tussen sociaaleconomische status en gezondheid is complex
De introductie van de dissertatie schetst de context van en het onderzoek naar sociaaleconomische gezondheidsverschillen. Deze worden maar niet kleiner. Het toenemende bewijs over het bestaan en de oorzaken van gezondheidsverschillen heeft niet geleid tot interventies die de kloof hebben kunnen dichten. De laatste jaren zijn onderzoekers het er steeds meer over eens dat de manier van denken en de bijbehorende methoden die ons tot nu toe zo goed van dienst geweest zijn in public health zich niet lenen voor het begrijpen van gezondheidsverschillen. De bestaande manier van denken gaat uit van lineaire causaliteit, waar problemen op het gebied van public health opgelost zouden kunnen worden door: (i) een relatie vast te stellen tussen oorzaak en gevolg en (ii) deze relatie vervolgens te doorbreken met een interventie. Het wordt steeds vaker betoogd dat de relatie tussen sociaaleconomische status (SES) en gezondheid te complex is om op deze manier behandeld te worden. De complexiteit van deze relatie komt voort uit (ten minste) de volgende vier aspecten:
- Multifactorieel (een probleem heeft meerdere oorzaken)
- Contextafhankelijkheid (oorzaken zijn afhankelijk van de context waarin ze optreden)
- Feedback loops (oorzaken veroorzaken elkaar en zichzelf)
- Interactie met oorzaken op maatschappelijk niveau (oorzaken werken op verschillende ruimte- en tijdsschalen)
De volgende drie situaties met betrekking tot de relatie tussen SES en gezondheid waarin de aanname van lineaire causaliteit niet op gaat stonden in dit proefschrift centraal.
- De zoektocht naar contextonafhankelijke interventies die voor iedereen, overal en op elk moment werken heeft ertoe geleid dat er meer bewijs is op het gebied van interventies op individueel dan maatschappelijk niveau.
- Het vereenvoudigen van de relatie tussen SES en gezondheid, door deze voor te stellen als een oorzaak-en-gevolg relatie op het niveau van het individu, leidt ertoe dat de sociale structuren achter die relatie onzichtbaar blijven.
- Het afbakenen van de relatie tussen SES en gezondheid, met het doel om die relatie zowel meetbaar als beïnvloedbaar te maken, leidt ertoe dat individueel gedrag ten onrechte wordt benadrukt als de primaire oorzaak van gezondheid. Collectieve processen die ontstaan als gevolg van interacties tussen mensen blijven hierdoor buiten beeld.
Complexity science als paradigma om gezondheidsverschillen te onderzoeken als uitkomst van een systeem
Als alternatief voor lineaire causaliteit is een verschuiving van het onderzoeksparadigma naar complexity science voorgesteld. In het algemeen bestudeert complexity science de manier waarop grote groepen individuele componenten zich collectief gedragen door zich aan te passen aan elkaar en aan de omgeving die zij zelf creëren (Sloot 2020). In public health kan complexity science worden aangewend om “slechte gezondheid en gezondheidsverschillen te conceptualiseren (…) als uitkomsten van een grote hoeveelheid aan onderling afhankelijke elementen binnen een verbonden geheel” (Rutter et al. 2017). Dit verbonden geheel kan worden opgevat als een systeem. Het zien van de wereld door een complexity science lens betekent dat je factoren en hun oorzaak-en-gevolg relaties bekijkt als toebehorend aan een systeem op verschillende ruimte- en tijdsschalen, waar zowel cellen als de samenleving deel van uitmaken. Dit perspectief gaat ervan uit dat gezondheidsverschillen een symptoom zijn van diepere, onderliggende problemen die een systemische aanpak vereisen.
Hoewel er veel stemmen opgaan om gebruik te maken van complexity science in public health, zijn er maar weinig voorbeelden van hoe complexity science in deze context kan worden toegepast. Het overkoepelende doel van dit proefschrift was om verder te verhelderen hoe complexity science ons kan helpen om op een andere manier naar public health, en specifiek gezondheidsverschillen, te kijken.
Hieronder worden de resultaten en reflecties in dit proefschrift samengevat. De methodologische hoofdstukken over de toepassing van complexity science in public health (Hoofdstuk 2) en bijbehorende inzichten blijven op verzoek van de redactie buiten beschouwing. Hoofdstukken 3 tot en met 5 zijn als aparte artikelen gepubliceerd: hyperlinks verwijzen daarnaar.
Statusangst speelt een rol in de relatie tussen sociaaleconomische status en diabetes type 2
In Hoofdstuk 3 onderzochten we de rol van minderwaardigheidsgevoelens die kunnen ontstaan doordat mensen zich vergelijken met anderen, bekend als statusangst, in de relatie tussen SES en type 2-diabetes. We keken ook naar de rol van financiële problemen, die aangeven hoeveel toegang iemand tot middelen heeft. Onze resultaten lieten zien dat zowel statusangst als financiële problemen een kleine maar consistente mediërende rol speelden in de relatie. Dit onderstreept het belang van sociale vergelijkingen met anderen, naast toegang tot middelen, voor de relatie tussen SES en gezondheid.
Chronische stress vermindert niet als stressvolle leefomstandigheden hetzelfde blijven
In Hoofdstuk 4 staan de leefomstandigheden centraal die gepaard kunnen gaan met een lage SES. We ontwikkelden hiervoor een causal loop diagram – een kwalitatief, conceptueel model dat weergeeft hoe factoren in een systeem causaal met elkaar samenhangen. We ontdekten dat zulke leefomstandigheden, omdat ze zorgen voor een doorlopende blootstelling aan stressoren, versterkende feedback loops kunnen activeren die de perceptie van stressoren over tijd verergeren – vooral als die stressoren oncontroleerbaar zijn. We concludeerden dat het niet aannemelijk is dat chronische stress vermindert als deze leefomstandigheden hetzelfde blijven.
Ongezonde sociale normen verminderen de effectiviteit van interventies gericht op gewichtsverlies
In Hoofdstuk 5 ontwikkelden we een systeemdynamisch model – een kwantitatief simulatiemodel dat systeemgedrag kan simuleren. Dit simulatiemodel gebruikten we om in te schatten hoe feedback loops tussen sociale normen en individueel gewichtsgerelateerd gedrag de effectiviteit van interventies die gericht zijn op het verlagen van lichaamsgewicht beïnvloeden. De resultaten van de simulaties laten zien dat sociale normen ervoor zorgen dat mensen minder gewicht verliezen dan wanneer ze alleen beïnvloed zouden worden door een interventie gericht op individueel gewichtsgerelateerd gedrag. We concludeerden dat, om obesitas te voorkomen, er rekening gehouden moet worden met sociale normen.
Systeemdynamische modellen kunnen het belang van collectieve interventies communiceren
In Hoofdstuk 6 onderzochten we of systeemdynamische modellen, omdat ze de gevolgen van feedback loops kunnen simuleren, een rol kunnen spelen in het communiceren van het belang van interventies die gericht zijn op collectieve processen. Wij lieten het systeemdynamische model uit Hoofdstuk 5, gekalibreerd met data van lokale gemeenschappen, zien aan de leiders van die gemeenschappen via een interactieve interface. Deze laatsten gaven aan dat dit simulatiemodel nuttig is bij het communiceren van het belang van interventies op maatschappelijk niveau. De redenen daarvoor waren volgens hen dat het syteemdynamische model ‘what if’-scenario’s simuleerde die verschillende mentale modellen nabootsen (gericht op oorzaken op individueel of op maatschappelijk niveau), de simulatieresultaten intuïtief presenteerde en gebruik maakte van lokale data.
Een nieuwe term: emergente eigenschappen
Op basis van de studies in dit proefschrift concluderen we dat het effect van SES op gezondheid niet volledig kan worden begrepen als we alleen kijken naar afzonderlijke elementen. Er bestaan immers emergente eigenschappen die afhangen van de dynamiek tussen die afzonderlijke elementen. Emergentie betekent dat we meer zien wanneer we naar het systeem als geheel kijken dan wanneer we alleen kijken naar afzonderlijke elementen van het systeem. Complexity science biedt ons de lens en de methoden om emergente eigenschappen te bestuderen. Het zorgt voor bewijs dat van een andere aard is dan het bewijs dat we kunnen verkrijgen door te kijken naar afzonderlijke elementen of door te redeneren vanuit lineaire causaliteit. Complexity science kan bewijs genereren dat mensen in hun sociale omgeving aanschouwt. Het kan daardoor het vergaren van kennis over het effect dat interventies op maatschappelijk niveau kunnen hebben versnellen. In combinatie met betere mentale modellen zou dit soort bewijs een waardevolle rol kunnen spelen bij het voorkomen van ‘lifestyle drift’: de tendens om interventies in te zetten op individueel niveau in plaats van op maatschappelijk niveau.
Kortom
We identificeerden drie belangrijke bijdragen die complexity science kan leveren aan toekomstig onderzoek naar gezondheidsverschillen.
- Complexity science kan ons inzicht in de dynamiek waar oorzaken op maatschappelijk niveau, zoals sociale structuren en collectieve processen, deel van uitmaken vergroten. Daarmee kan het ons helpen om te achterhalen wat de structurele aandrijvers van systeemgedrag die gezondheidsverschillen veroorzaken zijn.
- Complexity science kan laten zien wat het effect zou kunnen zijn van interventies op maatschappelijk niveau.
- Complexity science kan onze mentale modellen verbeteren, waarbij de aandacht van het individu wordt weggenomen.
Complexity science kan ons dus helpen om op een andere manier naar gezondheidsverschillen te kijken en ons daarmee op termijn, hopelijk, naar effectievere strategieën leiden om die verschillen te verkleinen.
Over de auteur
Loes Crielaard (1994) werkt als postdoctoraal onderzoeker aan de afdeling Public and Occupational Health van Amsterdam UMC. Haar onderzoek concentreert zich op het toepassen van complexity science concepten en methoden, zoals computational modelling benaderingen, in public health. Loes verdedigde in juni 2023 haar proefschrift, een samenwerking tussen Amsterdam UMC en het Computational Science Lab van de Universiteit van Amsterdam, waarin wordt geïllustreerd hoe complexity science ons kan helpen om op een andere manier naar gezondheidsverschillen te kijken. Aan dit proefschrift werd het predicaat cum laude toegekend. Loes is bereikbaar via l.crielaard@amsterdamumc.nl
Zoektermen op internet:
Loes Crielaard, preventie, patiëntaspecten, dissertatie, sociaaleconomische status, complexity science, gezondheidsverschillen