Hvilken betydning har inntekt for kreftrisiko?
Betzy Stina Hedding
Masteroppgave ved Økonomisk Institutt UNIVERSITETET I OSLO
Mai 2015
II
III
IV
Hvilken betydning har inntekt for
kreftrisiko?
V
VI
© Betzy Stina Hedding 2015
Hvilken betydning har inntekt for kreftrisiko?
Betzy Stina Hedding http://www.duo.uio.no/
Trykk: Reprosentralen, Universitetet i Oslo
VII
Sammendrag
Kreft er en av de store folkesykdommene som tar mange liv i Norge og resten av verden. Det er store sosiale forskjeller i både insidens og dødelighet av kreft. I denne masteroppgaven forsøker jeg å bidra til kunnskap på dette området ved å analysere sammenhengen mellom inntekt og insidensen av lungekreft, brystkreft, prostatakreft, kolorektal kreft, og malignt melanom. Med data fra Kreftregisteret, Det sentrale personregisteret og databaser i Statistisk Sentralbyrå, som omfatter personer i alderen 40-84 år i tidsrommet 2000-2007, utfører jeg en diskret tids forløpsanalyse for å undersøke om det er en sammenheng mellom inntekt og kreftinsidens, når man tar hensyn til at folk med høy inntekt også ofte har høy utdanning.
Grovt sett finner jeg en positiv korrelasjon mellom inntekt og insidens av brystkreft, prostatakreft og malignt melanom, og negativ korrelasjon for lungekreft. Jeg finner ingen sammenheng mellom inntekt og insidensen av kolorektal kreft. Disse resultatene antyder at kjøpekraft trolig har en selvstendig innvirkning på folks livsstil, ut over for eksempel de kunnskaper og holdninger som følger av utdanning, og at den også kan ha konsekvenser for folks bruk av helsetjenester.
VIII
IX
Forord
Denne oppgaven er avslutningen på fem år med studier innen samfunnsøkonomi, og er skrevet med hjelp og støtte fra flere rundt meg. Jeg vil først og fremst takke min veileder, Øystein Kravdal, for all hjelp gjennom arbeidet med denne oppgaven. Jeg setter spesielt stor pris på hans raske tilbakemeldinger og iver etter å hjelpe til.
Jeg vil også takke mine medstudenter for hyggelige pauser og avbrekk fra lesesalen. Tiden på Blindern hadde ikke vært den samme uten dere.
Sist, men ikke minst, vil jeg takke Erik og min familie for støtte og oppmuntring, og for å få meg til å finne tilbake motet når jeg selv mister det.
Eventuelle feil og upresise formuleringer i oppgaven er selvsagt mitt eget ansvar.
Oslo, mai 2015 Betzy Stina Hedding
X
XI
Innholdsfortegnelse
1 Innledning ... 1
2 Kreft og sosiale determinanter ... 2
2.1 Hva vet vi om helsedeterminanter for de fem kreftformene? ... 2
2.1.1 Lungekreft ... 2
2.1.2 Kolorektal kreft ... 3
2.1.3 Brystkreft ... 3
2.1.4 Prostatakreft ... 4
2.1.5 Føflekkreft (malignt melanom) ... 5
2.2 Inntekt og utdanning som sosiale determinanter for kreftrisiko ... 5
2.2.1 Hvordan forklare sammenhengen mellom inntekt og helse? ... 6
2.2.2 Sosioøkonomiske indikatorer og kreftrisiko ... 7
3 Data og metode ... 12
3.1 Datamateriale ... 12
3.2 Forløpsanalyse ... 12
3.3 Logistisk regresjon ... 14
3.3.1 Tolkning av oddsratioer ... 14
3.3.2 Variabler ... 15
4 Resultater ... 16
4.1 Deskriptiv statistikk ... 16
4.2 Betydningen av inntekt og utdanning på risikoen for de fem krefttypene ... 21
4.3 Betydningen av inntekt og utdanning på risikoen for de fem krefttypene blant gifte individer ... 26
4.4 Oppsummering av hovedfunn ... 34
5 Diskusjon ... 35
5.1 Hvordan forklare observasjonene? ... 35
5.2 Begrensninger ved studien ... 38
6 Konklusjon ... 40
Litteraturliste ... 42
XII
Tabeller:
Tabell 4.1 Fordeling av eksponeringstid (personår) i prosent og tilfeller av 5 krefttyper blant menn 2000-2007 ... 17 Tabell 4.2 Fordeling av eksponeringstid (personår) i prosent og tilfeller av 5 krefttyper blant kvinner 2000-2007 ... 18 Tabell 4.3 Fordeling av eksponeringstid (personår) i prosent og tilfeller av 5 krefttyper blant gifte menn 2000-2007 ... 19 Tabell 4.4 Fordeling av eksponeringstid (personår) i prosent og tilfeller av 5 krefttyper blant gifte kvinner 2000-2007 ... 20 Tabell 4.5 Effekt av utdanning og inntekt på risiko for å bli diagnostisert med kolorektal kreft (oddsrater med 95 % konfidensintervall). ... 21 Tabell 4.6 Estimert effekt av utdanning og inntekt på risiko for å bli diagnostisert med
prostatakreft (oddsrater med 95 % konfidensintervall). ... 22 Tabell 4.7 Estimert effekt av utdanning og inntekt på risiko for å bli diagnostisert med
brystkreft kun for kvinner (oddsrater med 95 % konfidensintervall). ... 23 Tabell 4.8 Effekt av utdanning og inntekt på risiko for å bli diagnostisert med lungekreft (oddsrater med 95 % konfidensintervall). ... 24 Tabell 4.9 Effekt av utdanning og inntekt på risiko for å bli diagnostisert med malignt
melanom (føflekkreft) (oddsrater med 95 % konfidensintervall). ... 25 Tabell 4.10 Effekt av egen utdanning og inntekt og ektefelles utdanning og inntekt på risikoen for å bli diagnostisert med kolorektal kreft blant gifte (oddsratioer med 95 %
konfidensintervall). ... 27 Tabell 4.11 Effekt av egen utdanning og inntekt og ektefelles utdanning og inntekt på
risikoen for å bli diagnostisert med prostatakreft blant gifte menn (oddsratioer med 95 % konfidensintervall). ... 28 Tabell 4.12 Effekt av egen utdanning og inntekt og ektefelles utdanning og inntekt på
risikoen for å bli diagnostisert med brystkreft blant gifte kvinner (oddsratioer med 95 % konfidensintervall) ... 30
XIII Tabell 4.13 Effekt av egen utdanning og inntekt og ektefelles utdanning og inntekt på risikoen for å bli diagnostisert med lungekreft blant gifte (oddsratioer med 95 % konfidensintervall).
... 32 Tabell 4.14 Effekt av egen utdanning og inntekt og ektefelles utdanning og inntekt på risikoen for å bli diagnostisert med malignt melanom (føflekkreft) blant gifte (oddsratioer med 95 % konfidensintervall) ... 33 Tabell 4.15 Oppsummering av resultater for alle. Minus indikerer at det er en negativ
sammenheng mellom den aktuelle variabelen og insidens, pluss indikerer tilsvarende positiv sammenheng. ... 34 Tabell 4.16 Oppsummering av resultater for gifte. Minus indikerer at det er en negativ
sammenheng mellom den aktuelle variabelen og insidens, pluss indikerer tilsvarende positiv sammenheng. ... 34
XIV
1
1 Innledning
Kreft er en av de store folkesykdommene som forårsaker en høy andel av tidlige dødsfall i Norge samt resten av Europa. Det er store sosiale forskjeller i forekomsten og dødeligheten av kreft, både fordi sannsynligheten for å få kreft varierer og fordi det er variasjon i levetiden etter at man har fått sykdommen. Mønstrene varierer sterkt mellom de ulike typene av kreft.
Forskning viser for eksempel at insidens og dødelighet av lungekreft er høyere hos individer med lav utdanning, eller lav sosioøkonomisk status indikert på annen måte. På den andre siden er hyppigheten av brystkreft, som er en viktig dødsårsak blant middelaldrende kvinner, størst blant individer med høy sosioøkonomisk status. Slike forskjeller skyldes nok i særlig grad livsstil (i vid forstand), men annet kan også spille en viktig rolle, for eksempel kunnskap om betydningen av tidlig diagnostisering, tilgang til gode helsetjenester og evnene til å utnytte disse. Mye av oppmerksomheten har vært rettet mot hvordan utdanning påvirker kreftrisikoen (gjennom nettopp slike faktorer), mens få studier har analysert om det er en tilleggseffekt av inntekt (når man tar hensyn til forskjeller i utdanning). En slik tilleggseffekt kunne skyldes at folks kjøpekraft har en selvstendig innvirkning på livsstilen og at den også (til og med i Norge) har konsekvenser for bruken av helsetjenester.
Målet med denne oppgaven er å analysere sammenhengen mellom individuell inntekt og risiko for å bli diagnostisert med en av de fem mest vanlige krefttypene i Norge. I analysen benyttes data fra Det sentrale personregisteret, Kreftregisteret og Statistisk Sentralbyrå til å utføre en diskret tidsforløpsanalyse av hvilken sammenheng det er mellom inntekt og risikoen for disse krefttypene. Dataene omfatter den delen av befolkningen som var i alderen 40-84 år i tidsrommet 2000-2007. Det blir først gjort en analyse for hele denne befolkningen, og deretter en analyse som begrenses til de som er gift. Ved å begrense til de som er gift kan man, i tillegg til effekten av egen inntekt, analysere sammenhengen mellom ektefelles inntekt og kreftrisiko.
Resten av oppgaven har følgende oppbygning: I kapittel 2 går jeg gjennom ulike helsedeterminanter for de fem ulike krefttypene og tidligere forskning på sammenhengen mellom sosioøkonomiske indikatorer og risikoen for de fem krefttypene. I kapittel 3 beskriver jeg datasettet og metoden som er brukt i denne oppgaven. Resultatene fra den empiriske analysen blir presentert i kapittel 4, og diskutert i kapittel 5. Til slutt konkluderer jeg i kapittel 6.
2
2 Kreft og sosiale determinanter
I dette kapitelet diskuteres det hvordan utdanning, inntekt og andre sosiale determinanter kan påvirke risikoen for å bli diagnostisert med en av de fem mest vanlige krefttypene i Norge.
Som et første trinn i denne diskusjonen oppsummeres noen viktige kjennetegn ved disse krefttypene, deres utbredelse og noen kjente risikofaktorer. I tillegg presenteres det noen generelle ideer om betydningen av inntekt for folks helse.
2.1 Hva vet vi om helsedeterminanter for de fem kreftformene?
2.1.1 Lungekreft
Lungekreft er den mest vanlige krefttypen i verden, og den tredje hyppigste kreftformen i Norge.
De to hyppigste formene for lungekreft er ikke-småcellet og småcellet lungekreft, som til sammen står for 90 – 95 prosent av alle lungekrefttilfeller. Lungekreft er en av de få kreftformene der én spesielt viktig årsak er identifisert. Røyking og annen eksponering for tobakksrøyk er hovedgrunnene til lungekreftforekomst. Røyking antas å være årsak til opp til 90 % av lungekrefttilfellene i befolkningen (World Health Organization, 2002). I tillegg til røyking er det også andre potensielle årsaker til at lungekreft oppstår. Blant annet kan et kosthold med mye fett og en høy andel kjøtt være med på å øke risikoen for å bli diagnostisert med lungekreft (Sinha, et al., 1998).
Lungekreftinsidensen nådde en topp sent i det 20.århundre, altså noen tiår etter at andelen av personer i befolkning som røykte var på topp. Denne formen for kreft er i dag mer vanlig hos menn enn hos kvinner, men de siste tiårene har det vært en kraftig økning i lungekreftinsidensen hos kvinner og i tillegg en liten nedgang hos menn (Cancer Registry of Norway, 2014). Menn nådde lungekreftstoppen tidligere enn kvinner da det var vanlig for menn å røyke tidligere enn for kvinner. Blant kvinner er det fortsatt en økende trend i lungekreftforekomst, og da spesielt i ikke-vestlige land (World Cancer Research Fund, 2007).
3 De tidlige stadiene av lungekreft gir sjelden symptomer, og lungekreft er derfor ofte i avanserte stadier når den blir diagnostisert (World Cancer Research Fund, 2007). Den relative fem års overlevelsesraten for lungekreft avhenger av stadium og alder, men er generelt lav.
Unge pasienter med lungekreft i tidlig stadium har en høyere overlevelsesrate enn eldre mennesker med lungekreft i et senere stadium. Overlevelsesraten er bare 2,3 % når det er systemisk spredning ved diagnosetidspunktet (Mællingsæter & Thor, 1999).
2.1.2 Kolorektal kreft
Kolorektal kreft, en samlebetegnelse for kreft i kolon (tykktarm) og endetarm, er den fjerde vanligste krefttypen i Norge. I internasjonal sammenheng er Norge blant landene med høyest forekomst av kolorektal kreft. Samtidig ser en at fem års relativ overlevelse er tydelig forbedret de senere år. Kolorektal kreft oppdages i stor grad i tidlige stadier, fordi sykdommen gir symptomer tidlig, og alt i alt er det en høyere overlevelsesrate enn for eksempel lungekreft i tidlig stadium (Cancer Registry of Norway, 2014).
Det finnes ingen klar indikasjon på hva som er hovedårsaken til kolorektal kreft, men mye tyder på at sykdommen i stor grad skyldes livsstilsfaktorer. Forskning viser at konsum av rødt kjøtt, bearbeidede kjøttvarer og alkohol kan være med på å fremkalle kolorektal kreft.
Samtidig er det vist at forekomst av denne krefttype kan ha en sammenheng med fedme og magefett. Dermed er det mulig å redusere risikoen for å utvikle kolorektal kreft til en viss grad ved å øke det fysiske aktivitetsnivået, redusere alkoholinntaket og endre kostholdet. Økt inntak av mat som inneholder vitamin D og selen, fisk, frukt og fiberrik mat kan også være med på å redusere risikoen for denne sykdommen (World Cancer Research Fund, 2007).
2.1.3 Brystkreft
Brystkreft er den mest vanlige krefttypen blant kvinner, men kommer etter lungekreft når det gjelder kreftdødelighet (Cancer Registry of Norway, 2014).
Risikoen for å bli diagnostisert med brystkreft øker med alderen, og over 80 % av brystkreftrammede kvinner er over 50 år gamle (Kreftforeningen, 2014). Forskning viser at brystkreft er hormonrelatert, og faktorene som påvirker risikoen for å bli diagnostisert med brystkreft, er forskjellige før og etter overgangsalderen (World Cancer Research Fund, 2007).
4
Tidlig menstruasjon, sen overgangsalder og sen førstefødsel (etter 35 år), eller ingen fødsel i det hele tatt, er alle faktorer som øker risikoen for å bli diagnostisert med brystkreft (Kåresen, et al., 1998). Alder ved brystutvikling og overgangsalder er begge påvirket av ernæring.
Overernæring, som følge av langvarig tilførsel av store matmengder, kan føre til tidlig pubertet og sen overgangsalder, mens underernæring kan føre til sen pubertet og tidlig overgangsalder. På bakgrunn av dette har man en potensiell forklaring på hvorfor det er høyere forekomst av brystkreft i høy-inntekts land sammenliknet med utviklingsland (World Cancer Research Fund, 2007).
I tillegg til tidlige og mange barnefødsler fører også amming til redusert risiko for å få brystkreft. Fysisk aktivitet, som blant annet kan føre til redusert overvekt, og redusert alkoholkonsum er også faktorer som kan være med på å redusere risikoen for å bli diagnostisert med brystkreft, men dette er begrenset til brystkreft som oppstår etter overgangsalderen. For kvinner som fortsatt menstruerer viser noen forskningsresultater derimot at overvekt kan være beskyttende mot brystkreft. (Kåresen, et al., 1998)
2.1.4 Prostatakreft
Prostatakreft er den mest vanlige krefttypen blant menn i Norge, med nesten 5 000 nye tilfeller i 2012. Hyppigheten av prostatakreft har økt kraftig de seneste 20 årene, noe som i stor grad trolig skyldes økt bruk av PSA-testing særlig i de yngste aldersklassene, samtidig som antall prostatakreftscreeninger har økt. Parallelt med at antall tilfeller av prostatakreft har økt, har også den femårige overlevelsesraten økt, og er nå på over 90 prosent (Cancer Registry of Norway, 2014).
Risikoen for å bli diagnostisert med prostatakreft øker med alderen. Det er gjort mye forskning på hva som kan være årsaken til at prostatakreft oppstår, og mye tyder på at risikoen påvirkes av miljø og livsstil. Noen studier tyder på at mat med høyt kalsiuminnhold, som for eksempel melk og ost, øker risikoen for å bli diagnostisert med prostatakreft. I tillegg til økt risiko ved konsum av melkeprodukter, er det gjort funn som kan tyde på at høyt inntak av animalsk fett og fysisk inaktivitet også er risikofaktorer (Solberg, et al., 2014). På den andre siden kan mat som inneholder mye lykopen (særlig tomater) og selen være med på redusere risikoen for å bli diagnostisert med prostatakreft (World Cancer Research Fund, 2007).
5
2.1.5 Føflekkreft (malignt melanom)
Føflekkreft er den vanligste formen for hudkreft, og denne kreftformen er mest vanlig i høy- inntekts land hvor store andeler av befolkning består av lyshudede mennesker (World Cancer Research Fund, 2007).
Forskning viser at føflekkreft i stor grad oppstår som følge av overeksponering for ultrafiolette lysstråler (UV-stråling) som kommer fra både naturlig sollys og solarium, og oppstår veldig sjeldent på de deler av kroppen som vanligvis er tildekket under soleksponering (World Cancer Research Fund, 2007). Malignt melanom er mer vanlig hos mennesker som jobber på kontor enn utendørs-arbeidere, noe som kan tyde på at skade fra episodisk eksponering for sollys og sporadisk solbrenthet er mer relevant for risikoen enn kontinuerlig eksponering for UV-stråler (Elwood & Jopson, 1997).
Annen forskning viser at arsenikk i drikkevannet og selentilskudd kan være mulige årsaker til føflekkreft, samtidig som retinol (som er en type A-vitamin) kan være med på å redusere risikoen (World Cancer Research Fund, 2007).
I Norge er insidensen av føflekkreft nesten tidoblet siden 1950-tallet, og har spesielt økt mye de siste ti årene. Føflekkreft er i dag den fjerde mest vanlige krefttypen blant både menn og kvinner, men har relativt gode prognoser, med en fem-års overlevelsesrate på nesten 90 prosent (Cancer Registry of Norway, 2014).
2.2 Inntekt og utdanning som sosiale determinanter for kreftrisiko
I dette delkapittelet skal jeg gå inn på tidligere forskning som har blitt gjort på sammenhengen mellom ulike sosioøkonomiske indikatorer og risikoen for å bli diagnostisert med en av de fem mest vanlige krefttypene i Norge. Hovedfokuset i denne oppgaven er å bruke individuell inntekt som en sosioøkonomisk indikator, men jeg kommer også til å ta utdanning i betraktning, da individuell inntekt og utdanning er nært forbundet (og korrelert med hverandre).
Avsnittet inneholder ulike begreper som klargjøres her. Med risiko (insidens) menes nye diagnoser i forhold til antall mennesker som har mulighet for å få diagnosen (risikobefolkningen) gjennom en gitt periode, vanligvis et kalenderår, og overlevelse forklares
6
på grunnlag av dødeligheten blant de diagnostiserte. Kreftdødelighet ses i forhold til alle, både de som er diagnostisert og ikke diagnostisert, og fanger dermed opp en blanding av overlevelse og risiko. Insidensen blir høy og overlevelsen god (men dødeligheten uendret) hvis mange på grunn av tett oppfølging eller screening diagnostiseres med (nesten) ufarlige kreftsvulster som ellers ikke ville ha blitt oppdaget.
Jeg vil først se på ulike teorier som forklarer sammenhengen mellom inntekt og helse generelt. Deretter beskriver og forklarer jeg tidligere forskning som har analysert sammenhengen mellom sosioøkonomiske indikatorer, og da spesielt individuell inntekt og utdanning, og risikoen for å bli diagnostisert med en av de fem utvalgte krefttypene.
2.2.1 Hvordan forklare sammenhengen mellom inntekt og helse?
Wagstaff og van Doorslaer (2000) tar for seg en stor mengde forskning som er gjort på sammenhengen mellom inntekt og helse, og oppsummerer de ulike hypotesene som kan forklare denne sammenhengen; den absolutte innteksthypotesen, den relative inntektshypotesen, deprivasjonshypotesen, den relative posisjonshypotesen, og inntektsulikhetshypotesen. Disse hypotesene presenteres i ulike varianter, avhengig av om man ser på populasjons-, lokal- eller individnivå. Da jeg i denne oppgaven fokuserer på individuell inntekt, forklarer jeg i dette avsnittet kun de hypotesene som er relevante for individnivået.
Den absolutte inntektshypotesen. Denne hypotesen kan uttrykkes på følgende måte:
ℎ𝑖 = 𝑓𝐼(𝑦𝑖), hvor 𝑓𝐼′ > 0 og 𝑓𝐼′′ < 0. Her er ℎ𝑖 helsen til individ i, 𝑦𝑖 er hans inntekt, og 𝑓𝐼 er en konkav funksjon hvor inntekt blir transformert til helse på individnivå. Det betyr altså at det er avtakende marginaleffekt av inntekt på helse. Dette er en rimelig antakelse. En person med lav inntekt i utgangspunktet vil ved høyere inntekt ha råd til medisiner, private helsetjenester, sunnere mat, trening osv. Dersom en person har høy inntekt i utgangspunktet vil han, på den andre siden, ikke ha like stor effekt av en inntektsøkning da han allerede har skaffet seg de helsefremmende godene fra før av.
Den relative inntektshypotesen. Denne hypotesen går ut på at det er et individs relative inntekt, og ikke dets absolutte inntekt, som påvirker hans eller hennes helse, og i likhet med den absolutte inntektshypotesen antas inntekt å ha en positiv effekt på helsen. Hypotesen kan uttrykkes på følgende måte: ℎ𝑖 = 𝑓𝐼(𝑦𝑖− 𝑦𝑐), hvor 𝑦𝑐 er gitt som gjennomsnittsinntekt i
7 lokalsamfunnet hvor individet lever. Den sier altså at et individs helse avhenger av avviket mellom hans eller hennes inntekt og gjennomsnittsinntekten i lokalsamfunnet. Dersom alle i lokalsamfunnet opplever økt inntekt samtidig som individ i sin inntekt holdes konstant, sier hypotesen at hans helse forverres. Det vil dermed si at det å være fattig relativt til andre i lokalsamfunnet er ugunstig, og situasjonen forverres dersom den relative inntektsulikheten øker. Da variabelen 𝑦𝑐, gjennomsnittsinntekten i lokalsamfunnet, ikke inngår i datasettet knyttet til denne oppgaven, vil relevansen av denne hypotesen ikke bli testet i analysen nedenfor.
Deprivasjonshypotesen. Denne hypotesen kan uttrykkes ved: ℎ𝑖 = 𝑓𝐼(𝑔𝑖, 𝑧), hvor 𝑔𝑖 = (𝑧 − 𝑦𝑖) er gitt som gapet mellom en gitt fattigdomsgrense 𝑧 og individ i sin inntekt. Denne hypotesen er en variant av den relative inntektshypotesen, og går ut på at det ikke er den absolutte inntekten som har positiv effekt på helsen, men heller graden av deprivasjon som målt ved det overnevnte inntektsgapet. Det vil si at 𝑓𝐼 synker, i en økende takt, når 𝑔𝑖 er positiv og økende. Dersom inntektsgapet, 𝑔𝑖, er null eller høyere vil en forbedring i inntekten for individet ikke ha noen effekt på helsen, som videre betyr at inntekt kun har en effekt på helsen for personer under fattigdomsgrensen. I analysen nedenfor gjøres det ikke heller forsøk på å undersøke relevansen av denne hypotesen.
2.2.2 Sosioøkonomiske indikatorer og kreftrisiko
Det er gjort mye forskning på sammenhengen mellom sosioøkonomisk status, målt ved blant annet inntekt og utdanning, og kreftrisiko de siste tiårene. De samme trendene går igjen i de fleste studier, som viser både positive og negative sammenhenger mellom sosioøkonomiske indikatorer og kreftrisiko avhengig av hvilken krefttype som undersøkes.
Inntekt som en sosioøkonomisk indikator fanger opp et individs eller en husholdnings kjøpekraft. Det fanger også opp holdninger og kunnskaper gjennom for eksempel utdanning, omgangskrets og yrke. Dersom det kontrolleres for utdanning i studier som tar for seg sammenhengen mellom inntekt og kreftinsidens, vil trolig effekten av inntekt forandres.
Grunnen til dette er at effekter som skyldes holdninger og kunnskaper i stor grad blir holdt utenfor fordi disse kjennetegnene er nært forbundet med (og spesielt resultat av) utdanning.
Både blant kvinner og menn er det observert inverse sammenhenger mellom inntekt og risiko for blant annet lungekreft og kolorektal kreft (i.e. personer med lav inntekt har høyere risiko
8
for å få disse krefttypene), mens det derimot er blitt observert en positiv sammenheng mellom inntekt og risiko for blant annet prostatakreft, brystkreft (kun kvinner) og malignt melanom (i.e. personer med høy inntekt har høyere risiko) (Baquet, et al., 1991; Devesea & Diamond, 1980; Williams & Horm, 1977; Mackillop, et al., 2000; Gorey, et al., 1998; Mao, et al., 2001;
Bentham & Aase, 1996; Clegg, et al., 2009; Sidorchuk, et al., 2009; Faeh, et al., 2011).
Tilsvarende resultater er også funnet for utdanning (Baquet, et al., 1991; Devesea &
Diamond, 1980; Williams & Horm, 1977; Mao, et al., 2001; Braaten, et al., 2004; Pukkala &
Weiderpass, 1999).
Dødeligheten av kreft er funnet å være høyere uansett krefttype for mindre velstående grupper, målt ved blant annet utdanning, inntekt og yrke, sammenlignet med mer velstående grupper (Department of Health, 2010). De største forskjellene i kreftdødelighet mellom de sosiale klasser kan tilskrives krefttyper som har relativt gode prognoser, som brystkreft, kreft i livmoren, blærekreft og kolorektal kreft (Kogevinas & Porta, 1997; Woods, et al., 2006).
Forskjeller i helseatferd kan forklare forskjellen i insidens, mens deler av dødelighetsforskjellen kan forklares ved forsinket diagnose hos personer med lavere sosioøkonomisk status. Forskning viser at kreftpasienter fra lavere sosiale lag oppsøker lege senere sammenlignet med personer fra høyere sosiale lag, og dermed har kreft i et senere stadium med dårligere prognose ved diagnostisering. Dette gjelder spesielt for prostatakreft hos menn og brystkreft hos kvinner. For lungekreft er det ikke funnet tilsvarende sammenheng (Department of Health, 2010). Dårligere oppmøte på screening-innkallelse, lavere generelle helsekunnskaper og lavere tilgang på god behandling blant personer fra lavere sosiale lag er også potensielle forklaringer på dette mønsteret (Department of Health, 2010; Woods, et al., 2006). Sistnevnte faktor, tilgang til adekvat behandling, er trolig ikke like relevant i Norge, hvor det skal være lik rett til behandling sammenliknet med for eksempel USA.
Røyking er, som nevnt i kapittel 2.1.1, den viktigste årsaken til at lungekreft oppstår, og flere studier viser at lavere sosiale lag er kraftig overrepresentert blant røykere (Lund & Lund, 2005; Laaksonen, et al., 2005). I tillegg til at det er flere som røyker i disse gruppene, kanskje delvis på grunn av utilstrekkelig kunnskap om helsefaren, er det tidligere gjennomsnittlig debutalder og høyere røykeintensitet blant de som røyker, og større aksept for passiv røyking (Lund & Lund, 2005). Risikoen for lungekreft er også påvist å være høyere blant personer med et relativt fettrikt kosthold. Det er dokumentert at voksne med lav sosioøkonomisk status
9 generelt sett spiser mer fettrik mat sammenliknet med de fra høyere sosiale lag (Mao, et al., 2001). Dermed trekker begge de to overnevnte risikofaktorene i retning mot en negativ sammenheng mellom sosioøkonomiske ressurser og lungekreft.
Mange studier har undersøkt sammenhengen mellom sosioøkonomisk status, målt ved blant annet inntekt og utdanning, og risikoen for å bli diagnostisert med kolorektal kreft, med tvetydige resultater. I tillegg til negative effekter av inntekt på insidens (Clegg, et al., 2009;
Faeh, et al., 2011), har noen studier funnet en positiv sammenheng mellom sosioøkonomisk status, målt ved utdanning og yrke, og forekomst av kolorektal kreft (Faggiano, et al., 1994;
Smith, et al., 1996), mens andre studier ikke har funnet noen signifikant sammenheng (Stensvold, et al., 1998).
I en norsk studie av sammenhengen mellom kolorektal kreft og kroppsmasseindeks (KMI), med KMI som et mål på fedme, ble det observert at personer med høy KMI har økt forekomst av kolorektal kreft sammenlignet med personer med lavere KMI (Engeland, et al., 2005).
Forskning viser at personer fra lavere sosiale lag er overrepresentert blant overvektige (Faeh, et al., 2011; Folkehelseinstituttet, 2012), og dermed kan en videre trekke en sammenheng mellom lav sosioøkonomisk status, målt ved inntekt, utdanning eller yrke, og økt insidens av kolorektal kreft. I tillegg er det funnet en positiv sammenheng mellom sigarettrøyking og risikoen for å bli diagnostisert med kolorektal kreft (Boyle, et al., 2014). Det at personer fra lavere sosiale lag som sagt er overrepresentert blant røykere (Lund & Lund, 2005), kan dermed bidra til den negative sammenhengen mellom sosial status og risiko for kolorektal kreft. Det er ikke funnet noen sammenheng mellom sosioøkonomiske indikatorer og risikoen for at kolorektal kreft blir diagnostisert i et sent stadium. Det kan tyde på at det heller ikke er noen spesielt stor tilbøyelighet til at svulster forblir udiagnostisert i de lavere sosiale lag, kanskje på grunn av dårligere tilgang til helsetjenester, noe som eventuelt ville ha bidratt negativt til insidensen i denne gruppen (Clegg, et al., 2009).
De sosiale forskjellene i brystkreftinsidens, målt ved utdanningsnivå, kan skyldes mange av risikofaktorene som ble nevnt i avsnitt 2.1.3. Over 50 % av forskjellen i risiko for brystkreft mellom kvinner med høy sosioøkonomisk status, målt ved høy utdannelse, og kvinner med lav sosioøkonomisk status kan tilskrives forskjell i alder ved første fødsel og forskjell i antall barn (Braaten, et al., 2004). Den resterende risikoen kan tillegges at kvinner med høyere utdanning generelt har lavere kroppsmasseindeks (KMI), er høyere, har lavere alder ved første menstruasjon, har høyere overgangsalder, og har et høyere konsum av alkohol og bruk av
10
hormonterapi sammenliknet med lavt utdannende kvinner (Braaten, et al., 2004). Det tyder videre på at det er forskjellen i alder ved førstefødsel og antall barn mellom sosiale grupper som bidrar til en positiv sammenheng mellom sosioøkonomiske indikatorer og brystkreftinsidens.
De mest veletablerte risikofaktorene for prostatakreft er som sagt røyking og fettrikt kosthold (Giovannucci, et al., 1993; Hsing, et al., 1991; Le Marchand, et al., 1994), mens et høyt konsum av frukt og grønnsaker kan være med på å redusere risikoen (Cohen, et al., 2000). På den ene siden er kostfaktorer som konsum av animalske produkter (spesielt melk, kjøtt og fjærkre) og frukt og grønnsaker forbundet med velstand (Hebert, et al., 1998; Hjartåker &
Lund, 1998; Totland, et al., 2012), mens røyking, på den andre siden, er forbundet med lavere sosioøkonomisk status (Lund & Lund, 2005). Dermed kan sosioøkonomiske ressurser både øke og senke risikoen for prostatakreft. Grunnen til at majoriteten av studier finner en positiv sammenheng er sannsynligvis at de positive bidragene, som høyt konsum av animalsk fett, mer enn oppveier de negative.
Periodevis solbrenthet, i motsetning til høy samlet soleksponering, er som nevnt hovedårsaken til forekomst av føflekkreft (World Cancer Research Fund, 2007). Personer som jobber innendørs, og som har nok midler til å dra på ferie til sydligere strøk hvor solen er sterkere enn i Norge, utsetter seg i stor grad for høy soleksponering over små perioder.
Generelt har personer med yrker som omfatter innendørs kontorarbeid, høyere risiko for å bli diagnostisert med føflekkreft sammenliknet med personer som arbeider utendørs og dermed opplever kontinuerlig soleksponering (Elwood & Jopson, 1997). I en norsk studie ble det funnet en positiv sammenheng mellom både utenlandsreiser og føflekkreft, og inntekt og føflekkreft (Bentham & Aase, 1996).
Det positive forholdet mellom sosioøkonomiske indikatorer og føflekkreft kan i tillegg til overnevnte faktorer tilskrives to årsaker. For det første har personer av europeisk/kaukasisk opprinnelse høyere forekomst av føflekkreft sammenliknet med mørkhudede etniske grupper, og de fleste personer som blir diagnostisert blant de med høy sosioøkonomisk status, er lyshudede. I tillegg har de høyere sosioøkonomiske lag generelt en høyere sannsynlighet for å foreta screening for føflekkreft sammenliknet med personer fra lavere sosiale lag, noe som kan føre til en høyere insidens dersom det oppdages mange ufarlige lesjoner (Ortiz, et al., 2005). Sistnevnte årsak er en mulig forklaring på hvorfor personer i de høyere sosiale lag har
11 større sannsynlighet for å overleve føflekkreft sammenliknet med personer fra lavere sosiale lag (Kravdal, 2000).
12
3 Data og metode
3.1 Datamateriale
Det sentrale personregisteret omfatter alle menn og kvinner som har bodd i Norge etter 1960.
Hver enkelt person er tildelt et personnummer i registeret, det samme nummeret som brukes i andre offentlige registre. Dermed er det mulig å knytte data fra ulike registre sammen. Denne analysen er basert på opplysninger om kjønn, fødselsår, sivilstatus (gift/ikke gift), og tidspunkt for eventuell død, innvandring eller utvandring fra Det sentrale personregisteret.
Disse opplysningene er knyttet sammen med opplysninger om kreft, altså hvorvidt en person har fått en kreftdiagnose og eventuelt hvilken type kreft det er, fra Kreftregisteret, og opplysninger om høyest oppnådde utdanning og årlig arbeidsinntekt, både egen og ektefelles dersom gift, fra databaser i Statistisk Sentralbyrå. Det er brukt to datasett i analysen; et som inneholder alle individer og et som kun inneholder informasjon om gifte. Deskriptiv statistikk av datamaterialet er presentert i avsnitt 4.1. All analyse og beskrivelse er bygd på tabeller som er produsert av professor Øystein Kravdal ved å aggregere opp fra de individuelle data (se detaljer nedenfor). Han har tillatelse fra blant annet Datatilsynet og Kreftregisteret til å benytte disse data til slike forskningsformål.
I denne studien er det brukt data for hele den norske befolkningen i aldersgruppen 40-84 år i tidsperioden 2000-2007.
3.2 Forløpsanalyse
I denne oppgaven blir sammenhengen mellom individuell inntekt og risikoen for å bli diagnostisert med en av de fem mest vanlige krefttypene i Norge analysert ved hjelp av diskret tids forløpsanalyse. Forløpsanalyse er en studie over tid (longitudinell studie) hvor man registrerer spesifikke hendelser blant et utvalg individer (Allison, 2014). Slike hendelser kan for eksempel være ekteskap, det å oppnå et høyere utdanningsnivå, fødsel eller hvorvidt man er diagnostisert med kreft. I denne oppgaven studeres hvert individ i utvalget så lenge han eller henne er under risiko for å bli diagnostisert med den aktuelle typen kreft, det vil si inntil såkalt sensurering eller hendelsen (kreftdiagnose) inntreffer. I denne oppgaven er starttidspunktet januar det året individet fyller 40 år, eller – hvis vedkommende er født før 1960 – januar 2000. Sensurering skjer når det første av det følgende inntreffer: individet har
13 fylt 84 år, siste år omfattet av datamateriale er nådd (2007), individet har utvandret fra Norge eller dødd, eller individet har fått en annen type kreft. Dette er altså en forløpsanalyse av første gangs diagnose av kreft, med fokus på 5 ulike krefttyper, slik at man har såkalt konkurrerende avganger.
Det finnes to hovedtyper av forløpsanalyse, diskret tids analyse eller kontinuerlig tids analyse.
I diskret tids forløpsanalyse deles tiden inn i intervaller med en bestemt lengde, og utvalget observeres ved hvert intervall fra starttidspunktet til hendelsen av interesse inntreffer eller til sensurering. Desto kortere tid det er mellom hvert tidsintervall, dess nærmere kommer man en kontinuerlig tids forløpsanalyse. I denne oppgaven gjøres det en diskret forløpsanalyse med ettårsintervaller, da flere av datasettene kun oppdateres årlig. Med andre ord bidrar hvert individ i utvalget med en eller flere ettårsobservasjoner, fra starttidspunktet frem til kreftdiagnose eller sensurering. Hver ettårsobservasjon inneholder en utfallsvariabel, som er hvorvidt individet ble diagnostisert med kreft av den aktuelle typen det året, og forklaringsvariabler som beskriver individets karakteristika ved begynnelsen av tidsintervallet (året). Forklaringsvariablene som tas med er gjennomsnittlig inntekt, høyeste utdanningsnivå, alder og kjønn. I datamaterialet som inneholder bare gifte, er også ektefelles gjennomsnittlige inntekt og høyeste utdanningsnivå inkludert.
Datamaterialet som inkluderer alle, uansett ekteskapelig status, inneholder 7 589 969 ettårsobservasjoner for menn og 7 777 327 ettårsobservasjoner for kvinner som fortsatt tilhørte risikosettet. Blant menn var det 44 734 krefttilfeller som ble registrert i løpet av observasjonsperioden (blant de fem mest vanlige krefttypene), samtidig var det 36 037 blant kvinner. Datamaterialet som bare inkluderer gifte, inneholder 4 927 026 ettårsobservasjoner for menn og 4 601 184 ettårsobservasjoner for kvinner, og blant dette utvalget var det 19 433 kvinner og 31 145 menn som ble diagnostisert med en av de fem mest vanlige krefttypene.
Det ble lagd en tabell som inneholdt en rad for hver kombinasjon av alle forklaringsvariabler og utfallsvariabel, og som inneholdt antall ettårsobservasjoner av denne typen. Dette antallet ble brukt som vekt i en logistisk regresjon. Estimeringen ble gjort ved hjelp av det statiske dataprogrammet SAS 9.4.
14
3.3 Logistisk regresjon
Da den avhengige variabelen er diskret, som betyr at den kan ta verdien 𝑌𝑖 = 1 eller 𝑌𝑖 = 0, vil minste kvadraters metode være uegnet og man vil kunne få meningsløse prediksjoner. Man må da bruke en sannsynlighetsmodell, som probit-modellen eller logit-modellen. Da probit- modellen er numerisk komplisert (fordi den er basert på normalfordelingen), er logit-modellen det naturlige valget. Dette innebærer at sannsynligheten, 𝑝𝑖, er gitt ved den logistiske fordelingen (Bårdsen & Nymoen, 2011):
𝑝𝑖 = 𝑒𝑿𝜷 1 + 𝑒𝑿𝜷.
Her er 𝑿 en vektor av uavhengige forklaringsvariabler, og 𝜷 er en vektor av koeffisientene til disse forklaringsvariablene.
Logit-modellen innebærer at logaritmen til oddsen 𝑝𝑖⁄1 − 𝑝𝑖 er en lineær funksjon av 𝑿:
𝑝𝑖 = 𝑒𝑿𝜷 1 + 𝑒𝑿𝜷 1 − 𝑝𝑖 = 1
1 + 𝑒𝑿𝜷 𝑝𝑖
1 − 𝑝𝑖 = 𝑒𝑿𝜷 ln ( 𝑝𝑖
1 − 𝑝𝑖) = 𝜷𝑿.
Når 𝑝𝑖 varierer mellom 0 og 1, varierer venstresiden av likningen over mellom ∞ og −∞.
3.3.1 Tolkning av oddsratioer
Ved å ta eksponenten av regresjonskoeffisienten 𝛽𝑖, gitt ved 𝑒𝛽𝑖, får vi oddsratioen som samsvarer med en enhets endring i forklaringsvariabelen 𝑋𝑖.
Dersom man estimerer en modell for sannsynligheten for å bli diagnostisert med prostatakreft og regresjonskoeffisienten 𝛽2 for eksempel tar verdien 0,452, hvor 𝑥2 tilsvarer en inntekt på mellom 300 000 og 349 000 kr og referansegruppen er den laveste inntektsgruppen, kan man
15 si at oddsen, 𝑝𝑖⁄1 − 𝑝𝑖, for at en mann med inntekt mellom 300 000 og 349 000 kr blir diagnostisert med kreft er 𝑒𝛽2 = 𝑒0,452 = 1,571 ganger tilsvarende odds dersom vedkommende kun tjente mellom 0 og 49 000 kr. Det betyr at sannsynligheten for å bli diagnostisert med prostatakreft, 𝑝𝑖, vil være tilnærmet (fordi 𝑝𝑖⁄1 − 𝑝𝑖 er tilnærmet 𝑝𝑖) 57 % høyere for en mann fra den øverste inntektsgruppen sammenliknet med den laveste.
Da logit-modellen i utgangspunktet er komplisert, er det enklere å gi en intuitiv forklaring av odds. Jo høyere oddsen er, jo flere ganger inntreffer 𝑌𝑖 = 1 i forhold til 𝑌𝑖 = 0. Dersom oddsen er høyere enn 1, er det høyere sannsynlighet for at en person blir diagnostisert med kreft enn at han ikke gjør det, og motsatt dersom oddsen er lavere enn 1.
3.3.2 Variabler
Inntekt er i dette datasettet gitt som gjennomsnittlig individuell arbeidsinntekt målt i 1998- kroner de siste ti årene, eller for alderen 50 – 59 år dersom personen er mer enn 59 år gammel.
Grunnen til denne grensen på 59 år er at arbeidsinntekten i aldre da mange er pensjonert sier oss lite om kjøpekraften, og man bruker derfor gjennomsnittlig inntekt i de siste arbeidsårene for å kunne predikere denne. I tilleggssettet som kun inneholder gifte menn og kvinner, blir også ektefelles inntekt tatt med i modellen. Inntekten er gitt som en kategorisk variabel med totalt 8 kategorier (0 – 49 000, 50 000 – 99 000,…, med 350 000 og høyere som den siste kategorien). Det laveste inntektsnivået er satt som referansegruppe.
Utdanningsnivå, både eget og ektefellens, er i dette datasettet definert som en kategorisk variabel. Den er delt opp i 5 grupper etter høyeste oppnådde utdanningsnivå: grunnskole (10 år), ett år med videregående skole (11 år), fullført videregående skole (12-13 år), universitet opp til mastergrad (14-17 år), eller mastergrad eller høyere (18 år eller mer). Den første gruppen (grunnskole) er satt til referansegruppe.
Kjønn er gitt ved en dikotom variabel, og det er gjort separate analyser for menn og kvinner
både i datasettet som inkluderer alle og i tilleggssettet som kun inkluderer gifte.
Alder refererer til individets alder ved utgangen av året og er inndelt i 9 grupper, fra 40-44 til
80-84. Aldersgruppen 55-59 år blir brukt som referansegruppe i samtlige analyser.
Kalenderår er gitt som en diskret variabel med 4 grupper: 2000-2001, 2002-2003, 2004-2005, 2006-2007.
16
4 Resultater
I avsnitt 4.1 beskrives datasettet som omfatter alle individer, uansett ekteskapelig status.
Deretter, i avsnitt 4.2 og 4.3 beskriver jeg resultatene fra de logistiske regresjonene. I avsnitt 4.2 beskrives den estimerte effekten av inntekt og utdanning på risikoen for å bli diagnostisert med en av de fem kreftformene blant alle individer. Avsnitt 4.3 omhandler de samme effektene, men da kun blant gifte individer.
4.1 Deskriptiv statistikk
Tabell 4.1 og 4.2 beskriver datasettet for alle, altså uansett ekteskapelig status, for henholdsvis menn og kvinner. Tabellene beskriver fordelingen av personårene og antall krefttilfeller over de ulike kategoriene av hver variabel unntatt kalenderår.
For mange av variablene fordeler personårene seg ujevnt over de ulike kategoriene. Blant menn er den største andelen av personårene i den laveste utdanningskategorien, de midterste kategoriene av arbeidsinntekt, og blant gifte. Fordelingen av krefttilfeller er ikke helt den samme som fordelingen av personår. For eksempel ser en at menn med grunnskole som høyest oppnådde utdanning har en høyere andel av lungekrefttilfeller enn av personårene, noe som innebærer av lungekreftinsidensen for denne gruppen individer er relativt høy (når man ikke tar hensyn til alder). Tilsvarende kan en også se at gifte menn har en høyere insidens av prostatakreft.
Naturlig nok er det høyere andel av krefttilfeller blant den eldre delen av utvalget for både menn og kvinner enn av personårene. Blant kvinner (tabell 4.2) ser vi at det for både brystkreft og malignt melanom er lavere andel av krefttilfeller for de med grunnskole som høyest oppnådde utdanning enn av personårene, noe som innebærer lavere insidens for denne gruppen. Det er også verdt å merke seg at det er en lavere insidens av lungekreft og kolorektal kreft blant gifte kvinner, mens andelen av krefttilfeller for de to andre krefttypene er tilnærmet lik andelen av personårene.
Tabell 4.3 og 4.4 beskriver datasettet som omfatter gifte individer, for henholdsvis menn og kvinner. Fordelingen av personår og tilfeller av de fem ulike krefttypene er tilnærmet lik de som er presentert i tabell 4.1 og 4.2 for variablene utdanning, inntekt og aldersgruppe. I tillegg til disse variablene inkluderer tabell 4.3 og 4.4 ektefelles utdanning og inntekt. Blant
17 både menn og kvinner er det en høyere andel tilfeller av kolorektal- og lungekreft for dem med ektefeller som bare har grunnskoleutdanning enn av personårene. Tilsvarende ser en også for menn med ektefelle i den laveste inntektsgruppen.
Det er en relativt høy andel kvinner med ektefelle i de høyeste inntektsgrupper i datasettet for gifte, mens det for menn er motsatt. For kvinner ser man en høyere andel av brystkreft- og føflekkrefttilfeller blant dem med ektefelle i den øverste inntektsgruppen enn av personårene.
Tabell 4.1 Fordeling av eksponeringstid (personår) i prosent og tilfeller av 5 krefttyper blant menn 2000-2007
Menn
Variabel
Fordeling av personår
Fordeling av
kolorektal kreft Prostatakreft Lungekreft Malignt melanom
Utdanning
10 år eller mindre 28.4 36.6 32.8 47.8 23.2
11 år 22.3 27.2 28.9 26.4 26.7
12-13 år 22.0 16.0 15.5 14.0 18.5
14-17 år 19.1 14.3 15.0 9.6 20.6
18 år eller mer 8.2 5.9 7.8 2.2 11.0
Inntekt
0 - 49 000 kr 8.7 8.5 7.0 16.2 5.7
50 000 - 99 000 5.6 6.7 6.5 8.3 4.7
100 000 - 149 000 9.0 12.2 11.6 13.4 8.8
150 000 - 199 000 20.3 27.0 25.8 27.7 20.6
200 000 - 249 000 22.7 21.1 21.0 18.4 22.6
250 000 - 299 000 14.1 11.3 12.6 8.1 14.6
300 000 - 349 000 7.3 5.3 6.3 3.7 8.7
350 000 + 12.4 8.0 9.3 4.3 14.3
Ekteskapelig status
Aldri gift 15.9 10.1 7.4 10.7 10.1
Gift 66.1 68.7 74.1 62.4 73.0
Enke/enkemann 3.4 9.7 8.8 10.5 4.9
Skilt 12.3 10.0 8.6 14.6 10.5
Separert 2.4 1.5 1.1 1.8 1.6
Aldersgruppe
40-44 år 17.4 1.7 0.1 0.8 5.9
45-49 år 16.5 3.0 0.6 2.5 8.9
50-54 år 15.8 5.9 3.0 5.7 11.6
55-59 år 14.8 9.8 9.1 10.3 14.4
60-64 år 11.1 12.9 15.4 14.3 14.4
65-69 år 8.0 14.3 19.4 15.6 12.3
70-74 år 6.7 17.3 19.8 18.5 12.6
75-79 år 5.7 19.3 18.3 19.3 10.7
80-84 år 4.0 15.9 14.3 13.0 9.3
N 7 589 969 10 112 22 564 8 827 3 136
18
Tabell 4.2 Fordeling av eksponeringstid (personår) i prosent og tilfeller av 5 krefttyper blant kvinner 2000-2007
Kvinner
Variabel
Fordeling av personår
Fordeling av
kolorektal kreft Brystkreft Lungekreft Malignt melanom
Utdanning
10 år eller mindre 33.9 45.4 31.5 56.2 31.6
11 år 29.1 33.9 32.9 30.2 32.5
12-13 år 13.8 7.7 11.9 6.1 13.0
14-17 år 20.3 11.7 20.4 6.8 20.0
18 år eller mer 2.9 1.4 3.3 0.8 3.0
Inntekt
0 - 49 000 kr 26.5 39.2 27.4 43.2 25.5
50 000 - 99 000 16.4 19.0 15.6 18.0 17.9
100 000 - 149 000 20.6 18.0 19.4 17.5 20.8
150 000 - 199 000 20.6 14.6 20.3 14.6 20.6
200 000 - 249 000 10.5 6.5 11.2 4.4 9.2
250 000 - 299 000 3.2 1.7 3.7 1.4 3.6
300 000 - 349 000 1.1 0.5 1.3 0.4 1.2
350 000 + 1.2 0.5 1.2 0.5 1.2
Ekteskapelig status
Aldri gift 10.1 6.9 9.3 5.7 8.7
Gift 59.9 49.9 58.9 45.6 60.7
Enke/enkemann 14.2 32.3 16.1 29.8 17.8
Skilt 13.9 9.9 14.1 17.6 11.6
Separert 2.0 1.1 1.6 1.4 1.3
Aldersgruppe
40-44 år 16.2 1.8 6.6 1.4 10.3
45-49 år 15.4 3.3 11.1 3.2 10.8
50-54 år 14.6 5.6 15.1 7.4 11.6
55-59 år 13.6 8.4 16.6 12.6 13.3
60-64 år 10.5 11.3 15.1 14.5 12.2
65-69 år 8.2 12.9 12.0 15.2 10.4
70-74 år 7.6 15.9 7.3 18.0 10.2
75-79 år 7.5 19.4 8.1 17.2 11.7
80-84 år 6.6 21.5 8.1 10.5 9.6
N 7 777 327 9 617 17 588 5 714 3 118
19 Tabell 4.3Fordeling av eksponeringstid (personår) i prosent og tilfeller av 5 krefttyper blant gifte menn 2000-2007
Menn
Variabel
Fordeling av personår
Fordeling av
kolorektal kreft Prostatakreft Lungekreft Malignt melanom
Utdanning
10 år eller mindre 24.5 33.4 29.9 44.4 20.7
11 år 23.3 27.6 29.3 27.4 26.9
12-13 år 22.4 16.9 16.1 14.9 19.2
14-17 år 20.5 15.7 16.1 10.7 21.7
18 år eller mer 9.4 6.5 8.6 2.6 11.6
Ektefelles utdanning
10 år eller mindre 30.3 40.2 36.3 48.7 27.0
11 år 29.5 35.7 37.3 34.5 37.4
12-13 år 14.9 8.5 9.3 8.0 10.9
14-17 år 22.2 14.1 15.2 8.2 22.3
18 år eller mer 3.1 1.6 1.8 0.6 2.5
Inntekt
0 - 49 000 kr 4.8 5.0 4.3 10.1 3.2
50 000 - 99 000 4.4 5.4 5.1 7.3 3.8
100 000 - 149 000 8.1 11.1 10.9 12.8 7.9
150 000 - 199 000 20.2 27.4 26.0 29.3 20.3
200 000 - 249 000 24.0 23.0 22.4 20.9 24.0
250 000 - 299 000 15.6 12.7 13.8 9.6 15.7
300 000 - 349 000 8.2 5.8 7.0 4.6 9.5
350 000 + 14.8 9.6 10.6 5.3 15.6
Ektefelles inntekt
0 - 49 000 kr 22.6 34.2 32.1 37.6 25.1
50 000 - 99 000 17.6 19.9 20.8 20.4 18.8
100 000 - 149 000 23.0 20.1 20.2 20.0 21.7
150 000 - 199 000 21.1 16.2 15.8 15.4 19.6
200 000 - 249 000 10.3 6.7 7.5 4.8 9.8
250 000 - 299 000 3.1 1.8 2.2 1.2 3.1
300 000 - 349 000 1.1 0.6 0.7 0.4 0.8
350 000 + 1.2 0.6 0.6 0.2 1.1
Aldersgruppe
40-44 år 14.2 1.3 0.1 0.3 4.7
45-49 år 15.1 2.2 0.5 2.0 8.0
50-54 år 15.9 5.8 2.9 4.8 11.2
55-59 år 15.9 9.9 9.1 9.7 14.7
60-64 år 12.4 13.7 16.0 14.2 15.4
65-69 år 9.0 14.8 20.4 15.7 12.8
70-74 år 7.5 18.1 20.5 20.0 13.4
75-79 år 6.1 19.6 18.1 20.3 10.7
80-84 år 3.9 14.7 12.7 13.1 9.1
N 4 927 026 6 850 16 553 5 428 2 259
20
Tabell 4.4 Fordeling av eksponeringstid (personår) i prosent og tilfeller av 5 krefttyper blant gifte kvinner 2000-2007
Kvinner
Variabel
Fordeling av personår
Fordeling av
kolorektal kreft Brystkreft Lungekreft Malignt melanom
Utdanning
10 år eller mindre 30.1 40.8 28.1 51.8 29.0
11 år 30.6 36.1 34.5 33.4 33.6
12-13 år 14.4 8.6 12.0 6.3 12.9
14-17 år 21.8 13.1 22.1 7.7 21.3
18 år eller mer 3.1 1.4 3.4 0.8 3.2
Ektefelles utdanning
10 år eller mindre 25.2 33.2 24.1 36.9 22.5
11 år 24.6 29.5 25.9 28.8 26.3
12-13 år 21.2 16.6 19.7 18.9 20.3
14-17 år 19.9 13.6 19.6 11.6 20.6
18 år eller mer 9.2 7.1 10.7 3.9 10.4
Inntekt
0 - 49 000 kr 23.2 35.6 24.1 40.5 22.3
50 000 - 99 000 17.6 20.3 17.4 19.0 19.1
100 000 - 149 000 22.8 19.7 21.3 18.7 23.2
150 000 - 199 000 20.9 14.7 20.1 15.4 21.1
200 000 - 249 000 10.3 7.2 10.8 4.4 8.0
250 000 - 299 000 3.1 1.6 3.7 1.2 3.6
300 000 - 349 000 1.0 0.4 1.4 0.5 1.6
350 000 + 1.2 0.6 1.2 0.3 1.1
Ektefelles inntekt
0 - 49 000 kr 4.8 4.8 4.8 6.7 2.8
50 000 - 99 000 4.5 5.7 4.7 5.9 3.0
100 000 - 149 000 8.4 10.6 8.6 11.5 7.4
150 000 - 199 000 20.6 27.8 20.8 28.5 21.5
200 000 - 249 000 23.7 22.6 22.9 22.3 24.5
250 000 - 299 000 15.4 12.4 15.1 12.0 15.8
300 000 - 349 000 8.1 6.5 8.0 5.6 8.7
350 000 + 14.5 9.7 15.2 7.5 16.3
Aldersgruppe
40-44 år 16.1 2.2 6.7 1.7 10.1
45-49 år 16.4 4.1 11.7 3.9 12.2
50-54 år 16.4 7.6 17.0 8.9 12.5
55-59 år 15.6 11.5 18.7 16.0 16.0
60-64 år 11.9 15.1 17.2 17.5 14.4
65-69 år 8.7 15.6 12.6 17.1 12.1
70-74 år 7.0 17.1 6.5 17.7 9.6
75-79 år 5.1 15.7 5.9 11.7 8.9
80-84 år 2.9 11.2 3.7 5.6 4.2
N 4 601 184 4 731 10 257 2 572 1 873
